Det handler ikke om, hvad AI kan gøre for os, men om, hvad vi kan gøre for AI

De fleste ser på kunstig intelligens (AI) gennem en envejslins. Teknologien findes kun for at betjene mennesker og opnå nye niveauer af effektivitet, præcision og produktivitet. Men hvad nu, hvis vi mangler den anden halvdel af ligningen? Og hvad nu, hvis vi ved at gøre det kun forstærker teknologiens fejl?

AI er i sin barndom og står stadig over for betydelige begrænsninger i forhold til resonnering, datakvalitet og forståelse af begreber som tillid, værdi og incitamenter. Skellet mellem nuværende evner og sand “intelligens” er betydeligt. Det gode nyheder? Vi kan ændre dette ved at blive aktive samarbejdspartnere snarere end passive forbrugere af AI.

Mennesker holder nøglen til intelligent evolution ved at give bedre resonansrammer, føde kvalitetsdata og brobygge tillidskløften. Som resultat kan menneske og maskine arbejde side om side for en win-win – med bedre samarbejde, der genererer bedre data og bedre resultater.

Lad os overveje, hvad en mere symbiotisk relation kunne se ud og hvordan, som partnere, meningsfuldt samarbejde kan gavne begge sider af AI-ligningen.

Den nødvendige relation mellem menneske og maskine

AI er uden tvivl fantastisk til at analysere enorme datamængder og automatisere komplekse opgaver. Teknologien er dog stadig fundamentalt begrænset i at tænke som os. Først og fremmest kæmper disse modeller og platforme med at resonere ud over deres træningsdata. Mønstergenkendelse og statistisk prædiktionsanalyse er ingen problem, men kontekstuel dømmekraft og logiske rammer, som vi tager for givet, er sværere at reproducerer. Dette resonansgap betyder, at AI ofte fejler, når den står over for nuancerede scenarier eller etiske dømmekraft.

Anden, der er “skrald ind, skrald ud” datakvalitet. Nuverende modeller er trænet på enorme mængder af information med og uden samtykke. Uverificerede eller fordomsfulde oplysninger bruges uanset korrekt tilskrivning eller autorisation, hvilket resulterer i uverificerede eller fordomsfulde AI. ” Datadiæten ” af modellerne er derfor tvivlsom på bedste og spredt på værste. Det er nyttigt at tænke på denne effekt i ernæringsmæssige termer. Hvis mennesker kun spiser junkfood, er vi langsomme og dovne. Hvis agenter kun forbruger ophavsret og anden håndsmateriale, er deres præstation på samme måde hæmmet med output, der er upræcis, upålidelig og generel snarere end specifik. Dette er stadig langt fra den autonome og proaktive beslutningstagning, der er lovet i den kommende bølge af agenter.

Kritisk set er AI stadig blind for, hvem og hvad den interagerer med. Den kan ikke skelne mellem tilsluttede og fravalgte brugere, kæmper med at verificere relationer og fejler i at forstå begreber som tillid, værdiafstemning og stakeholderincitamenter – kerneelementer, der regulerer menneskelige interaktioner.

AI-problemer med menneskelige løsninger

Vi skal tænke på AI-platforme, -værktøjer og -agenter mindre som tjenere og mere som assistenter, som vi kan hjælpe med at træne. For at starte med, lad os se på resonans. Vi kan introducere nye logiske rammer, etiske retningslinjer og strategisk tænkning, som AI-systemer ikke kan udvikle alene. Gennem tankefuld promptning og omhyggelig tilsyn kan vi supplere AI’s statistiske styrker med menneskelig visdom – lære dem at genkende mønstre og forstå de kontekster, der gør disse mønstre meningsfulde.

På samme måde kan mennesker kuraterer højere kvalitetsdatamængder, der er verificerede, diverse og etisk kildevældede.

Dette indebærer udvikling af bedre tilskrivningssystemer, hvor indholdsskabere bliver anerkendt og kompenseret for deres bidrag til træning.

Fremvoksende rammer gør dette muligt. Ved at samle online-identiteter under ét banner og beslutte, om og hvad de er komfortable med at dele, kan brugere udstyre modeller med zero-party-oplysninger, der respekterer privatliv, samtykke og reguleringer. Endnu bedre, ved at spore denne information på blockchain, kan brugere og modelskabere se, hvor informationen kommer fra, og kompensere skabere korrekt for at give denne ” nye olie “. Dette er, hvordan vi anerkender brugere for deres data og inddrager dem i informationsrevolutionen.

Til sidst indebærer brobygning af tillidskløften at udstyre modeller med menneskelige værdier og holdninger. Dette indebærer design af mekanismer, der anerkender stakeholders, verificerer relationer og skelner mellem tilsluttede og fravalgte brugere. Som resultat hjælper vi AI med at forstå dens operationskontekst – hvem der har glæde af dens handlinger, hvad der bidrager til dens udvikling, og hvordan værdi flyder gennem systemerne, den deltagere i.

For eksempel er agenter, der er bakket op af blockchain-infrastruktur, ret gode til dette. De kan anerkende og prioritere brugere med demonstreret økosystem-tilkørsel gennem rygte, social indflydelse eller token-ejerskab. Dette tillader AI at tilpasse incitamenter ved at give mere vægt til stakeholders med “skin in the game”, og skabe styringssystemer, hvor verificerede støtter deltagere i beslutningstagning baseret på deres niveau af engagement. Som resultat forstår AI dybere sin økosystem og kan træffe beslutninger, der er informeret af ægte stakeholderrelationer.

Tab ikke sight of det menneskelige element i AI

Der er blevet sagt meget om opkomsten af denne teknologi og hvordan den truer med at omvælte industrier og udslette job. Men ved at indbygge sikkerhedsforanstaltninger kan vi sikre, at AI supplerer snarere end overtager den menneskelige oplevelse. For eksempel er de mest succesfulde AI-implementeringer ikke erstatter mennesker, men udvider, hvad vi kan opnå sammen. Når AI håndterer rutineanalyse og mennesker giver kreativ retning og etisk tilsyn, bidrager begge sider med deres unikke styrker.

Når det er gjort rigtigt, lover AI at forbedre kvaliteten og effektiviteten af utallige menneskelige processer. Men når det er gjort forkert, er det begrænset af tvivlsomme datakilder og kun efterligner intelligens snarere end viser reel intelligens. Det er op til os, den menneskelige side af ligningen, at gøre disse modeller smartere og sikre, at vores værdier, dømmekraft og etik bliver i deres hjerte.

Tillid er uafviselig for, at denne teknologi kan gå mainstream. Når brugere kan verificere, hvor deres data går, se, hvordan den bruges, og deltage i den værdi, den skaber, bliver de villige partnere snarere end uvillige subjekter. På samme måde kan AI-systemer, der kan udnytte tilsluttede stakeholders og transparente data-pipelines, blive mere troværdige. I retur er de mere sandsynlige at få adgang til vores vigtigste private og professionelle rum, og skabe en selvforstærkende effekt af bedre dataadgang og forbedrede resultater.

Så, når vi går ind i denne næste fase af AI, lad os fokusere på at forbinde menneske og maskine med verificerede relationer, kvalitetsdatakilder og præcise systemer. Vi skal spørge ikke, hvad AI kan gøre for os, men hvad vi kan gøre for AI.