Συνεντεύξεις

Ο Omer Bachar, Συνιδρυτής και Διευθύνων Σύμβουλος της Vetric – Σειρά Συνεντεύξεων

Antoine Tardif
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google
Βασικά σημείαΗ εκκίνηση με ίδια κεφάλαια ανάγκασε τη Vetric να δώσει προτεραιότητα στην αξιοπιστία…
Δείτε περισσότερα
  • Η εκκίνηση με ίδια κεφάλαια ανάγκασε τη Vetric να δώσει προτεραιότητα στην αξιοπιστία της υποδομής έναντι της επέκτασης με κάθε κόστος.
  • Τα μοντέλα ανίχνευσης είναι άχρηστα χωρίς κλιμακούμενη δημόσια υποδομή δεδομένων για να τροφοδοτούνται με απειλές σε πραγματικό χρόνο.
  • Το Deepfake-as-a-Service είναι ήδη εμπορευματοποιημένο στο δωρεάν επίπεδο με εργαλεία ανοιχτού κώδικα.

Ο Omer Bachar, Συνιδρυτής και Διευθύνων Σύμβουλος της Vetric, είναι ένας Ισραηλινός επιχειρηματίας και ηγετική προσωπικότητα στην τεχνολογία εστιασμένη στην ανοιχτή πηγή νοημοσύνης (OSINT) που έχει χτίσει την καριέρα του γύρω από την επίλυση σύνθετων προβλημάτων δεδομένων και νοημοσύνης. Πριν ιδρύσει την Vetric το 2022, ο Bachar ανέπτυξε και εκμεταλλεύτηκε πολλές επιχειρήσεις ιστού ως έφηβος, αποκτώντας εμπειρία στην ανάπτυξη ιστού, SEO, δημιουργία εσόδων από την επισκεψιμότητα και κλιμακωτές ψηφιακές επιχειρήσεις. Αργότερα υπηρέτησε στις Ισραηλινές Αμυντικές Δυνάμεις, όπου βοήθησε στην εκσυγχρονισμό των επιχειρήσεων της Αστυνομίας Στρατού μέσω αυτοματοποίησης, AI, εξόρυξης δεδομένων και αγιλέ μεθοδολογιών ενώ ηγούνταν ομάδων και πρωτοβουλιών προϊόντων. Μετά από μια προηγούμενη αποτυχημένη επιχείρηση και μια εντατική περίοδο ερεύνης στην Ταϊλάνδη με τους συνιδρυτές του, ο Bachar ίδρυσε την Vetric με έμφαση στην υποδομή παρά στην χρηματοδότηση επιχειρηματικών κεφαλαίων, μεγαλώνοντας την εταιρεία με αυτοχρηματοδότηση ενώ εξυπηρετούσε οργανισμούς που βασίζονται σε κλιμακωτή πρόσβαση σε δημόσια δεδομένα ιστού. Το έργο του επικεντρώνεται στην WEBINT, OSINT, συλλογή δεδομένων και ψηφιακή νοημοσύνη απειλών, ιδιαίτερα σε περιοχές που αφορούν απομίμηση, απάτη και κίνδυνοι που σχετίζονται με deepfakes.

Η Vetric είναι μια εταιρεία υποδομής δεδομένων που βοηθά τις οργανώσεις να συλλέγουν, να επεξεργάζονται και να λειτουργούν δημόσια δεδομένα ιστού σε κλίμακα. Η εταιρεία θέτει τον εαυτό της ως ένα αξιόπιστο επίπεδο υποδομής για ομάδες ασφάλειας, κυβερνοασφάλειας και νοημοσύνης που χρειάζονται αξιόπιστη, πραγματική πρόσβαση σε ανοιχτά δεδομένα ιστού. Αντί να χτίζει μια πλατφόρμα που προορίζεται για καταναλωτές, η Vetric επικεντρώνεται σε διαχειριζόμενες API και ευέλικτες διαδικασίες δεδομένων που σχεδιάζονται για να απλοποιήσουν τη μεγάλη κλίμακα συλλογή δημόσιων δεδομένων σε συνεχώς μεταβαλλόμενα online περιβάλλοντα. Η εταιρεία έχει τονίσει μια προσέγγιση “δεδομένα για το καλό”, υποστηρίζοντας οργανισμούς που εργάζονται για την αναγνώριση εκστρατειών απομίμησης, deepfakes, απάτης και άλλων ψηφιακών απειλών. Σύμφωνα με την εταιρεία, έχει μεγαλώσει από μια μικρή ομάδα ιδρυτών σε μια γρήγορα επεκτεινόμενη επιχείρηση που εξυπηρετεί περισσότερους από 100 οργανισμούς παγκοσμίως, παραμένοντας επικεντρωμένη στην κλιμακωτή υποδομή και την επιχειρησιακή αξιοπιστία.

Ξεκινήσατε να χτίζετε επιχειρήσεις ιστού ως έφηβος, αργότερα εργαστήκατε στην εκσυγχρονισμό της Ισραηλινής Αστυνομίας Στρατού με εργαλεία AI και OSINT, και τελικά συνίδρυσε την Vetric.io μετά από μήνες έρευνας προβλημάτων στην Ταϊλάνδη. Πώς αυτές οι εμπειρίες διαμόρφωσαν την πεποίθησή σας ότι η υποδομή δεδομένων, όχι μόνο τα μοντέλα ανίχνευσης, θα γίνει ο πραγματικός αγώνας στην μάχη κατά των deepfakes και της ψηφιακής απομίμησης;

Το νήμα σε όλα αυτά τα κεφάλαια ήταν το ίδιο: κάθε πρόβλημα που σκέφτηκα ότι ήταν ένα πρόβλημα ανίχνευσης, αποδείχθηκε ότι ήταν ένα πρόβλημα δεδομένων ένα επίπεδο πιο κάτω.

Ως έφηβος που βρήσκει ευπαθειές, το σκληρό μέρος δεν ήταν ποτέ η εκμετάλλευση — ήταν η κατασκευή της υποδομής για να βρει τους σωστούς στόχους σε κλίμακα. Στην Αστυνομία Στρατού, η OSINT ήταν το κενό που κανείς δεν δούλευε. Οι εγκληματίες άφηνε ενδείξεις παντού στο ανοιχτό ιστό, σε πλήρη θέα, και είχαμε σχεδόν κανένα συστηματικό τρόπο να φτάσουμε εκεί. Στην Ταϊλάνδη, περάσαμε μήνες μιλώντας με αμυντικές υπηρεσίες, ομάδες νοημοσύνης απειλών, προμηθευτές προστασίας brand, ομάδες απάτης. Το ίδιο μοτίβο παντού. Όλοι ήθελαν εποπτικές.

Εκεί ήταν που συνειδητοποίησα. Τα μοντέλα ανίχνευσης είναι τόσο καλά όσο τα δεδομένα που τα ταΐζετε. Αν δεν μπορείτε να δείτε το deepfake την στιγμή που εμφανίζεται στο ανοιχτό ιστό, ο ανιχνευτής σας είναι άσχετος. Ο αγώνας δεν είναι αν το μοντέλο σας μπορεί να αναγνωρίσει ένα συνθετικό πρόσωπο σε ένα benchmark — είναι αν έχετε ορατότητα στο επίπεδο όπου ζει η επίθεση. Η υποδομή δημόσιων δεδομένων είναι το μέρος που κανείς δεν θέλει να χτίσει γιατί είναι δύσκολο και μη ελκυστικό, αλλά χωρίς αυτήν το υπόλοιπο του stack είναι θέατρο.

Έχετε υποστηρίξει ότι το πρόβλημα των deepfakes έχει αλλάξει θεμελιωδώς τα τελευταία 18 μήνες. Ποια συγκεκριμένα τεχνολογικά σχήματα κάνουν τις σημερινές απάτες AI-γεννημένες πιο επικίνδυνες από τις προηγούμενες κυμαίες απάτης και επιθέσεων απομίμησης;

Τρία πράγματα άλλαξαν την ίδια στιγμή, και η συνδυασμός είναι αυτό που κάνει αυτή τη διαφορά.

Πρώτον, τα μοντέλα multimodal έγιναν αρκετά καλά ώστε να μπορείτε να γεννήσετε πειστικά βίντεο, φωνή και κείμενο από την ίδια πρόκληση σε λίγα λεπτά. Αυτό που χρησιμοποιούσε να απαιτεί μια μικρή ομάδα και μερικές εβδομάδες τώρα παίρνει ένα άτομο και ένα καφε.

Δεύτερον, το κόστος έπεσε από το δάπεδο. Ένα υψηλής ποιότητας αντίγραφο φωνής ενός δημόσιου προσώπου χρησιμοποιούσε να απαιτεί έναν σημαντικό προϋπολογισμό GPU. Σήμερα τρέχει σε καταναλωτικό υλικό ή μια συνδρομή SaaS 20 δολαρίων το μήνα. Το κόστος δεν είναι πλέον ένα εμπόδιο.

Τρίτον — και αυτό είναι το υποτιμημένο κομμάτι — το επίπεδο διανομής έφτασε. Τα fake δεν κάθονται πλέον σε κάποιο απρόσωπο φόρουμ περιμένοντας να ανακαλυφθούν. Ζουν στο ανοιχτό ιστό, στις ίδιες δημόσιες πηγές που καταναλώνουν οι πελάτες και οι εργαζόμενοι σας δεκάδες φορές την ημέρα, συχνά με πληρωμένη ενίσχυση από πάνω. Ένα fabriqué βίντεο ταξιδεύει ακριβώς τόσο γρήγορα όσο οτιδήποτε άλλο στο δημόσιο ιστό.

Στις προηγούμενες κυμαίες, ένας επιτιθέμενος έπρεπε να επιλέξει μεταξύ ποιότητας, ταχύτητας, κλίμακας και εύρους. Τώρα μπορεί να έχει όλα τέσσερα για λιγότερα από 100 δολάρια. Η ασυμμετρία μεταξύ του τι κοστίζει να fabriqué μια πειστική απομίμηση και τι κοστίζει σε μια επιχείρηση να ανιχνεύσει, να αποδώσει και να ανταποκριθεί σε αυτήν είναι ευρύτερη από ό,τι ποτέ.

Η περισσότερη δημόσια συζήτηση γύρω από τα deepfakes εξακολουθεί να επικεντρώνεται στα προγράμματα ανίχνευσης. Γιατί πιστεύετε ότι η αξιόπιστη, μεγάλης κλίμακας υποδομή δημόσιων δεδομένων είναι τώρα τόσο σημαντική όσο και τα μοντέλα AI themselves;

Επειδή ένας ανιχνευτής που δεν μπορεί να δει την απειλή είναι ένα ερευνητικό πρόγραμμα, όχι eine άμυνα.

Η περισσότερη συζήτηση γύρω από τα deepfakes επικεντρώνεται στο αν το μοντέλο μπορεί να πει ένα συνθετικό πρόσωπο από ένα πραγματικό σε ένα ελεγχόμενο benchmark. Αυτό είναι το ελάχιστο. Το επιχειρησιακό πρόβλημα είναι το σκληρότερο: ένα βίντεο απομίμησης μίας μάρκας ανεβαίνει στις 3 π.μ., παίρνει 200.000 προβολές πριν κάποιος το παρατηρήσει, και η διαδικασία ανίχνευσης σας πρέπει να λάβει πραγματικά αυτό το περιεχόμενο σε πραγματικό χρόνο, να το αποδώσει και να ενεργοποιήσει μια ανταπόκριση. Αν δεν έχετε ένα σταθερό, κλιμακωτό τρόπο να λάβετε δημόσια δεδομένα από το ανοιχτό ιστό — τους τόπους όπου η απομίμηση και η απάτη πραγματικά αναπτύσσονται — δεν έχετε τίποτα να τρέξετε τον ανιχνευτή σας.

Υπάρχει ένα σχετικό σημείο που το κάναμε πρόσφατα σε ένα κομμάτι για την παραβίαση της αλυσίδας εφοδιασμού της Anodot. Οι επιχειρήσεις αρχίζουν να συνειδητοποιούν ότι η ασφάλεια της διαδικασίας των προμηθευτών τους είναι η δική τους ασφάλεια. Η ίδια συνειδητοποίηση έρχεται για την AI: η αξιοπιστία του σταδίου ανίχνευσης σας είναι η αξιοπιστία της διαδικασίας δεδομένων σας. Τα μοντέλα παίρνουν την δημοσιότητα. Η υποδομή κάνει τη δουλειά. Η αντιμετώπιση αυτών των δύο ως ξεχωριστές γραμμές προϋπολογισμού είναι ένα λάθος που η αγορά πρόκειται να σταματήσει να κάνει.

Η Vetric μεγάλωσε σε σημαντική κλίμακα χωρίς εξωτερική χρηματοδότηση ενώ εξυπηρετούσε επιχειρήσεις και οργανισμούς που σχετίζονται με την νοημοσύνη. Πώς η αυτοχρηματοδότηση επηρέασε τον τρόπο που χτίσατε την εταιρεία και προτεραιότητα στην αξιοπιστία της υποδομής έναντι της επέκτασης με κάθε κόστος;

Η αυτοχρηματοδότηση αναγκάζει ένα είδος εμμονής στον πελάτη που οι χρηματοδοτούμενες εταιρείες μπορούν να αποφύγουν για πολύ καιρό. Πάντα πιστεύαμε στο να δίνουμε αξία πριν μεγαλώσουμε γρήγορα — και για εμάς αυτό δεν είναι ένα σύνθημα, είναι μια οικονομική πραγματικότητα.

Κάθε δολάριο στο τραπεζικό μας λογαριασμό είναι ένα που ένας πελάτης επέλεξε να μας δώσει sebagai αντάλλαγμα για κάτι που δούλευε. Δεν έχουμε ένα προϋπολογισμό 50 εκατομμυρίων δολαρίων για να γεφυρώσουμε το χάσμα μεταξύ ενός προϊόντος που σχεδόν δουλεύει και ενός που δουλεύει.

Αυτό αλλάζει κάθε απόφαση που η εταιρεία λαμβάνει. Σχημάτισε την αρχιτεκτονική μας όσο και το δρόμο μας. Οι πελάτες μας, οι υπηρεσίες νοημοσύνης, οι ομάδες ψηφιακής προστασίας, οι ομάδες ασφάλειας, δεν θέλουν μόνο ένα προϊόν που δουλεύει.

Αυτό είναι επίσης γιατί χαράξαμε το όριο της εμπιστοσύνης με τον τρόπο που το κάναμε. Προωθούμε δεδομένα στους πελάτες μας, δεν αντλούμε δεδομένα από αυτούς. Δεν κρατάμε μακροχρόνια διαπιστευτήρια σε σύστημα πελάτη. Όταν οι πελάτες θέλουν παράδοση στο δικό τους AWS, χρησιμοποιούμε περιορισμένους ρόλους IAM μόνο για εγγραφή με εξωτερικούς IDs – το προτεινόμενο πρότυπο της AWS που σχεδιάστηκε ειδικά για να αποτρέψει το είδος της παραβίασης που μόλις χτύπησε τους πελάτες της Anodot.

Οι πλατφόρμες Deepfake-as-a-Service μειώνουν το εμπόδιο εισόδου για τους επιτιθέμενους. Προσεγγίζουμε ένα σημείο όπου οι εξαιρετικά εξειδικευμένες ικανότητες απάτης γίνονται πλήρως εμπορεύσιμες και προσβάσιμες σε σχεδόν οποιονδήποτε;

Είμαστε ήδη εκεί για τις βασικές ικανότητες — και όχι μόνο στο επίπεδο πληρωμής, αλλά και στο δωρεάν επίπεδο. Βλέπετε τι είναι ανοιχτά διαθέσιμο τώρα. Μοντέλα όπως το Sora γεννούν πειστικά βίντεο από μια κείμενή πρόκληση. Projecτ ανοιχτού κώδικα face-swap στο GitHub θα πάρει οποιαδήποτε εικόνα αναφοράς και θα την τοποθετήσει σε ένα βίντεο, και τα αποτελέσματα φαίνονται πραγματικά καλά — keine ειδική δεξιότητα απαιτείται, keine πληρωμή, keine underground αγορά.

Το εμπόδιο για την παραγωγή ενός υψηλής ποιότητας fake είναι μια δωρεάν λήψη και ένα απόγευμα πειραματισμού. Υπάρχουν επίσης πληρωμένες υπηρεσίες που περιβάλλουν μια εργαλειοθήκη εργασίας γύρω από τα ίδια είδη μοντέλων για άτομα που δεν θέλουν να εγκαταστήσουν τίποτα, αλλά το επίπεδο ανοιχτού κώδικα είναι η πραγματική ιστορία, επειδή είναι αυτό που δεν μπορείτε να τιμωρήσετε κανέναν. Το άτομο που το λειτουργεί δεν χρειάζεται να κατανοήσει την υποκείμενη τεχνολογία περισσότερο από ό,τι κάποιος που τρέχει ένα κιτ phishing χρειάζεται να κατανοήσει το SMTP.

Τι έρχεται επόμενο είναι το επίπεδο προτύπων, το έτοιμη καμπάνια σε ένα πακέτο — προ-χτισμένα κιτ απομίμησης για συγκεκριμένες μάρκες, συγκεκριμένους εκτελεστίσιους, συγκεκριμένες εκλογικές περιόδους, με τα συνθετικά μέσα, τα ψευδή λογαριασμούς, το πρόγραμμα διανομής και την στόχευση όλα μαζί. Μόλις αυτό υπάρχει σε κλίμακα, το οριακό κόστος για την εκτέλεση μιας επιθέσεως απομίμησης πέφτει στο κόστος για την εκτέλεση μιας πληρωμένης διαφήμισης. Η επίδραση για τους αμυνόμενους είναι άβολα. Δεν μπορείτε πλέον να υποθέσετε ότι ο επιτιθέμενος είναι εξειδικευμένος ή καλά εξοπλισμένος. Ο επιτιθέμενος είναι οποιοςδήποτε με έναν φορητό υπολογιστή και ένα παράπονο.

Πολυάριθμες επιχειρήσεις εξακολουθούν να βασίζονται σε κατακερματισμένα συστήματα παρακολούθησης και καθυστερημένης νοημοσύνης απειλών. Ποια είναι τα μεγαλύτερα αδύνατα σημεία που βλέπετε στο πώς οι οργανισμοί συλλέγουν και επεξεργάζονται δημόσια δεδομένα ιστού σχετικά με απομίμηση και απάτη;

Μερικά αδύνατα σημεία συνεχίζουν να εμφανίζονται σε συνομιλίες με πελάτες. Το πρώτο είναι η κατακερματισμένη. Οι περισσότερες επιχειρήσεις τρέχουν ένα εργαλείο για παρακολούθηση μάρκας, άλλο για προστασία εκτελεστικών, άλλο για απάτη, άλλο για ασφάλεια. Κάθε ένα τραβά από διαφορετικές πηγές με διαφορετική κάλυψη, διαφορετική καθυστέρηση και διαφορετικά τυφλά σημεία.

Όταν μια καμπάνια απομίμησης σπάει σε πολλά γωνίες του ανοικτού ιστού την ίδια στιγμή, τα ραφές μεταξύ αυτών των εργαλείων είναι ακριβώς όπου ο επιτιθέμενος κρύβεται. Και κάτω από αυτήν την κατακερματισμένη υπάρχει ένα βαθύτερο ζήτημα: οι περισσότερες από αυτές τις υπηρεσίες βελτιστοποιούν για την κατάργηση. Βγάζοντας το ψευδές προφίλ είναι απαραίτητο, αλλά από μόνο του είναι whac-a-mole — ένα άλλο ανεβαίνει την επόμενη μέρα. Οι ομάδες που παίρνουν πραγματική κερδισμένη αξία είναι αυτές που διπλασιάζουν την έρευνα: συνδέοντας τους συνδέσμους μεταξύ λογαριασμών, υποδομής και καμπανιών, ώστε να διαλύουν το δίκτυο πίσω από την απομίμηση αντί να χτυπούν σε ένα URL την φορά.

Το δεύτερο είναι η εξάρτηση από middleware που χρειάζεται βαθιά είσοδο σε συστήματα πελάτη. Αυτό είναι το δομικό πρόβλημα που γράψαμε σχετικά με την παραβίαση της Anodot — προμηθευτές που απαιτούν OAuth ή API κλειδιά στο cloud σας γίνονται σημεία αποτυχίας για όλους τους κατωτέρω. Το SOC 2 δεν θα σας σώσει από αυτό. Η αρχιτεκτονική είτε έχει το ραδιόφωνο είτε δεν το έχει.

Το τρίτο είναι η καθυστέρηση. Πολλά από αυτά που πουλιούνται ως “πραγματική νοημοσύνη απειλών” είναι στην πραγματικότητα σε μια καθυστέρηση 4-24 ωρών επειδή η υποκείμενη συλλογή είναι προσανατολισμένη σε παρτίδες. Για απομίμηση και απάτη, αυτό είναι μια αιωνιότητα. Μέχρι την στιγμή που η ειδοποίηση πυροδοτεί, η καμπάνια έχει ολοκληρωθεί.

Το τέταρτο είναι η λανθασμένη κατανομή μεταξύ κάλυψης ανίχνευσης και ικανοτήτων ανάλυσης. Οι εταιρείες επενδύουν σε εργαλεία που σηματοδοτούν συνθετικό ή υποψία περιεχόμενο, αλλά υποκαταβάλλουν στην κάλυψη για να δουν πραγματικά τι αναρτάται γι’ αυτούς σε όλο τον ανοιχτό ιστό, και στις ικανότητες ανάλυσης για να κατανοήσουν τι βλέπουν — ποιος είναι πίσω από αυτό, πώς οι λογαριασμοί συνδέονται, ποια υποδομή μοιράζονται. Σηματοδότηση είναι ένα βήμα, κάλυψη και ανάλυση είναι αυτά που μετατρέπουν μια σηματοδότηση σε δράση. Αυτό είναι σαν να αγοράσετε ένα εξαιρετικό σιγναλιστικό καπνού και να ξεχάσετε να το συνδέσετε.

Έχετε μιλήσει για την αντιμετώπιση δισεκατομμυρίων δημόσιων σημείων δεδομένων κάθε μήνα. Ποια τεχνικά προβλήματα εμφανίζονται όταν προσπαθείτε να χτίσετε υποδομή σε πραγματικό χρόνο ικανή να αναγνωρίζει AI-κίνητες απειλές σε κλίμακα ιστού;

Τα σκληρά προβλήματα δεν είναι αυτά που οι περισσότεροι άνθρωποι περιμένουν. Το πρώτο που πρέπει να πω είναι ότι η κατασκευή αυτού του είδους της υποδομής δεν είναι το σκληρό μέρος — η συντήρηση της είναι. Δεν χτίζετε μια διαδικασία σαν αυτήν μια φορά και μετά την αφήνετε. Χρειάζεστε μια ολόκληρη ομάδα που το έργο της είναι να τη διατηρεί, και αυτή είναι η ομάδα που έχουμε χτίσει. Οι δημόσιες πηγές που συλλέγουμε αλλάζουν συνεχώς, και οποιαδήποτε από αυτές μπορεί να σπάσει μια συλλογή σιωπηλά. Η περισσότερη προσπάθεια της μηχανικής κατά τη διάρκεια του κύκλου ζωής ενός προϊόντος σαν αυτό πηγαίνει στη συντήρηση, όχι στην ανάπτυξη.

Το δεύτερο είναι ότι η κλιμάκωση είναι ένα τρέξιμο. Βελτιώνετε τη διαδικασία, τη-push πιο σκληρά, και σε κάποιο σημείο η κλίμακα γίνεται πολύ για αυτό που χτίσατε και τα πράγματα αρχίζουν να κουνιούνται. Τότε ξαναχτίζετε αυτό το επίπεδο — μερικές φορές από την αρχή — για το επόμενο επίπεδο. Αυτός ο κύκλος δεν τελειώνει ποτέ. Κάθε τάξη μεγέθους σε όγκο είναι αποτελεσματικά ένα διαφορετικό σύστημα, ακόμη και αν φαίνεται το ίδιο προϊόν από έξω.

Το τρίτο είναι η διαθεσιμότητα, που φαίνεται βαρετή μέχρι να θυμηθείτε ποιους πελάτες μας. Κάποιοι από αυτούς χρησιμοποιούν τα δεδομένα μας για να βοηθήσουν στην πρόληψη τρομοκρατικών επιθέσεων. Πραγματικός χρόνος σημαίνει ότι δεν έχετε περίοδο χάριτος. Τα πράγματα θα σπάσουν — πάντα θα κάνουν — και αυτό που μετράει είναι ότι λειτουργούν το υπόλοιπο του χρόνου και να επιδιορθωθούν όσο το δυνατόν γρηγορότερα όταν δεν είναι. Έχουμε σχεδιάσει την κατάσταση on-call, την ειδοποίηση και την εφεδρική για αυτήν την πραγματικότητα, όχι για έναν γενικό αριθμό διαθεσιμότητας SaaS.

Όσο τα συνθετικά μέσα γίνονται πιο πειστικά, πιστεύετε ότι η κοινωνία προχωράει προς μια ευρύτερη “κρίση εμπιστοσύνης” όπου οι άνθρωποι αρχίζουν να αμφιβάλλουν για την εγκυρότητα των γνήσιων ήχων, βίντεο και επικοινωνιών από προεπιλογή;

Κοντύτερα από ό,τι οι άνθρωποι θέλουν να παραδεχτούν. Αλλά δεν πιστεύω ότι τελειώνει σε κατάρρευση — πιστεύω ότι τελειώνει σε μια διαφορετική ισορροπία.

Η αθώα εκδοχή της κρίσης εμπιστοσύνης λέει: κανείς δεν θα πιστεύει κανένα ήχο ή βίντεο, και η δημόσια σφαίρα καταρρέει. Δεν πιστεύω ότι είναι εκεί που πάει αυτό. Οι άνθρωποι είναι εξαιρετικά προσαρμοστικοί για επιSTEMIC περιβάλλοντα. Μάθαμε να διαβάζουμε εφημερίδες με σκεπτικισμό, μετά τηλεόραση, μετά το ιστό. Θα μάθουμε να διαβάζουμε AI-γεννημένα μέσα με σκεπτικισμό επίσης, και αυτό δεν είναι εντελώς κακό αποτέλεσμα — ένα πιο υγιές επίπεδο “επιβεβαιώστε πριν πιστέψετε” είναι overdue.

Τι πιστεύω ότι θα δούμε είναι μια μετατόπιση σε τι μετράει ως απόδειξη. Raw βίντεο και ήχος θα γίνουν πιο αδύναμες μορφές απόδειξης, προέλευση, κρυπτογραφική υπογραφή, αλυσίδα κατοχής και επαλήθευση ταυτότητας θα γίνουν πιο ισχυρές. Οι θεσμοί που καταφέρνουν να επαλήθευσουν πιστωτικά τις δικές τους επικοινωνίες — τράπεζες, κυβερνήσεις, οργανισμοί ειδήσεων — θα προχωρήσουν. Αυτοί που δεν θα το κάνουν θα γίνουν ανεπαρκείς.

Το επικίνδυνο διάστημα είναι το μεσαίο, τα επόμενα δύο έως τρία χρόνια, όπου τα fake γίνονται πιο πειστικά γρηγορότερα από ό,τι η στρώση επαλήθευσης. Αυτό είναι το παράθυρο όπου γίνεται η ζημία, και αυτό είναι το παράθυρο που προσπαθούμε να δώσουμε στους πελάτες μας την ορατότητα για να επιβιώσουν. Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που θέλουν να μάθουν περισσότερα πρέπει να επισκεφθούν την Vetric.

Σας ευχαριστούμε για την εξαιρετική συνέντευξη. Οι αναγνώστες που θέλουν να μάθουν περισσότερα μπορούν να επισκεφθούν τη Vetric.

Ο Antoine είναι ένας οραματιστής ηγέτης και ιδρυτικός εταίρος της Unite.AI, με αμείωτο πάθος για τη διαμόρφωση και την προώθηση του μέλλοντος της τεχνητής νοημοσύνης και της ρομποτικής. Έχοντας ιδρύσει πολλές επιχειρήσεις, πιστεύει ότι η τεχνητή νοημοσύνη θα μεταμορφώσει την κοινωνία όσο και ο ηλεκτρισμός και συχνά μιλά με ενθουσιασμό για τις δυνατότητες των ανατρεπτικών τεχνολογιών και της τεχνητής γενικής νοημοσύνης (AGI).

Ως μελλοντολόγος, είναι αφοσιωμένος στη διερεύνηση του τρόπου με τον οποίο αυτές οι καινοτομίες θα διαμορφώσουν τον κόσμο μας. Επιπλέον, είναι ιδρυτής του Securities.io, μιας πλατφόρμας που εστιάζει στις επενδύσεις σε τεχνολογίες αιχμής οι οποίες επαναπροσδιορίζουν το μέλλον και μεταμορφώνουν ολόκληρους κλάδους.