Проблеми безпеки за допомогою штучного інтелекту поступово стають все більш помітними, повністю гомоморфне шифрування стає рішенням.

Нещодавно модель штучного інтелекту під назвою Manus досягла проривних результатів у бенчмарку GAIA, її показники перевищують показники великомасштабних мовних моделей того ж рівня. Manus продемонстрував здатність самостійно виконувати складні завдання, такі як міжнародні бізнес-переговори, що включає аналіз контрактів, стратегічне планування та розробку пропозицій. У порівнянні з традиційними системами, Manus має значні переваги в динамічному розподілі цілей, крос-модальному міркуванні та посиленому навчанні. Він може розбивати великі завдання на сотні виконуваних підзавдань, одночасно обробляючи різні типи даних, і постійно підвищувати ефективність прийняття рішень та знижувати рівень помилок за допомогою навчання з підкріпленням.

Поява Manus знову викликала обговорення в галузі щодо шляхів розвитку штучного інтелекту: чи рухаємось ми до загального штучного інтелекту (AGI), чи до системи багатьох агентів (MAS)? Це фактично відображає основний конфлікт у розвитку штучного інтелекту щодо балансу між ефективністю та безпекою. Чим ближче одиночний інтелект до AGI, тим менш прозорим стає його процес ухвалення рішень, і ризик відповідно зростає; в той час як співпраця багатьох агентів може розподілити ризик, але може пропустити критичні моменти ухвалення рішень через затримки в комунікації.

З розвитком систем штучного інтелекту їх потенційні загрози безпеці також зростають. Наприклад, у медичних сценаріях ШІ потребує доступу до чутливих генетичних даних пацієнтів; у фінансових переговорах можуть бути залучені непублічні фінансові дані компанії. Крім того, у системах ШІ можуть бути алгоритмічні упередження, такі як несправедливі пропозиції з приводу зарплат для певних груп під час набору на роботу. Ще серйозніше, системи ШІ можуть стати мішенню для хакерських атак, шляхом впровадження певних сигналів для впливу на їхнє судження.

Щоб впоратися з цими викликами, галузь запропонувала різні стратегії безпеки, серед яких повністю гомоморфне шифрування (Fully Homomorphic Encryption, FHE) вважається ключовою технологією для вирішення проблем безпеки в епоху штучного інтелекту. FHE дозволяє виконувати обчислення над даними в зашифрованому стані, що означає, що навіть самі системи штучного інтелекту не можуть розшифрувати оригінальні дані.

На рівні даних, FHE забезпечує обробку всієї інформації, введеної користувачем (включаючи біометричні дані, голос тощо), у зашифрованому стані, ефективно запобігаючи витоку інформації. На алгоритмічному рівні FHE реалізує "навчання моделі шифрування", що дозволяє навіть розробникам не заглядати у процес прийняття рішень AI. У сфері співпраці багатьох агентів використання технології порогового шифрування може забезпечити, що навіть якщо окремий вузол буде зламано, це не призведе до витоку глобальних даних.

Хоча технології безпеки Web3 можуть не мати прямого зв'язку з звичайними користувачами, вони мають глибокий вплив на всіх. У цьому складному цифровому світі, якщо не вжити активних заходів безпеки, користувачам буде важко захистити свої права.

Наразі вже кілька проектів ведуть дослідження в сфері безпеки Web3. Наприклад, один проект першим реалізував технологію FHE в основній мережі та співпрацює з кількома відомими технологічними компаніями. Однак безпекові проекти зазвичай не користуються попитом у спекулянтів, чи зможе він змінити цю ситуацію і стати лідером у сфері безпеки, ще належить перевірити часом.

З розвитком технологій штучного інтелекту, які дедалі більше наближаються до рівня людського інтелекту, нетрадиційні системи захисту стають все важливішими. FHE не лише вирішує поточні проблеми безпеки, але й закладає основу для майбутньої ери потужного штучного інтелекту. На шляху до AGI FHE вже не є варіантом, а є необхідною умовою для забезпечення безпечного розвитку штучного інтелекту.