Il ne s’agit pas de ce que l’IA peut faire pour nous, mais de ce que nous pouvons faire pour l’IA

La plupart des gens voient l'intelligence artificielle (IA) à travers une perspective à sens unique. Cette technologie n'existe que pour servir les humains et atteindre de nouveaux niveaux d'efficacité, de précision et de productivité. Mais que se passe-t-il si nous passons à côté de la moitié de l'équation ? Et si, ce faisant, nous ne faisons qu'amplifier les failles de la technologie ?

L'IA en est à ses balbutiements et se heurte encore à d'importantes limites en matière de raisonnement, de qualité des données et de compréhension de concepts tels que la confiance, la valeur et les incitations. L'écart entre les capacités actuelles et la véritable « intelligence » est considérable. La bonne nouvelle ? Nous pouvons changer cela en devenant des collaborateurs actifs plutôt que des consommateurs passifs de l'IA.

L'humain détient la clé d'une évolution intelligente en fournissant de meilleurs cadres de raisonnement, en fournissant des données de qualité et en comblant le fossé de confiance. Ainsi, l'homme et la machine peuvent travailler côte à côte pour une situation gagnant-gagnant : une meilleure collaboration génère de meilleures données et de meilleurs résultats.

Voyons à quoi pourrait ressembler une relation plus symbiotique et comment, en tant que partenaires, une collaboration significative peut profiter aux deux côtés de l’équation de l’IA.

La relation nécessaire entre l'homme et la machine

L'IA excelle incontestablement dans l'analyse de vastes ensembles de données et l'automatisation de tâches complexes. Cependant, cette technologie reste fondamentalement limitée pour penser comme nous. Premièrement, ces modèles et plateformes peinent à raisonner au-delà de leurs données d'entraînement. La reconnaissance de formes et la prédiction statistique ne posent aucun problème, mais le jugement contextuel et les cadres logiques que nous tenons pour acquis sont plus difficiles à reproduire. Ce manque de raisonnement signifie que l'IA vacille souvent face à des scénarios nuancés ou à des jugements éthiques.

Deuxièmement, la qualité des données est souvent inégale. Les modèles actuels sont entraînés sur de vastes quantités d'informations, avec ou sans consentement. Des informations non vérifiées ou biaisées sont utilisées sans aucune attribution ni autorisation, ce qui entraîne des IA non vérifiée ou biaisée. Le "régime de données« L'efficacité des modèles est donc, au mieux, discutable, au pire, dispersée. Il est utile de considérer cet impact en termes nutritionnels. Si les humains ne mangent que de la malbouffe, nous sommes lents et paresseux. Si les agents ne consomment que des contenus protégés par des droits d'auteur et d'occasion, leurs performances sont également entravées par des résultats inexacts, peu fiables et généraux plutôt que spécifiques. C'est encore loin la prise de décision autonome et proactive promise par la prochaine vague d’agents.

L'IA reste aveugle à la personne et à l'objet de ses interactions. Elle ne parvient pas à distinguer les utilisateurs alignés des utilisateurs non alignés, peine à vérifier les relations et ne parvient pas à comprendre des concepts tels que la confiance, l'échange de valeur et les incitations des parties prenantes, autant d'éléments fondamentaux qui régissent les interactions humaines.

Problèmes d'IA avec des solutions humaines

Nous devons penser aux plateformes, aux outils et aux agents d’IA moins comme serviteurs et bien plus encore, comme assistants que nous pouvons aider à former. Pour commencer, examinons le raisonnement. Nous pouvons introduire de nouveaux cadres logiques, des lignes directrices éthiques et une réflexion stratégique que les systèmes d'IA ne peuvent développer seuls. Grâce à des incitations réfléchies et à une supervision attentive, nous pouvons compléter les atouts statistiques de l'IA par la sagesse humaine, en leur apprenant à reconnaître des schémas et à comprendre les contextes qui les rendent significatifs.

De même, plutôt que de permettre à l’IA de s’entraîner sur toutes les informations qu’elle peut extraire d’Internet, les humains peuvent organiser des ensembles de données de meilleure qualité, vérifiés, diversifiés et provenant de sources éthiques.

Cela signifie développer de meilleurs systèmes d’attribution où les créateurs de contenu sont reconnus et rémunérés pour leurs contributions à la formation.

Les cadres émergents rendent cela possible. unir les identités en ligne sous une même bannière En décidant s'ils souhaitent partager ou non des informations, et ce qu'ils souhaitent partager, les utilisateurs peuvent fournir aux modèles des informations zero-party respectueuses de la vie privée, du consentement et des réglementations. Mieux encore, en suivant ces informations sur la blockchain, les utilisateurs et les modélisateurs peuvent connaître leur provenance et rémunérer adéquatement les créateurs pour leur fourniture.nouvelle huile« C’est ainsi que nous reconnaissons les utilisateurs pour leurs données et les intégrons à la révolution de l’information.

Enfin, combler le déficit de confiance implique d'intégrer des valeurs et des attitudes humaines aux modèles. Cela implique de concevoir des mécanismes qui reconnaissent les parties prenantes, vérifient les relations et distinguent les utilisateurs alignés des utilisateurs non alignés. Ainsi, nous aidons l'IA à comprendre son contexte opérationnel : qui bénéficie de ses actions, ce qui contribue à son développement et comment la valeur circule dans les systèmes auxquels elle participe.

Par exemple, les agents s'appuyant sur une infrastructure blockchain sont très performants dans ce domaine. Ils peuvent identifier et prioriser les utilisateurs dont l'adhésion à l'écosystème est démontrée par leur réputation, leur influence sociale ou la possession de jetons. Cela permet à l'IA d'aligner les incitations en accordant plus de poids aux parties prenantes impliquées, créant ainsi des systèmes de gouvernance où les soutiens vérifiés participent à la prise de décision en fonction de leur niveau d'engagement. Ainsi, l'IA comprend mieux son écosystème et peut prendre des décisions éclairées par de véritables relations avec les parties prenantes.

Ne perdez pas de vue l’élément humain dans l’IA

On a beaucoup parlé de l'essor de cette technologie et de la menace qu'elle représente pour les industries et les emplois. Cependant, l'intégration de garde-fous peut garantir que l'IA enrichisse l'expérience humaine plutôt que de la supplanter. Par exemple, les implémentations d'IA les plus réussies ne remplacent pas l'humain, mais étendent nos possibilités d'accomplissement commun. Lorsque l'IA gère les analyses de routine et que l'humain assure la direction créative et le contrôle éthique, les deux parties apportent leurs atouts spécifiques.

Bien utilisée, l'IA promet d'améliorer la qualité et l'efficacité d'innombrables processus humains. Mais mal utilisée, elle est limitée par des sources de données douteuses et ne fait qu'imiter l'intelligence au lieu de la reproduire. C'est à nous, l'humain, de rendre ces modèles plus intelligents et de veiller à ce que nos valeurs, notre jugement et notre éthique restent au cœur de leurs préoccupations.

La confiance est essentielle pour que cette technologie se généralise. Lorsque les utilisateurs peuvent vérifier où vont leurs données, voir comment elles sont utilisées et participer à la valeur qu'elles créent, ils deviennent des partenaires volontaires plutôt que des sujets réticents. De même, lorsque les systèmes d'IA peuvent s'appuyer sur des parties prenantes alignées et des pipelines de données transparents, ils gagnent en fiabilité. En retour, ils sont plus susceptibles d'accéder à nos espaces privés et professionnels les plus importants, créant ainsi un levier d'amélioration de l'accès aux données et des résultats.

Alors, pour aborder cette nouvelle phase de l'IA, concentrons-nous sur la connexion de l'homme et de la machine grâce à des relations vérifiables, des sources de données de qualité et des systèmes précis. Nous devrions nous demander non pas ce que l'IA peut faire pour nous, mais ce que nous pouvons faire pour l'IA.