Terobosan Terbaru di Bidang AI: Kinerja Model Manus Melampaui Produk OpenAI Sejenis
Baru-baru ini, model Manus telah mencapai kemajuan yang luar biasa dalam pengujian benchmark GAIA, dengan kinerjanya melampaui model OpenAI sekelas. Ini berarti Manus telah memiliki kemampuan untuk menyelesaikan tugas kompleks secara mandiri, seperti negosiasi bisnis antar negara yang melibatkan analisis klausul kontrak, perumusan strategi, dan pembuatan rencana yang melibatkan beberapa langkah.
Keunggulan Manus terutama terletak pada tiga aspek: pemecahan tujuan dinamis, penalaran lintas moda, dan pembelajaran yang diperkuat memori. Ia dapat memecah tugas kompleks menjadi ratusan sub-tugas yang dapat dieksekusi, sekaligus memproses berbagai jenis data, dan terus meningkatkan efisiensi keputusan serta mengurangi tingkat kesalahan melalui pembelajaran penguatan.
Terobosan ini sekali lagi memicu diskusi di industri tentang jalur perkembangan AI: apakah menuju kecerdasan buatan umum (AGI) atau sistem multi-agen (MAS)? Konsep desain Manus tampaknya mengisyaratkan dua kemungkinan: pertama, dengan terus meningkatkan tingkat kecerdasan individu, mendekati kemampuan pengambilan keputusan komprehensif manusia; kedua, sebagai koordinator super, mengarahkan beberapa AI di berbagai bidang spesialis untuk bekerja sama.
Namun, seiring dengan peningkatan kemampuan AI, risiko potensialnya juga meningkat. Misalnya, dalam konteks medis, AI mungkin perlu mengakses data genetik sensitif pasien; dalam negosiasi keuangan, mungkin melibatkan informasi keuangan perusahaan yang tidak dipublikasikan. Selain itu, sistem AI juga mungkin mengalami bias algoritmik, seperti menghasilkan penilaian yang tidak adil terhadap kelompok tertentu dalam proses perekrutan. Lebih parah lagi, sistem AI mungkin menghadapi serangan adversarial, seperti peretas yang menyisipkan audio tertentu untuk membuat AI membuat penilaian yang salah dalam negosiasi.
Menghadapi tantangan ini, industri sedang mengeksplorasi berbagai solusi keamanan. Di antaranya, teknologi enkripsi homomorfik lengkap (FHE) dianggap sebagai alat penting untuk mengatasi masalah keamanan di era AI. FHE memungkinkan pemrosesan data dalam keadaan terenkripsi, bahkan sistem AI itu sendiri tidak dapat mendekripsi informasi asli. Teknologi ini dapat diterapkan di berbagai level:
Tingkat data: Semua informasi yang dimasukkan oleh pengguna ( termasuk biometrik, suara ) diproses dalam keadaan terenkripsi, secara efektif mencegah kebocoran informasi.
Tingkat algoritma: Mencapai "pelatihan model terenkripsi" melalui FHE, bahkan pengembang pun tidak dapat langsung mengamati proses pengambilan keputusan AI.
Tingkat kolaborasi: Komunikasi antar beberapa agen AI menggunakan enkripsi ambang, bahkan jika satu node disusupi, tidak akan menyebabkan kebocoran data global.
Meskipun saat ini aplikasi teknologi FHE di bidang Web3 masih relatif terbatas, namun seiring dengan perkembangan cepat teknologi AI, pentingnya semakin menonjol. Di masa depan, seiring sistem AI semakin mendekati kecerdasan manusia, sistem pertahanan keamanan non-tradisional akan menjadi sangat penting. FHE tidak hanya dapat menyelesaikan masalah keamanan saat ini, tetapi juga menjadi fondasi untuk era AI kuat di masa depan. Dalam perjalanan menuju AGI, FHE kemungkinan akan berubah dari opsi menjadi kebutuhan untuk bertahan hidup.
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.
Model Manus melampaui OpenAI fully homomorphic encryption mungkin menjadi standar baru dalam Kemanan AI
Terobosan Terbaru di Bidang AI: Kinerja Model Manus Melampaui Produk OpenAI Sejenis
Baru-baru ini, model Manus telah mencapai kemajuan yang luar biasa dalam pengujian benchmark GAIA, dengan kinerjanya melampaui model OpenAI sekelas. Ini berarti Manus telah memiliki kemampuan untuk menyelesaikan tugas kompleks secara mandiri, seperti negosiasi bisnis antar negara yang melibatkan analisis klausul kontrak, perumusan strategi, dan pembuatan rencana yang melibatkan beberapa langkah.
Keunggulan Manus terutama terletak pada tiga aspek: pemecahan tujuan dinamis, penalaran lintas moda, dan pembelajaran yang diperkuat memori. Ia dapat memecah tugas kompleks menjadi ratusan sub-tugas yang dapat dieksekusi, sekaligus memproses berbagai jenis data, dan terus meningkatkan efisiensi keputusan serta mengurangi tingkat kesalahan melalui pembelajaran penguatan.
Terobosan ini sekali lagi memicu diskusi di industri tentang jalur perkembangan AI: apakah menuju kecerdasan buatan umum (AGI) atau sistem multi-agen (MAS)? Konsep desain Manus tampaknya mengisyaratkan dua kemungkinan: pertama, dengan terus meningkatkan tingkat kecerdasan individu, mendekati kemampuan pengambilan keputusan komprehensif manusia; kedua, sebagai koordinator super, mengarahkan beberapa AI di berbagai bidang spesialis untuk bekerja sama.
Namun, seiring dengan peningkatan kemampuan AI, risiko potensialnya juga meningkat. Misalnya, dalam konteks medis, AI mungkin perlu mengakses data genetik sensitif pasien; dalam negosiasi keuangan, mungkin melibatkan informasi keuangan perusahaan yang tidak dipublikasikan. Selain itu, sistem AI juga mungkin mengalami bias algoritmik, seperti menghasilkan penilaian yang tidak adil terhadap kelompok tertentu dalam proses perekrutan. Lebih parah lagi, sistem AI mungkin menghadapi serangan adversarial, seperti peretas yang menyisipkan audio tertentu untuk membuat AI membuat penilaian yang salah dalam negosiasi.
Menghadapi tantangan ini, industri sedang mengeksplorasi berbagai solusi keamanan. Di antaranya, teknologi enkripsi homomorfik lengkap (FHE) dianggap sebagai alat penting untuk mengatasi masalah keamanan di era AI. FHE memungkinkan pemrosesan data dalam keadaan terenkripsi, bahkan sistem AI itu sendiri tidak dapat mendekripsi informasi asli. Teknologi ini dapat diterapkan di berbagai level:
Tingkat data: Semua informasi yang dimasukkan oleh pengguna ( termasuk biometrik, suara ) diproses dalam keadaan terenkripsi, secara efektif mencegah kebocoran informasi.
Tingkat algoritma: Mencapai "pelatihan model terenkripsi" melalui FHE, bahkan pengembang pun tidak dapat langsung mengamati proses pengambilan keputusan AI.
Tingkat kolaborasi: Komunikasi antar beberapa agen AI menggunakan enkripsi ambang, bahkan jika satu node disusupi, tidak akan menyebabkan kebocoran data global.
Meskipun saat ini aplikasi teknologi FHE di bidang Web3 masih relatif terbatas, namun seiring dengan perkembangan cepat teknologi AI, pentingnya semakin menonjol. Di masa depan, seiring sistem AI semakin mendekati kecerdasan manusia, sistem pertahanan keamanan non-tradisional akan menjadi sangat penting. FHE tidak hanya dapat menyelesaikan masalah keamanan saat ini, tetapi juga menjadi fondasi untuk era AI kuat di masa depan. Dalam perjalanan menuju AGI, FHE kemungkinan akan berubah dari opsi menjadi kebutuhan untuk bertahan hidup.