Manus a obtenu un score SOTA (State-of-the-Art) dans le benchmark GAIA, montrant que ses performances ont surpassé celles des grands modèles d’Open AI du même niveau. En d’autres termes, il peut accomplir de manière indépendante des tâches complexes, telles que des négociations commerciales transfrontalières, qui impliquent de décomposer les termes des contrats, de prévoir des stratégies, de générer des solutions et même de coordonner les équipes juridiques et financières. Par rapport aux systèmes traditionnels, Manus présente l’avantage d’une capacité de désassemblage dynamique d’objets, d’une capacité de raisonnement intermodal et d’une capacité d’apprentissage d’amélioration de la mémoire. Il peut décomposer des tâches volumineuses en centaines de sous-tâches exécutables, traiter plusieurs types de données en même temps et utiliser l’apprentissage par renforcement pour améliorer continuellement son efficacité décisionnelle et réduire les taux d’erreur.
En plus de s’émerveiller de l’évolution rapide de la technologie, Manus a une fois de plus suscité un désaccord dans le cercle sur le chemin d’évolution de l’IA : l’IAG dominera-t-elle le monde à l’avenir, ou la MAS sera-t-elle dominante de manière synergique ?
Cela commence par la philosophie de conception de Manus, qui implique deux possibilités :
L’une d’entre elles est la voie AGI. En améliorant continuellement le niveau d’intelligence individuelle, il est proche de la capacité de prise de décision globale de l’être humain.
Il y a aussi le sentier MAS. En tant que super-coordinateur, commandez à des milliers d’agents verticaux de travailler ensemble.
À première vue, nous discutons de différentes voies, mais en fait, nous discutons de la contradiction sous-jacente du développement de l’IA : comment l’efficacité et la sécurité doivent-elles être équilibrées ? Plus l’intelligence monolithique est proche de l’AGI, plus le risque de prise de décision en boîte noire est élevé. Bien que la collaboration multi-agents puisse étendre les risques, elle peut manquer des fenêtres de prise de décision critiques en raison de retards de communication.
L’évolution de Manus a amplifié de manière invisible les risques inhérents au développement de l’IA. Par exemple, les trous noirs de la confidentialité des données : dans les scénarios médicaux, Manus a besoin d’un accès en temps réel aux données génomiques des patients ; Lors de négociations financières, il peut toucher à des informations financières non divulguées de l’entreprise ; Par exemple, le piège du biais algorithmique, dans les négociations d’embauche, Manus donne des recommandations salariales inférieures à la moyenne aux candidats d’une ethnie particulière ; Lors de l’examen des contrats juridiques, le taux d’erreurs d’appréciation des termes émergents de l’industrie est de près de la moitié. Un autre exemple est la vulnérabilité d’attaque antagoniste, où les pirates implantent des fréquences vocales spécifiques pour permettre à Manus de mal évaluer la portée de l’offre de l’adversaire pendant les négociations.
Nous devons faire face à un terrible problème pour les systèmes d’IA : plus le système est intelligent, plus la surface d’attaque est large.
Cependant, la sécurité est un mot qui a été beaucoup mentionné dans le web3, et il existe une variété de méthodes de cryptage dérivées du cadre du triangle impossible du V (les réseaux blockchain ne peuvent pas atteindre la sécurité, la décentralisation et l’évolutivité en même temps) :
L’idée centrale du modèle de sécurité Zero Trust :* est de « ne faire confiance à personne, toujours vérifier », c’est-à-dire que les appareils ne doivent pas être approuvés par défaut, qu’ils se trouvent sur le réseau interne ou non. Ce modèle met l’accent sur l’authentification et l’autorisation strictes pour chaque demande d’accès afin de garantir la sécurité du système.
Identité décentralisée (DID) : UN DID est un ensemble de normes d’identification qui permettent d’identifier les entités de manière vérifiable et persistante sans avoir besoin d’un registre centralisé. Cela permet un nouveau modèle d’identité numérique décentralisée, souvent comparé à l’identité auto-souveraine, qui est un élément essentiel du Web3.
Le chiffrement entièrement homomorphe (FHE) est une technique de chiffrement avancée qui permet d’effectuer des calculs arbitraires sur des données chiffrées sans les déchiffrer. Cela signifie qu’un tiers peut opérer sur le texte chiffré, et que le résultat obtenu après le déchiffrement est le même que le résultat de la même opération sur le texte en clair. Cette fonctionnalité est importante pour les scénarios qui nécessitent un calcul sans exposer de données brutes, tels que le cloud computing et l’externalisation des données.
Les modèles de sécurité Zero Trust et les DID ont un certain nombre de projets dans plusieurs cycles de marchés haussiers, et ils ont réussi ou se sont noyés dans la vague du cryptage, et en tant que méthode de cryptage la plus jeune : le cryptage entièrement homomorphe (FHE) est également un grand tueur pour résoudre les problèmes de sécurité à l’ère de l’IA. Le chiffrement entièrement homomorphe (FHE) est une technologie qui permet d’effectuer des calculs sur des données chiffrées.
Comment y remédier ?
Tout d’abord, au niveau des données. Toutes les informations saisies par l’utilisateur (y compris la biométrie, le ton de la voix) sont traitées dans un état crypté, et même Manus ne peut pas décrypter les données originales. Par exemple, dans le cas d’un diagnostic médical, les données génomiques du patient sont analysées en texte chiffré pour éviter la fuite d’informations biologiques.
Niveau algorithmique. L'« entraînement du modèle cryptographique » réalisé par FHE empêche les développeurs de jeter un coup d’œil dans le chemin de prise de décision de l’IA.
Au niveau de la synergie. Le chiffrement de seuil est utilisé pour les communications entre plusieurs agents, et un seul nœud peut être violé sans provoquer de fuite de données globale. Même dans les exercices d’attaque et de défense de la chaîne d’approvisionnement, les attaquants infiltrent plusieurs agents pour obtenir une vue complète de l’entreprise.
En raison de limitations techniques, la sécurité du web3 n’est peut-être pas directement liée à la plupart des utilisateurs, mais elle est inextricablement liée à des intérêts indirects.
Lancé sur le réseau principal Ethereum en 2017, uPort a probablement été le premier projet d’identité décentralisée (DID) à être publié sur le réseau principal.
En ce qui concerne le modèle de sécurité Zero Trust, NKN a lancé son réseau principal en 2019.
Mind Network est le premier projet FHE à être lancé sur le réseau principal, et il a pris l’initiative de coopérer avec ZAMA, Google, DeepSeek, etc.
uPort et NKN sont déjà des projets dont je n’ai jamais entendu parler, et il semble que les projets de sécurité ne soient vraiment pas pris en compte par les spéculateurs, alors attendons de voir si le réseau Mind peut échapper à cette malédiction et devenir un leader dans le domaine de la sécurité.
L’avenir est là. Plus l’IA est proche de l’intelligence humaine, plus elle a besoin de défenses non humaines. La valeur de FHE n’est pas seulement de résoudre les problèmes d’aujourd’hui, mais aussi d’ouvrir la voie à l’ère de l’IA forte. Sur cette route périlleuse vers l’AGI, FHE n’est pas une option, mais une nécessité pour la survie.
Le contenu est fourni à titre de référence uniquement, il ne s'agit pas d'une sollicitation ou d'une offre. Aucun conseil en investissement, fiscalité ou juridique n'est fourni. Consultez l'Avertissement pour plus de détails sur les risques.
Manus apporte l’aube de l’AGI, et la sécurité de l’IA mérite également d’être méditée
Manus a obtenu un score SOTA (State-of-the-Art) dans le benchmark GAIA, montrant que ses performances ont surpassé celles des grands modèles d’Open AI du même niveau. En d’autres termes, il peut accomplir de manière indépendante des tâches complexes, telles que des négociations commerciales transfrontalières, qui impliquent de décomposer les termes des contrats, de prévoir des stratégies, de générer des solutions et même de coordonner les équipes juridiques et financières. Par rapport aux systèmes traditionnels, Manus présente l’avantage d’une capacité de désassemblage dynamique d’objets, d’une capacité de raisonnement intermodal et d’une capacité d’apprentissage d’amélioration de la mémoire. Il peut décomposer des tâches volumineuses en centaines de sous-tâches exécutables, traiter plusieurs types de données en même temps et utiliser l’apprentissage par renforcement pour améliorer continuellement son efficacité décisionnelle et réduire les taux d’erreur.
! Manus apporte l’aube de l’AGI, la sécurité de l’IA vaut également la peine d’être méditée
En plus de s’émerveiller de l’évolution rapide de la technologie, Manus a une fois de plus suscité un désaccord dans le cercle sur le chemin d’évolution de l’IA : l’IAG dominera-t-elle le monde à l’avenir, ou la MAS sera-t-elle dominante de manière synergique ?
Cela commence par la philosophie de conception de Manus, qui implique deux possibilités :
L’une d’entre elles est la voie AGI. En améliorant continuellement le niveau d’intelligence individuelle, il est proche de la capacité de prise de décision globale de l’être humain.
Il y a aussi le sentier MAS. En tant que super-coordinateur, commandez à des milliers d’agents verticaux de travailler ensemble.
À première vue, nous discutons de différentes voies, mais en fait, nous discutons de la contradiction sous-jacente du développement de l’IA : comment l’efficacité et la sécurité doivent-elles être équilibrées ? Plus l’intelligence monolithique est proche de l’AGI, plus le risque de prise de décision en boîte noire est élevé. Bien que la collaboration multi-agents puisse étendre les risques, elle peut manquer des fenêtres de prise de décision critiques en raison de retards de communication.
L’évolution de Manus a amplifié de manière invisible les risques inhérents au développement de l’IA. Par exemple, les trous noirs de la confidentialité des données : dans les scénarios médicaux, Manus a besoin d’un accès en temps réel aux données génomiques des patients ; Lors de négociations financières, il peut toucher à des informations financières non divulguées de l’entreprise ; Par exemple, le piège du biais algorithmique, dans les négociations d’embauche, Manus donne des recommandations salariales inférieures à la moyenne aux candidats d’une ethnie particulière ; Lors de l’examen des contrats juridiques, le taux d’erreurs d’appréciation des termes émergents de l’industrie est de près de la moitié. Un autre exemple est la vulnérabilité d’attaque antagoniste, où les pirates implantent des fréquences vocales spécifiques pour permettre à Manus de mal évaluer la portée de l’offre de l’adversaire pendant les négociations.
Nous devons faire face à un terrible problème pour les systèmes d’IA : plus le système est intelligent, plus la surface d’attaque est large.
Cependant, la sécurité est un mot qui a été beaucoup mentionné dans le web3, et il existe une variété de méthodes de cryptage dérivées du cadre du triangle impossible du V (les réseaux blockchain ne peuvent pas atteindre la sécurité, la décentralisation et l’évolutivité en même temps) :
L’idée centrale du modèle de sécurité Zero Trust :* est de « ne faire confiance à personne, toujours vérifier », c’est-à-dire que les appareils ne doivent pas être approuvés par défaut, qu’ils se trouvent sur le réseau interne ou non. Ce modèle met l’accent sur l’authentification et l’autorisation strictes pour chaque demande d’accès afin de garantir la sécurité du système. Identité décentralisée (DID) : UN DID est un ensemble de normes d’identification qui permettent d’identifier les entités de manière vérifiable et persistante sans avoir besoin d’un registre centralisé. Cela permet un nouveau modèle d’identité numérique décentralisée, souvent comparé à l’identité auto-souveraine, qui est un élément essentiel du Web3. Le chiffrement entièrement homomorphe (FHE) est une technique de chiffrement avancée qui permet d’effectuer des calculs arbitraires sur des données chiffrées sans les déchiffrer. Cela signifie qu’un tiers peut opérer sur le texte chiffré, et que le résultat obtenu après le déchiffrement est le même que le résultat de la même opération sur le texte en clair. Cette fonctionnalité est importante pour les scénarios qui nécessitent un calcul sans exposer de données brutes, tels que le cloud computing et l’externalisation des données.
Les modèles de sécurité Zero Trust et les DID ont un certain nombre de projets dans plusieurs cycles de marchés haussiers, et ils ont réussi ou se sont noyés dans la vague du cryptage, et en tant que méthode de cryptage la plus jeune : le cryptage entièrement homomorphe (FHE) est également un grand tueur pour résoudre les problèmes de sécurité à l’ère de l’IA. Le chiffrement entièrement homomorphe (FHE) est une technologie qui permet d’effectuer des calculs sur des données chiffrées.
Comment y remédier ?
Tout d’abord, au niveau des données. Toutes les informations saisies par l’utilisateur (y compris la biométrie, le ton de la voix) sont traitées dans un état crypté, et même Manus ne peut pas décrypter les données originales. Par exemple, dans le cas d’un diagnostic médical, les données génomiques du patient sont analysées en texte chiffré pour éviter la fuite d’informations biologiques.
Niveau algorithmique. L'« entraînement du modèle cryptographique » réalisé par FHE empêche les développeurs de jeter un coup d’œil dans le chemin de prise de décision de l’IA.
Au niveau de la synergie. Le chiffrement de seuil est utilisé pour les communications entre plusieurs agents, et un seul nœud peut être violé sans provoquer de fuite de données globale. Même dans les exercices d’attaque et de défense de la chaîne d’approvisionnement, les attaquants infiltrent plusieurs agents pour obtenir une vue complète de l’entreprise.
En raison de limitations techniques, la sécurité du web3 n’est peut-être pas directement liée à la plupart des utilisateurs, mais elle est inextricablement liée à des intérêts indirects.
Lancé sur le réseau principal Ethereum en 2017, uPort a probablement été le premier projet d’identité décentralisée (DID) à être publié sur le réseau principal. En ce qui concerne le modèle de sécurité Zero Trust, NKN a lancé son réseau principal en 2019. Mind Network est le premier projet FHE à être lancé sur le réseau principal, et il a pris l’initiative de coopérer avec ZAMA, Google, DeepSeek, etc.
uPort et NKN sont déjà des projets dont je n’ai jamais entendu parler, et il semble que les projets de sécurité ne soient vraiment pas pris en compte par les spéculateurs, alors attendons de voir si le réseau Mind peut échapper à cette malédiction et devenir un leader dans le domaine de la sécurité.
L’avenir est là. Plus l’IA est proche de l’intelligence humaine, plus elle a besoin de défenses non humaines. La valeur de FHE n’est pas seulement de résoudre les problèmes d’aujourd’hui, mais aussi d’ouvrir la voie à l’ère de l’IA forte. Sur cette route périlleuse vers l’AGI, FHE n’est pas une option, mais une nécessité pour la survie.