Back to top
  • 공유 แชร์
  • 인쇄 พิมพ์
  • 글자크기 ขนาดตัวอักษร
ลิงก์ถูกคัดลอกแล้ว

ความร่วมมือความปลอดภัย AI แบบเปิดน้ำหนัก: Base Labs จับมือ Hugging Face

นักวิจัยกำลังตรวจสอบหน้าจอประเมินความปลอดภัย AI / TokenPost.ai

Base Labs เตรียมร่วมมือกับ Baseten, Hugging Face และ Goodfire พัฒนาเทคโนโลยีความปลอดภัยสำหรับใช้ในกระบวนการฝึกและเผยแพร่โมเดล AI แบบเปิดน้ำหนัก โดยความร่วมมือครั้งนี้มุ่งเน้นโครงสร้างพื้นฐาน AI และความปลอดภัยของโมเดล มากกว่าโครงการสินทรัพย์ดิจิทัล

Base Labs เป็นหน่วยงานวิจัยที่ดำเนินงานโดย Baseten บริษัทโครงสร้างพื้นฐาน AI โดยศึกษาด้านโมเดลเฉพาะทาง การฝึก การอนุมาน หน่วยความจำ และการให้บริการโมเดลผ่านแนวทางการวิจัยแบบเปิด พร้อมระบุว่าจะเผยแพร่ผลการวิจัยและข้อมูลการทดลอง

Base Labs ระบุในโพสต์อย่างเป็นทางการว่า จะพัฒนาและเผยแพร่วิธีการฝึกและติดตามตรวจสอบเพื่อเพิ่มความปลอดภัยของโมเดลแบบเปิด ขณะที่ Baseten อธิบายว่ามีแผนผสานเทคโนโลยีดังกล่าวเข้ากับโครงสร้างพื้นฐานการเผยแพร่โมเดล พร้อมให้บริการติดตามตรวจสอบแบบเรียลไทม์และบริการแบบมีผู้ดูแล

Hugging Face รับผิดชอบด้านการเผยแพร่โมเดลแบบเปิดน้ำหนักและการเข้าถึงของนักพัฒนา เอกสารอย่างเป็นทางการของ Hugging Face ระบุว่า Baseten เป็นผู้ให้บริการการอนุมาน และนักพัฒนาสามารถใช้บริการโมเดลจากผู้ให้บริการโครงสร้างพื้นฐานหลายรายผ่าน API และ SDK เดียว

Goodfire รับผิดชอบงานวิจัยด้านการตีความ AI โดยการตีความหมายถึงเทคโนโลยีที่วิเคราะห์ว่าโมเดล AI สร้างผลลัพธ์จากสัญญาณและโครงสร้างภายในใด

Goodfire แนะนำตัวเองว่าเป็นสถาบันวิจัยด้านการตีความ AI และพัฒนาเครื่องมือกับโครงสร้างพื้นฐานเพื่อทำความเข้าใจ ติดตามตรวจสอบ และจัดแนวโมเดล โดย Goodfire ระดมทุน Series B มูลค่า 150 ล้านดอลลาร์ (ประมาณ 205,500 ล้านวอน) ในเดือนกุมภาพันธ์ 2026 ซึ่งขณะนั้นประเมินมูลค่าบริษัทไว้ที่ 1,250 ล้านดอลลาร์ (ประมาณ 1.7125 ล้านล้านวอน)

หัวใจสำคัญของความร่วมมือครั้งนี้คือการสร้างสมดุลระหว่างความโปร่งใสและความปลอดภัยของโมเดลแบบเปิด โมเดลแบบเปิดน้ำหนักเปิดให้ผู้ใช้ตรวจสอบโครงสร้าง แก้ไข และเผยแพร่ต่อได้ แต่ความเปิดกว้างดังกล่าวก็อาจเพิ่มความเป็นไปได้ในการนำโมเดลไปใช้ในทางที่ผิด

ด้วยเหตุนี้ บริษัทที่เข้าร่วมจึงต้องการสร้างทั้งการตรวจสอบความปลอดภัยในขั้นตอนการฝึกและการเฝ้าระวังแบบเรียลไทม์หลังการเผยแพร่โมเดล ระหว่างการฝึกจะมีการตรวจสอบพฤติกรรมของโมเดล ส่วนในสภาพแวดล้อมการให้บริการจะมีการติดตามสัญญาณผิดปกติ

ระบบผู้ให้บริการการอนุมานทำหน้าที่เป็นพื้นฐานของการผสานโครงสร้างพื้นฐานดังกล่าว Hugging Face สนับสนุนให้นักพัฒนาเลือกโมเดลและผู้ให้บริการจากหน้าโมเดลและ API เพื่อใช้งานบริการการอนุมาน

โครงสร้างนี้แบ่งบทบาทระหว่างหน่วยงานพัฒนาโมเดล ผู้ให้บริการโครงสร้างพื้นฐาน แพลตฟอร์มเผยแพร่ และหน่วยงานวิจัยด้านความปลอดภัย โดย Base Labs และ Goodfire ดูแลเทคโนโลยีการตรวจสอบและการตีความความปลอดภัย ขณะที่ Baseten และ Hugging Face เชื่อมโยงเทคโนโลยีดังกล่าวเข้ากับเส้นทางการเผยแพร่และการเข้าถึงจริง

การขยายตัวของโมเดลแบบเปิดน้ำหนักทำให้ความสำคัญของเส้นทางการเผยแพร่และระบบควบคุมความปลอดภัยเพิ่มขึ้น นอกเหนือจากตัวโมเดลเอง การขยายตัวของระบบนิเวศโมเดลแบบเปิดน้ำหนักโดยมี Hugging Face เป็นศูนย์กลางสอดคล้องกับสภาพตลาดที่ความร่วมมือครั้งนี้มุ่งเป้า

อย่างไรก็ตาม ยังไม่มีการเปิดเผยว่าจะนำโครงสร้างพื้นฐานความปลอดภัยนี้ไปใช้กับโมเดลใดและเมื่อใด รวมถึงยังไม่มีการระบุวิธีวัดผลกระทบต่อประสิทธิภาพหรืออัตราการแจ้งเตือนผิดพลาด

กำหนดการเปิดตัวบริการแบบมีผู้ดูแลและผลการวิจัยแบบเปิดก็ยังไม่ได้ประกาศอย่างเป็นทางการ โมเดลที่จะนำไปใช้ วิธีประเมินความปลอดภัย และการเปิดตัวบริการแบบมีผู้ดูแลจึงยังเป็นประเด็นที่ต้องติดตาม

ชื่อ Base Labs อาจทำให้เกิดการตีความว่าเกี่ยวข้องกับ Base เครือข่ายเลเยอร์ 2 บน Ethereum ที่พัฒนาโดย Coinbase อย่างไรก็ตาม เอกสารทางการที่ตรวจสอบได้ระบุว่า Base Labs เป็นหน่วยงานวิจัยของ Baseten และยังไม่พบความเชื่อมโยงโดยตรงกับบล็อกเชน Base หรือสินทรัพย์ดิจิทัลที่เกี่ยวข้อง

การประกาศครั้งนี้จึงเป็นความร่วมมือด้านเทคโนโลยีที่ต้องการเชื่อมโยงการฝึก การอนุมาน และการเฝ้าระวังโมเดล AI แบบเปิดเข้าไว้ในโครงสร้างพื้นฐานเดียว มากกว่าจะเป็นข่าวการขยายตัวของบล็อกเชนในระบบนิเวศ Base โมเดลที่จะนำไปใช้ ผลการประเมินความปลอดภัย และการเปิดตัวบริการแบบมีผู้ดูแลจะเป็นประเด็นที่ต้องติดตามต่อไป

<ลิขสิทธิ์ ⓒ TokenPost ห้ามเผยแพร่หรือแจกจ่ายซ้ำโดยไม่ได้รับอนุญาต>

บทความที่มีคนดูมากที่สุด

บทความที่เกี่ยวข้อง

ความคิดเห็น 0

ข้อแนะนำสำหรับความคิดเห็น

ขอบคุณสำหรับบทความดี ๆ ต้องการบทความติดตามเพิ่มเติม เป็นการวิเคราะห์ที่ยอดเยี่ยม

0/1000

ข้อแนะนำสำหรับความคิดเห็น

ขอบคุณสำหรับบทความดี ๆ ต้องการบทความติดตามเพิ่มเติม เป็นการวิเคราะห์ที่ยอดเยี่ยม
1