Underdog: Umělá inteligence, která nešmíruje

Přiznejme si to na rovinu: většina z nás už dávno přijala, že naše AI asistenti tiše posílají nahrávky našich hlasů, dotazy a vzorce chování na vzdálené servery. Akceptujeme to, protože pohodlí za to stojí. Ale co když to tak být nemusí?

Sigil Wen, podpořený působivým portfóliem siliconvalleyských investorů, vsází na to, že uživatelé jsou připraveni na jiný model. Představuji vám Underdog – nový on-device AI asistent, který nedělá vlny jen svými schopnostmi, ale především radikálním přístupem k soukromí.

Proč je soukromí u klasických AI problém

Když se zeptáte Siri nebo chatujete s Claude, vaše data typicky cestují na cloudové servery, tam se zpracovávají a – podle firemní politiky – můžou být ukládána, analyzována nebo použita k trénování budoucích modelů. Pro běžné uživatele to může působit abstraktně. Pro vývojáře, startupy řešící citlivá zákaznická data nebo kohokoli ve zdravotnictví či právu je to ale skutečný problém.

Důsledky jsme už viděli. úniky dat odhalují konverzace. Trénovací data jsou pod drobnohledem. Regulační opatření jako GDPR a vznikající AI-specifická legislativa nutí firmy čelit otázce, kolik vlastně sbírají.

Co dělá Underdog jinak

Underdog zaujímá osvěžující jednoduchý přístup: vaše data nikdy neopustí vaše zařízení. Asistent běží výhradně lokálně, zpracovává požadavky na místě – ať už na smartphonu, notebooku nebo dedikovaném hardwaru. Tohle není jen funkce pro soukromí – je to architektonická filozofie.

Pro vývojáře budující aplikace s ohledem na soukromí se otevírají zajímavé možnosti. Představte si AI schopnosti, které fungují offline, udržují sub-milisekundové response times a splňují nejpřísnější požadavky na data residency bez jakýchkoli infrastrukturních akrobacií.

Kompromisy (a proč můžou stát za to)

Plné lokální zpracování není bez výzev. Menší modely typicky nedosahují surového výkonu cloudových gigantů u komplexních reasoning úkolů. Hardwarové nároky můžou být vysoké. A udržování modelu aktuálního bez permanentního cloudového připojení vyžaduje kreativní řešení.

Tady je ale pointa: pro každodenní úkoly – nastavení reminderů, psaní e-mailů, rychlé odpovědi na otázky, správa kalendáře – většina uživatelů nepotřebuje GPT-5 úroveň uvažování. Potřebují něco rychlého, spolehlivého a co nebere jejich osobní informace jako příležitost ke sběru dat.

Co to znamená pro celý obor

Underdog v tom není sám. Apple funkcí na zařízení, Google Tensor G3 čipy optimalizované pro lokální zpracování a různé open-source projekty – to všechno tlačí stejným směrem. Otázka není, jestli on-device AI bude důležitá, ale kdo to nejlépe provede.

Pro firmy má tenhle trend reálné dopady. S tím, jak se uživatelé stávají sofistikovanějšími v otázkách soukromí, aplikace defaultující na cloudové zpracování můžou čelit kritice, které jejich privacy-first konkurenti uniknou. Pro vývojáře je pochopení on-device ML frameworků (Core ML, TensorFlow Lite, ONNX) čím dál cennější skill.

Větší obrázek

Jsme svědky inflekčního bodu. Éra „cloud pro všechno", která definovala 2010s, je挑战ována novou filozofií: compute by měl probíhat tam, kde to dává největší smysl. Někdy je to cloud. Někdy je to vášfo pocket.

Underdog reprezentuje tento posun v prostoru AI asistentů – sázku na to, že uživatelé přijmou schopné, soukromé alternativy k datově hladovému status quo. Zda komerčně uspěje, teprve uvidíme, ale základní teze se těžko vyvrací: soukromí by nemělo být premium funkce, za kterou platíte extra.

Underdog by mohl změnit způsob, jak přemýšlíme o tom, který AI asistent si zaslouží místo v našich zařízeních.