Eigen RadarYapay Zekâ
Analiz

Buterin, kişisel yapay zekâ önerilerinde gizliliği denedi; hız ve veri paylaşımı zorladı

Vitalik Buterin, sağlık ve seyahat bilgilerini daha az paylaşarak uzaktaki yapay zekâ modellerinden beslenme ve egzersiz önerileri almak için yerel model, zkAPI ödemeleri ve Tor bağlantısını birlikte denedi. Uzaktaki modellerin önerileri iyileştirdiğini söyledi. Kişisel denemede ayrı isteklerin ilişkilendirilmesini önlemek, hangi bilginin paylaşılacağını seçmek ve yerel modeli yeterince hızlı çalıştırmak güçlük yarattı. Bu düzen, kimliğin açığa çıkabileceği farklı yolları koruma girişimi; doğrulanmış bir anonimlik güvencesi değil.

Yapay Zekâ··Gece
Ahşap ev masasındaki kapalı dizüstü bilgisayarın yanında sebze ve tahıl kâsesi duruyor; arkadaki rafta dambıllar var.

Kişisel bilgilerle öneri aradı

Ethereum’un kurucularından Vitalik Buterin, sağlık ve seyahat bilgilerinden yararlanarak beslenme ve egzersiz önerileri almak istedi. Bunu yaparken uzaktaki yapay zekâ sağlayıcılarının kendisi hakkında öğrendiği bilgileri sınırlamayı amaçladı. Blockonomi ve U.Today, 4 Ekim’de anlattığı kişisel denemeyi aktarıyor: kendi bilgisayarında çalışan bir model, daha güçlü uzak modellere başvuruları düzenledi. Buterin, bu modellerin ek bilgisinin önerileri iyileştirdiğini söyledi. Anlattığı düzenin hâlâ eksikleri vardı. Sonuçlar onun kurduğu sistem ve yaşadığı deneyimle ilgili; herkesin kullanabileceği yeni bir hizmeti veya başka kişilerin onu tanıyıp tanıyamayacağına ilişkin bağımsız bir testi anlatmıyor.[1], [2]

Yerel düzenleyici Qwen 3.8 Flash Next modeliydi. Bir yönerge dosyası, bu modelin ne zaman uzaktaki modellerden yardım isteyeceğini ve daha az kişisel bilgi içeren soruları nasıl hazırlayacağını belirliyordu. Soruları kullanıcının yerine yerel model yazdı. Amaç, hem açık kişisel ayrıntıların hem de kullanıcının yazım biçiminin kimliğini ele verme ihtimalini azaltmaktı. Buterin, istek hazırlama yöntemlerinin daha fazla geliştirilmesi gerektiğini de belirtti. Paylaşılan bağlamı azaltmak başka bir güçlük yaratıyordu: uzaktaki model, daha az bilgiyle kişiye uygun öneri üretmekte daha sınırlı kalabiliyordu.[1], [2]

Ödeme ve bağlantı da kimliğe uzanıyor

Diğer iki koruma, sorunun içeriği dışında oluşan bilgilere yönelikti. Buterin, ödeme yetkilendirmesi ile kimliğini ayırmak için zkAPI kullandı. Tor ise bağlantıyı ağ ve IP adresi gizliliği amacıyla yönlendirdi. Blockonomi ve U.Today, bu üç katmanın birlikte kullanıldığını anlatıyor. Modelin öğrendiği bilgiler, ödemeyi yapan kişinin kimliği ve bağlantının geldiği yer, farklı tanınma yolları oluşturabiliyor. Buterin, zkAPI’ye Tor üzerinden çalışan bir komut satırı aracıyla erişti. Ancak Tor’un ayrı isteklerin birbirine bağlanmasını önlemeye pek uygun olmadığını düşündüğünü ve bu kullanım için yeterli gizlilik sağlamayabileceğini de söyledi.[1], [2]

Hız da denemenin güçlükleri arasında

Yerel modelin hızı da Buterin’in karşılaştığı sınırlardan biriydi. Blockonomi, modelin saniyede yaklaşık 20 ile 30 metin birimi ürettiği değerlendirmesini aktarıyor. Buterin’e göre hızın rahat hissettirmeye başlaması için bu sayının 100’ü aşması gerekiyordu. Tor gecikmesinin de olabileceğinden 10 ile 100 kat yüksek olduğunu tahmin etti. Bunlar kendi düzenine ilişkin gözlemler; bütün cihazları veya ağları karşılaştıran ölçümler değil. Denemede yararlı uzak model önerileri, az bilgi paylaşımı ve hızlı yanıt beklentisi birlikte karşılanmakta zorlanıyordu. Önerilerin gelmiş olması, isteklerin ilişkilendirilmesi ve her başvuruda seçilen kişisel bilgilerle ilgili kaygılarını gidermedi.[1]

Kaynakça

  1. Haber kaynağıBlockonomiVitalik Buterin, kişisel yapay zekâ isteklerinde üç katmanlı gizliliği denedi↩1↩2↩3↩4
  2. Haber kaynağıU.TodayVitalik Buterin, kişisel yapay zekâ önerileri için gizlilik düzeni denedi↩1↩2↩3