Nu este vorba despre ce poate face IA pentru noi, ci despre ce putem face noi pentru IA

Majoritatea oamenilor privesc inteligența artificială (IA) prin lentila unei relații unidirecționale. Tehnologia există doar pentru a servi oamenilor și pentru a atinge noi niveluri de eficiență, acuratețe și productivitate. Dar ce se întâmplă dacă ratăm jumătate din ecuație? Și ce se întâmplă dacă, prin aceasta, amplificăm doar defectele tehnologiei?

IA se află în stadiul de început și încă se confruntă cu limitări semnificative în ceea ce privește raționamentul, calitatea datelor și înțelegerea conceptelor precum încrederea, valoarea și stimulentele. Divizia dintre capacitățile actuale și adevărata “inteligență” este substanțială. Vestea bună? Putem schimba acest lucru devenind colaboratori activi, mai degrabă decât consumatori pasivi ai IA.

Oamenii dețin cheia evoluției inteligente prin furnizarea de cadre de raționament mai bune, alimentarea cu date de calitate și reducerea decalajului de încredere. Ca rezultat, omul și mașina pot lucra împreună pentru a obține un câștig mutual – cu o colaborare mai bună generând date și rezultate mai bune.

Să considerăm ce ar putea arăta o relație mai simbiotică și cum, ca parteneri, o colaborare semnificativă poate beneficia ambele părți ale ecuației IA.

Relația necesară între om și mașină

IA este, fără îndoială, excelentă la analiza unor seturi de date vaste și la automatizarea unor sarcini complexe. Cu toate acestea, tehnologia rămâne fundamental limitată în a gândi ca noi. În primul rând, aceste modele și platforme se luptă cu raționamentul dincolo de datele de antrenament. Recunoașterea modelelor și predicția statistică nu reprezintă o problemă, dar judecata contextuală și cadrele logice pe care le luăm de bun sunt mai dificile de replicat. Acest decalaj de raționament înseamnă că IA adesea ezită atunci când se confruntă cu scenarii nuanțate sau cu judecăți etice.

În al doilea rând, există “gunoi în, gunoi ieșit” calitatea datelor. Modelele actuale sunt antrenate pe uriașe cantități de informații cu și fără acord. Informațiile neverificate sau cu prejudecăți sunt utilizate, indiferent de atribuirea corespunzătoare sau de autorizare, ceea ce duce la IA neverificată sau cu prejudecăți. “Dieta de date” a modelelor este, prin urmare, cel mai bun caz îndoielnică și haotică. Este util să gândim la acest impact în termeni nutriționali. Dacă oamenii mănâncă doar mâncare de proastă calitate, suntem lenți și letargici. Dacă agenții consumă doar materiale cu copyright și de mâna a doua, performanța lor este similar afectată, cu ieșiri inexacte, neverificate și generale, mai degrabă decât specifice. Acest lucru este încă departe de luarea deciziilor autonome și proactive promise în valul următor de agenți.

Critically, IA este încă oarbă la ceea ce și cu cine interacționează. Nu poate distinge între utilizatori aliniați și nealiniați, se luptă să verifice relațiile și nu poate înțelege concepte precum încrederea, schimbul de valori și stimulentele părților interesate – elemente cheie care guvernează interacțiunile umane.

Problemele IA cu soluții umane

Trebuie să gândim platformele, instrumentele și agenții IA mai puțin ca servitori și mai mult ca asistenți pe care îi putem ajuta să se antreneze. În primul rând, să ne uităm la raționament. Putem introduce noi cadre logice, ghiduri etice și gândire strategică pe care sistemele IA nu le pot dezvolta singure. Prin promptarea atentă și supravegherea cu grijă, putem completa puterile statistice ale IA cu înțelepciunea umană – învățându-le să recunoască modele și să înțeleagă contextele care fac aceste modele semnificative.

La fel, mai degrabă decât să permitem IA să se antreneze pe orice informație pe care o poate extrage de pe internet, oamenii pot curata seturi de date de calitate superioară care sunt verificate, diverse și etic surse.

Acest lucru înseamnă dezvoltarea unor sisteme de atribuire mai bune, în care creatorii de conținut sunt recunoscuți și compensați pentru contribuțiile lor la antrenarea modelelor.

Cadrurile emergente fac acest lucru posibil. Prin unirea identităților online sub o singură steag și deciderea dacă și ce sunt confortabili să partajeze, utilizatorii pot echipa modelele cu informații de parte zero care respectă confidențialitatea, consimțământul și reglementările. Mai bine, prin urmărirea acestei informații pe blockchain, utilizatorii și creatorii de modele pot vedea de unde provine informația și pot compensa corespunzător creatorilor pentru furnizarea acestei “noi petrol”. Acesta este modul în care recunoaștem utilizatorii pentru datele lor și îi implicăm în revoluția informațională.

În final, reducerea decalajului de încredere înseamnă dotarea modelelor cu valori și atitudini umane. Acest lucru înseamnă proiectarea mecanismelor care recunosc părțile interesate, verifică relațiile și diferențiază între utilizatorii aliniați și nealiniați. Ca rezultat, ajutăm IA să înțeleagă contextul său de funcționare – cine se bucură de acțiunile sale, ce contribuie la dezvoltarea sa și cum curge valoarea prin sistemele în care participă.

De exemplu, agenții sprijiniți de infrastructura blockchain sunt destul de buni în acest sens. Ei pot recunoaște și prioritiza utilizatorii cu angajament demonstrat în ecosistem prin reputație, influență socială sau proprietate de token. Acest lucru permite IA să alinieze stimulentele, dând o greutate mai mare părților interesate cu “piele în joc”, creând sisteme de guvernanță în care susținătorii verificați participă la procesul de luare a deciziilor în funcție de nivelul de implicare. Ca rezultat, IA înțelege mai profund ecosistemul său și poate lua decizii informate de relațiile reale cu părțile interesate.

Nu pierdeți din vedere elementul uman în IA

S-a spus mult despre ascensiunea acestei tehnologii și despre modul în care amenință să reorganizeze industrii și să elimine locuri de muncă. Cu toate acestea, integrarea unor garanții poate asigura că IA completează, mai degrabă decât înlocuiește, experiența umană. De exemplu, cele mai de succes implementări IA nu înlocuiesc oamenii, ci extind ceea ce putem realiza împreună. Când IA se ocupă de analiza rutinieră și oamenii oferă direcția creativă și supravegherea etică, ambele părți contribuie cu puterile lor unice.

Când se face corect, IA promite să îmbunătățească calitatea și eficiența unor procese umane numeroase. Dar când se face greșit, este limitată de surse de date discutabile și nu mimează inteligența, ci doar o imită. Depinde de noi, partea umană a ecuației, să facem aceste modele mai inteligente și să ne asigurăm că valorile, judecata și etica noastră rămân în inima lor.

Încrederea este nelimitată pentru ca această tehnologie să devină mainstream. Când utilizatorii pot verifica unde merg datele lor, pot vedea cum sunt utilizate și pot participa la valoarea pe care o creează, devin parteneri dispuși, mai degrabă decât subiecți reticenți. La fel, când sistemele IA pot valorifica părțile interesate aliniate și fluxurile de date transparente, devin mai de încredere. La rândul lor, sunt mai probabil să câștige acces la spațiile noastre private și profesionale cele mai importante, creând un efect de curs în care accesul la date mai bune și rezultatele îmbunătățite se alimentează reciproc.

Așadar, înainte de a intra în această nouă fază a IA, să ne concentrăm pe conectarea omului și a mașinii cu relații verificabile, surse de date de calitate și sisteme precise. Ar trebui să ne întrebăm nu ce poate face IA pentru noi, ci ce putem face noi pentru IA.