Manus mencapai kemajuan terobosan dalam pengujian Benchmark GAIA
Dalam waktu dekat, Manus telah mencapai hasil yang mencolok dalam pengujian benchmark GAIA, dengan kinerja yang melampaui model bahasa besar sekelas. Ini berarti Manus mampu menyelesaikan tugas kompleks seperti negosiasi bisnis lintas negara secara mandiri, yang melibatkan pemecahan klausul kontrak, prediksi strategi, pembuatan rencana, bahkan dapat mengoordinasi tim hukum dan keuangan.
Keunggulan Manus terutama terletak pada tiga aspek: kemampuan pemecahan tujuan dinamis, kemampuan penalaran lintas mode, dan kemampuan pembelajaran yang ditingkatkan memori. Ini dapat membagi tugas besar menjadi ratusan sub-tugas yang dapat dieksekusi, sambil memproses berbagai jenis data, dan terus meningkatkan efisiensi keputusan sendiri melalui pembelajaran penguatan, mengurangi tingkat kesalahan.
Terobosan ini kembali memicu diskusi di industri mengenai jalur evolusi AI: Apakah masa depan akan dikuasai oleh AGI atau sistem multi-agen (MAS) yang berkolaborasi?
Konsep desain Manus mengandung dua kemungkinan:
Jalur AGI: Meningkatkan tingkat kecerdasan individual secara berkelanjutan, sehingga mendekati kemampuan pengambilan keputusan komprehensif manusia.
Jalur MAS: Sebagai koordinator super, mengarahkan ribuan agen bidang vertikal untuk bekerja sama.
Secara kasat mata, ini adalah perbedaan jalur yang berbeda, namun pada dasarnya membahas bagaimana menyeimbangkan efisiensi dan keamanan dalam perkembangan AI. Semakin dekat kecerdasan tunggal dengan AGI, semakin tinggi risiko kotak hitam dalam pengambilan keputusan; sementara kolaborasi multi-agen dapat mengurangi risiko, tetapi mungkin kehilangan momen pengambilan keputusan yang penting akibat keterlambatan komunikasi.
Evolusi Manus secara tidak langsung memperbesar risiko inheren dalam pengembangan AI, seperti masalah privasi data, bias algoritma, dan serangan adversarial. Dalam konteks medis, Manus perlu mengakses data genom pasien secara real-time; dalam negosiasi keuangan, mungkin melibatkan informasi laporan keuangan perusahaan yang tidak dipublikasikan. Dalam negosiasi perekrutan, mungkin memberikan saran gaji yang terlalu rendah untuk kelompok tertentu; dalam tinjauan kontrak hukum, tingkat kesalahan dalam menafsirkan klausul industri baru mungkin mendekati setengah. Selain itu, peretas dapat mengakibatkan Manus salah menafsirkan rentang penawaran lawan dalam negosiasi dengan menyisipkan frekuensi suara tertentu.
Masalah-masalah ini menyoroti satu poin penting: semakin cerdas sistem, semakin luas juga permukaan serangannya.
Di bidang Web3, keamanan selalu menjadi topik yang sangat diperhatikan. Berdasarkan "segitiga yang tidak mungkin" yang diajukan oleh Vitalik Buterin (jaringan blockchain tidak dapat mencapai keamanan, desentralisasi, dan skalabilitas secara bersamaan), berbagai metode enkripsi telah muncul:
Model Keamanan Zero Trust: Konsep inti adalah "tidak mempercayai siapa pun, selalu melakukan verifikasi", menekankan pada verifikasi dan otorisasi identitas yang ketat untuk setiap permintaan akses.
Identitas Terdesentralisasi (DID): seperangkat standar pengidentifikasi yang memungkinkan entitas untuk mendapatkan pengakuan dengan cara yang dapat diverifikasi dan berkelanjutan, tanpa bergantung pada registri terpusat.
Enkripsi Homomorfik Penuh (FHE): sebuah teknologi enkripsi canggih yang memungkinkan melakukan perhitungan arbitrer pada data terenkripsi tanpa mendekripsi data.
Di antara mereka, FHE dianggap sebagai teknologi kunci untuk menyelesaikan masalah keamanan di era AI. Ini dapat berfungsi di beberapa tingkatan berikut:
Tingkat data: Semua informasi yang dimasukkan oleh pengguna (termasuk fitur biometrik, intonasi suara) diproses dalam keadaan terenkripsi, bahkan sistem AI itu sendiri tidak dapat mendekripsi data asli.
Di tingkat algoritma: Mencapai "pelatihan model terenkripsi" melalui FHE, bahkan pengembang pun tidak dapat mengintip jalur keputusan AI.
Tingkat kolaborasi: Komunikasi antara beberapa agen cerdas menggunakan enkripsi ambang, satu node yang disusupi tidak akan menyebabkan kebocoran data global.
Di bidang keamanan Web3, sudah ada beberapa proyek yang mengeksplorasi berbagai arah. Namun, proyek keamanan seringkali tidak menarik perhatian spekulan. Di masa depan, seiring dengan perkembangan teknologi AI yang terus menerus, pentingnya teknologi keamanan seperti FHE akan semakin menonjol. Di jalan menuju AGI, teknologi ini bukan hanya alat untuk menyelesaikan masalah saat ini, tetapi juga merupakan kebutuhan di era AI kuat di masa depan.
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
14 Suka
Hadiah
14
5
Bagikan
Komentar
0/400
DarkPoolWatcher
· 07-24 23:34
Sekali lagi ada yang melompat keluar dan mengatakan dirinya hebat.
Lihat AsliBalas0
FrontRunFighter
· 07-24 23:31
hutan gelap semakin gelap... manus hanyalah senjata lain dalam perlombaan ekstraksi MEV sejujurnya
Lihat AsliBalas0
DeFiGrayling
· 07-24 23:30
Komunitas selalu datang dengan hal-hal baru
Lihat AsliBalas0
GasFeePhobia
· 07-24 23:21
Wah, ini tidak boleh ada panic buying.
Lihat AsliBalas0
OnChainDetective
· 07-24 23:17
Malam-malam saya menggali data backend, arsitektur sistem ini mencurigakan 99,97%.
Manus berhasil melewati uji GAIA yang memicu diskusi tentang keamanan AI dan teknologi FHE
Manus mencapai kemajuan terobosan dalam pengujian Benchmark GAIA
Dalam waktu dekat, Manus telah mencapai hasil yang mencolok dalam pengujian benchmark GAIA, dengan kinerja yang melampaui model bahasa besar sekelas. Ini berarti Manus mampu menyelesaikan tugas kompleks seperti negosiasi bisnis lintas negara secara mandiri, yang melibatkan pemecahan klausul kontrak, prediksi strategi, pembuatan rencana, bahkan dapat mengoordinasi tim hukum dan keuangan.
Keunggulan Manus terutama terletak pada tiga aspek: kemampuan pemecahan tujuan dinamis, kemampuan penalaran lintas mode, dan kemampuan pembelajaran yang ditingkatkan memori. Ini dapat membagi tugas besar menjadi ratusan sub-tugas yang dapat dieksekusi, sambil memproses berbagai jenis data, dan terus meningkatkan efisiensi keputusan sendiri melalui pembelajaran penguatan, mengurangi tingkat kesalahan.
Terobosan ini kembali memicu diskusi di industri mengenai jalur evolusi AI: Apakah masa depan akan dikuasai oleh AGI atau sistem multi-agen (MAS) yang berkolaborasi?
Konsep desain Manus mengandung dua kemungkinan:
Jalur AGI: Meningkatkan tingkat kecerdasan individual secara berkelanjutan, sehingga mendekati kemampuan pengambilan keputusan komprehensif manusia.
Jalur MAS: Sebagai koordinator super, mengarahkan ribuan agen bidang vertikal untuk bekerja sama.
Secara kasat mata, ini adalah perbedaan jalur yang berbeda, namun pada dasarnya membahas bagaimana menyeimbangkan efisiensi dan keamanan dalam perkembangan AI. Semakin dekat kecerdasan tunggal dengan AGI, semakin tinggi risiko kotak hitam dalam pengambilan keputusan; sementara kolaborasi multi-agen dapat mengurangi risiko, tetapi mungkin kehilangan momen pengambilan keputusan yang penting akibat keterlambatan komunikasi.
Evolusi Manus secara tidak langsung memperbesar risiko inheren dalam pengembangan AI, seperti masalah privasi data, bias algoritma, dan serangan adversarial. Dalam konteks medis, Manus perlu mengakses data genom pasien secara real-time; dalam negosiasi keuangan, mungkin melibatkan informasi laporan keuangan perusahaan yang tidak dipublikasikan. Dalam negosiasi perekrutan, mungkin memberikan saran gaji yang terlalu rendah untuk kelompok tertentu; dalam tinjauan kontrak hukum, tingkat kesalahan dalam menafsirkan klausul industri baru mungkin mendekati setengah. Selain itu, peretas dapat mengakibatkan Manus salah menafsirkan rentang penawaran lawan dalam negosiasi dengan menyisipkan frekuensi suara tertentu.
Masalah-masalah ini menyoroti satu poin penting: semakin cerdas sistem, semakin luas juga permukaan serangannya.
Di bidang Web3, keamanan selalu menjadi topik yang sangat diperhatikan. Berdasarkan "segitiga yang tidak mungkin" yang diajukan oleh Vitalik Buterin (jaringan blockchain tidak dapat mencapai keamanan, desentralisasi, dan skalabilitas secara bersamaan), berbagai metode enkripsi telah muncul:
Model Keamanan Zero Trust: Konsep inti adalah "tidak mempercayai siapa pun, selalu melakukan verifikasi", menekankan pada verifikasi dan otorisasi identitas yang ketat untuk setiap permintaan akses.
Identitas Terdesentralisasi (DID): seperangkat standar pengidentifikasi yang memungkinkan entitas untuk mendapatkan pengakuan dengan cara yang dapat diverifikasi dan berkelanjutan, tanpa bergantung pada registri terpusat.
Enkripsi Homomorfik Penuh (FHE): sebuah teknologi enkripsi canggih yang memungkinkan melakukan perhitungan arbitrer pada data terenkripsi tanpa mendekripsi data.
Di antara mereka, FHE dianggap sebagai teknologi kunci untuk menyelesaikan masalah keamanan di era AI. Ini dapat berfungsi di beberapa tingkatan berikut:
Tingkat data: Semua informasi yang dimasukkan oleh pengguna (termasuk fitur biometrik, intonasi suara) diproses dalam keadaan terenkripsi, bahkan sistem AI itu sendiri tidak dapat mendekripsi data asli.
Di tingkat algoritma: Mencapai "pelatihan model terenkripsi" melalui FHE, bahkan pengembang pun tidak dapat mengintip jalur keputusan AI.
Tingkat kolaborasi: Komunikasi antara beberapa agen cerdas menggunakan enkripsi ambang, satu node yang disusupi tidak akan menyebabkan kebocoran data global.
Di bidang keamanan Web3, sudah ada beberapa proyek yang mengeksplorasi berbagai arah. Namun, proyek keamanan seringkali tidak menarik perhatian spekulan. Di masa depan, seiring dengan perkembangan teknologi AI yang terus menerus, pentingnya teknologi keamanan seperti FHE akan semakin menonjol. Di jalan menuju AGI, teknologi ini bukan hanya alat untuk menyelesaikan masalah saat ini, tetapi juga merupakan kebutuhan di era AI kuat di masa depan.