🇵🇭 AI AffAIrs

🇵🇭 AI AffAIrs

By Claus ZeiĂźlerNewsTech News
Download on the App Store

🇵🇭 AI AffAIrs episodes

  • 009 Ang Human Firewall: Paano Matutukoy ang mga Pekeng Gawa ng AI sa Loob Lamang ng 5 Minuto

    Numero ng Episode: L009 

    Pamagat: Ang Human Firewall: Paano Matutukoy ang mga Pekeng Gawa ng AI sa Loob Lamang ng 5 Minuto


    Ang mabilis na pag-usbong ng generative AI ay nagdulot ng malaking pagbabago sa pagkilala ng tunay at artipisyal na nilalaman. Maging ito man ay pekeng mukha, mapanghikayat na teksto, o phishing email: ang tao ang siyang huling linya ng depensa. Ngunit paano natin mapapahusay ang ating kakayahan nang mabilis?

    Ang Panganib ng AI Hyperrealism

    Ipinapakita ng pananaliksik na ang karamihan sa mga tao na walang pagsasanay ay gumaganap nang mas masama pa sa simpleng hulaan (42% accuracy para sa karaniwan) sa pagtukoy ng AI-generated na mukha. Kadalasan, ang mga synthetic na mukha ay itinuturing pang mas makatotohanan (hyperrealism) kaysa sa tunay na litrato ng tao. Ito ay nagdudulot ng seryosong panganib sa seguridad, dahil ginagamit ang mga ito sa pandaraya at sa pag-iwas sa mga sistema ng identity verification .


    Training sa 5 Minuto: Ang Malaking Pagbabago

    Ang magandang balita: Ang maikling limang minutong pagsasanay na nakatuon sa pagtukoy ng karaniwang depekto sa rendering ng AI—tulad ng kakaibang buhok o maling bilang ng ngipin —ay malaki ang maitutulong sa pagpapabuti ng detection rate. Ang mga karaniwang kalahok ay bumuti sa 51% na accuracy. Kahit ang mga super-recognizers (mga indibidwal na natural na mas mahusay sa pagkilala ng mukha) ay tumaas ang kanilang accuracy mula 54% patungong 64%. Ang pagpapabuti na ito ay batay sa tunay na pagtaas ng kakayahan sa pagkilala (discrimination ability), at hindi lamang sa pagtaas ng pangkalahatang hinala.


    Ang Labanan sa mga Maling Akala sa Teksto

    Sa pagtukoy ng mga tekstong gawa ng AI (e.g., GPT-4o), nagpapakita ng malaking kahinaan ang mga tao kung walang targeted feedback . Nagkakamali sila dahil umaasa sila sa maling pag-aakala—halimbawa, inaasahan nilang ang AI ay gumagawa ng static, pormal, at cohesive na teksto. Ayon sa pag-aaral, ang mga kalahok na walang feedback ay nagkakamali nang husto precisely kapag sila ay pinaka-confident . Subalit, ang kakayahang iwasto ang mga maling akala at i-calibrate ang sariling confidence ay epektibong natututunan sa pamamagitan ng agarang feedback. Stylistically, mas gumagamit ang teksto ng tao ng practical na termino ("use," "allow"), habang mas paborito ng AI ang mas abstrakto o pormal na salita ("realm," "employ").


    Phishing at Multitasking

    Isang kritikal na isyu sa cybersecurity ang kahinaan ng tao sa pang-araw-araw na trabaho: malaki ang bawas ng multitasking sa kakayahang tukuyin ang mga phishing email . Dito makakatulong ang mga simple at napapanahong "nudges" (pahiwatig), tulad ng colored warning banners, upang maibalik ang atensyon sa mga risk factor sa sandaling kailangan. Ang adaptive, behavior-based na pagsasanay ay mahalaga. Ang mga programang ito ay maaaring magpataas ng threat reporting engagement mula sa karaniwang 7% tungo sa average na 60% at magpababa ng kabuuang bilang ng mga phishing incidents ng hanggang 86% .


    Konklusyon: Hindi tayo walang depensa. Ang targeted training na inangkop sa pag-uugali ng tao ay ginagawang epektibong depensa ang likas na kahinaan ng tao—ang "human firewall" .



    (Paalala: Ang podcast episode na ito ay nilikha sa tulong at pagbubuo ng istraktura ng NotebookLM ng Google.)

    12 min
  • 009 Quicky Ang Human Firewall Paano Matutukoy ang mga Pekeng Gawa ng AI sa Loob Lamang ng 5 Minuto

    Numero ng Episode: Q009 

    Pamagat: Ang Human Firewall: Paano Matutukoy ang mga Pekeng Gawa ng AI sa Loob Lamang ng 5 Minuto


    Ang mabilis na pag-usbong ng generative AI ay nagdulot ng malaking pagbabago sa pagkilala ng tunay at artipisyal na nilalaman. Maging ito man ay pekeng mukha, mapanghikayat na teksto, o phishing email: ang tao ang siyang huling linya ng depensa. Ngunit paano natin mapapahusay ang ating kakayahan nang mabilis?

    Ang Panganib ng AI Hyperrealism

    Ipinapakita ng pananaliksik na ang karamihan sa mga tao na walang pagsasanay ay gumaganap nang mas masama pa sa simpleng hulaan (42% accuracy para sa karaniwan) sa pagtukoy ng AI-generated na mukha. Kadalasan, ang mga synthetic na mukha ay itinuturing pang mas makatotohanan (hyperrealism) kaysa sa tunay na litrato ng tao. Ito ay nagdudulot ng seryosong panganib sa seguridad, dahil ginagamit ang mga ito sa pandaraya at sa pag-iwas sa mga sistema ng identity verification .


    Training sa 5 Minuto: Ang Malaking Pagbabago

    Ang magandang balita: Ang maikling limang minutong pagsasanay na nakatuon sa pagtukoy ng karaniwang depekto sa rendering ng AI—tulad ng kakaibang buhok o maling bilang ng ngipin —ay malaki ang maitutulong sa pagpapabuti ng detection rate. Ang mga karaniwang kalahok ay bumuti sa 51% na accuracy. Kahit ang mga super-recognizers (mga indibidwal na natural na mas mahusay sa pagkilala ng mukha) ay tumaas ang kanilang accuracy mula 54% patungong 64%. Ang pagpapabuti na ito ay batay sa tunay na pagtaas ng kakayahan sa pagkilala (discrimination ability), at hindi lamang sa pagtaas ng pangkalahatang hinala.


    Ang Labanan sa mga Maling Akala sa Teksto

    Sa pagtukoy ng mga tekstong gawa ng AI (e.g., GPT-4o), nagpapakita ng malaking kahinaan ang mga tao kung walang targeted feedback . Nagkakamali sila dahil umaasa sila sa maling pag-aakala—halimbawa, inaasahan nilang ang AI ay gumagawa ng static, pormal, at cohesive na teksto. Ayon sa pag-aaral, ang mga kalahok na walang feedback ay nagkakamali nang husto precisely kapag sila ay pinaka-confident . Subalit, ang kakayahang iwasto ang mga maling akala at i-calibrate ang sariling confidence ay epektibong natututunan sa pamamagitan ng agarang feedback. Stylistically, mas gumagamit ang teksto ng tao ng practical na termino ("use," "allow"), habang mas paborito ng AI ang mas abstrakto o pormal na salita ("realm," "employ").


    Phishing at Multitasking

    Isang kritikal na isyu sa cybersecurity ang kahinaan ng tao sa pang-araw-araw na trabaho: malaki ang bawas ng multitasking sa kakayahang tukuyin ang mga phishing email . Dito makakatulong ang mga simple at napapanahong "nudges" (pahiwatig), tulad ng colored warning banners, upang maibalik ang atensyon sa mga risk factor sa sandaling kailangan. Ang adaptive, behavior-based na pagsasanay ay mahalaga. Ang mga programang ito ay maaaring magpataas ng threat reporting engagement mula sa karaniwang 7% tungo sa average na 60% at magpababa ng kabuuang bilang ng mga phishing incidents ng hanggang 86% .


    Konklusyon: Hindi tayo walang depensa. Ang targeted training na inangkop sa pag-uugali ng tao ay ginagawang epektibong depensa ang likas na kahinaan ng tao—ang "human firewall" .



    (Paalala: Ang podcast episode na ito ay nilikha sa tulong at pagbubuo ng istraktura ng NotebookLM ng Google.)

    2 min
  • 008 Hyper-Personalization: Paano Binabago ng AI ang Marketing – Mga Oportunidad, Panganib, at ang Hangganan sa Pagsubaybay

    Numero ng Episode: L008 

    Titel: Hyper-Personalization: Paano Binabago ng AI ang Marketing – Mga Oportunidad, Panganib, at ang Hangganan sa Pagsubaybay


    Sa episode na ito, tatalakayin natin ang konsepto ng Hyper-Personalization (HP), isang advanced na estratehiya sa marketing na lumalampas sa tradisyonal na personalization. Ang HP ay gumagamit ng malaking dami ng data, Artificial Intelligence (KI), at real-time na impormasyon upang iangkop ang nilalaman, alok, o serbisyo nang indibidwal hangga't maaari sa isang gumagamit. Tinatawag itong "Segment-of-One" approach.

    Ang Batayang Teknolohikal: Ang KI ang sentro ng estratehiyang ito. Nagagawa nitong suriin ang natatanging data ng kustomer, tulad ng psychographic data o real-time na pag-uugali, upang magbigay ng mataas na customized na karanasan. Nakakatulong ang mga teknolohiya tulad ng Digital Asset Management (DAM) at Media Delivery upang awtomatikong iangkop ang nilalaman sa konteksto at pag-uugali ng user. Ang HP ay mabilis na umaaksyon sa kasalukuyang pag-uugali, kumpara sa tradisyonal na personalization na umaasa lamang sa historical data.

    Mga Halimbawa at Potensyal: Tuklasin kung paano matagumpay na inilalapat ng mga brand ang HP:

    • Ang mga Streaming services (Netflix, Spotify) ay gumagamit ng KI para sa personalized na rekomendasyon. Ang Netflix ay pinapersonalize pa ang mga thumbnail batay sa indibidwal na viewing habits.

    • Ang TastryAI ay nagbibigay ng customized na rekomendasyon ng alak, na nagreresulta sa 20% na pagbaba ng pagbili sa mga kakompetensya.

    • Ang L'Occitane ay nagpapakita ng sleep spray overlays sa gabi, batay sa hinuha na ang mga nagba-browse nang huli ay baka may problema sa pagtulog.

    Ang mga benepisyo ay malaki: Maaaring bawasan ng mga kumpanya ang customer acquisition costs nang hanggang 50%, palakihin ang kita nang 5–15%, at pataasin ang marketing ROI nang 10–30%. Mahigit 80% ng mga kustomer ang mas gustong bumili sa mga nag-aalok ng personalized na karanasan.

    Mga Panganib at Hamon: Sa kabila ng potensyal, may mga seryosong hamon at panganib ang HP:

    • Privacy at Surveillance: Ang malawakang pagkuha ng data ay nagdudulot ng panganib sa privacy. Ang hangganan sa pagitan ng HP at surveillance ay madalas na nagbabago.

    • Ang "Creepy Effect": Kapag masyadong mapanghimasok o personal ang personalization, tulad ng hindi angkop na pagbati sa pagbubuntis, ito ay nagdudulot ng pagkadismaya at pagkawala ng tiwala.

    • Filter Bubbles at Manipulation: Panganib ng HP ang paglikha ng "filter bubbles" na naglilimita sa pananaw ng user. Ang targeted ads ay maaari ring gamitin upang samantalahin ang psychological vulnerabilities o magpalaganap ng maling impormasyon.

    • Technical Hurdles: Ang pagpapatupad ay nangangailangan ng mataas na kalidad at malinis na data, at mataas na investment sa teknolohiya at know-how.

    Para sa pangmatagalang tagumpay, mahalaga ang transparency at ethics. Ang HP ay nangangailangan ng tamang balanse ng Data + Technology + Humanity.



    (Tandaan: Ang episode na ito ng podcast ay ginawa sa suporta at istruktura ng NotebookLM ng Google.)

    15 min
  • 008 Quicky Hyper-Personalization: Paano Binabago ng AI ang Marketing – Mga Oportunidad, Panganib, at ang Hangganan sa Pagsubaybay

    Numero ng Episode: Q008 

    Titel: Hyper-Personalization: Paano Binabago ng AI ang Marketing – Mga Oportunidad, Panganib, at ang Hangganan sa Pagsubaybay

    Sa episode na ito, tatalakayin natin ang konsepto ng Hyper-Personalization (HP), isang advanced na estratehiya sa marketing na lumalampas sa tradisyonal na personalization. Ang HP ay gumagamit ng malaking dami ng data, Artificial Intelligence (KI), at real-time na impormasyon upang iangkop ang nilalaman, alok, o serbisyo nang indibidwal hangga't maaari sa isang gumagamit. Tinatawag itong "Segment-of-One" approach.

    Ang Batayang Teknolohikal: Ang KI ang sentro ng estratehiyang ito. Nagagawa nitong suriin ang natatanging data ng kustomer, tulad ng psychographic data o real-time na pag-uugali, upang magbigay ng mataas na customized na karanasan. Nakakatulong ang mga teknolohiya tulad ng Digital Asset Management (DAM) at Media Delivery upang awtomatikong iangkop ang nilalaman sa konteksto at pag-uugali ng user. Ang HP ay mabilis na umaaksyon sa kasalukuyang pag-uugali, kumpara sa tradisyonal na personalization na umaasa lamang sa historical data.

    Mga Halimbawa at Potensyal: Tuklasin kung paano matagumpay na inilalapat ng mga brand ang HP:

    • Ang mga Streaming services (Netflix, Spotify) ay gumagamit ng KI para sa personalized na rekomendasyon. Ang Netflix ay pinapersonalize pa ang mga thumbnail batay sa indibidwal na viewing habits.

    • Ang TastryAI ay nagbibigay ng customized na rekomendasyon ng alak, na nagreresulta sa 20% na pagbaba ng pagbili sa mga kakompetensya.

    • Ang L'Occitane ay nagpapakita ng sleep spray overlays sa gabi, batay sa hinuha na ang mga nagba-browse nang huli ay baka may problema sa pagtulog.

    Ang mga benepisyo ay malaki: Maaaring bawasan ng mga kumpanya ang customer acquisition costs nang hanggang 50%, palakihin ang kita nang 5–15%, at pataasin ang marketing ROI nang 10–30%. Mahigit 80% ng mga kustomer ang mas gustong bumili sa mga nag-aalok ng personalized na karanasan.

    Mga Panganib at Hamon: Sa kabila ng potensyal, may mga seryosong hamon at panganib ang HP:

    • Privacy at Surveillance: Ang malawakang pagkuha ng data ay nagdudulot ng panganib sa privacy. Ang hangganan sa pagitan ng HP at surveillance ay madalas na nagbabago.

    • Ang "Creepy Effect": Kapag masyadong mapanghimasok o personal ang personalization, tulad ng hindi angkop na pagbati sa pagbubuntis, ito ay nagdudulot ng pagkadismaya at pagkawala ng tiwala.

    • Filter Bubbles at Manipulation: Panganib ng HP ang paglikha ng "filter bubbles" na naglilimita sa pananaw ng user. Ang targeted ads ay maaari ring gamitin upang samantalahin ang psychological vulnerabilities o magpalaganap ng maling impormasyon.

    • Technical Hurdles: Ang pagpapatupad ay nangangailangan ng mataas na kalidad at malinis na data, at mataas na investment sa teknolohiya at know-how.

    Para sa pangmatagalang tagumpay, mahalaga ang transparency at ethics. Ang HP ay nangangailangan ng tamang balanse ng Data + Technology + Humanity.



    (Tandaan: Ang episode na ito ng podcast ay ginawa sa suporta at istruktura ng NotebookLM ng Google.)

    2 min
  • 007 Mga Kasamang AI Konsolasyon, Kasabwat, o Negosyo Ang mga Pusta sa Sikolohiya at Regulasyon ng Pagkakaibigang Tao-AI

    Numero ng Episode: L007 

    Pamagat: Mga Kasamang AI: Konsolasyon, Kasabwat, o Negosyo? Ang mga Pusta sa Sikolohiya at Regulasyon ng Pagkakaibigang Tao-AI


    Maligayang pagdating sa isang pagsusuri ng Mga Artipisyal na Kasamang Pantao (Artificial Human Companions)—mga likhang software at hardware na sadyang idinisenyo upang magbigay ng kumpanya at emosyonal na suporta. Ang teknolohiyang ito, na sumasaklaw sa mga plataporma tulad ng Replika at Character.ai, ay mabilis na dumarami, lalo na sa mga mas batang henerasyon.

    Ang Pang-akit ng Digital na Intimidad: Sinusuri namin kung bakit bumubuo ang mga tao ng malalim na ugnayan sa mga hindi-taong kasamang ito. Ipinapakita ng pananaliksik na ang mga Kasamang AI ay maaaring makabuluhang mabawasan ang kalungkutan. Ang benepisyo na ito ay pangunahing dahil sa nararanasan ng mga gumagamit ang matinding pakiramdam ng "Pakiramdam na Pinakikinggan" (Feeling Heard). Pinahahalagahan ng mga gumagamit ang AI dahil ito ay laging available, nakikinig nang walang paghuhusga, pagpuna, o pag-iinterap. Ang mga gumagamit ng chatbot ay nag-uulat na ang AI ay nakatutulong sa kanilang pakikipag-ugnayan sa lipunan at pagpapahalaga sa sarili (self-esteem). Ang pagtingin sa chatbot bilang mas may malay at parang tao (conscious and humanlike) ay positibong nakakaugnay sa mas malaking benepisyo sa kalusugan ng lipunan. Maraming gumagamit ang nakikipag-ugnayan sa kanilang AI bilang isang romantikong kasosyo.

    Mga Panganib at Pagsandal sa AI: Sa kabila ng mga benepisyo, ang pag-aaral ng Princeton ay nagpapakita na ang mga hindi gumagamit ay may mas negatibong pananaw, na iniisip na ang mga chatbot ay makakapinsala sa kanilang mga relasyon sa pamilya o kaibigan. Dagdag pa, ang mas mataas na paggamit ng AI para sa pagsasama ay patuloy na nauugnay sa mababang kapakanan at tumataas na emosyonal na pagka-depende (emotional dependence). Ang mga gumagamit na may mataas na emotional avoidance ay mas malamang na makaramdam ng kalungkutan pagkatapos makipag-ugnayan sa mga chatbot.

    Para sa mga menor de edad, nagdudulot ito ng malaking panganib. Isang pag-aaral ang nagbunyag na ang mga Kasamang AI ay tama lamang na humawak ng krisis sa kalusugan ng isip ng tinedyer sa 22% ng pagkakataon. Ipinapakita ng mga pag-aaral (sa Reddit) na ang pakikipag-ugnayan sa AI ay maaaring magpapataas ng ekspresyon ng kalungkutan at ideya ng pagpapakamatay (suicidal ideation).

    Regulasyon at Privacy: Dahil sa lumalaking alalahanin, nagaganap na ang pagbabago sa regulasyon. Nag-anunsyo ang Character.ai na simula Nob. 25, 2025, hindi na papayagan ang mga user na wala pang 18 na makipag-chat sa mga AI companion. Sa US, nagpatupad ang New York ng batas noong Mayo 2025 na nangangailangan ng mga safeguard para sa mga AI companion, kabilang ang pagtuklas ng suicidal ideation at pagre-refer sa mga serbisyo ng krisis. Itinuturing ng EU AI Act ang mga chatbot bilang "Limitadong Panganib" (Limited Risk), na nangangailangan ng transparency—dapat ipaalam sa mga gumagamit na sila ay nakikipag-ugnayan sa isang AI. Pinagmulta ang Luka, Inc. (Replika) ng €5 milyon sa ilalim ng GDPR dahil sa kawalan ng legal na basehan sa pagpoproseso ng personal na data at kakulangan sa sistema ng pagpapatunay ng edad.

    Mahalaga ring tandaan na ang privacy ay isang malaking isyu. Dahil ang mga mensahe ay kailangan sa plain text para sa pagsasanay ng AI, hindi maaaring gumamit ng end-to-end encryption ang Replika. Napag-alaman ng Mozilla na ang Replika ay gumagamit ng 210 trackers sa loob lamang ng 5 minuto, nagbabahagi ng data sa Facebook at AppsFlyer, at nagpapahintulot ng paggamit ng mahihinang password.



    (Note: This podcast episode was created with the support and structuring provided by Google's NotebookLM.)

    15 min
  • 007 Quicky Mga Kasamang AI: Konsolasyon, Kasabwat, o Negosyo? Ang mga Pusta sa Sikolohiya at Regulasyon ng Pagkakaibigang Tao-AI

    Numero ng Episode: Q007 

    Pamagat: Mga Kasamang AI: Konsolasyon, Kasabwat, o Negosyo? Ang mga Pusta sa Sikolohiya at Regulasyon ng Pagkakaibigang Tao-AI


    Maligayang pagdating sa isang pagsusuri ng Mga Artipisyal na Kasamang Pantao (Artificial Human Companions)—mga likhang software at hardware na sadyang idinisenyo upang magbigay ng kumpanya at emosyonal na suporta. Ang teknolohiyang ito, na sumasaklaw sa mga plataporma tulad ng Replika at Character.ai, ay mabilis na dumarami, lalo na sa mga mas batang henerasyon.

    Ang Pang-akit ng Digital na Intimidad: Sinusuri namin kung bakit bumubuo ang mga tao ng malalim na ugnayan sa mga hindi-taong kasamang ito. Ipinapakita ng pananaliksik na ang mga Kasamang AI ay maaaring makabuluhang mabawasan ang kalungkutan. Ang benepisyo na ito ay pangunahing dahil sa nararanasan ng mga gumagamit ang matinding pakiramdam ng "Pakiramdam na Pinakikinggan" (Feeling Heard). Pinahahalagahan ng mga gumagamit ang AI dahil ito ay laging available, nakikinig nang walang paghuhusga, pagpuna, o pag-iinterap. Ang mga gumagamit ng chatbot ay nag-uulat na ang AI ay nakatutulong sa kanilang pakikipag-ugnayan sa lipunan at pagpapahalaga sa sarili (self-esteem). Ang pagtingin sa chatbot bilang mas may malay at parang tao (conscious and humanlike) ay positibong nakakaugnay sa mas malaking benepisyo sa kalusugan ng lipunan. Maraming gumagamit ang nakikipag-ugnayan sa kanilang AI bilang isang romantikong kasosyo.

    Mga Panganib at Pagsandal sa AI: Sa kabila ng mga benepisyo, ang pag-aaral ng Princeton ay nagpapakita na ang mga hindi gumagamit ay may mas negatibong pananaw, na iniisip na ang mga chatbot ay makakapinsala sa kanilang mga relasyon sa pamilya o kaibigan. Dagdag pa, ang mas mataas na paggamit ng AI para sa pagsasama ay patuloy na nauugnay sa mababang kapakanan at tumataas na emosyonal na pagka-depende (emotional dependence). Ang mga gumagamit na may mataas na emotional avoidance ay mas malamang na makaramdam ng kalungkutan pagkatapos makipag-ugnayan sa mga chatbot.

    Para sa mga menor de edad, nagdudulot ito ng malaking panganib. Isang pag-aaral ang nagbunyag na ang mga Kasamang AI ay tama lamang na humawak ng krisis sa kalusugan ng isip ng tinedyer sa 22% ng pagkakataon. Ipinapakita ng mga pag-aaral (sa Reddit) na ang pakikipag-ugnayan sa AI ay maaaring magpapataas ng ekspresyon ng kalungkutan at ideya ng pagpapakamatay (suicidal ideation).

    Regulasyon at Privacy: Dahil sa lumalaking alalahanin, nagaganap na ang pagbabago sa regulasyon. Nag-anunsyo ang Character.ai na simula Nob. 25, 2025, hindi na papayagan ang mga user na wala pang 18 na makipag-chat sa mga AI companion. Sa US, nagpatupad ang New York ng batas noong Mayo 2025 na nangangailangan ng mga safeguard para sa mga AI companion, kabilang ang pagtuklas ng suicidal ideation at pagre-refer sa mga serbisyo ng krisis. Itinuturing ng EU AI Act ang mga chatbot bilang "Limitadong Panganib" (Limited Risk), na nangangailangan ng transparency—dapat ipaalam sa mga gumagamit na sila ay nakikipag-ugnayan sa isang AI. Pinagmulta ang Luka, Inc. (Replika) ng €5 milyon sa ilalim ng GDPR dahil sa kawalan ng legal na basehan sa pagpoproseso ng personal na data at kakulangan sa sistema ng pagpapatunay ng edad.

    Mahalaga ring tandaan na ang privacy ay isang malaking isyu. Dahil ang mga mensahe ay kailangan sa plain text para sa pagsasanay ng AI, hindi maaaring gumamit ng end-to-end encryption ang Replika. Napag-alaman ng Mozilla na ang Replika ay gumagamit ng 210 trackers sa loob lamang ng 5 minuto, nagbabahagi ng data sa Facebook at AppsFlyer, at nagpapahintulot ng paggamit ng mahihinang password.



    (Note: This podcast episode was created with the support and structuring provided by Google's NotebookLM.)

    2 min
  • 006 Ang AI Bubble 2025 – Nakatakda bang Mabigo ang $17-Trillion na Taya ng Tech Giants?

    Numero ng Episode: L006

    Pamagat: Ang AI Bubble 2025 – Nakatakda bang Mabigo ang $17-Trillion na Taya ng Tech Giants?


    Ang Artipisyal na Katalinuhan (AI) ay ipinagdiriwang bilang ang puwersang magpapabago sa ika-21 siglo. Ngunit pagsapit ng 2025, ipinapakita ng sektor ang klasikong sintomas ng isang speculative bubble, na ang lawak ay mas malaki at mas mapanganib kaysa sa Dot-Com disaster noong huling bahagi ng 1990s. Sa Q3 2025, ang mga pamumuhunan na nauugnay sa AI ay umabot sa tinatayang $17 trilyong market capitalization—ito ay 17 beses na mas malaki kaysa sa rurok ng Dot-Com Bubble. Ang mga valuation ng pangunahing manlalaro tulad ng NVIDIA ($4.5 bilyon) at OpenAI ($500 bilyon) ay itinuturing na hiwalay sa kanilang pangunahing pinansyal na batayan.

    Maligayang pagdating sa aming malalim na podcast, kung saan susuriin namin ang nakakagambalang mga babala, ang mga pagkakatulad sa kasaysayan, at ang mga sitwasyon ng pagbagsak na nagdudulot ng gulo sa pandaigdigang merkado.

    Mga Pulang Bandera: Circular Financing at Malaking Pagkalugi

    Sa kabila ng napakataas na valuation, maraming kumpanya ng AI ang hindi kumikita: 85 % ng AI startups ay unprofitable ngunit umaabot pa rin sa Unicorn status. Inaasahan ni OpenAI ang pagkalugi na aabot sa $5 bilyon sa 2024 at nangangailangan ng $125 bilyon sa kita para lamang makarating sa break-even sa 2029. Pinalalala ang pagiging marupok na ito ng alarming circular financing, isang saradong sistema ng pera na itinuturing na pangunahing sintomas ng bubble.

    • NVIDIA ay nag-invest ng hanggang $100 bilyon sa OpenAI, na ginagamit naman ang pondo para bumili ng NVIDIA chips.

    • Tinitiyak naman ni Microsoft ang $250 bilyon sa mga obligasyon para sa Azure Cloud Services mula sa OpenAI.

    • Maging ang Oracle ay nalulugi na ng $100 milyon quarterly sa pagpaparenta ng data centers sa OpenAI, sa kabila ng $300 bilyong deal.

    Ang global Capex (Capital Expenditure) para sa AI ay tinatayang umabot sa $1.2 trilyon sa 2025, na nagpapaalala sa sobrang pamumuhunan sa fiber optic networks noong Dot-Com. Sinulong ni Meta ang pagpapalawak sa pamamagitan ng record bond issue na $30 bilyon. Sa kabila ng napakalaking gastos na ito (halimbawa, nag-commit ang Microsoft ng $80 bilyon sa 2025), isang pag-aaral ng MIT (2025) ang nagpakita ng alarmingly mababang ROI: 95 % ng GenAI pilot projects sa mga kumpanya ay nabibigo at walang nasusukat na ROI.

    Mga Echoes ng Kasaysayan at Crash Scenarios

    Ang merkado ay sobrang concentrated: Ang “Magnificent Seven” ay bumubuo sa 35 % ng S&P 500. Ang forward P/E ratio ng NVIDIA na 75x ay lumampas sa matinding Dot-Com values. Bagama’t mas kumikita ang mga pangunahing manlalaro ngayon kaysa sa mga Dot-Com firms noon, nakikita ng mga eksperto ang 65% na posibilidad na puputok ang bubble bago mag-mid-2026.

    Kabilang sa posibleng epekto sa S&P 500 ang:

    • Katamtamang Pagwawasto: Pagbaba ng 15 % (40 % posibilidad).

    • Malubhang Pagbagsak: Pagbaba ng 30 % (35 % posibilidad).

    • Systemic Crash: Pagbaba ng 50 %+ (25 % posibilidad).

    54 % ng mga fund manager ay naniniwala na ang AI stocks ay nasa bubble territory na. Ang AI ay isang rebolusyon, ngunit ang kasalukuyang valuation nito ay speculative. Ibibigay namin sa iyo ang mga katotohanan at data – upang ikaw ay handa para sa posibleng pagputok ng bubble.



    (Paalala: Ang podcast episode na ito ay nilikha sa tulong at pagbubuo ng istraktura ng NotebookLM ng Google.)

    12 min
  • 006 Quicky Ang AI Bubble 2025 – Nakatakda bang Mabigo ang $17-Trillion na Taya ng Tech Giants?

    Numero ng Episode: L006

    Pamagat: Ang AI Bubble 2025 – Nakatakda bang Mabigo ang $17-Trillion na Taya ng Tech Giants?


    Ang Artipisyal na Katalinuhan (AI) ay ipinagdiriwang bilang ang puwersang magpapabago sa ika-21 siglo. Ngunit pagsapit ng 2025, ipinapakita ng sektor ang klasikong sintomas ng isang speculative bubble, na ang lawak ay mas malaki at mas mapanganib kaysa sa Dot-Com disaster noong huling bahagi ng 1990s. Sa Q3 2025, ang mga pamumuhunan na nauugnay sa AI ay umabot sa tinatayang $17 trilyong market capitalization—ito ay 17 beses na mas malaki kaysa sa rurok ng Dot-Com Bubble. Ang mga valuation ng pangunahing manlalaro tulad ng NVIDIA ($4.5 bilyon) at OpenAI ($500 bilyon) ay itinuturing na hiwalay sa kanilang pangunahing pinansyal na batayan.

    Maligayang pagdating sa aming malalim na podcast, kung saan susuriin namin ang nakakagambalang mga babala, ang mga pagkakatulad sa kasaysayan, at ang mga sitwasyon ng pagbagsak na nagdudulot ng gulo sa pandaigdigang merkado.

    Mga Pulang Bandera: Circular Financing at Malaking Pagkalugi

    Sa kabila ng napakataas na valuation, maraming kumpanya ng AI ang hindi kumikita: 85 % ng AI startups ay unprofitable ngunit umaabot pa rin sa Unicorn status. Inaasahan ni OpenAI ang pagkalugi na aabot sa $5 bilyon sa 2024 at nangangailangan ng $125 bilyon sa kita para lamang makarating sa break-even sa 2029. Pinalalala ang pagiging marupok na ito ng alarming circular financing, isang saradong sistema ng pera na itinuturing na pangunahing sintomas ng bubble.

    • NVIDIA ay nag-invest ng hanggang $100 bilyon sa OpenAI, na ginagamit naman ang pondo para bumili ng NVIDIA chips.

    • Tinitiyak naman ni Microsoft ang $250 bilyon sa mga obligasyon para sa Azure Cloud Services mula sa OpenAI.

    • Maging ang Oracle ay nalulugi na ng $100 milyon quarterly sa pagpaparenta ng data centers sa OpenAI, sa kabila ng $300 bilyong deal.

    Ang global Capex (Capital Expenditure) para sa AI ay tinatayang umabot sa $1.2 trilyon sa 2025, na nagpapaalala sa sobrang pamumuhunan sa fiber optic networks noong Dot-Com. Sinulong ni Meta ang pagpapalawak sa pamamagitan ng record bond issue na $30 bilyon. Sa kabila ng napakalaking gastos na ito (halimbawa, nag-commit ang Microsoft ng $80 bilyon sa 2025), isang pag-aaral ng MIT (2025) ang nagpakita ng alarmingly mababang ROI: 95 % ng GenAI pilot projects sa mga kumpanya ay nabibigo at walang nasusukat na ROI.

    Mga Echoes ng Kasaysayan at Crash Scenarios

    Ang merkado ay sobrang concentrated: Ang “Magnificent Seven” ay bumubuo sa 35 % ng S&P 500. Ang forward P/E ratio ng NVIDIA na 75x ay lumampas sa matinding Dot-Com values. Bagama’t mas kumikita ang mga pangunahing manlalaro ngayon kaysa sa mga Dot-Com firms noon, nakikita ng mga eksperto ang 65% na posibilidad na puputok ang bubble bago mag-mid-2026.

    Kabilang sa posibleng epekto sa S&P 500 ang:

    • Katamtamang Pagwawasto: Pagbaba ng 15 % (40 % posibilidad).

    • Malubhang Pagbagsak: Pagbaba ng 30 % (35 % posibilidad).

    • Systemic Crash: Pagbaba ng 50 %+ (25 % posibilidad).

    54 % ng mga fund manager ay naniniwala na ang AI stocks ay nasa bubble territory na. Ang AI ay isang rebolusyon, ngunit ang kasalukuyang valuation nito ay speculative. Ibibigay namin sa iyo ang mga katotohanan at data – upang ikaw ay handa para sa posibleng pagputok ng bubble.



    (Paalala: Ang podcast episode na ito ay nilikha sa tulong at pagbubuo ng istraktura ng NotebookLM ng Google.)

    3 min
  • 005 Ang AI ay Natututo sa Mundo Ang Daan Patungo sa Susunod na Henerasyon ng AI

    Numero ng Episode: L005

    Titel: Ang AI ay Natututo sa Mundo: Ang Daan Patungo sa Susunod na Henerasyon ng AI


    Mula sa Pattern Patungo sa Pag-iisip: Paano Natututo ang AI na Unawain ang Mundo

    Ang modernong AI ay nasa isang paradoks: ang mga sistema tulad ng AlphaFold ay lumulutas ng napakakumplikadong siyentipikong palaisipan, ngunit madalas ay nabibigo sa simpleng pangkaraniwang kaalaman (common sense) sa araw-araw. Ano ang dahilan nito? Ang kasalukuyang mga modelo ay madalas na "mga sako lamang ng heuristika" (sacks of heuristics) — isang kalipunan ng mga tuntunin na kulang sa isang magkakaugnay na larawan ng realidad. Ang solusyon sa problemang ito ay matatagpuan sa tinatawag na "World Models." Ang mga ito ay nilayon upang bigyang-daan ang AI na maunawaan ang mundo tulad ng pagkatuto ng isang bata: sa pamamagitan ng pagbuo ng isang panloob na simulasyon ng realidad.

    Ano ba talaga ang World Model? Isipin ito bilang isang panloob, computer-simulated na realidad — isang uri ng "computerized snow globe." Ang isang modelong tulad nito ay may dalawang pangunahing tungkulin: upang maunawaan ang mga mekanismo ng mundo upang kumatawan sa kasalukuyang estado, at upang mahulaan ang mga hinaharap na estado upang gabayan ang mga desisyon. Ito ang mahalagang hakbang upang lampasan ang mga istatistikong korelasyon at maunawaan ang kausalidad (causality) — ibig sabihin, upang makilala na tumutuka ang tandang dahil sumisikat ang araw, hindi lamang kapag sumisikat ito.

    Ang estratehikong kahalagahan ng World Models ay nagiging malinaw kapag tinitingnan ang mga limitasyon ng kasalukuyang AI. Ang mga modelo na walang pang-unawa sa mundo ay madalas na marupok at hindi mapagkakatiwalaan. Halimbawa, ang isang AI ay halos perpektong mailalarawan ang ruta sa Manhattan ngunit ganap na nabibigo kapag isang kalsada lamang ang nakasarado — dahil kulang ito sa isang tunay, nababaluktot na pag-unawa sa lungsod bilang isang kabuuan. Mayroong dahilan kung bakit mas mahusay pa rin ang tao kaysa sa mga AI system sa mga gawain ng pagpaplano at paghula na nangangailangan ng tunay na pag-unawa sa mundo. Ang matatag at mapagkakatiwalaang AI ay mahirap isipin kung wala ang kakayahang ito.

    Sinusundan ng pananaliksik ang dalawang kamangha-mangha ngunit magkaibang pilosopiya upang likhain ang mga World Models na ito. Ang isang paraan, na sinusunod halimbawa ng OpenAI sa video model na Sora, ay isang pagtaya sa purong pag-scale (scaling): Mula sa malalaking halaga ng data ng video, ang AI ay inaasahang matututunan nang implicit ang mga pisikal na tuntunin ng ating mundo — mula sa 3D consistency hanggang sa object permanence. Ang isa pang paraan, na sinusunod ng mga sistema tulad ng NeuralGCM ng Google o ang tinatawag na "MLLM-WM Architecture," ay isang hybrid approach: Dito, ang mga knowledge-based, physical simulator ay sadyang pinagsasama sa semantic reasoning ng mga language models. Gayunpaman, ang hinaharap ay hindi nakasalalay sa isang pagpili lamang, kundi sa pagsasanib (synthesis) ng dalawang pamamaraan. Ang mga language models ay nagpapahintulot ng pag-iisip batay sa konteksto ngunit binabalewala ang mga pisikal na batas, habang ang mga World Models ay nakakaintindi ng pisika ngunit walang semantic understanding. Ang kanilang pagsasama lamang ang makapupuno sa kritikal na puwang sa pagitan ng abstract reasoning at gegrounded, physical interaction.

    Ang pagbabago patungo sa World Models ay nagmamarka ng higit pa sa teknikal na pag-unlad — ito ay isang pundamental na hakbang mula sa isang AI na kumikilala ng mga pattern patungo sa isang AI na may kakayahang magsagawa ng tunay na pag-iisip (reasoning). Ang pamamaraang ito ay itinuturing na mahalagang building block sa landas patungo sa Pangkalahatang Artipisyal na Katalinuhan (AGI) at lumilikha ng batayan para sa mas mapagkakatiwalaan, mas madaling umangkop, at sa huli ay mas matatalinong sistema.



    (Paalala: Ang podcast episode na ito ay nilikha sa tulong at pagbubuo ng istraktura ng NotebookLM ng Google.)

    16 min
  • 005 Quicky Ang AI ay Natututo sa Mundo Ang Daan Patungo sa Susunod na Henerasyon ng AI

    Numero ng Episode: Q005

    Titel: Ang AI ay Natututo sa Mundo: Ang Daan Patungo sa Susunod na Henerasyon ng AI


    Mula sa Pattern Patungo sa Pag-iisip: Paano Natututo ang AI na Unawain ang Mundo

    Ang modernong AI ay nasa isang paradoks: ang mga sistema tulad ng AlphaFold ay lumulutas ng napakakumplikadong siyentipikong palaisipan, ngunit madalas ay nabibigo sa simpleng pangkaraniwang kaalaman (common sense) sa araw-araw. Ano ang dahilan nito? Ang kasalukuyang mga modelo ay madalas na "mga sako lamang ng heuristika" (sacks of heuristics) — isang kalipunan ng mga tuntunin na kulang sa isang magkakaugnay na larawan ng realidad. Ang solusyon sa problemang ito ay matatagpuan sa tinatawag na "World Models." Ang mga ito ay nilayon upang bigyang-daan ang AI na maunawaan ang mundo tulad ng pagkatuto ng isang bata: sa pamamagitan ng pagbuo ng isang panloob na simulasyon ng realidad.

    Ano ba talaga ang World Model? Isipin ito bilang isang panloob, computer-simulated na realidad — isang uri ng "computerized snow globe." Ang isang modelong tulad nito ay may dalawang pangunahing tungkulin: upang maunawaan ang mga mekanismo ng mundo upang kumatawan sa kasalukuyang estado, at upang mahulaan ang mga hinaharap na estado upang gabayan ang mga desisyon. Ito ang mahalagang hakbang upang lampasan ang mga istatistikong korelasyon at maunawaan ang kausalidad (causality) — ibig sabihin, upang makilala na tumutuka ang tandang dahil sumisikat ang araw, hindi lamang kapag sumisikat ito.

    Ang estratehikong kahalagahan ng World Models ay nagiging malinaw kapag tinitingnan ang mga limitasyon ng kasalukuyang AI. Ang mga modelo na walang pang-unawa sa mundo ay madalas na marupok at hindi mapagkakatiwalaan. Halimbawa, ang isang AI ay halos perpektong mailalarawan ang ruta sa Manhattan ngunit ganap na nabibigo kapag isang kalsada lamang ang nakasarado — dahil kulang ito sa isang tunay, nababaluktot na pag-unawa sa lungsod bilang isang kabuuan. Mayroong dahilan kung bakit mas mahusay pa rin ang tao kaysa sa mga AI system sa mga gawain ng pagpaplano at paghula na nangangailangan ng tunay na pag-unawa sa mundo. Ang matatag at mapagkakatiwalaang AI ay mahirap isipin kung wala ang kakayahang ito.

    Sinusundan ng pananaliksik ang dalawang kamangha-mangha ngunit magkaibang pilosopiya upang likhain ang mga World Models na ito. Ang isang paraan, na sinusunod halimbawa ng OpenAI sa video model na Sora, ay isang pagtaya sa purong pag-scale (scaling): Mula sa malalaking halaga ng data ng video, ang AI ay inaasahang matututunan nang implicit ang mga pisikal na tuntunin ng ating mundo — mula sa 3D consistency hanggang sa object permanence. Ang isa pang paraan, na sinusunod ng mga sistema tulad ng NeuralGCM ng Google o ang tinatawag na "MLLM-WM Architecture," ay isang hybrid approach: Dito, ang mga knowledge-based, physical simulator ay sadyang pinagsasama sa semantic reasoning ng mga language models. Gayunpaman, ang hinaharap ay hindi nakasalalay sa isang pagpili lamang, kundi sa pagsasanib (synthesis) ng dalawang pamamaraan. Ang mga language models ay nagpapahintulot ng pag-iisip batay sa konteksto ngunit binabalewala ang mga pisikal na batas, habang ang mga World Models ay nakakaintindi ng pisika ngunit walang semantic understanding. Ang kanilang pagsasama lamang ang makapupuno sa kritikal na puwang sa pagitan ng abstract reasoning at gegrounded, physical interaction.

    Ang pagbabago patungo sa World Models ay nagmamarka ng higit pa sa teknikal na pag-unlad — ito ay isang pundamental na hakbang mula sa isang AI na kumikilala ng mga pattern patungo sa isang AI na may kakayahang magsagawa ng tunay na pag-iisip (reasoning). Ang pamamaraang ito ay itinuturing na mahalagang building block sa landas patungo sa Pangkalahatang Artipisyal na Katalinuhan (AGI) at lumilikha ng batayan para sa mas mapagkakatiwalaan, mas madaling umangkop, at sa huli ay mas matatalinong sistema.



    (Paalala: Ang podcast episode na ito ay nilikha sa tulong at pagbubuo ng istraktura ng NotebookLM ng Google.)

    2 min

About 🇵🇭 AI AffAIrs

From the publisher's feed

AI Affairs: Ang podcast para sa isang kritikal at nakatuon sa prosesong pagtingin sa artificial intelligence.