Summary & Insights
While traders were placing bets on the likelihood of a nuclear detonation in the wake of military strikes, platforms like Polymarket saw a quarter of a million dollars in volume in a single day, highlighting how prediction markets are now being used to gamble on geopolitical terror. This episode of Prof G Markets delves into the unsettling convergence of speculative betting and global conflict, examining platforms that allow wagering on events ranging from political ousters to warfare. The conversation with policy expert Jonathan Cohen questions the social utility and profound risks of this “gamblification of everything,” where markets intended for entertainment can potentially manipulate real-world events or profit from tragedy.
The discussion then pivots to the parallel boom in defense technology, fueled by increasing global conflicts. Startups like Anduril, which is raising a staggering $4 billion, are leading a new wave of venture capital flooding into autonomous weapons and military AI. This represents a significant shift in Silicon Valley’s ethos, where investors and engineers who once avoided the defense sector are now pouring billions into it, reshaping an industry long dominated by legacy contractors. The host notes that warfare is recalibrating the entire investment landscape, much like the AI boom did, turning defense applications into a primary lens for evaluating companies.
Ultimately, the episode posits that as war dominates the news cycle, it is also beginning to dominate investment portfolios and entrepreneurial focus. The narrative is no longer just about which companies can automate tasks, but which can protect—or end—lives. This shift promises to make defense tech the next major hype cycle, forcing a reevaluation of both ethics and opportunity in the market.
Surprising Insights
- Prediction markets on events like the Iran strikes saw one individual account profit over half a million dollars, with trades placed just an hour before the news broke publicly, raising intense questions about insider information and the manipulation of real-world events through financial speculation.
- The line between gambling and investing is debated as being defined by “social utility.” Betting on a stock is seen as investing because capital helps a company build products, while betting on a war outcome is pure gambling, as the money placed doesn’t improve any underlying social good.
- Defense tech startup Anduril, focused on autonomous weapons, is raising a $4 billion round that could double its valuation to $60 billion—a figure that rivals or exceeds some long-established public defense contractors.
- There is a noted cultural shift in Silicon Valley, where venture capitalists and engineers, previously reluctant to engage with the military due to ethical concerns or procurement headaches, are now aggressively funding defense startups.
- The episode suggests that leading AI companies like OpenAI and Anthropic are being recast not just as tech innovators but as defense contractors, as their technology is actively sought and used by the Pentagon for warfare applications.
Practical Takeaways
- Scrutinize the fine print in prediction markets: If using platforms like Polymarket or Kalshi, understand that markets on sensitive topics like political violence or death may be abruptly halted or have specific, narrow conditions that differ from a trader’s assumption.
- Evaluate investments through a geopolitical lens: In a climate dominated by conflict, assess how companies—even in seemingly unrelated sectors—might have defense applications or be affected by war, as this will increasingly drive investor sentiment and valuation.
- Recognize the concentration risk: Be wary of startups, even in high-growth areas like defense tech, that are overwhelmingly reliant on a single customer (like the U.S. government), as this poses a significant financial risk.
- Consider the ethical dimension of “gamblification”: As betting expands into every facet of life, from sports to global stability, consciously decide where you personally draw the line between harmless speculation and morally fraught wagering.
**Cuộc trò chuyện sau đó chuyển sang** ngã ba đường nguy hiểm nơi mô hình quyền riêng tư này gặp sự trỗi dậy của AI “tác nhân”. Whitaker giải thích rằng các tác nhân AI, được thiết kế để tự động hóa tác vụ bằng cách truy cập lịch, tin nhắn và tệp, tạo ra những lỗ hổng bảo mật khổng lồ mới. Bằng cách cần quyền truy cập sâu vào hệ điều hành, chúng tạo ra các cửa hậu có thể làm suy yếu các đảm bảo mã hóa mà các ứng dụng như Signal cung cấp ở tầng ứng dụng. Rủi ro này càng trầm trọng hơn khi các mô hình AI lớn, dựa trên đám mây này hấp thụ những truy vấn và dữ liệu riêng tư nhất của chúng ta, đặt một sức mạnh phi thường và thông tin cá nhân vào tay một vài công ty tập trung. Whitaker định nghĩa lại “AI” không phải là một thế lực tất yếu, đơn nhất, mà là một thuật ngữ tiếp thị uyển chuyển cho một tập hợp công nghệ mà sự phát triển và tích hợp của chúng là những lựa chọn có ý thức—những lựa chọn hiện đang tập trung quyền lực và làm xói mòn quyền tự chủ của con người.
**Cuối cùng, cuộc đối thoại** vật lộn với sự căng thẳng cốt lõi giữa quyền riêng tư và tính hữu dụng trong thế giới hiện đại. Whitaker phản bác quan điểm cho rằng các công cụ giám sát công cộng và mã hóa bị làm yếu là cần thiết cho an toàn, lập luận rằng chúng ta đang sống trong “thời kỳ hoàng kim của giám sát” nơi vấn đề thực sự là tìm kim trong đống cỏ khô dữ liệu, chứ không phải truy cập vào các kênh được mã hóa. Bà cho rằng sự thiếu nhất quán dường như của người tiêu dùng—quan tâm đến quyền riêng tư trong khi sử dụng các dịch vụ tham lam dữ liệu—không phải là đạo đức giả mà là do thiếu sự lựa chọn thực sự có ý nghĩa. Mọi người tự nhiên bị cuốn hút bởi các công cụ mang lại kết nối và tiện lợi; sự phản bội về cơ cấu nằm ở chỗ những công cụ này đã “làm rỗng quyền riêng tư của chúng ta” mà không cung cấp các lựa chọn thay thế thực sự. Con đường phía trước, bà gợi ý, bao gồm việc giành lại quyền xác định câu chuyện của chính mình từ các nền tảng công nghệ hiện đang làm điều đó thay chúng ta.
### Những Góc Nhìn Bất Ngờ
* **Mã hóa không phải là một khối đồng nhất:** Các ứng dụng phổ biến như WhatsApp có thể sử dụng giao thức mã hóa của Signal, nhưng họ thường chỉ áp dụng nó cho nội dung tin nhắn, chứ không phải các “siêu dữ liệu” đi kèm (bạn nói chuyện với ai, khi nào, ảnh hồ sơ của bạn). Siêu dữ liệu này có thể tiết lộ rất nhiều và thường bị thu thập và lưu giữ.
* **AI như một cái cớ cho sa thải:** Whitaker gợi ý rằng trong một số trường hợp của doanh nghiệp, “chiến lược AI” đã được dùng như một lý do công khai chấp nhận được cho việc cắt giảm nhân sự, được hội đồng quản trị và cổ đông hoan nghênh như một dấu hiệu của đổi mới thay vì nhu cầu suy yếu.
* **Thuật ngữ “AI” được sinh ra từ chính trị học thuật:** Từ “Trí tuệ Nhân tạo” (Artificial Intelligence) được John McCarthy đặt ra vào những năm 1950 một phần để phân biệt công việc của ông với lĩnh vực của đối thủ (“điều khiển học”), và để đảm bảo kinh phí tài trợ, cho thấy nguồn gốc của thuật ngữ này như một nhãn hiệu chiến lược, thân thiện với tiếp thị hơn là một mô tả kỹ thuật chính xác.
* **Rủi ro lớn nhất có thể là sự tập trung hóa, không phải ý thức:** Mối quan tâm chính không phải là siêu trí tuệ nổi loạn, mà là sự tập trung cực độ về cơ sở hạ tầng, dữ liệu và quyền lực ra quyết định vào tay một vài gã khổng lồ công nghệ hiện có, được đổi nhãn dưới biểu ngữ thần thoại “AI”.
* **AI có thể tạo ra một cuộc khủng hoảng “nợ kỹ thuật”:** Việc vội vã sử dụng các tác nhân AI viết mã có thể phản tác dụng, tạo ra lượng mã khổng lồ mà không ai hiểu hết, tạo ra các hệ thống mong manh và không thể bảo trì hiệu quả bởi các nhóm kỹ sư đã bị cắt giảm còn lại để giám sát chúng.
### Bài Học Thực Tiễn
* **Xem xét kỹ các tuyên bố “được mã hóa”:** Hiểu rằng một ứng dụng có thể “được mã hóa” nhưng vẫn thu thập lượng lớn dữ liệu về kiểu giao tiếp của bạn. Để nhắn tin thực sự riêng tư, hãy tìm các dịch vụ như Signal mã hóa cả siêu dữ liệu lẫn nội dung.
* **Cực kỳ thận trọng với các tác nhân AI:** Trước khi cấp cho một tác nhân AI quyền truy cập rộng vào thiết bị, tệp hoặc ứng dụng khác của bạn, hãy cân nhắc lỗ hổng bảo mật mà nó tạo ra. Sự tiện lợi đó có thể phải trả giá bằng việc để tác nhân (và công ty mẹ của nó) thấy mọi thứ bạn đang cố gắng giữ kín trong những ứng dụng đó.
* **Giả định rằng truy vấn AI của bạn không riêng tư:** Hãy vận hành trên giả định rằng bất cứ điều gì bạn nhập vào một chatbot AI phổ biến đều được lưu giữ, có thể bị rò rỉ và có thể được dùng để tạo hồ sơ về bạn. Tránh chia sẻ thông tin cá nhân thân mật, y tế hoặc thông tin nghề nghiệp nhạy cảm.
* **Đòi hỏi nhiều hơn sự đồng ý “bấm-nhận-chuột”:** Hỗ trợ các khuôn khổ quy định vượt ra ngoài các biểu ngữ cookie phiền phức để đặt câu hỏi về quyền cơ bản của các công ty trong việc tạo ra dữ liệu về cuộc sống của bạn ngay từ đầu, chuyển gánh nặng chứng minh.
* **Truy cập trang minh bạch của Signal:** Để thấy sự khác biệt cụ thể mà một mô hình ưu tiên quyền riêng tư tạo ra, bạn có thể xem các trát đòi hầu tòa thực tế mà Signal nhận được và lượng dữ liệu tối thiểu mà họ có thể cung cấp tại **signal.org/bigbrother**.
對話隨後轉向隱私保護模式與「代理型」人工智慧崛起交會的危險十字路口。惠特克解釋，設計用於自動化任務的人工智慧代理（需存取行事曆、訊息與檔案）將創造巨大的新安全漏洞。由於需要深度存取作業系統，它們可能開啟後門，破壞如Signal這類應用程式在應用層提供的加密保障。當這些大型雲端人工智慧模型吞噬我們最私密的查詢與數據時，風險更會加劇——這讓極少數中心化企業掌握了異常龐大的權力與個人資訊。惠特克重新解讀「人工智慧」：它不是一股必然的單一力量，而是對一系列技術的可塑性行銷術語，其發展與整合皆是意識選擇的結果，而當前這些選擇正導致權力集中與人類能動性侵蝕。
這場對話最終探討現代社會中隱私與效用間的核心矛盾。惠特克反駁「公共監控工具與弱化加密是安全必需品」的論點，指出我們正處於「監控的黃金時代」，真正的難題在於海量數據中尋覓蛛絲馬跡，而非突破加密管道。她認為，消費者看似矛盾的行為（重視隱私卻使用渴求數據的服務）並非偽善，而是缺乏實質選擇的結果——人們自然傾向能提供連結與便利的工具，但結構性背叛在於這些工具「掏空我們的隱私」卻未提供真正替代方案。她提出，前進之路在於從科技平台手中奪回定義自身敘事的主導權。
### 發人深省的洞見
– **加密技術並非鐵板一塊**：如WhatsApp等流行應用可能採用Signal的加密協議，但通常僅應用於訊息內容，而非相關的「元數據」（對話對象、時間、頭像照片）。這些元數據極具揭露性，且常被收集留存。
– **人工智慧成為裁員藉口**：惠特克指出，部分企業以「人工智慧策略」作為裁員的公開說辭，董事會與股東將其視為創新標誌而非需求疲軟的訊號。
– **「人工智慧」一詞源於學術政治**：該詞由約翰·麥卡錫（John McCarthy）於1950年代提出，部分動機是為區別其研究與競爭領域「控制論」，並爭取資金補助，顯示此術語本質是策略性且利於行銷的標籤，而非精確技術描述。
– **最大風險在於集中化而非意識覺醒**：主要憂慮並非失控的超級智能，而是基礎設施、數據與決策權過度集中於少數科技巨擘手中，這些巨頭正以神話般的「人工智慧」旗幟重塑品牌。
– **人工智慧可能引發「技術債」危機**：急於使用人工智慧編碼代理可能適得其反，產生大量無人完全理解的程式碼，建立脆弱且難以由縮編後的工程團隊有效維護的系統。
### 實用建議
– **細察「加密」宣稱**：須知應用程式即使標榜「加密」仍可能收集大量通訊模式數據。若追求真正私密通訊，應選擇如Signal般同時加密元數據與內容的服務。
– **高度警惕人工智慧代理**：授權人工智慧代理廣泛存取裝置、檔案或其他應用前，務必考量其創造的安全漏洞——便利性可能以犧牲應用內隱私為代價，讓代理（及其母公司）窺見所有保密資訊。
– **預設人工智慧查詢非私密**：應假設輸入主流人工智慧聊天機器人的任何內容皆會被留存、可能外洩並用於建立個人畫像，避免分享私密個人資料、醫療或敏感職場資訊。
– **要求超越「點擊同意」的共識機制**：支持推動監管框架，超越繁瑣的Cookie橫幅，轉而質疑企業創造個人生活數據的根本權利，並轉移舉證責任。
– **瀏覽Signal透明度報告頁面**：欲瞭解隱私優先模式的具體差異，可查閱Signal實際收到的傳票及其能提供的極簡數據，詳見 **signal.org/bigbrother**。
Imagina un mundo donde los agentes de IA no te reemplacen, sino que te necesiten—tu criterio, tu supervisión, tu humanidad—para funcionar de forma segura y efectiva. Esta es la perspectiva que Meredith Whitaker, presidenta de la Signal Foundation, aporta a una conversación que entrelaza hábilmente la importancia crucial de la comunicación privada con las amenazas urgentes, y a menudo pasadas por alto, a la privacidad que plantea la trayectoria actual del desarrollo de la IA. La discusión se centra en la diferencia fundamental de Signal respecto a otras aplicaciones de mensajería: su compromiso obsesivo por recopilar la menor cantidad de datos posible, aplicando cifrado de extremo a extremo a todo, no solo al contenido de los mensajes, sino también a metadatos reveladores como listas de contactos y fotos de perfil. Esta arquitectura técnica crea lo que Whitaker llama una “parte limpia y bien iluminada de internet”, un refugio necesario en una economía digital alimentada por lo contrario por la vigilancia.
La conversación luego gira hacia la peligrosa encrucijada donde este modelo de privacidad se encuentra con el auge de la IA “agéntica”. Whitaker explica que los agentes de IA, diseñados para automatizar tareas accediendo a calendarios, mensajes y archivos, crean enormes nuevas vulnerabilidades de seguridad. Al necesitar acceso profundo a los sistemas operativos, crean puertas traseras que podrían socavar las garantías de cifrado que aplicaciones como Signal proporcionan en la capa de aplicación. Este riesgo se agrava cuando estos grandes modelos de IA basados en la nube ingieren nuestras consultas y datos más íntimos, depositando un poder extraordinario e información personal en manos de unas pocas empresas centralizadas. Whitaker replantea la “IA” no como una fuerza monolítica e inevitable, sino como un término de marketing maleable para un conjunto de tecnologías cuyo desarrollo e integración son elecciones conscientes—elecciones que actualmente concentran poder y erosionan la agencia humana.
Finalmente, el diálogo lidia con la tensión central entre privacidad y utilidad en el mundo moderno. Whitaker rechaza la noción de que las herramientas de vigilancia pública y el cifrado debilitado sean necesarios para la seguridad, argumentando que vivimos en una “edad de oro de la vigilancia” donde el verdadero problema es encontrar agujas en pajares de datos, no acceder a canales cifrados. Postula que la aparente disonancia del consumidor—preocuparse por la privacidad mientras usa servicios ávidos de datos—no es hipocresía sino falta de opciones significativas. Las personas gravitan naturalmente hacia herramientas que ofrecen conexión y conveniencia; la traición estructural es que estas herramientas han “vaciado nuestra privacidad” sin ofrecer alternativas reales. El camino a seguir, sugiere, implica recuperar la autoridad para definir nuestras propias historias de las plataformas tecnológicas que actualmente lo hacen por nosotros.
Perspectivas Sorprendentes
- El cifrado no es monolítico: Aplicaciones populares como WhatsApp pueden usar el protocolo de cifrado de Signal, pero a menudo solo lo aplican al contenido del mensaje, no a los “metadatos” asociados (con quién hablas, cuándo, tu foto de perfil). Estos metadatos pueden ser profundamente reveladores y a menudo son recolectados y retenidos.
- La IA como pretexto para despidos: Whitaker sugiere que, en algunos casos corporativos, la “estrategia de IA” ha servido como un pretexto públicamente aceptable para recortes de personal, bienvenido por juntas directivas y accionistas como señal de innovación más que de debilitamiento de la demanda.
- El término “IA” nació de la política académica: La expresión “Inteligencia Artificial” fue acuñada por John McCarthy en la década de 1950 en parte para diferenciar su trabajo del campo de un rival (“cibernética”) y para asegurar fondos para proyectos, revelando que el término tuvo su origen como una etiqueta estratégica y comercial en lugar de una descripción técnica precisa.
- El mayor riesgo puede ser la centralización, no la conciencia: Una preocupación principal no es una superinteligencia descontrolada, sino la extrema concentración de infraestructura, datos y poder de decisión en manos de unos pocos gigantes tecnológicos existentes, rebautizados bajo la bandera mitológica de la “IA”.
- La IA podría crear una crisis de “deuda técnica”: La prisa por usar agentes de IA para codificación podría resultar contraproducente, generando volúmenes de código que nadie comprende completamente, creando sistemas frágiles e imposibles de mantener eficazmente por los equipos de ingeniería reducidos que quedan para supervisarlos.
Consejos Prácticos
- Examina las afirmaciones sobre “cifrado”: Comprende que una aplicación puede estar “cifrada” pero aún así recopilar grandes cantidades de datos sobre tus patrones de comunicación. Para una mensajería verdaderamente privada, busca servicios como Signal que cifren tanto los metadatos como el contenido.
- Extrema la precaución con los agentes de IA: Antes de conceder a un agente de IA un acceso amplio a tu dispositivo, archivos u otras aplicaciones, considera la vulnerabilidad de seguridad que crea. Esa conveniencia puede tener el costo de permitir que el agente (y su empresa matriz) vea todo lo que intentas mantener privado en esas aplicaciones.
- Da por hecho que tus consultas a la IA no son privadas: Opera bajo el supuesto de que cualquier cosa que escribas en un chatbot de IA convencional se retiene, podría filtrarse y podría usarse para crear un perfil tuyo. Evita compartir información personal íntima, médica o profesional sensible.
- Exige más que un consentimiento con “clic”: Apoya marcos regulatorios que vayan más allá de las engorrosas bandejas de cookies para cuestionar el derecho fundamental de las empresas a crear datos sobre tu vida en primer lugar, cambiando la carga de la prueba.
- Visita la página de transparencia de Signal: Para ver la diferencia concreta que hace un modelo centrado en la privacidad, puedes revisar las citaciones judiciales reales que recibe Signal y los datos mínimos que puede proporcionar en signal.org/bigbrother.
Imagine um mundo em que os agentes de IA não o substituem, mas em vez disso precisam de você — do seu julgamento, da sua supervisão, da sua humanidade — para funcionar com segurança e eficácia. Esta é a perspectiva que Meredith Whitaker, presidente da Signal Foundation, traz a uma conversa que habilmente entrelaça a importância crítica da comunicação privada com as ameaças urgentes, muitas vezes negligenciadas, à privacidade representadas pela trajetória atual do desenvolvimento de IA. A discussão centra-se na diferença fundamental do Signal em relação a outros aplicativos de mensagens: seu compromisso obsessivo em recolher o mínimo de dados possível, aplicando criptografia de ponta a ponta a tudo, não apenas ao conteúdo das mensagens, mas também a metadados reveladores, como listas de contactos e fotos de perfil. Esta arquitetura técnica cria o que Whitaker chama de “uma parte limpa e bem iluminada da internet”, um refúgio necessário numa economia digital alimentada pela vigilância.
A conversa volta-se então para a perigosa encruzilhada onde este modelo de privacidade se encontra com o surgimento da IA “agente”. Whitaker explica que os agentes de IA, concebidos para automatizar tarefas através do acesso a calendários, mensagens e ficheiros, criam enormes novas vulnerabilidades de segurança. Ao necessitarem de acesso profundo aos sistemas operativos, criam portas traseiras que podem minar as garantias de encriptação que aplicativos como o Signal fornecem ao nível da aplicação. Este risco é agravado quando estes grandes modelos de IA baseados em nuvem assimilam as nossas consultas e dados mais íntimos, concentrando um poder extraordinário e informações pessoais nas mãos de algumas empresas centralizadas. Whitaker recontextualiza a “IA” não como uma força monolítica e inevitável, mas como um termo de marketing maleável para um conjunto de tecnologias cujo desenvolvimento e integração são escolhas conscientes — escolhas que atualmente concentram o poder e erodem a autonomia humana.
Em última análise, o diálogo debruça-se sobre a tensão central entre privacidade e utilidade no mundo moderno. Whitaker rejeita a noção de que ferramentas de vigilância pública e encriptação enfraquecida são necessárias para a segurança, argumentando que vivemos numa “era de ouro da vigilância”, onde o verdadeiro problema é encontrar agulhas em palheiros de dados, e não aceder a canais encriptados. Ela propõe que a aparente dissonância do consumidor — preocupar-se com a privacidade enquanto utiliza serviços ávidos de dados — não é hipocrisia, mas uma falta de escolha significativa. As pessoas são naturalmente atraídas por ferramentas que oferecem conexão e conveniência; a traição estrutural é que estas ferramentas “esvaziaram a nossa privacidade” sem oferecer alternativas reais. O caminho a seguir, sugere ela, envolve recuperar a autoridade para definir as nossas próprias narrativas das plataformas tecnológicas que atualmente o fazem por nós.
Conclusões Surpreendentes
- A encriptação não é um monolito: Aplicativos populares como o WhatsApp podem usar o protocolo de encriptação do Signal, mas muitas vezes aplicam-no apenas ao conteúdo das mensagens, não aos “metadados” associados (com quem fala, quando, a sua foto de perfil). Estes metadados podem ser profundamente reveladores e são frequentemente recolhidos e retidos.
- IA como pretexto para despedimentos: Whitaker sugere que, em alguns casos corporativos, a “estratégia de IA” serviu como um pretexto publicamente aceitável para cortes de postos de trabalho, acolhido pelos conselhos de administração e acionistas como um sinal de inovação e não de procura enfraquecida.
- O termo “IA” nasceu da política académica: A expressão “Inteligência Artificial” foi cunhada por John McCarthy na década de 1950, em parte para diferenciar o seu trabalho do campo de um rival (“cibernética”) e para obter financiamento, revelando que o termo teve origem como uma etiqueta estratégica e adequada para marketing, e não como uma descrição técnica precisa.
- O maior risco pode ser a centralização, não a consciência: Uma preocupação primária não é uma superinteligência desonesta, mas a extrema concentração de infraestrutura, dados e poder de decisão nas mãos de alguns gigantes tecnológicos existentes, renomeados sob a bandeira mítica da “IA”.
- A IA pode criar uma crise de “dívida técnica”: A pressa em usar agentes de IA para programação pode sair pela culatra, gerando volumes de código que ninguém compreende totalmente, criando sistemas frágeis e impossíveis de manter eficazmente pelas equipas de engenharia reduzidas que ficam para os supervisionar.
Conclusões Práticas
- Examine com atenção as alegações de “encriptado”: Entenda que uma aplicação pode ser “encriptada” mas ainda assim recolher grandes quantidades de dados sobre os seus padrões de comunicação. Para uma troca de mensagens verdadeiramente privada, procure serviços como o Signal que encriptam tanto os metadados como o conteúdo.
- Seja extremamente cauteloso com agentes de IA: Antes de conceder a um agente de IA um acesso amplo ao seu dispositivo, ficheiros ou outras aplicações, considere a vulnerabilidade de segurança que isso cria. Essa conveniência pode ter o custo de permitir que o agente (e a sua empresa-mãe) veja tudo o que você está a tentar manter privado nessas aplicações.
- Presuma que as suas consultas de IA não são privadas: Parta do princípio de que tudo o que digitar num chatbot de IA convencional é retido, pode ser divulgado e pode ser usado para traçar o seu perfil. Evite partilhar informações pessoais íntimas, médicas ou profissionais sensíveis.
- Exija mais do que consentimento por “clique”: Apoie enquadramentos regulatórios que vão além dos pesados banners de cookies para questionar o direito fundamental das empresas de criar dados sobre a sua vida, em primeiro lugar, invertendo o ónus da prova.
- Visite a página de transparência do Signal: Para ver a diferença concreta que um modelo centrado na privacidade faz, pode consultar as intimações reais que o Signal recebe e os dados mínimos que pode fornecer em signal.org/bigbrother.
Summary & Insights
While traders were placing bets on the likelihood of a nuclear detonation in the wake of military strikes, platforms like Polymarket saw a quarter of a million dollars in volume in a single day, highlighting how prediction markets are now being used to gamble on geopolitical terror. This episode of Prof G Markets delves into the unsettling convergence of speculative betting and global conflict, examining platforms that allow wagering on events ranging from political ousters to warfare. The conversation with policy expert Jonathan Cohen questions the social utility and profound risks of this "gamblification of everything," where markets intended for entertainment can potentially manipulate real-world events or profit from tragedy.
The discussion then pivots to the parallel boom in defense technology, fueled by increasing global conflicts. Startups like Anduril, which is raising a staggering $4 billion, are leading a new wave of venture capital flooding into autonomous weapons and military AI. This represents a significant shift in Silicon Valley's ethos, where investors and engineers who once avoided the defense sector are now pouring billions into it, reshaping an industry long dominated by legacy contractors. The host notes that warfare is recalibrating the entire investment landscape, much like the AI boom did, turning defense applications into a primary lens for evaluating companies.
Ultimately, the episode posits that as war dominates the news cycle, it is also beginning to dominate investment portfolios and entrepreneurial focus. The narrative is no longer just about which companies can automate tasks, but which can protect—or end—lives. This shift promises to make defense tech the next major hype cycle, forcing a reevaluation of both ethics and opportunity in the market.
Surprising Insights
- Prediction markets on events like the Iran strikes saw one individual account profit over half a million dollars, with trades placed just an hour before the news broke publicly, raising intense questions about insider information and the manipulation of real-world events through financial speculation.
- The line between gambling and investing is debated as being defined by "social utility." Betting on a stock is seen as investing because capital helps a company build products, while betting on a war outcome is pure gambling, as the money placed doesn't improve any underlying social good.
- Defense tech startup Anduril, focused on autonomous weapons, is raising a $4 billion round that could double its valuation to $60 billion—a figure that rivals or exceeds some long-established public defense contractors.
- There is a noted cultural shift in Silicon Valley, where venture capitalists and engineers, previously reluctant to engage with the military due to ethical concerns or procurement headaches, are now aggressively funding defense startups.
- The episode suggests that leading AI companies like OpenAI and Anthropic are being recast not just as tech innovators but as defense contractors, as their technology is actively sought and used by the Pentagon for warfare applications.
Practical Takeaways
- Scrutinize the fine print in prediction markets: If using platforms like Polymarket or Kalshi, understand that markets on sensitive topics like political violence or death may be abruptly halted or have specific, narrow conditions that differ from a trader's assumption.
- Evaluate investments through a geopolitical lens: In a climate dominated by conflict, assess how companies—even in seemingly unrelated sectors—might have defense applications or be affected by war, as this will increasingly drive investor sentiment and valuation.
- Recognize the concentration risk: Be wary of startups, even in high-growth areas like defense tech, that are overwhelmingly reliant on a single customer (like the U.S. government), as this poses a significant financial risk.
- Consider the ethical dimension of "gamblification": As betting expands into every facet of life, from sports to global stability, consciously decide where you personally draw the line between harmless speculation and morally fraught wagering.
**Cuộc trò chuyện sau đó chuyển sang** ngã ba đường nguy hiểm nơi mô hình quyền riêng tư này gặp sự trỗi dậy của AI "tác nhân". Whitaker giải thích rằng các tác nhân AI, được thiết kế để tự động hóa tác vụ bằng cách truy cập lịch, tin nhắn và tệp, tạo ra những lỗ hổng bảo mật khổng lồ mới. Bằng cách cần quyền truy cập sâu vào hệ điều hành, chúng tạo ra các cửa hậu có thể làm suy yếu các đảm bảo mã hóa mà các ứng dụng như Signal cung cấp ở tầng ứng dụng. Rủi ro này càng trầm trọng hơn khi các mô hình AI lớn, dựa trên đám mây này hấp thụ những truy vấn và dữ liệu riêng tư nhất của chúng ta, đặt một sức mạnh phi thường và thông tin cá nhân vào tay một vài công ty tập trung. Whitaker định nghĩa lại "AI" không phải là một thế lực tất yếu, đơn nhất, mà là một thuật ngữ tiếp thị uyển chuyển cho một tập hợp công nghệ mà sự phát triển và tích hợp của chúng là những lựa chọn có ý thức—những lựa chọn hiện đang tập trung quyền lực và làm xói mòn quyền tự chủ của con người.
**Cuối cùng, cuộc đối thoại** vật lộn với sự căng thẳng cốt lõi giữa quyền riêng tư và tính hữu dụng trong thế giới hiện đại. Whitaker phản bác quan điểm cho rằng các công cụ giám sát công cộng và mã hóa bị làm yếu là cần thiết cho an toàn, lập luận rằng chúng ta đang sống trong "thời kỳ hoàng kim của giám sát" nơi vấn đề thực sự là tìm kim trong đống cỏ khô dữ liệu, chứ không phải truy cập vào các kênh được mã hóa. Bà cho rằng sự thiếu nhất quán dường như của người tiêu dùng—quan tâm đến quyền riêng tư trong khi sử dụng các dịch vụ tham lam dữ liệu—không phải là đạo đức giả mà là do thiếu sự lựa chọn thực sự có ý nghĩa. Mọi người tự nhiên bị cuốn hút bởi các công cụ mang lại kết nối và tiện lợi; sự phản bội về cơ cấu nằm ở chỗ những công cụ này đã "làm rỗng quyền riêng tư của chúng ta" mà không cung cấp các lựa chọn thay thế thực sự. Con đường phía trước, bà gợi ý, bao gồm việc giành lại quyền xác định câu chuyện của chính mình từ các nền tảng công nghệ hiện đang làm điều đó thay chúng ta.
### Những Góc Nhìn Bất Ngờ
* **Mã hóa không phải là một khối đồng nhất:** Các ứng dụng phổ biến như WhatsApp có thể sử dụng giao thức mã hóa của Signal, nhưng họ thường chỉ áp dụng nó cho nội dung tin nhắn, chứ không phải các "siêu dữ liệu" đi kèm (bạn nói chuyện với ai, khi nào, ảnh hồ sơ của bạn). Siêu dữ liệu này có thể tiết lộ rất nhiều và thường bị thu thập và lưu giữ.
* **AI như một cái cớ cho sa thải:** Whitaker gợi ý rằng trong một số trường hợp của doanh nghiệp, "chiến lược AI" đã được dùng như một lý do công khai chấp nhận được cho việc cắt giảm nhân sự, được hội đồng quản trị và cổ đông hoan nghênh như một dấu hiệu của đổi mới thay vì nhu cầu suy yếu.
* **Thuật ngữ "AI" được sinh ra từ chính trị học thuật:** Từ "Trí tuệ Nhân tạo" (Artificial Intelligence) được John McCarthy đặt ra vào những năm 1950 một phần để phân biệt công việc của ông với lĩnh vực của đối thủ ("điều khiển học"), và để đảm bảo kinh phí tài trợ, cho thấy nguồn gốc của thuật ngữ này như một nhãn hiệu chiến lược, thân thiện với tiếp thị hơn là một mô tả kỹ thuật chính xác.
* **Rủi ro lớn nhất có thể là sự tập trung hóa, không phải ý thức:** Mối quan tâm chính không phải là siêu trí tuệ nổi loạn, mà là sự tập trung cực độ về cơ sở hạ tầng, dữ liệu và quyền lực ra quyết định vào tay một vài gã khổng lồ công nghệ hiện có, được đổi nhãn dưới biểu ngữ thần thoại "AI".
* **AI có thể tạo ra một cuộc khủng hoảng "nợ kỹ thuật":** Việc vội vã sử dụng các tác nhân AI viết mã có thể phản tác dụng, tạo ra lượng mã khổng lồ mà không ai hiểu hết, tạo ra các hệ thống mong manh và không thể bảo trì hiệu quả bởi các nhóm kỹ sư đã bị cắt giảm còn lại để giám sát chúng.
### Bài Học Thực Tiễn
* **Xem xét kỹ các tuyên bố "được mã hóa":** Hiểu rằng một ứng dụng có thể "được mã hóa" nhưng vẫn thu thập lượng lớn dữ liệu về kiểu giao tiếp của bạn. Để nhắn tin thực sự riêng tư, hãy tìm các dịch vụ như Signal mã hóa cả siêu dữ liệu lẫn nội dung.
* **Cực kỳ thận trọng với các tác nhân AI:** Trước khi cấp cho một tác nhân AI quyền truy cập rộng vào thiết bị, tệp hoặc ứng dụng khác của bạn, hãy cân nhắc lỗ hổng bảo mật mà nó tạo ra. Sự tiện lợi đó có thể phải trả giá bằng việc để tác nhân (và công ty mẹ của nó) thấy mọi thứ bạn đang cố gắng giữ kín trong những ứng dụng đó.
* **Giả định rằng truy vấn AI của bạn không riêng tư:** Hãy vận hành trên giả định rằng bất cứ điều gì bạn nhập vào một chatbot AI phổ biến đều được lưu giữ, có thể bị rò rỉ và có thể được dùng để tạo hồ sơ về bạn. Tránh chia sẻ thông tin cá nhân thân mật, y tế hoặc thông tin nghề nghiệp nhạy cảm.
* **Đòi hỏi nhiều hơn sự đồng ý "bấm-nhận-chuột":** Hỗ trợ các khuôn khổ quy định vượt ra ngoài các biểu ngữ cookie phiền phức để đặt câu hỏi về quyền cơ bản của các công ty trong việc tạo ra dữ liệu về cuộc sống của bạn ngay từ đầu, chuyển gánh nặng chứng minh.
* **Truy cập trang minh bạch của Signal:** Để thấy sự khác biệt cụ thể mà một mô hình ưu tiên quyền riêng tư tạo ra, bạn có thể xem các trát đòi hầu tòa thực tế mà Signal nhận được và lượng dữ liệu tối thiểu mà họ có thể cung cấp tại **signal.org/bigbrother**.
對話隨後轉向隱私保護模式與「代理型」人工智慧崛起交會的危險十字路口。惠特克解釋，設計用於自動化任務的人工智慧代理（需存取行事曆、訊息與檔案）將創造巨大的新安全漏洞。由於需要深度存取作業系統，它們可能開啟後門，破壞如Signal這類應用程式在應用層提供的加密保障。當這些大型雲端人工智慧模型吞噬我們最私密的查詢與數據時，風險更會加劇——這讓極少數中心化企業掌握了異常龐大的權力與個人資訊。惠特克重新解讀「人工智慧」：它不是一股必然的單一力量，而是對一系列技術的可塑性行銷術語，其發展與整合皆是意識選擇的結果，而當前這些選擇正導致權力集中與人類能動性侵蝕。
這場對話最終探討現代社會中隱私與效用間的核心矛盾。惠特克反駁「公共監控工具與弱化加密是安全必需品」的論點，指出我們正處於「監控的黃金時代」，真正的難題在於海量數據中尋覓蛛絲馬跡，而非突破加密管道。她認為，消費者看似矛盾的行為（重視隱私卻使用渴求數據的服務）並非偽善，而是缺乏實質選擇的結果——人們自然傾向能提供連結與便利的工具，但結構性背叛在於這些工具「掏空我們的隱私」卻未提供真正替代方案。她提出，前進之路在於從科技平台手中奪回定義自身敘事的主導權。
### 發人深省的洞見
- **加密技術並非鐵板一塊**：如WhatsApp等流行應用可能採用Signal的加密協議，但通常僅應用於訊息內容，而非相關的「元數據」（對話對象、時間、頭像照片）。這些元數據極具揭露性，且常被收集留存。
- **人工智慧成為裁員藉口**：惠特克指出，部分企業以「人工智慧策略」作為裁員的公開說辭，董事會與股東將其視為創新標誌而非需求疲軟的訊號。
- **「人工智慧」一詞源於學術政治**：該詞由約翰·麥卡錫（John McCarthy）於1950年代提出，部分動機是為區別其研究與競爭領域「控制論」，並爭取資金補助，顯示此術語本質是策略性且利於行銷的標籤，而非精確技術描述。
- **最大風險在於集中化而非意識覺醒**：主要憂慮並非失控的超級智能，而是基礎設施、數據與決策權過度集中於少數科技巨擘手中，這些巨頭正以神話般的「人工智慧」旗幟重塑品牌。
- **人工智慧可能引發「技術債」危機**：急於使用人工智慧編碼代理可能適得其反，產生大量無人完全理解的程式碼，建立脆弱且難以由縮編後的工程團隊有效維護的系統。
### 實用建議
- **細察「加密」宣稱**：須知應用程式即使標榜「加密」仍可能收集大量通訊模式數據。若追求真正私密通訊，應選擇如Signal般同時加密元數據與內容的服務。
- **高度警惕人工智慧代理**：授權人工智慧代理廣泛存取裝置、檔案或其他應用前，務必考量其創造的安全漏洞——便利性可能以犧牲應用內隱私為代價，讓代理（及其母公司）窺見所有保密資訊。
- **預設人工智慧查詢非私密**：應假設輸入主流人工智慧聊天機器人的任何內容皆會被留存、可能外洩並用於建立個人畫像，避免分享私密個人資料、醫療或敏感職場資訊。
- **要求超越「點擊同意」的共識機制**：支持推動監管框架，超越繁瑣的Cookie橫幅，轉而質疑企業創造個人生活數據的根本權利，並轉移舉證責任。
- **瀏覽Signal透明度報告頁面**：欲瞭解隱私優先模式的具體差異，可查閱Signal實際收到的傳票及其能提供的極簡數據，詳見 **signal.org/bigbrother**。
Imagina un mundo donde los agentes de IA no te reemplacen, sino que te necesiten—tu criterio, tu supervisión, tu humanidad—para funcionar de forma segura y efectiva. Esta es la perspectiva que Meredith Whitaker, presidenta de la Signal Foundation, aporta a una conversación que entrelaza hábilmente la importancia crucial de la comunicación privada con las amenazas urgentes, y a menudo pasadas por alto, a la privacidad que plantea la trayectoria actual del desarrollo de la IA. La discusión se centra en la diferencia fundamental de Signal respecto a otras aplicaciones de mensajería: su compromiso obsesivo por recopilar la menor cantidad de datos posible, aplicando cifrado de extremo a extremo a todo, no solo al contenido de los mensajes, sino también a metadatos reveladores como listas de contactos y fotos de perfil. Esta arquitectura técnica crea lo que Whitaker llama una "parte limpia y bien iluminada de internet", un refugio necesario en una economía digital alimentada por lo contrario por la vigilancia.
La conversación luego gira hacia la peligrosa encrucijada donde este modelo de privacidad se encuentra con el auge de la IA "agéntica". Whitaker explica que los agentes de IA, diseñados para automatizar tareas accediendo a calendarios, mensajes y archivos, crean enormes nuevas vulnerabilidades de seguridad. Al necesitar acceso profundo a los sistemas operativos, crean puertas traseras que podrían socavar las garantías de cifrado que aplicaciones como Signal proporcionan en la capa de aplicación. Este riesgo se agrava cuando estos grandes modelos de IA basados en la nube ingieren nuestras consultas y datos más íntimos, depositando un poder extraordinario e información personal en manos de unas pocas empresas centralizadas. Whitaker replantea la "IA" no como una fuerza monolítica e inevitable, sino como un término de marketing maleable para un conjunto de tecnologías cuyo desarrollo e integración son elecciones conscientes—elecciones que actualmente concentran poder y erosionan la agencia humana.
Finalmente, el diálogo lidia con la tensión central entre privacidad y utilidad en el mundo moderno. Whitaker rechaza la noción de que las herramientas de vigilancia pública y el cifrado debilitado sean necesarios para la seguridad, argumentando que vivimos en una "edad de oro de la vigilancia" donde el verdadero problema es encontrar agujas en pajares de datos, no acceder a canales cifrados. Postula que la aparente disonancia del consumidor—preocuparse por la privacidad mientras usa servicios ávidos de datos—no es hipocresía sino falta de opciones significativas. Las personas gravitan naturalmente hacia herramientas que ofrecen conexión y conveniencia; la traición estructural es que estas herramientas han "vaciado nuestra privacidad" sin ofrecer alternativas reales. El camino a seguir, sugiere, implica recuperar la autoridad para definir nuestras propias historias de las plataformas tecnológicas que actualmente lo hacen por nosotros.
Perspectivas Sorprendentes
- El cifrado no es monolítico: Aplicaciones populares como WhatsApp pueden usar el protocolo de cifrado de Signal, pero a menudo solo lo aplican al contenido del mensaje, no a los "metadatos" asociados (con quién hablas, cuándo, tu foto de perfil). Estos metadatos pueden ser profundamente reveladores y a menudo son recolectados y retenidos.
- La IA como pretexto para despidos: Whitaker sugiere que, en algunos casos corporativos, la "estrategia de IA" ha servido como un pretexto públicamente aceptable para recortes de personal, bienvenido por juntas directivas y accionistas como señal de innovación más que de debilitamiento de la demanda.
- El término "IA" nació de la política académica: La expresión "Inteligencia Artificial" fue acuñada por John McCarthy en la década de 1950 en parte para diferenciar su trabajo del campo de un rival ("cibernética") y para asegurar fondos para proyectos, revelando que el término tuvo su origen como una etiqueta estratégica y comercial en lugar de una descripción técnica precisa.
- El mayor riesgo puede ser la centralización, no la conciencia: Una preocupación principal no es una superinteligencia descontrolada, sino la extrema concentración de infraestructura, datos y poder de decisión en manos de unos pocos gigantes tecnológicos existentes, rebautizados bajo la bandera mitológica de la "IA".
- La IA podría crear una crisis de "deuda técnica": La prisa por usar agentes de IA para codificación podría resultar contraproducente, generando volúmenes de código que nadie comprende completamente, creando sistemas frágiles e imposibles de mantener eficazmente por los equipos de ingeniería reducidos que quedan para supervisarlos.
Consejos Prácticos
- Examina las afirmaciones sobre "cifrado": Comprende que una aplicación puede estar "cifrada" pero aún así recopilar grandes cantidades de datos sobre tus patrones de comunicación. Para una mensajería verdaderamente privada, busca servicios como Signal que cifren tanto los metadatos como el contenido.
- Extrema la precaución con los agentes de IA: Antes de conceder a un agente de IA un acceso amplio a tu dispositivo, archivos u otras aplicaciones, considera la vulnerabilidad de seguridad que crea. Esa conveniencia puede tener el costo de permitir que el agente (y su empresa matriz) vea todo lo que intentas mantener privado en esas aplicaciones.
- Da por hecho que tus consultas a la IA no son privadas: Opera bajo el supuesto de que cualquier cosa que escribas en un chatbot de IA convencional se retiene, podría filtrarse y podría usarse para crear un perfil tuyo. Evita compartir información personal íntima, médica o profesional sensible.
- Exige más que un consentimiento con "clic": Apoya marcos regulatorios que vayan más allá de las engorrosas bandejas de cookies para cuestionar el derecho fundamental de las empresas a crear datos sobre tu vida en primer lugar, cambiando la carga de la prueba.
- Visita la página de transparencia de Signal: Para ver la diferencia concreta que hace un modelo centrado en la privacidad, puedes revisar las citaciones judiciales reales que recibe Signal y los datos mínimos que puede proporcionar en signal.org/bigbrother.
Imagine um mundo em que os agentes de IA não o substituem, mas em vez disso precisam de você — do seu julgamento, da sua supervisão, da sua humanidade — para funcionar com segurança e eficácia. Esta é a perspectiva que Meredith Whitaker, presidente da Signal Foundation, traz a uma conversa que habilmente entrelaça a importância crítica da comunicação privada com as ameaças urgentes, muitas vezes negligenciadas, à privacidade representadas pela trajetória atual do desenvolvimento de IA. A discussão centra-se na diferença fundamental do Signal em relação a outros aplicativos de mensagens: seu compromisso obsessivo em recolher o mínimo de dados possível, aplicando criptografia de ponta a ponta a tudo, não apenas ao conteúdo das mensagens, mas também a metadados reveladores, como listas de contactos e fotos de perfil. Esta arquitetura técnica cria o que Whitaker chama de "uma parte limpa e bem iluminada da internet", um refúgio necessário numa economia digital alimentada pela vigilância.
A conversa volta-se então para a perigosa encruzilhada onde este modelo de privacidade se encontra com o surgimento da IA "agente". Whitaker explica que os agentes de IA, concebidos para automatizar tarefas através do acesso a calendários, mensagens e ficheiros, criam enormes novas vulnerabilidades de segurança. Ao necessitarem de acesso profundo aos sistemas operativos, criam portas traseiras que podem minar as garantias de encriptação que aplicativos como o Signal fornecem ao nível da aplicação. Este risco é agravado quando estes grandes modelos de IA baseados em nuvem assimilam as nossas consultas e dados mais íntimos, concentrando um poder extraordinário e informações pessoais nas mãos de algumas empresas centralizadas. Whitaker recontextualiza a "IA" não como uma força monolítica e inevitável, mas como um termo de marketing maleável para um conjunto de tecnologias cujo desenvolvimento e integração são escolhas conscientes — escolhas que atualmente concentram o poder e erodem a autonomia humana.
Em última análise, o diálogo debruça-se sobre a tensão central entre privacidade e utilidade no mundo moderno. Whitaker rejeita a noção de que ferramentas de vigilância pública e encriptação enfraquecida são necessárias para a segurança, argumentando que vivemos numa "era de ouro da vigilância", onde o verdadeiro problema é encontrar agulhas em palheiros de dados, e não aceder a canais encriptados. Ela propõe que a aparente dissonância do consumidor — preocupar-se com a privacidade enquanto utiliza serviços ávidos de dados — não é hipocrisia, mas uma falta de escolha significativa. As pessoas são naturalmente atraídas por ferramentas que oferecem conexão e conveniência; a traição estrutural é que estas ferramentas "esvaziaram a nossa privacidade" sem oferecer alternativas reais. O caminho a seguir, sugere ela, envolve recuperar a autoridade para definir as nossas próprias narrativas das plataformas tecnológicas que atualmente o fazem por nós.
Conclusões Surpreendentes
- A encriptação não é um monolito: Aplicativos populares como o WhatsApp podem usar o protocolo de encriptação do Signal, mas muitas vezes aplicam-no apenas ao conteúdo das mensagens, não aos "metadados" associados (com quem fala, quando, a sua foto de perfil). Estes metadados podem ser profundamente reveladores e são frequentemente recolhidos e retidos.
- IA como pretexto para despedimentos: Whitaker sugere que, em alguns casos corporativos, a "estratégia de IA" serviu como um pretexto publicamente aceitável para cortes de postos de trabalho, acolhido pelos conselhos de administração e acionistas como um sinal de inovação e não de procura enfraquecida.
- O termo "IA" nasceu da política académica: A expressão "Inteligência Artificial" foi cunhada por John McCarthy na década de 1950, em parte para diferenciar o seu trabalho do campo de um rival ("cibernética") e para obter financiamento, revelando que o termo teve origem como uma etiqueta estratégica e adequada para marketing, e não como uma descrição técnica precisa.
- O maior risco pode ser a centralização, não a consciência: Uma preocupação primária não é uma superinteligência desonesta, mas a extrema concentração de infraestrutura, dados e poder de decisão nas mãos de alguns gigantes tecnológicos existentes, renomeados sob a bandeira mítica da "IA".
- A IA pode criar uma crise de "dívida técnica": A pressa em usar agentes de IA para programação pode sair pela culatra, gerando volumes de código que ninguém compreende totalmente, criando sistemas frágeis e impossíveis de manter eficazmente pelas equipas de engenharia reduzidas que ficam para os supervisionar.
Conclusões Práticas
- Examine com atenção as alegações de "encriptado": Entenda que uma aplicação pode ser "encriptada" mas ainda assim recolher grandes quantidades de dados sobre os seus padrões de comunicação. Para uma troca de mensagens verdadeiramente privada, procure serviços como o Signal que encriptam tanto os metadados como o conteúdo.
- Seja extremamente cauteloso com agentes de IA: Antes de conceder a um agente de IA um acesso amplo ao seu dispositivo, ficheiros ou outras aplicações, considere a vulnerabilidade de segurança que isso cria. Essa conveniência pode ter o custo de permitir que o agente (e a sua empresa-mãe) veja tudo o que você está a tentar manter privado nessas aplicações.
- Presuma que as suas consultas de IA não são privadas: Parta do princípio de que tudo o que digitar num chatbot de IA convencional é retido, pode ser divulgado e pode ser usado para traçar o seu perfil. Evite partilhar informações pessoais íntimas, médicas ou profissionais sensíveis.
- Exija mais do que consentimento por "clique": Apoie enquadramentos regulatórios que vão além dos pesados banners de cookies para questionar o direito fundamental das empresas de criar dados sobre a sua vida, em primeiro lugar, invertendo o ónus da prova.
- Visite a página de transparência do Signal: Para ver a diferença concreta que um modelo centrado na privacidade faz, pode consultar as intimações reais que o Signal recebe e os dados mínimos que pode fornecer em signal.org/bigbrother.
Meredith Whittaker, president of the Signal Foundation and a leading voice on AI and privacy, joins Scott Galloway to examine the growing tension between artificial intelligence and personal freedom.
They discuss how Signal actually works, why most messaging apps aren’t as private as they claim, and whether AI agents embedded in operating systems pose new security risks.
Algebra of Happiness: a hack for dads.
Learn more about your ad choices. Visit podcastchoices.com/adchoices
Leave a Reply
You must be logged in to post a comment.