以開放與可驗證技術建立安全：從防禦性加速到本機 AI

值得記下的 5 件事

1. [5:57]
   防禦性加速要提升共同保護能力，而非讓少數組織獨占工具

   面對更強大的技術，講者主張積極改善實體、網路、資訊與生物等領域的安全，從事後嚇阻轉向事前預防。他也認為，最先進 AI 模型的發展必須留出建置防禦措施的時間，不能只追求能力成長而忽略準備。

2. [10:28]
   健康資料研究應兼顧公共用途與個人隱私

   一項試行計畫正嘗試以全同態加密處理空氣資料，目標是在保護個人隱私的前提下進行去中心化科學研究。講者指出，個人健康資料仍需要更多專案投入，多數智慧健身裝置的設計也未以個人自主與隱私為核心。

3. [12:18]
   去中心化社群應讓使用者真正有權選擇，也能另建社群

   講者不反對社群擁有自身立場，但主張參與者必須有實質選擇，不滿意時能集體組織新社群。改善方向包括提升互通性、讓使用者控制看到的內容並參與內容審核，以及降低另建社群所需的基礎設施門檻。

4. [14:10]
   安全通訊不只要保護訊息內容，也要保護通聯關係

   講者主張通訊工具應開源、安全、經形式化驗證並採用端對端加密，也讓使用者控制資料儲存方式。隱私保護還須涵蓋誰在何時與誰聯絡等中繼資料；內容加密本身，並不等於這些通聯資訊也受到保護。

5. [14:59]
   AI 應優先在本機使用，遠端模型則應限制權限與私人資料外流

   需要遠端先進模型時，可探索用沙盒隔離來限制權限，或先由本機模型改寫請求、移除私人資訊，再檢查回傳結果是否符合使用者利益。這些仍是需要投入的方向，目標是兼顧強大 AI 的能力與本機 AI 的安全、隱私。