Suportado ni Ethereum co-founder Vitalik Buterin ang desisyon ng Moonshot AI na alisin ang mga hacking skills sa pinaka-advance nitong Kimi K3.1 Pro model. Para sa kanya, mas okay na limitahan ang kayang gawin ng AI kaysa limitahan kung sino ang puwedeng gumamit nito.
Pero may kapalit itong limitasyon. Sabi ng Moonshot, na-solve ng filtered model ang 81% ng tasks sa internal exploit benchmark nila, habang ang unfiltered version naman ay umabot ng 90.5%.
Bakit Mas Gusto ni Vitalik Buterin Limitahan ang AI kaysa User Checks
Ipinahayag ni Buterin na mas maliit ang risk kapag ang nililimitahan ay mga use case ng AI, imbes na mismong mga user.
Planong i-release ng Moonshot, isang AI startup mula Beijing, ang open weights ng model nila sa November 4. Ibig sabihin, kahit sino puwedeng mag-download nito at patakbuhin sa sariling hardware nila.
Kaya naman sabi ng kumpanya tinanggal nila ang cyber-related data sa training corpus at reinforcement learning environments. Yung mga pangkaraniwang coding tasks—naiwan pa rin.
Ayon kay Vitalik Buterin, darating ang panahon na sobrang lakas ng mga AI-powered attack. Habang wala pa, importante para sa mga developer na may time para i-upgrade ang security, mag-check ng dating code, at siguraduhing safe yung bagong software.
Kita na agad ang threat. Ngayong taon, nalaman ng Binance Research na mas mabilis mag-exploit ng smart contracts ang AI—halos doble kumpara sa kakayahan nitong mag-detect ng mali.
Mag-subscribe sa YouTube channel namin para makita ang mga expert insights mula sa mga leaders at journalists
Ano Mangyayari Kung Magka-problema ang First Wave ng AI Risks?
May babala din si Buterin tungkol sa worst case scenario. Kung magka-aberya sa unang wave ng AI risks, posibleng lumaganap ang sobrang higpit na AI models, required KYC checks sa lahat, at matinding surveillance.
Doon, magiging naka-depende na ang AI access sa credentials at nationality. May mga taong magiging parang second-class, third-class, o fourth-class users, ayon sa kanya.
Matagal nang gusto ni Vitalik Buterin na gawing local ang pag-run ng open AI models gamit ang sariling hardware niya, gaya ng AI laptop tests na ginawa niya.
Pero, alam niyang hindi pangmatagalan ang filter na ito. Nang tanungin kung gumawa pa rin ng ganitong tech ang iba pang AI labs, sagot niya—gagawin at gagawin pa rin nila ito.
Actually, ayon mismo sa Moonshot, lampas na agad ang kakompetensyang model na DeepSeek V4.1-Flash na umabot ng 85.7% score sa parehong benchmark.
Para kay Vitalik Buterin, parang karera na tuloy ang AI safety—hindi na permanenteng harang. Ang advantage ay napupunta sa defenders na nauna nang mag-adopt ng sarili niyang redundant crypto security safeguards bago maunahan ng attackers.
