O întrebare practică revine mereu în mintea mea când mă gândesc la AI în medii reglementate:
Ce se întâmplă când o organizație vrea beneficiile AI avansat, dar nu își permite consecințele expunerii informațiilor sensibile?
Cele mai multe discuții despre confidențialitatea AI par ciudat de învechite. Abordarea comună este să colectezi datele mai întâi, să le procesezi în altă parte și apoi să adaugi straturi de politici, permisiuni și controale de conformitate ulterior. Funcționează până nu mai funcționează. O greșeală de configurare, o dependență neașteptată sau o schimbare în regulile platformei pot transforma brusc o problemă de guvernanță într-o problemă de afaceri.
De aceea găsesc proiectele de infrastructură mai interesante decât aplicațiile AI.
Aplicațiile concurează pe caracteristici. Infrastructura determină ce este posibil în primul rând.
Privind la @OpenGradient OpenGradient și $OPG , partea interesantă nu este chatbotul în sine. Partea interesantă este presupunerea din spatele lui: confidențialitatea ar trebui să facă parte din designul sistemului, nu să fie o excepție acordată prin proceduri speciale.
OpenGradient Chat a integrat recent Claude Fable 5, susținând în același timp conversații private prin modele precum Nous Hermes. Întrebarea importantă nu este dacă aceste modele sunt puternice. Este dacă organizațiile pot folosi modele puternice fără a crea noi riscuri de conformitate, legale sau operaționale.
Istoria sugerează că adoptarea rareori eșuează pentru că tehnologia este slabă. De obicei, eșuează pentru că încrederea este scumpă.
Dacă #OPG va avea succes, va fi pentru că instituțiile, constructorii și utilizatorii găsesc mai ușor să opereze în cadrul sistemului decât în jurul acestuia. Dacă eșuează, confidențialitatea va rămâne o caracteristică în loc să devină infrastructură.
Ce se întâmplă când o organizație vrea beneficiile AI avansat, dar nu își permite consecințele expunerii informațiilor sensibile?
Cele mai multe discuții despre confidențialitatea AI par ciudat de învechite. Abordarea comună este să colectezi datele mai întâi, să le procesezi în altă parte și apoi să adaugi straturi de politici, permisiuni și controale de conformitate ulterior. Funcționează până nu mai funcționează. O greșeală de configurare, o dependență neașteptată sau o schimbare în regulile platformei pot transforma brusc o problemă de guvernanță într-o problemă de afaceri.
De aceea găsesc proiectele de infrastructură mai interesante decât aplicațiile AI.
Aplicațiile concurează pe caracteristici. Infrastructura determină ce este posibil în primul rând.
Privind la @OpenGradient OpenGradient și $OPG , partea interesantă nu este chatbotul în sine. Partea interesantă este presupunerea din spatele lui: confidențialitatea ar trebui să facă parte din designul sistemului, nu să fie o excepție acordată prin proceduri speciale.
OpenGradient Chat a integrat recent Claude Fable 5, susținând în același timp conversații private prin modele precum Nous Hermes. Întrebarea importantă nu este dacă aceste modele sunt puternice. Este dacă organizațiile pot folosi modele puternice fără a crea noi riscuri de conformitate, legale sau operaționale.
Istoria sugerează că adoptarea rareori eșuează pentru că tehnologia este slabă. De obicei, eșuează pentru că încrederea este scumpă.
Dacă #OPG va avea succes, va fi pentru că instituțiile, constructorii și utilizatorii găsesc mai ușor să opereze în cadrul sistemului decât în jurul acestuia. Dacă eșuează, confidențialitatea va rămâne o caracteristică în loc să devină infrastructură.