L’IA devient plus utile lorsqu’elle comprend le contexte des besoins d’une personne. Elle peut mémoriser des préférences, suivre des projets en cours et s’adapter à la façon de travailler de chacun. Mais le contexte ne suffit pas toujours. Lorsqu’un agent d’IA doit s’appuyer sur un fait pour accomplir une tâche, se souvenir d’une information et prouver qu’elle est vraie sont deux choses différentes.
ZetaChain s’attaque au premier aspect avec AnumaAI et sa couche de mémoire privée (Private Memory Layer). Le contexte de l’utilisateur est chiffré et conçu pour passer d’un modèle d’IA à l’autre : changer de modèle ne signifie donc pas repartir de zéro. L’objectif est de rendre l’IA plus personnelle tout en laissant le contrôle de la mémoire à l’utilisateur.
verona_dev se concentre sur les situations où une information doit être vérifiée. Grâce à son moteur de vérité (Truth Engine), les faits peuvent être vérifiés à leur source et transformés en preuves réutilisables. Un agent d’IA autorisé peut utiliser cette preuve sans avoir accès aux données originales qui la sous-tendent. L’IA peut ainsi s’appuyer sur des informations sans révéler plus de données personnelles que nécessaire.
Verona et ZetaChain sont complémentaires : une mémoire privée pour l’IA, associée à des faits qui peuvent réellement être vérifiés. La mémoire aide l’IA à conserver le contexte, tandis que la vérification lui fournit des preuves sur lesquelles s’appuyer lorsqu’une tâche dépend d’un fait précis. Ensemble, ces approches ouvrent la voie à des agents d’IA plus personnels et mieux informés, sans considérer comme automatiquement vraie tout ce dont ils se souviennent.
La question de fond est de savoir où chacun souhaite fixer les limites.
Que devrait retenir l’IA ?
Que ne devrait-elle jamais conserver ?
Qui décide de ce qui peut être partagé ?
Que se passe-t-il lorsque l’autorisation est révoquée ?
Verona et ZetaChain explorent ces questions dans le cadre d’une étude conjointe ouverte à toutes les personnes qui utilisent l’IA. Le sondage est anonyme et les résultats sont attendus en novembre.
Participez avant le 27 octobre
https://forms.gle/XbRWNzCFouHCfEdu5
#AI
ZetaChain s’attaque au premier aspect avec AnumaAI et sa couche de mémoire privée (Private Memory Layer). Le contexte de l’utilisateur est chiffré et conçu pour passer d’un modèle d’IA à l’autre : changer de modèle ne signifie donc pas repartir de zéro. L’objectif est de rendre l’IA plus personnelle tout en laissant le contrôle de la mémoire à l’utilisateur.
verona_dev se concentre sur les situations où une information doit être vérifiée. Grâce à son moteur de vérité (Truth Engine), les faits peuvent être vérifiés à leur source et transformés en preuves réutilisables. Un agent d’IA autorisé peut utiliser cette preuve sans avoir accès aux données originales qui la sous-tendent. L’IA peut ainsi s’appuyer sur des informations sans révéler plus de données personnelles que nécessaire.
Verona et ZetaChain sont complémentaires : une mémoire privée pour l’IA, associée à des faits qui peuvent réellement être vérifiés. La mémoire aide l’IA à conserver le contexte, tandis que la vérification lui fournit des preuves sur lesquelles s’appuyer lorsqu’une tâche dépend d’un fait précis. Ensemble, ces approches ouvrent la voie à des agents d’IA plus personnels et mieux informés, sans considérer comme automatiquement vraie tout ce dont ils se souviennent.
La question de fond est de savoir où chacun souhaite fixer les limites.
Que devrait retenir l’IA ?
Que ne devrait-elle jamais conserver ?
Qui décide de ce qui peut être partagé ?
Que se passe-t-il lorsque l’autorisation est révoquée ?
Verona et ZetaChain explorent ces questions dans le cadre d’une étude conjointe ouverte à toutes les personnes qui utilisent l’IA. Le sondage est anonyme et les résultats sont attendus en novembre.
Participez avant le 27 octobre
https://forms.gle/XbRWNzCFouHCfEdu5
#AI