أحدث تقدّم في مجال الذكاء الاصطناعي: أداء نموذج Manus يتجاوز منتجات OpenAI من نفس الفئة
مؤخراً، حقق نموذج Manus تقدمًا ملحوظًا في اختبار GAIA، حيث تفوق أداؤه على نماذج OpenAI من نفس الفئة. هذا يعني أن Manus أصبح لديه القدرة على إتمام المهام المعقدة بشكل مستقل، مثل المفاوضات التجارية الدولية، والتي تتضمن تحليل شروط العقود، ووضع الاستراتيجيات، وتوليد الحلول.
تتجلى مزايا Manus بشكل رئيسي في ثلاثة جوانب: تفكيك الأهداف الديناميكية، الاستدلال عبر الأنماط، وتعزيز الذاكرة من خلال التعلم. يمكنه تقسيم المهام المعقدة إلى مئات من المهام الفرعية القابلة للتنفيذ، مع معالجة أنواع متعددة من البيانات، وتحسين كفاءة اتخاذ القرار وتقليل معدل الخطأ من خلال التعلم المعزز.
هذا الاختراق أثار مرة أخرى مناقشات في الصناعة حول مسارات تطور الذكاء الاصطناعي: هل نتجه نحو الذكاء الاصطناعي العام (AGI) أم نحو أنظمة متعددة الذكاء (MAS)؟ يبدو أن تصميم Manus يشير إلى احتمالين: الأول هو تحسين مستوى الذكاء الفردي باستمرار، مما يقترب من القدرة على اتخاذ القرارات الشاملة للبشر؛ والثاني هو أن يكون كمنسق فائق، يقود الذكاء الاصطناعي المتخصصين في مجالات متعددة للعمل معًا.
ومع ذلك، مع زيادة قدرات الذكاء الاصطناعي، تزداد المخاطر المحتملة أيضًا. على سبيل المثال، في السيناريوهات الطبية، قد يحتاج الذكاء الاصطناعي إلى الوصول إلى بيانات الجينات الحساسة للمرضى؛ وفي المفاوضات المالية، قد تنطوي على معلومات مالية للشركات غير المعلنة. بالإضافة إلى ذلك، قد تحتوي أنظمة الذكاء الاصطناعي على تحيزات خوارزمية، مثل التقييم غير العادل لمجموعات معينة خلال عمليات التوظيف. والأخطر من ذلك، قد تواجه أنظمة الذكاء الاصطناعي هجمات عدائية، مثل اختراق المتسللين من خلال زرع صوت معين يجعل الذكاء الاصطناعي يرتكب أخطاء في الحكم خلال المفاوضات.
في مواجهة هذه التحديات، يستكشف القطاع مجموعة متنوعة من حلول الأمان. من بينها، تعتبر تقنية التشفير المتجانس الكامل (FHE) أداة مهمة لحل مشكلات الأمان في عصر الذكاء الاصطناعي. يسمح التشفير المتجانس الكامل بمعالجة البيانات في حالة مشفرة، حتى أن أنظمة الذكاء الاصطناعي نفسها لا يمكنها فك تشفير المعلومات الأصلية. يمكن تطبيق هذه التقنية على عدة مستويات:
الجانب البيانات: جميع المعلومات التي يدخلها المستخدم ( بما في ذلك الخصائص البيولوجية، الصوت ) تتم معالجتها في حالة مشفرة، مما يمنع بشكل فعال تسرب المعلومات.
على مستوى الخوارزمية: من خلال FHE تحقيق "تدريب نموذج مشفر"، حتى المطورين لا يمكنهم مراقبة عملية اتخاذ القرار للذكاء الاصطناعي بشكل مباشر.
الجانب التعاوني: تواصل بين عدة وكلاء AI يستخدم تشفير العتبة، حتى إذا تم اختراق عقدة واحدة، فلن يؤدي ذلك إلى تسرب البيانات العالمية.
على الرغم من أن تطبيقات تقنية FHE في مجال Web3 لا تزال محدودة نسبيًا حاليًا، إلا أن أهميتها تتزايد مع التطور السريع لتكنولوجيا الذكاء الاصطناعي. في المستقبل، مع اقتراب أنظمة الذكاء الاصطناعي من الذكاء البشري، ستصبح أنظمة الدفاع الأمني غير التقليدية حيوية. لا تحل تقنية FHE المشكلات الأمنية الحالية فحسب، بل تؤسس أيضًا لحقبة الذكاء الاصطناعي القوي في المستقبل. في الطريق نحو AGI، من المحتمل أن تتحول تقنية FHE من خيار إلى ضرورة للبقاء.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
نموذج Manus يتجاوز OpenAI التشفير المتماثل بالكامل أو يصبح معيارًا جديدًا لأمان الذكاء الاصطناعي
أحدث تقدّم في مجال الذكاء الاصطناعي: أداء نموذج Manus يتجاوز منتجات OpenAI من نفس الفئة
مؤخراً، حقق نموذج Manus تقدمًا ملحوظًا في اختبار GAIA، حيث تفوق أداؤه على نماذج OpenAI من نفس الفئة. هذا يعني أن Manus أصبح لديه القدرة على إتمام المهام المعقدة بشكل مستقل، مثل المفاوضات التجارية الدولية، والتي تتضمن تحليل شروط العقود، ووضع الاستراتيجيات، وتوليد الحلول.
تتجلى مزايا Manus بشكل رئيسي في ثلاثة جوانب: تفكيك الأهداف الديناميكية، الاستدلال عبر الأنماط، وتعزيز الذاكرة من خلال التعلم. يمكنه تقسيم المهام المعقدة إلى مئات من المهام الفرعية القابلة للتنفيذ، مع معالجة أنواع متعددة من البيانات، وتحسين كفاءة اتخاذ القرار وتقليل معدل الخطأ من خلال التعلم المعزز.
هذا الاختراق أثار مرة أخرى مناقشات في الصناعة حول مسارات تطور الذكاء الاصطناعي: هل نتجه نحو الذكاء الاصطناعي العام (AGI) أم نحو أنظمة متعددة الذكاء (MAS)؟ يبدو أن تصميم Manus يشير إلى احتمالين: الأول هو تحسين مستوى الذكاء الفردي باستمرار، مما يقترب من القدرة على اتخاذ القرارات الشاملة للبشر؛ والثاني هو أن يكون كمنسق فائق، يقود الذكاء الاصطناعي المتخصصين في مجالات متعددة للعمل معًا.
ومع ذلك، مع زيادة قدرات الذكاء الاصطناعي، تزداد المخاطر المحتملة أيضًا. على سبيل المثال، في السيناريوهات الطبية، قد يحتاج الذكاء الاصطناعي إلى الوصول إلى بيانات الجينات الحساسة للمرضى؛ وفي المفاوضات المالية، قد تنطوي على معلومات مالية للشركات غير المعلنة. بالإضافة إلى ذلك، قد تحتوي أنظمة الذكاء الاصطناعي على تحيزات خوارزمية، مثل التقييم غير العادل لمجموعات معينة خلال عمليات التوظيف. والأخطر من ذلك، قد تواجه أنظمة الذكاء الاصطناعي هجمات عدائية، مثل اختراق المتسللين من خلال زرع صوت معين يجعل الذكاء الاصطناعي يرتكب أخطاء في الحكم خلال المفاوضات.
في مواجهة هذه التحديات، يستكشف القطاع مجموعة متنوعة من حلول الأمان. من بينها، تعتبر تقنية التشفير المتجانس الكامل (FHE) أداة مهمة لحل مشكلات الأمان في عصر الذكاء الاصطناعي. يسمح التشفير المتجانس الكامل بمعالجة البيانات في حالة مشفرة، حتى أن أنظمة الذكاء الاصطناعي نفسها لا يمكنها فك تشفير المعلومات الأصلية. يمكن تطبيق هذه التقنية على عدة مستويات:
الجانب البيانات: جميع المعلومات التي يدخلها المستخدم ( بما في ذلك الخصائص البيولوجية، الصوت ) تتم معالجتها في حالة مشفرة، مما يمنع بشكل فعال تسرب المعلومات.
على مستوى الخوارزمية: من خلال FHE تحقيق "تدريب نموذج مشفر"، حتى المطورين لا يمكنهم مراقبة عملية اتخاذ القرار للذكاء الاصطناعي بشكل مباشر.
الجانب التعاوني: تواصل بين عدة وكلاء AI يستخدم تشفير العتبة، حتى إذا تم اختراق عقدة واحدة، فلن يؤدي ذلك إلى تسرب البيانات العالمية.
على الرغم من أن تطبيقات تقنية FHE في مجال Web3 لا تزال محدودة نسبيًا حاليًا، إلا أن أهميتها تتزايد مع التطور السريع لتكنولوجيا الذكاء الاصطناعي. في المستقبل، مع اقتراب أنظمة الذكاء الاصطناعي من الذكاء البشري، ستصبح أنظمة الدفاع الأمني غير التقليدية حيوية. لا تحل تقنية FHE المشكلات الأمنية الحالية فحسب، بل تؤسس أيضًا لحقبة الذكاء الاصطناعي القوي في المستقبل. في الطريق نحو AGI، من المحتمل أن تتحول تقنية FHE من خيار إلى ضرورة للبقاء.