O întrebare practică mă tot frământă de fiecare dată când oamenii discută despre AI în medii reglementate:
Ce se întâmplă când o organizație vrea beneficiile AI-ului avansat, dar nu își poate permite incertitudinea în legătură cu unde ajung informațiile, cine poate avea acces la ele și cum sunt explicate deciziile ulterior?
Cele mai multe abordări existente par a fi înapoiate. Datele sunt colectate, trimise în sisteme controlate de terți, iar apoi se adaugă straturi de conformitate, politici și acorduri legale ulterior. Tehnic, funcționează, dar adesea se simte ca și cum ai încerca să construiești încredere după ce arhitectura a fost deja proiectată fără ea.
De aceea continui să revin la ideea de confidențialitate prin design, mai degrabă decât confidențialitate prin excepție.
Ceea ce este interesant în legătură cu @OpenGradient OpenGradient nu este că promite confidențialitate perfectă sau descentralizare perfectă. Acelea sunt afirmații ușor de făcut. Ceea ce mă interesează este direcția infrastructurii din spatele acesteia. Pe măsură ce dependența de furnizorii de AI centralizați crește, la fel cresc și îngrijorările legate de jurisdicție, gestionarea datelor, riscurile operaționale și dependența pe termen lung.
OpenGradient Chat este un exemplu al acestei schimbări. Integrează deja Claude Fable 5, oferind în același timp acces la modele precum Nous Hermes în Chat Privat. Punctul mai important, însă, nu este disponibilitatea modelului. Este posibilitatea de a oferi utilizatorilor și instituțiilor mai mult control asupra locului în care rulează inteligența și cum se mișcă informația.
Dacă $OPG va avea succes va depinde mai puțin de narațiuni și mai mult de adoptarea în lumea reală. Dacă confidențialitatea reduce frecarea, scade costurile de conformitate și se potrivește cu modul în care organizațiile funcționează de fapt, oamenii o vor folosi. Dacă adaugă complexitate fără a rezolva probleme practice, nu o vor face.
#opg
Ce se întâmplă când o organizație vrea beneficiile AI-ului avansat, dar nu își poate permite incertitudinea în legătură cu unde ajung informațiile, cine poate avea acces la ele și cum sunt explicate deciziile ulterior?
Cele mai multe abordări existente par a fi înapoiate. Datele sunt colectate, trimise în sisteme controlate de terți, iar apoi se adaugă straturi de conformitate, politici și acorduri legale ulterior. Tehnic, funcționează, dar adesea se simte ca și cum ai încerca să construiești încredere după ce arhitectura a fost deja proiectată fără ea.
De aceea continui să revin la ideea de confidențialitate prin design, mai degrabă decât confidențialitate prin excepție.
Ceea ce este interesant în legătură cu @OpenGradient OpenGradient nu este că promite confidențialitate perfectă sau descentralizare perfectă. Acelea sunt afirmații ușor de făcut. Ceea ce mă interesează este direcția infrastructurii din spatele acesteia. Pe măsură ce dependența de furnizorii de AI centralizați crește, la fel cresc și îngrijorările legate de jurisdicție, gestionarea datelor, riscurile operaționale și dependența pe termen lung.
OpenGradient Chat este un exemplu al acestei schimbări. Integrează deja Claude Fable 5, oferind în același timp acces la modele precum Nous Hermes în Chat Privat. Punctul mai important, însă, nu este disponibilitatea modelului. Este posibilitatea de a oferi utilizatorilor și instituțiilor mai mult control asupra locului în care rulează inteligența și cum se mișcă informația.
Dacă $OPG va avea succes va depinde mai puțin de narațiuni și mai mult de adoptarea în lumea reală. Dacă confidențialitatea reduce frecarea, scade costurile de conformitate și se potrivește cu modul în care organizațiile funcționează de fapt, oamenii o vor folosi. Dacă adaugă complexitate fără a rezolva probleme practice, nu o vor face.
#opg