대부분은 일방 통행 렌즈를 통해 인공 지능 (AI)을 봅니다. 이 기술은 인간에게 서비스를 제공하고 새로운 수준의 효율성, 정확성 및 생산성을 달성하기 위해서만 존재합니다. 그러나 우리가 방정식의 절반을 놓치면 어떻게 될까요? 그리고 그렇게함으로써 우리가 기술의 결함을 증폭 시키면 어떻게 될까요?
AI는 초기 단계에 있으며 여전히 추론, 데이터 품질 및 신뢰, 가치 및 인센티브와 같은 개념을 이해하는 데 여전히 중대한 제한에 직면 해 있습니다. 현재 기능과 진정한 “지능”사이의 분열은 상당합니다. 좋은 소식? AI의 수동적 인 소비자보다는 활발한 협력자가되어이를 변경할 수 있습니다.
인간은 더 나은 추론 프레임 워크를 제공하고 품질 데이터를 공급하며 신뢰 격차를 해소함으로써 지능적인 진화의 열쇠를 보유하고 있습니다. 결과적으로 Man and Machine은 윈윈을 위해 나란히 작동 할 수 있습니다. 더 나은 협업이 더 나은 데이터를 생성하고 더 나은 결과를 얻을 수 있습니다.
보다 공생 관계가 어떻게 보일 수 있는지, 파트너로서 의미있는 협업이 AI 방정식의 양쪽에 어떻게 도움이 될 수 있는지 고려해 봅시다.
사람과 기계의 필요한 관계
AI는 의심 할 여지없이 방대한 데이터 세트를 분석하고 복잡한 작업을 자동화하는 데 좋습니다. 그러나이 기술은 우리처럼 생각할 때 근본적으로 제한적입니다. 첫째, 이러한 모델과 플랫폼은 교육 데이터를 넘어서 추론으로 어려움을 겪고 있습니다. 패턴 인식과 통계 예측은 아무런 문제가 없지만 우리가 당연한 것으로 여겨지는 상황 판단과 논리적 프레임 워크는 복제하기가 더 어렵습니다. 이 추론 격차는 미묘한 시나리오 나 윤리적 판단에 직면했을 때 AI가 종종 흔들리는 것을 의미합니다.
둘째, “쓰레기, 쓰레기 아웃”데이터 품질이 있습니다. 현재 모델은 동의 유무에 관계없이 방대한 정보 트로브에 대해 교육을받습니다. 명확하지 않거나 편향된 정보는 적절한 속성 또는 승인에 관계없이 사용됩니다. 검증되지 않거나 편향된 AI. “데이터 다이어트”따라서 모델의 의심의 여지가 있고 최악의 경우 흩어져 있습니다. 영양 용어 로이 영향을 생각하는 것이 도움이됩니다. 인간이 정크 푸드 만 먹으면 느리고 느리게 부진합니다. 요원이 저작권과 중고 자료 만 소비하면 성능이 부적절하고 신뢰할 수없고 구체적이지 않고 일반적인 출력과 비슷하게 방해받습니다. 이것은 여전히 멀리 떨어져 있습니다 다가오는 요원들에게 약속 된 자율적이고 능동적 인 의사 결정.
비판적으로, AI는 여전히 누구와 상호 작용하는 사람에 대해 눈을 멀게합니다. 그것은 정렬 된 사용자와 잘못 정렬 된 사용자를 구별 할 수없고, 관계를 검증하기 위해 고군분투하며, 신뢰, 가치 교환 및 이해 관계자 인센티브와 같은 개념을 이해하지 못합니다 – 인간의 상호 작용을 지배하는 핵심 요소.
인간 솔루션의 AI 문제
AI 플랫폼, 도구 및 에이전트를 생각해야합니다. 하인 으로서는 적습니다 그리고 우리가 훈련을 도울 수있는 조수로서. 우선, 추론을 살펴 보겠습니다. 우리는 AI 시스템만으로는 개발할 수 없다는 새로운 논리적 프레임 워크, 윤리적 지침 및 전략적 사고를 소개 할 수 있습니다. 우리는 사려 깊은 프롬프트와 신중한 감독을 통해 AI의 통계적 강점을 인간의 지혜로 보완 할 수 있습니다. 패턴을 인식하고 그러한 패턴을 의미있게 만드는 맥락을 이해하도록 가르치십시오.
마찬가지로, AI가 인터넷에서 긁을 수있는 모든 정보를 훈련시키는 대신 인간은 검증, 다양하며 윤리적으로 공급되는 고품질 데이터 세트를 선별 할 수 있습니다.
이는 컨텐츠 제작자가 교육에 기여한 것에 대해 인식하고 보상되는 더 나은 기작 시스템을 개발하는 것을 의미합니다.
새로운 프레임 워크가이를 가능하게합니다. 에 의해 하나의 배너 아래 온라인 신원을 연합합니다 그리고 편안한 공유 여부와 무엇을 결정하면, 사용자는 개인 정보, 동의 및 규정과 관련된 제로 파티 정보를 모델에 장비 할 수 있습니다. 더 좋은 점은 블록 체인 에서이 정보를 추적함으로써 사용자와 모델 제조업체는 정보가 어디에서 나오는지 확인하고 제작자에게이를 제공하는 것을 적절하게 보상 할 수 있습니다.새로운 기름.” 이것이 우리가 데이터에 대해 사용자를 인정하고 정보 혁명을 가져 오는 방법입니다.
마지막으로, 신뢰 격차를 해소한다는 것은 인간의 가치와 태도를 가진 무장 모델을 의미합니다. 이는 이해 관계자를 인식하고 관계를 확인하며 정렬 된 사용자와 잘못 정렬 된 사용자를 구별하는 메커니즘을 설계하는 것을 의미합니다. 결과적으로, 우리는 AI가 운영 맥락을 이해하는 데 도움을줍니다. 누가 행동으로부터 혜택을 받는가, 개발에 기여하는 것, 그리고 참여하는 시스템을 통해 가치가 흐르는 방식.
예를 들어, 블록 체인 인프라로 뒷받침 된 에이전트는 이에 매우 능숙합니다. 그들은 명성, 사회적 영향 또는 토큰 소유권을 통해 입증 된 생태계 구매를 통해 사용자를 인식하고 우선 순위를 정할 수 있습니다. 이를 통해 AI는 게임의 피부로 이해 관계자에게 더 많은 체중을 부여하여 인센티브를 조정하여 검증 된 지지자가 참여 수준에 따라 의사 결정에 참여하는 거버넌스 시스템을 만듭니다. 결과적으로 AI는 생태계를 더 깊이 이해하고 진정한 이해 관계자 관계에 의해 정보를 제공 할 수 있습니다.
AI에서 인간 요소를 보지 마십시오
이 기술의 부상과 그것이 산업을 정비하고 일자리를 닦는 것에 대해 어떻게 위협하는지에 대해 많은 이야기가 있습니다. 그러나 가드 레일에서의 베이킹은 AI가 인간의 경험을 무시하기보다는 보강 할 수 있습니다. 예를 들어, 가장 성공적인 AI 구현은 인간을 대체하지 않고 우리가 함께 달성 할 수있는 것을 확장합니다. AI가 일상적인 분석을 처리하고 인간이 창의적인 방향과 윤리적 감독을 제공 할 때 양측은 고유 한 강점을 제공합니다.
올바르게 수행되면 AI는 수많은 인간 과정의 품질과 효율성을 향상시킬 것을 약속합니다. 그러나 잘못 완료되면 의심스러운 데이터 소스에 의해 제한되며 실제 인텔리전스를 표시하기보다는 지능 만 모방합니다. 방정식의 인간 측면은 이러한 모델을 더 똑똑하게 만들고 우리의 가치, 판단 및 윤리가 남아 있도록하는 것은 우리에게 달려 있습니다.
이 기술은 주류가 될 수있는 신뢰는 협상 할 수 없습니다. 사용자가 데이터가 어디로 가는지 확인하고 사용 방법을 확인하고 생성 한 가치에 참여할 수 있으면 주제가 아닌 기꺼이 파트너가됩니다. 마찬가지로 AI 시스템이 정렬 된 이해 관계자와 투명한 데이터 파이프 라인을 활용할 수 있으면 더 신뢰할 수 있습니다. 결과적으로 가장 중요한 개인 및 전문 공간에 접근 할 가능성이 높아져 데이터 액세스가 향상되고 결과가 향상됩니다.
따라서 AI의 다음 단계로 향하는 사람과 기계를 검증 가능한 관계, 품질 데이터 소스 및 정확한 시스템과 연결하는 데 중점을 두겠습니다. 우리는 AI가 우리를 위해 무엇을 할 수 있는지가 아니라 AI를 위해 무엇을 할 수 있는지 물어봐야합니다.
게시물 그것은 AI가 우리를 위해 할 수있는 일에 관한 것이 아니라 AI를 위해 할 수있는 일입니다. 먼저 나타났습니다 Unite.ai.
