DataOrganizer

Unde ajung datele pe care le introduci în AI? Le memorează modelul? Le vede altcineva? Răspunsul onest începe cu ce este, fizic, un model.

Întrebarea despre securitatea datelor în AI este justificată și merită un răspuns mai bun decât „sistemele noastre sunt sigure”. Ca să înțelegi cu adevărat ce se întâmplă cu datele pe care le dai modelului, trebuie mai întâi să știi ce este un model. Nu în sens de marketing, ci în sens fizic.

Nivelul 01

Modelul este un fișier. Un fișier mare de numere.

Înainte ca modelul să răspundă la întrebarea ta, trebuie să existe undeva. Și există într-o formă surprinzător de banală: un fișier pe disc. Conține miliarde de numere, fiecare dintre ele codificând un tipar din antrenament. Nu conține propoziții, amintiri sau tabele. Doar numere. Pentru un model mare, fișierul are între câteva zeci și câteva sute de gigabytes.

Ca modelul să funcționeze, fișierul este încărcat în memoria plăcilor grafice (GPU) dintr-un centru de date. Nu pe un server obișnuit, ci pe mașini specializate, cu zeci de plăci conectate între ele. O singură întrebare de-a ta declanșează o operație matematică pe miliarde de astfel de numere, executată în paralel, într-o fracțiune de secundă.

Nivelul 02

Fereastra de context: memoria de lucru temporară

Dacă modelul este un fișier înghețat de numere, de unde „știe” ce întrebi? Prin așa-numita fereastră de context, un spațiu temporar în care ajunge tot ce participă la conversația curentă: întrebarea ta, istoricul conversației, datele preluate prin MCP, instrucțiunile de sistem. Toate sunt prezente simultan, ca documentele întinse pe birou în fața unui expert.

Când conversația se încheie, biroul este curățat. Nimic nu rămâne în model. Nimic nu ajunge în ponderi. Următoarea conversație începe cu biroul gol.

Nivelul 03

Vectorii: un cuvânt care sună mai periculos decât este

Când vine vorba de AI, apare des cuvântul „vector” sau „vector store”. Sună tehnic și stârnește îngrijorare. În realitate, este vorba despre un mod de a transforma sensul în numere.

Imaginează-ți un spațiu multidimensional în care fiecare cuvânt și fiecare propoziție are locul său. Cuvintele cu sens asemănător sunt apropiate. „Factură” și „notă de plată”: aproape. „Venit” și „câștig”: aproape. „Câine” și „tractor”: departe. Un vector este pur și simplu un set de coordonate în acest spațiu.

Un vector store este o bază de astfel de reprezentări, folosită atunci când vrei ca modelul să găsească rapid fragmentul potrivit dintr-o colecție mare de documente. Dar modelul nu „locuiește” în această bază și nici nu o absoarbe. Se uită în ea, ia ce are nevoie în fereastra de context și răspunde. Este un dicționar, nu o memorie.

Nivelul 04

Calculator, mașinărie statistică sau altceva?

Acum că știm cum funcționează fizic modelul, putem răspunde onest la întrebarea din titlu. Calculatorul este determinist: aceeași intrare dă mereu aceeași ieșire, fără nicio înțelegere a contextului. Mașinăria statistică caută tipare în cifre, dar nu leagă concepte. Modelul de limbaj face un al treilea lucru: înțelege sensul, leagă contexte și trage concluzii. Totuși, nu te ține minte și nu învață de la tine din mers.

Cea mai apropiată descriere este cea de expert fără memorie episodică. A citit tot, dar începe fiecare întâlnire de la zero. Aduci documentele, le discută cu tine, apoi pleacă. Nu le ia cu el. Nu le arată următorului client.

Stratul 05

Ce înseamnă asta pentru securitatea datelor tale

Fără acordul tău pentru antrenarea modelului, datele tale nu ajung în ponderi. Nu actualizează modelul general și nu devin parte din cunoștințele folosite de alți utilizatori. Modelul care ți-a răspuns azi la întrebare este identic cu cel de dinainte de conversația ta.