La question que vous ne tapez jamais
Je pense qu'il existe en réalité deux raisons différentes pour lesquelles les gens hésitent lorsqu'ils utilisent l’IA.
La première, la plus évidente, c’est que le modèle pourrait refuser de répondre.
Vous posez quelque chose de sensible, de controversé, ou de très précis, et vous heurtez immédiatement un mur. Tout le monde remarque ce filtre parce qu’il est visible.
Le deuxième filtre est plus discret.
C’est la question que vous ne formulez même jamais au départ.
Je me suis surpris à faire ça à plusieurs reprises dans le cadre de recherches sur la crypto. Une idée de trading. Un risque lié à un protocole. Un scénario que je préférerais ne pas avoir définitivement rattaché à un compte quelque part.
L’IA pourrait très bien répondre.
Mais avant même d’appuyer sur « Entrée », je réfléchis déjà à ce qu’il advient de cette requête ensuite.
C’est pour cela qu’OpenGradient me semble intéressant.
La plupart des produits d’IA semblent résoudre un problème tout en en ignorant l’autre. On peut trouver des modèles moins restreints, mais ils tournent souvent sur une infrastructure qui exige de la confiance. On peut trouver des affirmations sur la confidentialité, mais l’expérience reste généralement fortement filtrée.
OpenGradient cherche à combiner les deux aspects de l’équation : des modèles ouverts puissants comme Hermes 4 405B, ainsi qu’une infrastructure préservant la confidentialité, conçue autour de requêtes chiffrées et d’une exécution basée sur des TEE.
Ce qui a attiré mon attention, c’est que l’objectif ne consiste pas seulement à obtenir des réponses.
Il s’agit de réduire les raisons qui poussent les gens à éviter de demander la vraie question.
Je ne peux pas vérifier indépendamment toutes les affirmations de confidentialité associées au système.
Mais je pense néanmoins qu’il existe une différence significative entre une IA qui répond à votre question et une IA qui vous met suffisamment en confiance pour oser la poser dès le départ.
@OpenGradient $SYN $BAS $OPG #OPG
Je pense qu'il existe en réalité deux raisons différentes pour lesquelles les gens hésitent lorsqu'ils utilisent l’IA.
La première, la plus évidente, c’est que le modèle pourrait refuser de répondre.
Vous posez quelque chose de sensible, de controversé, ou de très précis, et vous heurtez immédiatement un mur. Tout le monde remarque ce filtre parce qu’il est visible.
Le deuxième filtre est plus discret.
C’est la question que vous ne formulez même jamais au départ.
Je me suis surpris à faire ça à plusieurs reprises dans le cadre de recherches sur la crypto. Une idée de trading. Un risque lié à un protocole. Un scénario que je préférerais ne pas avoir définitivement rattaché à un compte quelque part.
L’IA pourrait très bien répondre.
Mais avant même d’appuyer sur « Entrée », je réfléchis déjà à ce qu’il advient de cette requête ensuite.
C’est pour cela qu’OpenGradient me semble intéressant.
La plupart des produits d’IA semblent résoudre un problème tout en en ignorant l’autre. On peut trouver des modèles moins restreints, mais ils tournent souvent sur une infrastructure qui exige de la confiance. On peut trouver des affirmations sur la confidentialité, mais l’expérience reste généralement fortement filtrée.
OpenGradient cherche à combiner les deux aspects de l’équation : des modèles ouverts puissants comme Hermes 4 405B, ainsi qu’une infrastructure préservant la confidentialité, conçue autour de requêtes chiffrées et d’une exécution basée sur des TEE.
Ce qui a attiré mon attention, c’est que l’objectif ne consiste pas seulement à obtenir des réponses.
Il s’agit de réduire les raisons qui poussent les gens à éviter de demander la vraie question.
Je ne peux pas vérifier indépendamment toutes les affirmations de confidentialité associées au système.
Mais je pense néanmoins qu’il existe une différence significative entre une IA qui répond à votre question et une IA qui vous met suffisamment en confiance pour oser la poser dès le départ.
@OpenGradient $SYN $BAS $OPG #OPG