Bagaimana Foto Bersama Palsu AI Menjadi Alat Baru Industri Abu-abu yang Menargetkan Zhao Changpeng?

比推Dipublikasikan tanggal 2026-02-05Terakhir diperbarui pada 2026-02-05

Abstrak

Pendiri Binance, Changpeng Zhao (CZ), baru-baru ini menjadi sasaran pemalsuan foto menggunakan AI. Sebuah akun dengan 863.000 pengikut di platform X membagikan foto yang diklaim sebagai foto bersama CZ, namun ia dengan cepat menyadari bahwa foto tersebut adalah palsu. CZ mencatat bahwa ia tidak pernah memiliki kemeja biru-ungu yang terlihat dalam foto, latar belakang acara tidak pernah ada, dan resolusi gambar tidak konsisten, menunjukkan tanda-tanda penyuntingan yang jelas. Foto lain yang dipalsukan ternyata berasal dari foto asli CZ bersama CEO Aster, Leonard. Akun tersebut telah memblokir CZ, dan riwayatnya menunjukkan perubahan yang mencurigakan dari konten non-kripto menjadi fokus pada aktivitas BNB tanpa transisi yang wajar. CZ menduga ini bukan sekadar lelucon, melainkan upaya manipulasi citra yang terencana. Meskipun ia mengira dokumen "surat pengacara" yang beredar sebelumnya jelas-jelas palsu, beberapa media tetap melaporkannya. CZ mengingatkan bahwa kegagalan mengidentifikasi konten palsu, baik yang dihasilkan AI atau hasil editan, dapat berakibat serius.

Penulis: Nicky, Foresight News

Judul Asli: Zhao Changpeng Menjadi Target Industri Abu-abu


Pendiri Binance, Zhao Changpeng (CZ), baru-baru ini kembali menghadapi "masalah".

Dalam sebuah foto di platform X, CZ terlihat berdiri di depan latar belakang acara, berdampingan dengan seorang pengguna yang mengaku "pendukung jangka panjang BNB". Namun, CZ segera menyadari keanehan: kemeja biru-ungu itu tidak pernah dimilikinya, latar belakang itu tidak ada, resolusi gambar antara depan dan belakang tidak konsisten, dan jelas terlihat telah disambung. Selain itu, foto asli dari gambar yang di-edit lainnya adalah foto bersama CZ dan CEO Aster, Leonard.

Yang lebih menarik, akun dengan 863.000 pengikut ini telah memblokir CZ sejak lama.

Pada 4 Februari, CZ secara terbuka memposting analisis detail gambar dan mencatat bahwa riwayat akun tersebut memiliki celah yang jelas: konten awalnya hampir tidak terkait dengan kripto, tetapi kemudian berubah menjadi fokus pada aktivitas BNB, dengan perubahan identitas yang tidak memiliki transisi yang wajar. Menurutnya, akun yang dikelola untuk waktu lama tetapi dibangun di atas materi palsu semacam ini bukan sekadar lelucon, melainkan lebih seperti manipulasi citra yang memiliki target yang telah ditetapkan.

CZ menyatakan bahwa ia tidak mengenal pemegang akun tersebut, juga tidak ingat kapan memblokirnya, tetapi sekarang tampaknya tindakan itu benar. Terkait所谓 "surat kuasa hukum" yang beredar sebelumnya, ia awalnya mengira bahwa jejak pemalsuan sangat jelas sehingga tidak perlu diklarifikasi, tetapi tetap melihat beberapa media yang membagikan gambar terkait dan melaporkannya. Ia mengingatkan, jika bahkan konten yang jelas hasil PS atau AI tidak dapat dibedakan, pada akhirnya mungkin harus membayar harganya.

Pada saat yang sama, beberapa blogger di komunitas Tionghoa juga secara bertahap menemukan bahwa di wilayah berbahasa Inggris, banyak nama yang mengandung karakter Tionghoa, nama panggilan yang mencakup "

Tautan Asli:https://www.bitpush.news/articles/7609077

Pertanyaan Terkait

QApa yang terjadi dengan foto palsu yang menampilkan CZ (Changpeng Zhao) di platform X?

ACZ menemukan foto palsu di platform X yang menunjukkan dirinya berdiri di depan latar belakang acara dengan seorang pengguna yang mengaku 'pendukung jangka panjang BNB'. CZ menyadari bahwa foto tersebut dipalsukan karena ia tidak pernah memiliki kemeja biru-ungu yang dikenakan, latar belakang tidak ada, dan resolusi gambar tidak konsisten, menunjukkan tanda-tanda penyuntingan.

QMengapa CZ mengungkap detail foto palsu tersebut kepada publik?

ACZ mengungkap detail foto palsu tersebut untuk memperingatkan masyarakat tentang manipulasi gambar yang dilakukan oleh akun yang mencurigakan. Ia juga menekankan bahwa akun tersebut memiliki riwayat yang tidak konsisten, awalnya tidak terkait dengan cryptocurrency tetapi kemudian beralih ke konten BNB, menunjukkan kemungkinan tujuan manipulasi citra.

QBagaimana CZ menanggapi akun yang memposting foto palsu tersebut?

ACZ menyatakan bahwa ia tidak mengenal pemegang akun tersebut dan tidak ingat kapan ia memblokirnya. Ia merasa bahwa memblokir akun tersebut adalah tindakan yang tepat, mengingat akun itu menggunakan materi palsu dan memiliki riwayat yang mencurigakan.

QApa dampak dari foto palsu ini terhadap media dan komunitas?

AMeskipun foto tersebut jelas-jelas palsu, beberapa media tetap membagikan dan melaporkannya. CZ memperingatkan bahwa jika masyarakat tidak dapat membedakan konten yang dipalsukan dengan AI atau Photoshop, mereka mungkin akan menanggung konsekuensinya.

QApa yang dapat dipelajari dari insiden foto palsu ini?

AInsiden ini menunjukkan bahwa teknologi AI dapat disalahgunakan untuk memalsukan gambar dan memanipulasi citra publik. Penting bagi masyarakat untuk lebih kritis dan waspada terhadap konten digital yang tidak terverifikasi, terutama di media sosial, untuk menghindari penipuan atau manipulasi.

Bacaan Terkait

Laporan Pagi Wall Street: V-reversal di Akhir Bulan, Tapi Indeks Nasdaq Rekam Performa Terburuk Juli dalam 12 Tahun, Modal Terkonsentrasi ke Raksasa Cloud

**Laporan Pagi Wall Street: Rebound di Akhir Bulan, Tapi Nasdaq Catat Performa Terburuk Juli dalam 12 Tahun, Modal Terakselerasi ke Raksasa Cloud** Pasar saham AS mengalami rebound berbentuk V pada Jumat lalu, dengan tiga indeks utama menguat. Namun, ini tidak menutupi performa buruk sepanjang Juli: Indeks S&P 500 hampir datar, mencatat kinerja Juli terburuk sejak 2014, sementara **Indeks Nasdaq turun 3,2%, merupakan kinerja Juli terburuk sejak 2004.** **Pergerakan Komoditas & Makro:** * **Minyak:** Harga minyak mentah WTI anjlok >8% setelah Presiden Trump membatalkan serangan militer terhadap Iran dan OPEC+ menyetujui peningkatan kuota produksi. * **Emas:** Harga emas naik tipis 0,91% pada Juli, berayun di sekitar $4050/oz. Analis melihat periode konsolidasi dengan kisaran perkiraan $3800-$4500 untuk tahun ini. * **Obligasi & Mata Uang:** Yield obligasi AS 10 tahun melonjak di bulan Juli. AS dan Jepang melakukan intervensi bersama untuk mendukung Yen, mendorong USD/JPY turun di bawah level 156. **Fokus Pasar: Percepatan Aliran Modal ke Raksasa Cloud** Tekanan deleveraging membayangi saham teknologi sepanjang Juli, namun **modal bergerak cepat ke perusahaan cloud besar.** Saham cloud meroket setelah laporan kinerja kuartalan yang kuat, dengan **kapitalisasi pasar gabungan raksasa cloud bertambah hampir $1,5 triliun** dalam seminggu (Microsoft, Amazon, Google). Ini menunjukkan pergeseran modal dari sektor hardware/semikonduktor yang padat menuju perusahaan cloud dengan arus kas yang kuat. **Kilasan Performa Saham Penting:** * **Amazon:** Melonjak 15,32% setelah kinerja AWS yang sangat kuat. * **Microsoft & Google:** Terus menguat dengan prospek bisnis cloud/AI yang solid. * **Meta:** Naik 3,28%, mengakhiri 11 hari penurunan beruntun. * **Apple:** Anjlok 7,35% karena kekhawatiran pasokan dan panduan yang lemah. * **Saham Memori (seperti Micron, Sandisk):** Terkoreksi tajam pada bulan Juli. * **SpaceX:** Akan merilis laporan kinerja pertama pasca-IPO pada 5 Agustus, diikuti masa pelepasan saham terbatas besar-besaran pada 6 Agustus. **Yang Perlu Diperhatikan Minggu Ini:** * **Laporan Kinerja Perusahaan:** Berkshire Hathaway, Palantir, AMD, SpaceX, Disney, Sandisk, Western Digital, dan lainnya. * **Konferensi:** Ai4 2026 dan Flash Memory Summit (FMS). * **Data Makro Kunci:** Laporan Penggajian Non-Pertanian AS (7 Agustus), data ekspor-impor & CPI China.

marsbit46m yang lalu

Laporan Pagi Wall Street: V-reversal di Akhir Bulan, Tapi Indeks Nasdaq Rekam Performa Terburuk Juli dalam 12 Tahun, Modal Terkonsentrasi ke Raksasa Cloud

marsbit46m yang lalu

Rubin Ultra Terkuras Drastis, Apakah Nvidia Juga Tak Tahan dengan Kenaikan Harga Memori?

Laporan terbaru dari SemiAnalysis mengungkapkan bahwa NVIDIA telah merevisi spesifikasi Rubin Ultra, varian flagship dari arsitektur Rubin yang diumumkan di GTC 2026. Alih-alih peningkatan besar pada memori dan daya komputasi, fokus utama kini beralih ke kemampuan interkoneksi skala sistem. Spesifikasi kunci yang diungkapkan menunjukkan Rubin Ultra akan mempertahankan puncak komputasi teoretis yang sama dengan Rubin standar, yaitu 35 PFLOPs. Namun, terjadi pengurangan signifikan pada kapasitas memori, turun menjadi 192GB dengan konfigurasi 8-Hi, lebih rendah dari Rubin standar yang 288GB (12-Hi). Peningkatan bandwidth memori juga minimal, hanya 1 TB/s, dan daya chip bahkan sedikit lebih tinggi. Peningkatan utama justru pada "skala interkoneksi" (*scale-up world size*), yang melonjak dari 72 GPU menjadi 576 GPU. Ini memungkinkan ratusan GPU Rubin Ultra terhubung via NVLink membentuk satu "super GPU" logis yang sangat besar. Analisis SemiAnalysis mengaitkan perubahan desain ini dengan lonjakan harga HBM (High Bandwidth Memory) yang drastis. Biaya material (BOM) untuk rak server Rubin Ultra sempat melonjak menjadi sekitar $8 juta karena harga HBM, tetapi dengan spesifikasi baru, biaya turun ke sekitar $6.4 juta. NVIDIA diduga mengalihkan biaya dari komponen HBM yang mahal (yang pangsa biayanya turun dari ~40% menjadi 28%) ke peningkatan interkoneksi jaringan (naik dari 4% menjadi 12%). Berita ini memicu kekhawatiran pasar tentang permintaan HBM. Saham produsen HBM seperti SK Hynix dan Samsung anjlok sekitar 8%, mencerminkan kekhawatiran bahwa pembeli utama seperti NVIDIA mungkin mulai mengurangi ketergantungan pada HBM berkapasitas tinggi untuk mengontrol biaya sistem AI secara keseluruhan.

Odaily星球日报1j yang lalu

Rubin Ultra Terkuras Drastis, Apakah Nvidia Juga Tak Tahan dengan Kenaikan Harga Memori?

Odaily星球日报1j yang lalu

Model Generatif Bisa Dilatih End-to-End? Intinya Hanya Sebuah For Loop

Model generatif seperti model difusi atau autoregresif yang dominan saat ini biasanya tidak melatih seluruh proses generasi secara end-to-end. Mereka dilatih hanya untuk memprediksi satu "langkah kecil" dalam proses, namun saat inferensi, langkah ini harus diulang ratusan atau ribuan kali. Ketidaksesuaian ini menyebabkan masalah "exposure bias," di mana kesalahan menumpuk seiring waktu. Makalah terbaru dari UIUC dan Harvard memperkenalkan paradigma baru bernama **Explorative Modeling (XM)**. Inti dari metode ini sangat sederhana: alih-alih menghasilkan satu sampel, model menghasilkan **K kandidat** dalam setiap langkah pelatihan. Kemudian, hanya kandidat yang paling dekat dengan data target yang dipilih untuk menghitung gradien dan memperbarui model. Mengapa ini berhasil? Dalam tugas generatif, satu input bisa memiliki banyak output yang valid (mode). Fungsi kerugian rekonstruksi tradisional cenderung menyebabkan "mode blurring," di mana model hanya mempelajari rata-rata dari semua mode, menghasilkan output yang tidak realistis. Dengan menghasilkan beberapa kandidat, model dapat "mengeksplorasi" dan menangkap beberapa mode yang berbeda sekaligus, sehingga menghindari rata-rata yang kabur. Penelitian ini menunjukkan bahwa **"eksplorasi" (K) bertindak sebagai sumbu penskalaan ketiga** yang efektif, selain parameter dan data. Eksperimen pada gambar, video, dan bahasa menunjukkan peningkatan kinerja yang monoton dengan peningkatan K, dengan keuntungan yang lebih besar pada skala yang lebih besar. XM dapat meningkatkan efisiensi FLOP hingga 4.1x dan efisiensi sampel hingga 6.2x. Yang lebih menarik, ketika diterapkan secara ekstrem, XM memungkinkan **pelatihan generatif yang benar-benar end-to-end**. Dalam tugas kontrol robot, "Explorative Policy" berbasis XM mencapai kinerja yang setara dengan "Diffusion Policy" yang membutuhkan 100 langkah inferensi, sementara hanya membutuhkan satu langkah inferensi maju. Ini membuktikan bahwa kompleksitas untuk menangani banyak mode dapat dipindahkan dari inferensi ke pelatihan. Meskipun ide "best-of-K" bukan hal baru, kontribusi utama makalah ini adalah penjelasan teoritis bahwa mekanisme ini secara langsung meningkatkan **ekspresivitas generatif** model. Dengan demikian, ini menawarkan cara baru yang ampuh untuk mengatasi tantangan mendasar dalam pemodelan generatif.

marsbit2j yang lalu

Model Generatif Bisa Dilatih End-to-End? Intinya Hanya Sebuah For Loop

marsbit2j yang lalu

Trading

Spot
活动图片