Manusの突破的な性能がAI発展の道筋を巡る争いを引き起こす

最近、ManusはGAIAベンチマークで画期的な成果を上げ、その性能は同レベルの大型言語モデルを超えました。Manusは、契約条項の分析、戦略の策定、提案の生成など、複数のフェーズを含む国際的なビジネス交渉のような複雑なタスクを独立して遂行する能力を示しました。従来のシステムと比較して、Manusの利点は、その動的な目標分解、クロスモーダル推論、およびメモリ強化学習能力にあります。これは、複雑なタスクを数百の実行可能なサブタスクに分解し、さまざまなタイプのデータを処理し、強化学習を通じて意思決定の効率を向上させ、エラー率を低下させることができます。

Manusの突破は再び業界内でAIの発展の道筋についての議論を引き起こした：未来は汎用人工知能（AGI）が天下を統一する方向に進むのか、それとも多エージェントシステム（MAS）が協調して主導するのか？

Manusのデザイン理念は二つの可能性を内包しています：

1. AGIの道筋：単体の知能レベルを絶えず向上させ、人間の総合的な意思決定能力に近づける。

2. MASパス：スーパーコーディネーターとして、数千の専門分野のエージェントが協力して働くよう指揮します。

表面的には、これは異なる技術的アプローチの違いですが、実際にはAIの発展における効率と安全のバランスの深い矛盾を反映しています。単一の知能がAGIに近づくほど、その意思決定プロセスの不透明性リスクは高まります。一方、多エージェント協調はリスクを分散させることができますが、通信の遅延によって重要な意思決定のタイミングを逃す可能性があります。

Manusの進歩は、AIの発展に固有のリスクを際立たせています：

1. データプライバシーの問題：医療のシーンでは、患者のセンシティブなデータにアクセスする必要がある；金融交渉では、企業の未公開情報が関わる可能性がある。

2. アルゴリズムの偏見：採用交渉において、特定のグループに不公平な給与提案をする可能性がある；法律契約のレビュー時に、新興業界の条項に対する判断に高い誤判率が存在する可能性がある。

3. 対抗的攻撃：ハッカーは特定の信号を埋め込むことで、AIシステムの判断を妨げる可能性があります。

これらの課題は、AIシステムがよりスマートになるほど、その潜在的な攻撃面も広がるという厳しい現実を浮き彫りにしています。

これらの課題に対処するために、業界はさまざまなセキュリティ戦略を模索しています：

1. ゼロトラストセキュリティモデル：すべてのアクセス要求に対して厳格な認証と権限付与を要求します。

2. 分散型ID（DID）：実証可能で持続可能なアイデンティティ認識を実現し、集中型レジストリに依存する必要はありません。

3. 完全同態暗号（FHE）：暗号化された状態でデータに対して計算を行うことを許可し、データのプライバシーを保護します。

その中で、FHEはAI時代の安全問題を解決するための鍵となる技術と見なされています。それは以下の点で機能することができます：

• データの面：ユーザーが入力したすべての情報は暗号化された状態で処理されます。AIシステム自体でさえ、元のデータを解読することはできません。

• アルゴリズムの観点から：FHEを通じて「暗号化モデルのトレーニング」を実現し、AIの意思決定プロセスが覗かれないようにする。

• 協調レベル：複数のエージェント間の通信は閾値暗号を使用しており、単一障害点によるグローバルデータの漏洩を防ぎます。

Web3のセキュリティ技術の進展は一般ユーザーには直接的な関係がないかもしれませんが、エコシステム全体の健康的な発展には不可欠です。AIが急速に発展する今日、セキュリティ技術の重要性は言うまでもありません。

AI技術が人間の知能レベルに近づくにつれて、私たちはより高度な防御システムを必要としています。FHEなどのセキュリティ技術は、現在の問題を解決するだけでなく、将来のより強力なAI時代への道を開きます。AGIへの道において、これらのセキュリティ技術はもはや選択肢ではなく、生存の必需品となります。

! マヌスはAGIの夜明けをもたらし、AIセキュリティも熟考する価値があります