AI alanındaki son gelişmeler: Manus modeli, benzer OpenAI ürünlerini geride bıraktı

Son zamanlarda, Manus modeli GAIA benchmark testinde çığır açan bir ilerleme kaydetti ve performansı eşdeğer OpenAI modellerini aştı. Bu, Manus'un sözleşme maddelerinin analizi, strateji geliştirme ve alternatiflerin oluşturulması gibi çok aşamalı görevleri içeren uluslararası ticari müzakereler gibi karmaşık görevleri bağımsız bir şekilde tamamlayabilme yeteneğine sahip olduğu anlamına geliyor.

Manus'un avantajları üç ana alanda öne çıkmaktadır: dinamik hedef parçalama, çok modlu akıl yürütme ve bellek güçlendirilmiş öğrenme. Karmaşık görevleri yüzlerce uygulanabilir alt göreve ayırabilir, aynı anda çeşitli veri türlerini işleyebilir ve pekiştirmeli öğrenme ile karar verme verimliliğini sürekli artırarak hata oranını düşürebilir.

Bu atılım, sektörde AI gelişim yollarının tartışılmasına yeniden neden oldu: Genel Yapay Zeka (AGI) mı yoksa Çoklu Zeka Sistemleri (MAS) mı? Manus'un tasarım felsefesi iki olasılığı ima ediyor gibi görünüyor: biri, bireysel zeka seviyesini sürekli artırarak insanın bütünsel karar verme yeteneğine yaklaşmak; diğeri ise süper bir koordinatör olarak, çeşitli uzmanlık alanlarındaki AI'ların iş birliği yapmasını yönetmek.

Ancak, AI yeteneklerinin artmasıyla birlikte, potansiyel riskler de artmaktadır. Örneğin, sağlık senaryolarında, AI'nın hasta hassas gen verilerine erişmesi gerekebilir; finansal müzakerelerde ise açıklanmamış şirket finansman bilgileri gündeme gelebilir. Ayrıca, AI sistemleri belirli gruplara karşı adaletsiz değerlendirmelere yol açabilen algoritmik önyargılar içerebilir. Daha da ciddi olarak, AI sistemleri, hackerların belirli sesleri yerleştirerek AI'nın müzakerelerde yanlış kararlar almasına neden olduğu karşıt saldırılarla karşı karşıya kalabilir.

Bu zorluklarla karşı karşıya kalan sektör, çeşitli güvenlik çözümleri araştırıyor. Bunlar arasında, homomorfik şifreleme (FHE) teknolojisi, AI çağının güvenlik sorunlarını çözmede önemli bir araç olarak görülüyor. FHE, verilerin şifreli durumda işlenmesine olanak tanır; bu, AI sisteminin kendisinin bile orijinal bilgileri çözemeceği anlamına gelir. Bu teknoloji, birçok seviyede uygulanabilir:

1. Veri düzeyi: Kullanıcı tarafından girilen tüm bilgiler (, biyometrik özellikler ve ses ) şifreli bir şekilde işlenir, bu da bilgi sızıntısını etkili bir şekilde önler.

2. Algoritma düzeyi: FHE sayesinde "şifreli model eğitimi" gerçekleştirilir, geliştiriciler bile AI'nın karar verme sürecini doğrudan gözlemleyemez.

3. İşbirliği Aşaması: Birden fazla AI ajanı arasındaki iletişim, eşik şifreleme kullanarak yapılır; bu, tek bir düğümün kırılması durumunda bile küresel veri sızıntısına neden olmaz.

FHE teknolojisinin Web3 alanındaki uygulamaları şu anda nispeten sınırlı olsa da, AI teknolojisinin hızlı gelişimi ile önemi giderek artmaktadır. Gelecekte, AI sistemleri insan zekasına daha da yaklaşırken, geleneksel olmayan güvenlik savunma sistemleri kritik bir öneme sahip olacaktır. FHE yalnızca mevcut güvenlik sorunlarını çözmekle kalmaz, aynı zamanda gelecekteki güçlü AI çağının temelini de atar. AGI'ye giden yolda, FHE muhtemelen bir seçenek olmaktan çıkarak hayatta kalma gereksinimi haline gelecektir.