著者: 0xResearcherManusはGAIAベンチマークテストでSOTA（State-of-the-Art）の成績を収め、性能がOpen AIの同レベルの大規模モデルを凌駕していることを示しています。言い換えれば、それは国際的なビジネス交渉などの複雑なタスクを独力で遂行でき、契約条項の分解、戦略予測、提案の作成、法務や財務チームの調整などが含まれます。従来のシステムと比較して、Manusの利点は、動的な目標分解能力、クロスモーダル推論能力、およびメモリ増強学習能力にあります。それは大規模なタスクを数百の実行可能なサブタスクに分解し、さまざまなタイプのデータを処理し、強化学習を活用して自身の意思決定効率を向上させ、エラー率を低減します。! [ManusはAGIの夜明けをもたらし、AIセキュリティも熟考する価値があります](https://img.gateio.im/social/moments-d8f9f7a6403c227fe590b5571b7e5a14)技術の発展の速さに驚きつつも、Manusは再びAIの進化パスについて業界内で異論を呼んでいます：将来はAGIが支配するのか、MASが主導するのか。Manusのデザインコンセプトについて話す必要があります。それには2つの可能性が含まれています：AGI経路の一つは、個々の知能レベルを持続的に向上させ、人間の総合的な意思決定能力に近づけることです。もう1つの方法はMASルートです。数千の垂直分野エージェントが協力して戦うスーパーコーディネーターとして。表面的には、私たちはさまざまな道筋を議論していますが、実際には、AI開発の根本的な矛盾、つまり効率とセキュリティのバランスをどのように取るべきかを議論しています。 モノリシックインテリジェンスがAGIに近いほど、ブラックボックスの意思決定のリスクが高くなります。 マルチエージェントコラボレーションはリスクを分散させる可能性がありますが、コミュニケーションの遅延により重要な意思決定のウィンドウを見逃す可能性があります。Manusの進化は、AIの固有のリスクを無意識に拡大しています。たとえば、データプライバシーのブラックホール：医療シーンでは、Manusは患者のゲノムデータにリアルタイムでアクセスする必要があります。金融交渉では、企業の未公開財務情報に触れる可能性があります。アルゴリズムの偏見の罠もあり、採用交渉ではManusが特定の人種の候補者に平均水準以下の給与提案をすることがあります。法的契約の審査では、新興産業の条項の誤判率がほぼ半分になります。攻撃の脆弱性との戦いに関しては、ハッカーが特定の音声周波数を植え付けることで、交渉中にManusが相手の価格帯を誤って判断する可能性があります。私たちは、AIシステムが直面している恐ろしい痛みの1つに直面せざるを得ない：より知能化されるシステムは、攻撃範囲も広がる。しかし、セキュリティは常にweb3で言及されてきた用語であり、V神の不可能三角（ブロックチェーンネットワークが同時にセキュリティ、非中央集権化、およびスケーラビリティを実現することは不可能）フレームワークの下で、さまざまな暗号化方法も派生しています：* **ゼロ信頼セキュリティモデル：** ゼロ信頼セキュリティモデルの核心理念は「誰も信用せず、常に検証すること」であり、すべてのデバイスは内部ネットワークにあるかどうかに関わらず、デフォルトで信頼されるべきではありません。このモデルは、すべてのアクセス要求に厳密な身元確認と認証が行われることを強調し、システムの安全性を確保します。* **分散型アイデンティティ（Decentralized Identity、DID）：DID**は、エンティティが中央集権的な登録所不要の状況で、検証可能かつ永続的な方法で識別できるようにする識別子の標準です。これにより、新しい分散型デジタルアイデンティティモデルが実現され、自己主権アイデンティティとよく比較され、Web3の重要な構成要素となっています。**完全同型暗号化（Fully Homomorphic Encryption、FHE）**は、データを復号化せずに暗号化されたデータに対して任意の計算を実行することを可能にする先進的な暗号化技術です。これは、第三者が暗号文を操作し、その結果が複合された後に平文を同じ操作する結果と一致することを意味します。この特性は、クラウドコンピューティングやデータの外部委託など、元のデータを公開せずに計算を行う必要があるシナリオにとって重要です。ゼロ信頼セキュリティモデルとDIDは、多数のプロジェクトが牛市に取り組んでいます。彼らは成功するか、暗号の波に飲み込まれるかもしれませんが、最も若い暗号方式である全同型暗号（Fully Homomorphic Encryption、FHE）もAI時代のセキュリティ問題を解決する大きな武器です。全同型暗号（FHE）は、暗号化されたデータ上で計算を実行することを可能にする技術です。どう解決しますか？ますます、データ側面。ユーザーの入力されたすべての情報（生物学的特性、音声調子を含む）は暗号化された状態で処理され、Manus 自身も元のデータを解読できません。医療診断の場合を例に挙げると、患者のゲノムデータは始めから暗号化され、生物情報の漏洩を避けるために分析に参加します。アルゴリズムの観点から。FHEによる「暗号モデルトレーニング」を実現することで、開発者でさえAIの意思決定経路を窺うことができません。協調レベルでは、複数のエージェント間の通信に閾値暗号が使用され、単一のノードが侵害されてもグローバルなデータ漏洩は発生しません。サプライチェーンの攻撃と防御演習でも、攻撃者が複数のエージェントに侵入しても、完全なビジネスビューを取得することはできません。しかし、技術的制約から、web3のセキュリティはほとんどのユーザーとは直接関係していないかもしれませんが、千差万別の間接的な利益関係があります。この暗い森の中で、全力を尽くさない限り、「ニラ」の身分から逃れることは永遠にありません。* **uPort**は2017年にイーサリアムメインネットワークでリリースされ、おそらく最初のメインネットワークでリリースされた分散型ID（DID）プロジェクトである可能性があります。*そしてゼロ信頼セキュリティモデルでは、**NKN**は2019年にメインネットをリリースしました。* **Mind Network** は、最初のメインネットワークに登場した FHE プロジェクトであり、ZAMA、Google、DeepSeek などとの協力を最初に通過しました。uPortとNKNは、筆者が聞いたことのないプロジェクトです。セキュリティプロジェクトは本当にスペキュレーターたちの関心を引かないようです。Mind networkがこの呪いから抜け出し、セキュリティ領域のリーダーになれるかどうか、注目してみましょう。未来はすでに来ています。 AIが人間の知能に近づくほど、非人間の防御システムが必要になります。 FHEの価値は現在の問題を解決するだけでなく、強力なAI時代に道を開くことにあります。 AGIに向かうこの険しい道の中で、FHEは選択肢ではなく、生存に必要なものです。
ManusはAGIの夜明けをもたらし、AIセキュリティも熟考する価値があります
著者: 0xResearcher
ManusはGAIAベンチマークテストでSOTA（State-of-the-Art）の成績を収め、性能がOpen AIの同レベルの大規模モデルを凌駕していることを示しています。言い換えれば、それは国際的なビジネス交渉などの複雑なタスクを独力で遂行でき、契約条項の分解、戦略予測、提案の作成、法務や財務チームの調整などが含まれます。従来のシステムと比較して、Manusの利点は、動的な目標分解能力、クロスモーダル推論能力、およびメモリ増強学習能力にあります。それは大規模なタスクを数百の実行可能なサブタスクに分解し、さまざまなタイプのデータを処理し、強化学習を活用して自身の意思決定効率を向上させ、エラー率を低減します。
! ManusはAGIの夜明けをもたらし、AIセキュリティも熟考する価値があります
技術の発展の速さに驚きつつも、Manusは再びAIの進化パスについて業界内で異論を呼んでいます：将来はAGIが支配するのか、MASが主導するのか。
Manusのデザインコンセプトについて話す必要があります。それには2つの可能性が含まれています：
AGI経路の一つは、個々の知能レベルを持続的に向上させ、人間の総合的な意思決定能力に近づけることです。
もう1つの方法はMASルートです。数千の垂直分野エージェントが協力して戦うスーパーコーディネーターとして。
表面的には、私たちはさまざまな道筋を議論していますが、実際には、AI開発の根本的な矛盾、つまり効率とセキュリティのバランスをどのように取るべきかを議論しています。 モノリシックインテリジェンスがAGIに近いほど、ブラックボックスの意思決定のリスクが高くなります。 マルチエージェントコラボレーションはリスクを分散させる可能性がありますが、コミュニケーションの遅延により重要な意思決定のウィンドウを見逃す可能性があります。
Manusの進化は、AIの固有のリスクを無意識に拡大しています。たとえば、データプライバシーのブラックホール：医療シーンでは、Manusは患者のゲノムデータにリアルタイムでアクセスする必要があります。金融交渉では、企業の未公開財務情報に触れる可能性があります。アルゴリズムの偏見の罠もあり、採用交渉ではManusが特定の人種の候補者に平均水準以下の給与提案をすることがあります。法的契約の審査では、新興産業の条項の誤判率がほぼ半分になります。攻撃の脆弱性との戦いに関しては、ハッカーが特定の音声周波数を植え付けることで、交渉中にManusが相手の価格帯を誤って判断する可能性があります。
私たちは、AIシステムが直面している恐ろしい痛みの1つに直面せざるを得ない：より知能化されるシステムは、攻撃範囲も広がる。
しかし、セキュリティは常にweb3で言及されてきた用語であり、V神の不可能三角（ブロックチェーンネットワークが同時にセキュリティ、非中央集権化、およびスケーラビリティを実現することは不可能）フレームワークの下で、さまざまな暗号化方法も派生しています：
ゼロ信頼セキュリティモデルとDIDは、多数のプロジェクトが牛市に取り組んでいます。彼らは成功するか、暗号の波に飲み込まれるかもしれませんが、最も若い暗号方式である全同型暗号（Fully Homomorphic Encryption、FHE）もAI時代のセキュリティ問題を解決する大きな武器です。全同型暗号（FHE）は、暗号化されたデータ上で計算を実行することを可能にする技術です。
どう解決しますか？
ますます、データ側面。ユーザーの入力されたすべての情報（生物学的特性、音声調子を含む）は暗号化された状態で処理され、Manus 自身も元のデータを解読できません。医療診断の場合を例に挙げると、患者のゲノムデータは始めから暗号化され、生物情報の漏洩を避けるために分析に参加します。
アルゴリズムの観点から。FHEによる「暗号モデルトレーニング」を実現することで、開発者でさえAIの意思決定経路を窺うことができません。
協調レベルでは、複数のエージェント間の通信に閾値暗号が使用され、単一のノードが侵害されてもグローバルなデータ漏洩は発生しません。サプライチェーンの攻撃と防御演習でも、攻撃者が複数のエージェントに侵入しても、完全なビジネスビューを取得することはできません。
しかし、技術的制約から、web3のセキュリティはほとんどのユーザーとは直接関係していないかもしれませんが、千差万別の間接的な利益関係があります。この暗い森の中で、全力を尽くさない限り、「ニラ」の身分から逃れることは永遠にありません。
uPortとNKNは、筆者が聞いたことのないプロジェクトです。セキュリティプロジェクトは本当にスペキュレーターたちの関心を引かないようです。Mind networkがこの呪いから抜け出し、セキュリティ領域のリーダーになれるかどうか、注目してみましょう。
未来はすでに来ています。 AIが人間の知能に近づくほど、非人間の防御システムが必要になります。 FHEの価値は現在の問題を解決するだけでなく、強力なAI時代に道を開くことにあります。 AGIに向かうこの険しい道の中で、FHEは選択肢ではなく、生存に必要なものです。