著者: 0xResearcher
Manus は GAIA ベンチマークで SOTA (State-of-the-Art) 結果を達成し、そのパフォーマンスが Open AI の同レベルの大規模モデルを上回ることを示しました。つまり、契約条件の分解、戦略予測、ソリューションの生成、さらには法務チームや財務チームとの調整を伴う国境を越えたビジネス交渉などの複雑なタスクを自力で完了することができます。従来のシステムと比較すると、Manus の利点は、動的なターゲット分解機能、クロスモーダル推論機能、メモリ強化学習機能にあります。大規模なタスクを数百の実行可能なサブタスクに分割し、複数の種類のデータを同時に処理し、強化学習を使用して意思決定の効率を継続的に向上させ、エラー率を削減できます。
マヌス氏は科学技術の急速な発展に驚嘆する一方で、AI の進化の道筋について業界内で再び意見の相違を巻き起こしました。将来、AGI が世界を支配するのか、それとも MAS が協調的に支配するのか?
これは Manus の設計コンセプトから始まり、次の 2 つの可能性を示唆しています。
1つはAGIパスです。個々の知能レベルを継続的に向上させることで、人間の総合的な意思決定能力に近づけることができます。
MAS パスもあります。スーパーコーディネーターとして、何千人もの垂直フィールドエージェントに協力するよう指示します。
表面的には、私たちはさまざまな道の相違について議論していますが、実際には、AI 開発における根本的な矛盾、つまり効率性とセキュリティのバランスをどのように取るべきかについて議論しています。単一の知能が AGI に近づくほど、ブラックボックスの意思決定のリスクが高まります。マルチエージェントのコラボレーションによりリスクを分散できますが、通信の遅延により重要な意思決定の機会を逃す可能性があります。
マヌスの進化により、AI 開発に内在するリスクが目に見えない形で拡大しました。たとえば、データプライバシーのブラックホール: 医療のシナリオでは、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。財務交渉中は、会社の非公開の財務報告情報に触れる可能性があります。たとえば、アルゴリズムバイアスの罠では、採用交渉において、Manus は特定の民族の候補者に平均以下の給与を推奨します。法的契約を確認する場合、新興業界の用語の誤判断率はほぼ半分になります。もう 1 つの例は、攻撃に対する脆弱性です。ハッカーは特定の音声周波数を埋め込み、交渉中に相手の見積もり範囲を Manus が誤って判断するように仕向けました。
私たちは AI システムの大きな問題点に直面しなければなりません。システムがスマートになるほど、攻撃対象領域が広くなるのです。
しかし、セキュリティはWeb3で繰り返し言及されている言葉です。Vitalikの不可能三角形（ブロックチェーンネットワークはセキュリティ、分散化、スケーラビリティを同時に実現することはできない）の枠組みの下で、さまざまな暗号化方法が導き出されてきました。
- ゼロ トラスト セキュリティ モデル:ゼロ トラスト セキュリティ モデルのコア コンセプトは、「誰も信頼せず、常に検証する」ことです。つまり、デバイスが内部ネットワーク内にあるかどうかに関係なく、デフォルトでは信頼されないということです。このモデルでは、システムのセキュリティを確保するために、各アクセス要求の厳格な認証と承認を重視しています。
- 分散型アイデンティティ (DID): DID は、集中型レジストリを必要とせずに、検証可能かつ永続的な方法でエンティティを識別できるようにする識別子標準のセットです。これにより、Web3 の重要なコンポーネントである自己主権型アイデンティティとよく比較される、新しい分散型デジタル アイデンティティ モデルが可能になります。
- 完全準同型暗号化 (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できる高度な暗号化テクノロジです。これは、第三者が暗号文に対して操作を実行し、復号化後に平文に対する同じ操作の結果と一致する結果を取得できることを意味します。この機能は、クラウド コンピューティングやデータ アウトソーシングなど、元のデータを公開せずにコンピューティングを行う必要があるシナリオにとって非常に重要です。
複数の強気相場では、一定数のプロジェクトがゼロトラストセキュリティモデルとDIDに取り組んできました。そのうちのいくつかは成功を収めましたが、他のプロジェクトは暗号化の波に飲み込まれました。最も新しい暗号化方式である完全準同型暗号化（FHE）は、AI時代のセキュリティ問題を解決するための強力な武器でもあります。完全準同型暗号化 (FHE) は、暗号化されたデータに対して計算を実行できるようにする技術です。
どうすれば解決できるでしょうか?
まず、データレベルです。ユーザーが入力したすべての情報（生体認証、音声イントネーションを含む）は暗号化された状態で処理され、Manus 自身でも元のデータを復号化することはできません。例えば、医療診断の場合、患者のゲノムデータは、生物学的情報の漏洩を防ぐために、プロセス全体を通じて暗号化された形式で分析されます。
アルゴリズムレベル。 FHE によって実現される「暗号化モデルトレーニング」により、開発者であっても AI の意思決定の経路をスパイすることはできません。
コラボレーションレベルで。複数のエージェントがしきい値暗号化を使用して通信するため、単一のノードが侵害されてもグローバルなデータ漏洩につながることはありません。サプライチェーンの攻撃および防御の訓練であっても、攻撃者は複数のエージェントに侵入した後でも完全なビジネスビューを取得することはできません。
技術的な制限により、Web3セキュリティはほとんどのユーザーに直接関係がないかもしれませんが、間接的な利益とは密接に関連しています。この暗い森の中で、全力を尽くして武装しなければ、「ネギ」のアイデンティティから逃れることはできません。
- uPort は2017 年に Ethereum メインネット上で開始され、おそらくメインネット上で開始される最も初期の分散型 ID (DID) プロジェクトです。
- ゼロトラストセキュリティモデルに関しては、 NKN は2019 年にメインネットを立ち上げました。
- Mind Networkはメインネット上で立ち上げられる最初のFHEプロジェクトであり、ZAMA、Google、DeepSeekなどとの協力をリードしています。
uPort と NKN は、私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、投機家からあまり注目されていないようです。Mind Network がこの呪いから逃れ、セキュリティ分野のリーダーになれるかどうか、しばらく待ってみましょう。
未来はここにあります。 AI が人間の知能に近づくほど、人間以外の防御が必要になります。 FHE の価値は、現在の問題を解決することだけでなく、強い AI の時代への道を開くことにもあります。 AGI へのこの危険な道において、FHE は選択肢ではなく、生き残るための必要条件です。
