La IA es más útil cuando entiende el contexto de las necesidades de una persona. Puede recordar preferencias, seguir proyectos en curso y adaptarse a la forma de trabajar de alguien. Pero el contexto por sí solo no siempre basta. Cuando un agente de IA necesita basarse en un dato para completar una tarea, recordar información y demostrar que es verdadera son dos cosas distintas.
ZetaChain aborda la primera parte mediante AnumaAI y su Private Memory Layer. El contexto del usuario se cifra y está diseñado para trasladarse entre modelos de IA, por lo que cambiar a otro modelo no significa empezar desde cero. El objetivo es ofrecer una IA más personalizada y, al mismo tiempo, mantener la memoria bajo el control del usuario.
verona_dev se centra en lo que ocurre cuando es necesario verificar la información. Con su Truth Engine, los datos pueden verificarse en su origen y convertirse en pruebas reutilizables. Un agente de IA autorizado puede usar esa prueba sin necesitar acceso a los datos originales que la respaldan. Así, la IA puede basarse en información de otra manera, sin exponer más datos personales de los necesarios.
Verona y ZetaChain se complementan: una memoria privada para la IA junto con datos que realmente se pueden verificar. La memoria ayuda a la IA a mantener el contexto, mientras que la verificación le proporciona pruebas en las que basarse cuando una tarea depende de un dato específico. En conjunto, estos enfoques apuntan a agentes de IA más personalizados y mejor informados, sin tratar todo lo que recuerdan como si fuera automáticamente cierto.
La pregunta más amplia es dónde quieren las personas establecer los límites.
¿Qué debería recordar la IA?
¿Qué no debería guardar nunca?
¿Quién decide qué se puede compartir?
¿Qué ocurre cuando se revoca el permiso?
Verona y ZetaChain están explorando estas preguntas mediante un estudio conjunto abierto a cualquier persona que use IA. La encuesta es anónima y se prevé que los resultados estén disponibles en noviembre.
Participa antes del 27 de octubre
https://forms.gle/XbRWNzCFouHCfEdu5
#AI
ZetaChain aborda la primera parte mediante AnumaAI y su Private Memory Layer. El contexto del usuario se cifra y está diseñado para trasladarse entre modelos de IA, por lo que cambiar a otro modelo no significa empezar desde cero. El objetivo es ofrecer una IA más personalizada y, al mismo tiempo, mantener la memoria bajo el control del usuario.
verona_dev se centra en lo que ocurre cuando es necesario verificar la información. Con su Truth Engine, los datos pueden verificarse en su origen y convertirse en pruebas reutilizables. Un agente de IA autorizado puede usar esa prueba sin necesitar acceso a los datos originales que la respaldan. Así, la IA puede basarse en información de otra manera, sin exponer más datos personales de los necesarios.
Verona y ZetaChain se complementan: una memoria privada para la IA junto con datos que realmente se pueden verificar. La memoria ayuda a la IA a mantener el contexto, mientras que la verificación le proporciona pruebas en las que basarse cuando una tarea depende de un dato específico. En conjunto, estos enfoques apuntan a agentes de IA más personalizados y mejor informados, sin tratar todo lo que recuerdan como si fuera automáticamente cierto.
La pregunta más amplia es dónde quieren las personas establecer los límites.
¿Qué debería recordar la IA?
¿Qué no debería guardar nunca?
¿Quién decide qué se puede compartir?
¿Qué ocurre cuando se revoca el permiso?
Verona y ZetaChain están explorando estas preguntas mediante un estudio conjunto abierto a cualquier persona que use IA. La encuesta es anónima y se prevé que los resultados estén disponibles en noviembre.
Participa antes del 27 de octubre
https://forms.gle/XbRWNzCFouHCfEdu5
#AI