Să spun adevărul, mai târziu am realizat un lucru destul de contradictoriu: pe de o parte ne dorim ca AI-ul să ne înțeleagă tot mai bine, iar pe de altă parte ne este frică să știe prea multe despre cine suntem.
Înainte să cercetez cu adevărat @OpenGradient și OpenGradient Chat, înțelegerea mea despre protecția vieții private era destul de superficială—practic era „dacă platforma spune că e sigur, atunci hai să credem cam așa”. Dar, după ce ai folosit AI-ul o perioadă, descoperi un lucru foarte real: pur și simplu nu vei ajunge vreodată să te simți complet în siguranță. De exemplu, când îmi ordonez direcția de lucru, sau când pe la miezul nopții îmi apar dintr-odată niște idei încă neformate, e foarte natural să mă opresc și să șterg unele detalii. Pe scurt, e ceva inconștient—„filtrare de sine”. #OPG
Apoi, când am analizat logica de proiectare a OpenGradient, am înțeles că de fapt nu încearcă să rezolve doar o problemă simplă de criptare, ci problema limitelor datelor în era AI: să facă modelul să înțeleagă cât mai mult conținutul ca atare, nu să știe mai întâi „cine ești”. Ce face este să desprindă informațiile de identitate înainte ca acestea să intre în model, folosind criptografie și mecanisme la nivel de dispozitiv, în loc să se bazeze pe încrederea față de platformă.
Pe scurt, lucrul acesta nu are de-a face cu „încă un comutator pentru confidențialitate” în sensul clasic; mai degrabă seamănă cu modificarea regulilor implicite dintre AI și utilizator.
Pentru mine, această schimbare a fost foarte evidentă. Înainte mă preocupa mai mult dacă răspunsurile AI sunt corecte, dacă e suficient de puternic; dar acum mă gândesc, dimpotrivă, la ceva foarte concret: atunci când introduc din mers unele idei încă nesistematizate, chiar îndrăznesc să nu le tot ajustez și șterg?
Uneori, dacă stau să mă gândesc, poate că asta este mai important decât faptul că modelul mai are câteva abilități.
Voi continua să urmăresc evoluția @OpenGradient și $OPG . #opg
Înainte să cercetez cu adevărat @OpenGradient și OpenGradient Chat, înțelegerea mea despre protecția vieții private era destul de superficială—practic era „dacă platforma spune că e sigur, atunci hai să credem cam așa”. Dar, după ce ai folosit AI-ul o perioadă, descoperi un lucru foarte real: pur și simplu nu vei ajunge vreodată să te simți complet în siguranță. De exemplu, când îmi ordonez direcția de lucru, sau când pe la miezul nopții îmi apar dintr-odată niște idei încă neformate, e foarte natural să mă opresc și să șterg unele detalii. Pe scurt, e ceva inconștient—„filtrare de sine”. #OPG
Apoi, când am analizat logica de proiectare a OpenGradient, am înțeles că de fapt nu încearcă să rezolve doar o problemă simplă de criptare, ci problema limitelor datelor în era AI: să facă modelul să înțeleagă cât mai mult conținutul ca atare, nu să știe mai întâi „cine ești”. Ce face este să desprindă informațiile de identitate înainte ca acestea să intre în model, folosind criptografie și mecanisme la nivel de dispozitiv, în loc să se bazeze pe încrederea față de platformă.
Pe scurt, lucrul acesta nu are de-a face cu „încă un comutator pentru confidențialitate” în sensul clasic; mai degrabă seamănă cu modificarea regulilor implicite dintre AI și utilizator.
Pentru mine, această schimbare a fost foarte evidentă. Înainte mă preocupa mai mult dacă răspunsurile AI sunt corecte, dacă e suficient de puternic; dar acum mă gândesc, dimpotrivă, la ceva foarte concret: atunci când introduc din mers unele idei încă nesistematizate, chiar îndrăznesc să nu le tot ajustez și șterg?
Uneori, dacă stau să mă gândesc, poate că asta este mai important decât faptul că modelul mai are câteva abilități.
Voi continua să urmăresc evoluția @OpenGradient și $OPG . #opg