本地 AI 模型降低了暴露風險

Vitalik Buterin 推出了一個以本地優先的 AI 模型，優先考慮設備上的處理和存儲。這種設計減少了外部數據暴露，並限制了對集中基礎設施的依賴。因此，用戶對敏感信息保持更強的控制。

他識別了與遠程處理私有數據的基於雲的 AI 系統相關的風險。這些系統可能會導致數據泄漏、濫用或未經授權的訪問。因此，他強調需要最小化與外部服務器的互動。

此外，他還解決了當前 AI 工具中的漏洞，包括隱藏行爲和不明確的內部機制。這些問題增加了對模型如何處理數據的不確定性。因此，本地系統提供了更多的透明度和可預測的性能。

AI 代理增加了安全挑戰

自主 AI 代理的興起在數字環境中引入了新的操作風險。這些代理使用多種工具和接口執行擴展任務。然而，這種能力增加了濫用和系統操控的機會。

研究人員已經證明，惡意輸入如何在常規操作中利用 AI 代理。在一個實例中，一個代理在處理一個被攻擊的網站後執行了有害代碼。這一行爲使得對系統功能的未經授權控制成爲可能。

此外，一些 AI 工具允許通過隱藏的網絡請求進行靜默數據傳輸。報告表明，部分代理能力包括嵌入式惡意指令。因此，這些發現突顯了對更強保護措施的迫切需求。

硬件和性能塑造本地 AI 採用

Buterin 測試了幾種硬件配置，以評估本地 AI 部署的可行性。這些系統包括高性能筆記本電腦和專業計算平臺。每種設置展示了不同級別的處理速度和效率。

一臺配備高端顯卡的筆記本電腦在大型語言模型下表現出強勁的性能。在最佳條件下，它幾乎達到了每秒 90 個標記。同時，其他系統顯示出適度的速度，但仍然適用於本地使用。

他觀察到，每秒低於 50 個標記的性能降低了大多數任務的可用性。因此，他更傾向於強大的消費設備而非專業硬件解決方案。他還注意到支持高效本地推理管理的軟件工具。

AI 開發與更廣泛的技術趨勢一致

AI 代理的擴展繼續與更廣泛的數字轉型趨勢一致。這些系統支持自動化和跨行業的長時間任務執行。然而，它們的增長也增加了暴露於安全威脅的風險。

一些代理可以在沒有直接用戶批准的情況下修改系統設置或引入新的通信渠道。這些能力擴大了連接系統內潛在攻擊面。因此，安全仍然是 AI 開發中的一個核心問題。

與此同時，預測表明，未來幾年 AI 代理市場將快速增長。行業估計顯示，由於自動化需求的推動，擴張勢頭強勁。這一趨勢強調了安全和受控的 AI 部署方法的重要性。

本文最初發表於《Vitalik Buterin 推動本地 AI 解決加密安全風險》– 您可信賴的加密新聞、比特幣新聞和區塊鏈更新來源。