Det handler ikke om hva AI kan gjøre for oss, men hva vi kan gjøre for AI

De fleste ser på kunstig intelligens (AI) gjennom et ettveiskt perspektiv. Teknologien eksisterer bare for å tjene mennesker og oppnå nye nivåer av effisiens, nøyaktighet og produktivitet. Men hva hvis vi mangler halve ligningen? Og hva hvis, ved å gjøre dette, vi bare forsterker teknologiens feil?

AI er i sin barndom og står fortsatt overfor betydelige begrensninger når det gjelder resonnering, datakvalitet og forståelse av konsepter som tillit, verdi og incitamenter. Skillet mellom nåværende evner og sanne “intelligens” er betydelig. Det gode nyhetene? Vi kan endre dette ved å bli aktive samarbeidspartnere i stedet for passive forbrukere av AI.

Mennesker har nøkkelrollen i å utvikle intelligent evolusjon ved å gi bedre resonneringsrammer, mata inn kvalitetsdata og brygge tillitsgapet. Som resultat kan menneske og maskin arbeide side om side for en gevinst – med bedre samarbeid som genererer bedre data og bedre resultater.

La oss se på hva en mer symbiotisk relasjon kunne se ut som og hvordan, som partnere, meningsfullt samarbeid kan være til nytte for begge sider av AI-ligningen.

Den nødvendige relasjonen mellom menneske og maskin

AI er uten tvil flink til å analysere store datamengder og automatisere komplekse oppgaver. Likevel er teknologien fundamentalt begrenset i å tenke som oss. Først og fremst har disse modellene og plattformene vanskeligheter med å resonere utover deres treningsdata. Mønstergjenkjenning og statistisk prediksjon er ingen problem, men den kontekstuelle dommen og logiske rammer vi tar for gitt er mer utfordrende å replikere. Dette resonneringsgapet betyr at AI ofte feiler når den møter nyanserte scenarier eller etiske dommer.

For det andre er det “skralle inn, skralle ut” datakvalitet. Nåværende modeller er trent på store mengder informasjon med og uten samtykke. Uverifisert eller forvrengt informasjon brukes uansett korrekt tilknytning eller autorisasjon, noe som resulterer i uverifisert eller forvrengt AI. “Data-dieten” til modellene er derfor tvilsom på beste og spredt på verste. Det er nyttig å tenke på denne effekten i ernæringsmessige termer. Hvis mennesker bare spiser usunn mat, er vi langsomme og sløve. Hvis agenter bare konsumerer copyrighted og annen hånd material, er deres ytelse likeledes hemmet med utgang som er upresis, upålitelig og generell i stedet for spesifikk. Dette er fortsatt langt ifra den autonome og proaktive beslutningstakingen som er lovet i den kommende bølgen av agenter.

Kritisk er AI fortsatt blind for hvem og hva den samhandler med. Den kan ikke skille mellom tilpassede og misjusterte brukere, sliter med å verifisere relasjoner og feiler i å forstå konsepter som tillit, verdiutveksling og stakeholderincitamenter – kjernenelementer som styrer menneskelige interaksjoner.

AI-problemer med menneskelige løsninger

Vi må tenke på AI-plattformer, -verktøy og -agenter mindre som tjenere og mer som assistenter som vi kan hjelpe med å trene. Først og fremst kan vi se på resonnering. Vi kan introdusere nye logiske rammer, etiske retningslinjer og strategisk tenkning som AI-systemer ikke kan utvikle alene. Gjennom nøye prompting og omsorgsfull overvåking kan vi komplementere AI sin statistiske styrker med menneskelig visdom – lære dem å gjenkjenne mønster og forstå kontekstene som gjør disse mønstrene meningsfulle.

Likewise, i stedet for å la AI trene på hvilken informasjon den kan skrape fra internettet, kan mennesker kuratere høykvalitetsdatamengder som er verifisert, mangfoldig og etisk kilde.

Dette betyr å utvikle bedre tilknytningsystemer hvor innholdsskapere blir gjenkjent og kompensert for sine bidrag til trening.

Framvoksende rammer gjør dette mulig. Ved å samle online-identiteter under ett banner og bestemme om og hva de er komfortable med å dele, kan brukere utstyre modeller med nullpartsinformasjon som respekterer personvern, samtykke og reguleringer. Enda bedre, ved å spore denne informasjonen på blockchain, kan brukere og modellmakere se hvor informasjonen kommer fra og kompensere skapere for å gi denne “nye oljen”. Dette er hvordan vi anerkjenner brukere for deres data og bringer dem inn i informasjonsrevolusjonen.

Til slutt betyr å brygge tillitsgapet å utstyre modeller med menneskelige verdier og holdninger. Dette betyr å designe mekanismer som gjenkjenner stakeholdere, verifiserer relasjoner og differensierer mellom tilpassede og misjusterte brukere. Som resultat hjelper vi AI med å forstå sin operasjonelle kontekst – hvem som får nytte av dens handlinger, hva som bidrar til dens utvikling og hvordan verdi flyter gjennom systemene den deltar i.

For eksempel er agenter bakket av blockchain-infrastruktur ganske gode til dette. De kan gjenkjenne og prioritere brukere med demonstrert økosystemengasjement gjennom rykte, sosial påvirkning eller token-eierskap. Dette tillater AI å justere incitamenter ved å gi mer vekt til stakeholdere med hud i spillet, og skape styringssystemer hvor verifiserte støttespillere deltar i beslutningstaking basert på deres nivå av engasjement. Som resultat forstår AI dypere sin økonomi og kan ta beslutninger informert av ekte stakeholder-relasjoner.

Ikke mist synet på det menneskelige elementet i AI

Mye har blitt sagt om denne teknologiens oppkomst og hvordan den truer med å omdefinere industrier og utradere jobber. Likevel kan innbygging av sikkerhetssystemer sikre at AI supplere menneskelige erfaringer i stedet for å overkjøre dem. For eksempel er de mest vellykkede AI-implementeringene ikke erstatter mennesker, men utvider hva vi kan oppnå sammen. Når AI håndterer rutineanalyse og mennesker gir kreative retninger og etiske tilsyn, bidrar begge sider med sine unike styrker.

Når det gjøres riktig, lover AI å forbedre kvaliteten og effisiensen av talløse menneskelige prosesser. Men når det gjøres feil, er det begrenset av tvilsomme datakilder og bare etterligner intelligens i stedet for å vise sanne intelligens. Det er opp til oss, den menneskelige siden av ligningen, å gjøre disse modellene smartere og sikre at våre verdier, dommer og etikk forblir i hjertet av dem.

Tillit er uforhandelbar for at denne teknologien skal bli mainstream. Når brukere kan verifisere hvor deres data går, se hvordan den brukes og delta i verdien den skaper, blir de villige partnere i stedet for motvillige subjekter. Likedan, når AI-systemer kan utnytte tilpassede stakeholdere og transparente datapiper, blir de mer pålitelige. I tur og orden er de mer sannsynlig å få tilgang til våre viktigste private og profesjonelle rom, og skape en effekt av bedre data-tilgang og forbedrede resultater.

Så, når vi går inn i denne neste fasen av AI, la oss fokusere på å koble menneske og maskin med verifiserte relasjoner, kvalitetsdatakilder og presise systemer. Vi bør spørre ikke hva AI kan gjøre for oss, men hva vi kan gjøre for AI.