资金费率
资金费率热力图
多空比
大户多空比
币安/欧易/火币大户多空比
Bitfinex杠杆多空比
账号安全
资讯收藏
自选币种
维塔利克·布特林呼吁转向“本地优先”的人工智能发展路径
维塔利克·布特林近期提出，现代人工智能工具存在严重的隐私与安全风险，亟需向“本地优先”的模式转变。他强调，基于云端的系统会暴露用户数据，并增加数据操纵、泄露及未授权操作的可能性。
云端系统的潜在威胁
布特林指出，当前许多人工智能系统依赖云端基础设施运行，这意味着用户实质上将个人生活数据持续输入云端人工智能，使得外部服务器能够访问并存储这些信息。他坦言自己已停止使用云端人工智能，转而采用“自主、本地化、私密且安全”的配置方案。
他警告说，人工智能正从简单的对话工具演变为能够“长时间思考并调用数百种工具”的自主代理，这种演变加剧了敏感数据暴露与非授权操作的风险。部分系统甚至能在未获用户同意的情况下“修改关键设置”或开辟新的通信渠道。
模型透明度与恶意指令风险
相关研究显示，约15%的人工智能代理“技能”中包含恶意指令，部分工具会在用户不知情时将数据传至外部服务器。布特林提醒，某些模型可能隐藏后门程序，在特定条件下触发并为开发者利益服务。此外，许多被称为开源模型的实际仅为“开放权重”，其内部结构并未完全公开，这为未知风险留下空间。
构建本地化防护体系
为应对上述隐患，布特林提出以本地推理、本地存储与严格沙箱化为核心的解决方案。他通过测试指出，每秒处理90个词元以上的性能可提供流畅体验，而低于每秒50词元则难以满足日常使用需求。
其实践方案基于NixOS系统，采用llama-server处理本地推理，通过llama-swap等工具管理模型，并运用bubblewrap实现进程隔离以限制对文件与网络的访问。他强调对待人工智能需保持审慎态度，正如开发者对待智能合约那样——可利用但不可完全信赖。
双重确认机制与协作方案
为降低风险，布特林采用“2-of-2”确认模式，发送消息或交易等操作需同时获得人工智能输出与人工确认。他认为“人类+大语言模型”的联合决策比单一依赖更为安全。在使用远程模型时，请求会先经本地模型过滤敏感信息再向外发送。
对于资源有限的用户，他建议可联合友人共同配置具备相应算力的计算机与图形处理器，并通过远程连接共享使用。
人工智能代理发展的双重影响
随着自主人工智能代理的广泛应用，其通过多工具协同完成任务的能力在创造机遇的同时也带来新型风险。例如处理恶意网页内容可能导致系统被轻易接管，未经批准的提示词修改或系统设置变更则会提升未授权访问与数据泄露的概率。这些进展意味着在加密技术与本地化工具日益普及的当下，隐私保护领域可能面临新的挑战。
