인공지능이 우리에게 해줄 수 있는 일이 아니라, 우리가 인공지능에게 해줄 수 있는 일에 대해 생각해 보자

대부분의 사람들은 인공지능(AI)을 일방적인 관점으로 본다. 이 기술은 인간을 위해 존재하며, 새로운 효율성, 정확성, 생산성을 달성하는 데 사용된다. 하지만 우리가 방정식을 반으로만 보고 있는 것은 아닐까? 그리고 그렇게 함으로써 기술의 결점을 증폭시키고 있는 것은 아닐까?

인공지능은 아직 초기 단계에 있으며, 이유, 데이터 품질, 신뢰, 가치, 인센티브와 같은 개념을 이해하는 데 상당한 제한을 가지고 있다. 현재의 능력과真正한 “지능” 사이의 간격은 상당하다. 좋은 소식은 우리가 이것을 변경할 수 있다는 것이다. 인공지능의 소비자에서 협력자로 전환함으로써, 우리는 이 기술을 더智能하게 만들 수 있다.

인간은 인공지능의 지능적 진화를 위해 더好的 이유_framework, 데이터 품질, 신뢰 간격을 제공함으로써 핵심을握하고 있다. 결과적으로, 인간과 기계는 함께 일할 수 있다. 더好的 협력은 더好的 데이터와 더好的 결과를 생성한다.

더욱 심비적인 관계가 어떤 모습일 수 있는지 그리고 어떻게 인간과 기계의 협력으로 의미있는 협력이 양쪽 모두에게 도움이 될 수 있는지 생각해 보자.

인간과 기계의 필수적인 관계

인공지능은 분명히大量의 데이터를 분석하고 복잡한 작업을 자동화하는 데 뛰어나다. 그러나 이 기술은 여전히 인간처럼 생각하는 데 기본적으로 제한된다. 첫째, 이러한 모델과 플랫폼은 훈련 데이터를 넘어서서 이유를 제대로 못한다. 패턴 인식과 통계 예측은 문제가 없지만, 우리가 당연하게 여기는 문맥적 판단과 논리적 프레임워크는 더 어려운 문제다. 이 이유의 간격은 인공지능이 미묘한 시나리오나 윤리적 판단에 직면했을 때 종종 실수한다는 것을 의미한다.

둘째, “쓰레기가 들어가면 쓰레기가 나온다” 데이터 품질이 문제다. 현재 모델은 동의나 허가 없이大量의 정보를 사용한다. 검증되지 않은 또는 편향된 정보는 적절한 출처나 허가 없이 사용되며, 이는 검증되지 않은 또는 편향된 인공지능을 생성한다. 모델의 “데이터 다이어트”는 의심스럽다. 인간이 오직 잡식만 먹으면 느리고 둔한 것처럼, 에이전트가 오직 저작권 또는 2차 자료만을消費하면 그들의 성능은 비슷하게 부정확하고, 신뢰할 수 없으며, 일반적이지 않다. 이것은 아직도 자율적이고 적극적인 의사결정을 약속하는 에이전트의 다음 물결에서 멀리 있다.

중요하게, 인공지능은 여전히誰와 무엇을 상호작용하는지에 대해 눈이 먼 채이다. 그것은 일치하는 사용자와 일치하지 않는 사용자를 구별하지 못하며, 관계를 검증하지 못하며, 신뢰, 가치 교환, 이해관계자 인센티브와 같은 개념을 이해하지 못한다. 이러한 핵심 요소는 인간의 상호작용을 규정한다.

인공지능의 문제에 대한 인간의 해결책

우리는 인공지능 플랫폼, 도구, 에이전트를 더 이상 하인으로 보지 말고, 우리가 도와 훈련할 수 있는 조수로 보아야 한다. 먼저, 이유를 생각해 보자. 우리는 새로운 논리적 프레임워크, 윤리적 지침, 전략적 사고를 도입할 수 있다. 신중한 프롬프트와 주의깊은 감독을 통해, 우리는 인공지능의 통계적 강점을 인간의 지혜로 보완할 수 있다. 우리는 패턴을 인식하고, 그 패턴을 만드는 문맥을 이해하는 것을 가르칠 수 있다.

마찬가지로, 인공지능이 인터넷에서 스크레이핑할 수 있는 모든 정보를 훈련시키도록 허용하는 대신, 인간은 검증된, 다양한, 윤리적으로 출처된 더 높은 품질의 데이터 세트를 구축할 수 있다.

이는 더好的 출처 시스템을 개발하는 것을 의미한다. 여기서 콘텐츠 생성자가 그들의 기여를 인정받고 보상받을 수 있다.

出现하는 프레임워크는 이것을 가능하게 한다. 온라인 아이덴티티를 하나의 배너 아래로 통합하고, 사용자가 무엇을 공유하는지 결정하며, 공유를comfortable한지 여부를 결정함으로써, 사용자는 모델에 zero-party 정보를 제공할 수 있다. 이 정보는 개인 정보 보호, 동의, 규제를尊重한다. 더 나아가, 이 정보를 블록체인에 추적함으로써, 사용자와 모델 제작자는 정보의 출처를 볼 수 있으며, 생성자를 제공한 “새로운 오일”에 대해 적절히 보상할 수 있다. 이것은 사용자를 위해 데이터를 인정하고 정보 혁명에 참여하는 방법이다.

마지막으로, 신뢰 간격을 메우는 것은 모델에 인간의 가치와 태도를武装하는 것을 의미한다. 이것은 이해관계자를 인식하고, 관계를 검증하며, 일치하는 사용자와 일치하지 않는 사용자를 구별하는 메커니즘을 설계하는 것을 의미한다. 결과적으로, 우리는 인공지능이 그들의 작동 컨텍스트를 이해하도록 도와준다. 누가 그들의 행동으로부터 lợi益을 얻는지, 무엇이 그들의 개발에 기여하는지, 가치가 그들의 참여하는 시스템을 통해 흐르는지.

예를 들어, 블록체인 인프라를備えた 에이전트는 이것을 잘한다. 그들은 평판, 사회적 영향, 토큰 소유를 통해 생태계에 대한 참여를 입증한 사용자를 인식하고, 우선순위를 둘 수 있다. 이것은 인공지능이 참여에 대한 수준에 따라 이해관계자를 우선순위에 두는 것을 허용한다. 여기서 이해관계자는 그들의 참여 수준에 따라 의사결정에 참여한다. 결과적으로, 인공지능은 그들의 생태계를 더 깊이 이해하고, 진정한 이해관계자 관계에 근거한 의사결정을 내릴 수 있다.

인공지능의 인간 요소를 잃어버리지 마라

이 기술의 부상과 산업을 전복시키고 일자리를 없애는 것에 대해 많이 논의되었다. 그러나 가드레일을 구축함으로써, 우리는 인공지능이 인간의 경험을 보완하도록 할 수 있다. 가장 성공적인 인공지능 구현은 인간을 대체하지 않고, 우리가 함께 할 수 있는 것을 확장한다. 인공지능이 루틴 분석을 처리하고, 인간이 창의적인 방향과 윤리적 감독을 제공할 때, 양쪽 모두가 그들의 고유한 강점을 기여한다.

잘못하면, 인공지능은 제한적이다. 의심스러운 데이터 소스만으로 인공지능은 지능을 모방하기보다는 실제 지능을แสดง하지 않는다. 그러나 우리가 이것을 제대로하면, 인공지능은 인간의 과정의 품질과 효율성을 개선할 수 있는 잠재력을 가지고 있다. 하지만 이것은 우리가 인공지능의 인간側面을 잃어버리지 않도록 주의해야 한다.

신뢰는 이 기술이 주류가 되는 데에 필수적이다. 사용자가 그들의 데이터가 어디로 가는지, 어떻게 사용되는지, 생성하는 가치에 참여할 수 있다면, 사용자는 불안한 주체가 아닌, 적극적인 파트너가 된다. 마찬가지로, 인공지능 시스템이 일치하는 이해관계자와 투명한 데이터 파이프라인을 활용할 수 있다면, 그것들은 더 신뢰할 수 있다. 결과적으로, 그것들은 우리의 가장 중요한 개인적이고 전문적인 공간에 접근할 수 있으며, 더好的 데이터 접근성과 더好的 결과를 생성하는 플라이휠을 생성한다.

따라서, 인공지능의 다음 단계로 나아가면서, 인간과 기계를 검증 가능한 관계, 품질 데이터 소스, 정밀한 시스템으로 연결하는 데 중점을 두어야 한다. 우리는 인공지능이 우리에게 해줄 수 있는 일을 묻지 말고, 우리가 인공지능에게 해줄 수 있는 일을 묻자.