Sebuah pikiran aneh muncul dalam benak saya saat melihat alat AI untuk riset kripto
Semua orang membahas kualitas model
Sangat sedikit orang yang membahas ke mana informasi pergi sebelum jawaban kembali
Awalnya, saya mengira kecepatan adalah segalanya
Jika model berpikir lebih cepat, saya bisa bereaksi lebih cepat
Sederhana
Lalu ada sesuatu yang mulai mengganggu saya
Kontrak itu bukan satu-satunya hal yang saya kirim
Ketika prompt sampai ke model, prompt itu sudah memuat sisi/edge yang bahkan sebelum pasar menghargainya
Itu terasa berbeda
Dengan kebanyakan layanan AI, permintaan saya meninggalkan laptop saya dan melewati infrastruktur yang tidak saya kendalikan
Mungkin tidak ada yang pernah bermasalah
Jujur saja, saya tidak bisa memastikan
Itulah bagian yang tepat tidak bisa saya amati
Jadi saya berhenti menganggap AI hanya sebagai mesin penalaran
Saya mulai memikirkan jalur antara pertanyaan dan jawaban
Itulah mengapa TEE menarik perhatian saya
Bukan karena ia menjanjikan privasi yang sempurna
Melainkan karena ia berusaha membatasi eksekusi di dalam lingkungan perangkat keras yang dilindungi dan integritasnya bisa dibuktikan, sehingga mengurangi seberapa banyak kepercayaan bergantung semata pada operator platform
Bagian yang menarik bukanlah enkripsi
Yang menarik adalah waktunya
Jika peluang hilang setelah tiga puluh detik, membuktikan nanti bahwa prompt saya tetap terlindungi tidak mengembalikan tiga puluh detik itu
Nilai ekonomi hanya ada selama informasinya masih asimetris
Itu juga membuat verifikasi terasa berbeda
Inferensi selesai lebih dulu
Verifikasi bisa datang kemudian
Kebanyakan waktu, keterlambatan itu mungkin tidak terlalu penting
Di pasar yang kompetitif, keterlambatan itu mungkin diam-diam berubah menjadi bagian dari strategi itu sendiri
Dulu saya mengira komputasi adalah sumber daya yang langka
Sekarang saya bahkan tidak yakin
Informasi tampaknya kehilangan nilai lebih cepat daripada model memperoleh kecerdasan
Saya masih berusaha memahami di mana posisi itu menempatkan sistem seperti @OpenGradient
Semakin banyak lapisan yang kita tambahkan untuk meminimalkan kepercayaan, semakin saya mendapati diri bertanya asumsi mana yang sebenarnya hanya berpindah ke tempat yang lebih sulit untuk diperhatikan, bukan menghilang
#opg $OPG $SYN $LAB
Semua orang membahas kualitas model
Sangat sedikit orang yang membahas ke mana informasi pergi sebelum jawaban kembali
Awalnya, saya mengira kecepatan adalah segalanya
Jika model berpikir lebih cepat, saya bisa bereaksi lebih cepat
Sederhana
Lalu ada sesuatu yang mulai mengganggu saya
Kontrak itu bukan satu-satunya hal yang saya kirim
Ketika prompt sampai ke model, prompt itu sudah memuat sisi/edge yang bahkan sebelum pasar menghargainya
Itu terasa berbeda
Dengan kebanyakan layanan AI, permintaan saya meninggalkan laptop saya dan melewati infrastruktur yang tidak saya kendalikan
Mungkin tidak ada yang pernah bermasalah
Jujur saja, saya tidak bisa memastikan
Itulah bagian yang tepat tidak bisa saya amati
Jadi saya berhenti menganggap AI hanya sebagai mesin penalaran
Saya mulai memikirkan jalur antara pertanyaan dan jawaban
Itulah mengapa TEE menarik perhatian saya
Bukan karena ia menjanjikan privasi yang sempurna
Melainkan karena ia berusaha membatasi eksekusi di dalam lingkungan perangkat keras yang dilindungi dan integritasnya bisa dibuktikan, sehingga mengurangi seberapa banyak kepercayaan bergantung semata pada operator platform
Bagian yang menarik bukanlah enkripsi
Yang menarik adalah waktunya
Jika peluang hilang setelah tiga puluh detik, membuktikan nanti bahwa prompt saya tetap terlindungi tidak mengembalikan tiga puluh detik itu
Nilai ekonomi hanya ada selama informasinya masih asimetris
Itu juga membuat verifikasi terasa berbeda
Inferensi selesai lebih dulu
Verifikasi bisa datang kemudian
Kebanyakan waktu, keterlambatan itu mungkin tidak terlalu penting
Di pasar yang kompetitif, keterlambatan itu mungkin diam-diam berubah menjadi bagian dari strategi itu sendiri
Dulu saya mengira komputasi adalah sumber daya yang langka
Sekarang saya bahkan tidak yakin
Informasi tampaknya kehilangan nilai lebih cepat daripada model memperoleh kecerdasan
Saya masih berusaha memahami di mana posisi itu menempatkan sistem seperti @OpenGradient
Semakin banyak lapisan yang kita tambahkan untuk meminimalkan kepercayaan, semakin saya mendapati diri bertanya asumsi mana yang sebenarnya hanya berpindah ke tempat yang lebih sulit untuk diperhatikan, bukan menghilang
#opg $OPG $SYN $LAB