也許AI隱私從來不是關於設置的事

很長一段時間，我都認爲AI隱私是相當簡單的。
關閉數據共享。選擇不參與訓練。問題解決。

但我越是使用AI，就越想知道當每個提示都經過我從未見過的基礎設施，處理在我無法檢查的服務器上，並在可能後來會改變的政策下操作時，"私密"到底意味着什麼。

這時我意識到，選擇不參與並不是真正的控制。
這只是選擇不參與一個仍由別人控制的系統。

對我來說，最有趣的是大多數AI隱私討論似乎集中在政策和承諾上。確實有用。但政策可以更新。條款可以重寫。複選框可以消失。
底層的架構纔是真正的基礎。

這部分原因讓我關注到OpenGradient。據我瞭解，這個理念是通過加密通信、身份分離和安全執行環境來使隱私成爲系統本身的一部分，而不是僅僅依賴信任。

我並不是說這能解決所有隱私問題。設計與生產系統之間的差距通常是事情變得複雜的地方。

不過，我開始認爲，更好的隱私可能並不是來自更好的政策。

而是來自構建那些在一開始就需要更少信任的系統。

@OpenGradient $PORTAL $BR $OPG #OPG