ไม่ใช่เรื่องของสิ่งที่ AI สามารถทำได้ แต่เป็นเรื่องของสิ่งที่เราสามารถทำเพื่อ AI

ผู้คนส่วนใหญ่มองว่าปัญญาประดิษฐ์ (AI) ผ่านเลนส์แบบหนึ่งทาง เทคโนโลยีนี้มีไว้เพื่อใช้บริการมนุษย์และบรรลุระดับความสามารถในการทำงานที่สูงขึ้น ความแม่นยำ และผลผลิต แต่ถ้าเรากำลังพลาดส่วนสำคัญของสมการ และถ้าเรากำลังเพิ่มข้อบกพร่องของเทคโนโลยีโดยการทำเช่นนั้น?

AI ยังอยู่ในช่วงวัยเด็กและยังคงเผชิญกับการจำกัดที่สำคัญในด้านการให้เหตุผล คุณภาพของข้อมูล และการทำความเข้าใจแนวคิด เช่น ความไว้วางใจ คุณค่า และแรงจูงใจ ระยะห่างระหว่างความสามารถในปัจจุบันและ “ความฉลาด” จริงๆ นั้นมาก ข่าวดีก็คือ เราสามารถเปลี่ยนแปลงสิ่งนี้ได้โดยการเป็นหุ้นส่วนเชิงรุกมากกว่าการเป็นผู้บริโภคที่ไม่มีพลัง

มนุษย์ถือหางจิ้งจอกในการพัฒนาความฉลาดโดยการให้โครงสร้างการให้เหตุผลที่ดีขึ้น การให้อาหารข้อมูลที่มีคุณภาพ และการข้ามช่องว่างของความไว้วางใจ ในผลลัพธ์ มนุษย์และเครื่องจักรสามารถทำงานร่วมกันเพื่อชัยชนะร่วมกัน โดยการทำงานร่วมกันที่ดีขึ้นจะสร้างข้อมูลที่ดีขึ้นและผลลัพธ์ที่ดีขึ้น

มาคิดดูว่าความสัมพันธ์ที่สอดคล้องกันมากขึ้นอาจดูเหมือนอย่างไร และวิธีการที่เราสามารถทำงานร่วมกันเพื่อประโยชน์ของทั้งสองฝ่ายของสมการ AI ได้อย่างไร

ความสัมพันธ์ที่จำเป็นระหว่างมนุษย์และเครื่องจักร

AI นั้นไม่มีข้อเสียในการวิเคราะห์ข้อมูลขนาดใหญ่และทำให้กระบวนการทำงานที่ซับซ้อนเป็นแบบอัตโนมัติ อย่างไรก็ตาม เทคโนโลยีนี้ยังคงจำกัดในด้านการคิดเหมือนมนุษย์ ประการแรก โมเดลและแพลตฟอร์มนี้ต้องดิ้นรนในการให้เหตุผลที่อยู่นอกข้อมูลการฝึกอบรม การจดจำรูปแบบและการทำนายทางสถิติไม่ใช่ปัญหา แต่การให้เหตุผลเชิงบริบทและการให้เหตุผลเชิงตรรกะที่เรารับได้โดยไม่ต้องคิดมากนั้นยากที่จะทำซ้ำ ช่องว่างการให้เหตุผลนี้ทำให้ AI ล้มเหลวเมื่อเผชิญกับสถานการณ์ที่ซับซ้อนหรือการให้เหตุผลทางจริยธรรม

ประการที่สอง มี “ข้อมูลที่ไม่ดี” คุณภาพของข้อมูลที่ใช้ในการฝึกอบรมโมเดลในปัจจุบันไม่ได้รับการตรวจสอบหรือมีอคติ ข้อมูลที่ไม่ได้รับการยืนยันหรือมีอคตินี้ถูกใช้โดยไม่ได้รับการอนุญาตหรือการยืนยัน ซึ่งนำไปสู่ ข้อมูลที่ไม่ได้รับการยืนยันหรือมีอคติของ AI “อาหารข้อมูล” ของโมเดลจึงน่าสงสัยที่สุด และกระจายไปทั่ว มันจะช่วยให้คิดถึงผลกระทบนี้ในแง่ของโภชนาการ หากมนุษย์กินอาหารขยะเพียงอย่างเดียว เราจะช้าและซบเซา หากตัวแทนเหล่านี้กินข้อมูลลิขสิทธิ์และวัสดุอื่นๆ โดยไม่ได้รับการอนุญาต เราจะทำงานได้ไม่ดีและไม่น่าเชื่อถือ สิ่งนี้ยังคงห่างไกล จากการทำการตัดสินใจโดยอัตโนมัติและเชิงรุกที่สัญญาไว้ในคลื่นต่อไปของตัวแทน

อย่างสำคัญ AI ยังคงไม่เห็นใครหรืออะไรที่มันโต้ตอบ มันไม่สามารถแยกแยะระหว่างผู้ใช้ที่สอดคล้องกันและผู้ใช้ที่ไม่สอดคล้องกัน ต้องดิ้นรนในการยืนยันความสัมพันธ์ และล้มเหลวในการทำความเข้าใจแนวคิด เช่น ความไว้วางใจ การแลกเปลี่ยนคุณค่า และแรงจูงใจของผู้มีส่วนได้ส่วนเสีย – องค์ประกอบหลักที่ควบคุมการโต้ตอบของมนุษย์

ปัญหาของ AI ที่มีคำตอบจากมนุษย์

เราต้องคิดถึงแพลตฟอร์ม AI เครื่องมือ และตัวแทน น้อยกว่าผู้รับใช้ และมากกว่าผู้ช่วยที่เราสามารถช่วยฝึกอบรมได้ ประการแรก มาคิดถึงการให้เหตุผลกัน เราสามารถแนะนำโครงสร้างการให้เหตุผลใหม่ๆ แนวทางจริยธรรม และการคิดเชิงกลยุทธ์ที่ระบบ AI ไม่สามารถพัฒนาขึ้นมาเองได้ โดยการกระตุ้นที่มีจุดมุ่งหมายและดูแลอย่างรอบคอบ เราสามารถเสริมสร้างความแข็งแกร่งทางสถิติของ AI ด้วยความฉลาดของมนุษย์ – สอนให้พวกมันจดจำรูปแบบและเข้าใจบริบทที่ทำให้รูปแบบเหล่านั้นมีความหมาย

ในทำนองเดียวกัน แทนที่จะปล่อยให้ AI ฝึกอบรมด้วยข้อมูลใดๆ ที่สามารถเก็บจากอินเทอร์เน็ตได้ มนุษย์สามารถคัดเลือกชุดข้อมูลที่มีคุณภาพสูงขึ้น ซึ่งได้รับการยืนยัน มีความหลากหลาย และมีจริยธรรม

สิ่งนี้หมายถึงการพัฒนาระบบการยืนยันการรับรองที่ดีขึ้น โดยที่ผู้สร้างเนื้อหาจะได้รับการยอมรับและได้รับค่าตอบแทนสำหรับการมีส่วนร่วมในการฝึกอบรม

โครงสร้างที่เกิดขึ้นใหม่ทำให้สิ่งนี้เป็นไปได้ โดยการ รวมตัวตนออนไลน์ภายใต้ธงเดียว และตัดสินใจว่าพวกเขาสบายใจที่จะแบ่งปันอะไรและไม่แบ่งปันอะไร ผู้ใช้สามารถให้ข้อมูลที่ไม่มีการแบ่งปันแก่โมเดล ซึ่งเคารพความเป็นส่วนตัว การอนุญาต และข้อบังคับ ดียิ่งขึ้น โดยการติดตามข้อมูลนี้บนบล็อกเชน ผู้ใช้และผู้สร้างโมเดลสามารถเห็นได้ว่าข้อมูลมาจากไหนและให้รางวัลแก่ผู้สร้างสำหรับการให้ “น้ำมันใหม่” นี้ สิ่งนี้คือวิธีการที่เรารับรู้ผู้ใช้สำหรับข้อมูลของตนและนำพวกเขาเข้าสู่การปฏิวัติข้อมูล

สุดท้าย การข้ามช่องว่างของความไว้วางใจหมายถึงการให้อาวุธโมเดลพร้อมกับค่านิยมและทัศนคติของมนุษย์ สิ่งนี้หมายถึงการออกแบบกลไกที่ตระหนักถึงผู้มีส่วนได้ส่วนเสีย ยืนยันความสัมพันธ์ และแยกแยะระหว่างผู้ใช้ที่สอดคล้องกันและไม่สอดคล้องกัน ในผลลัพธ์ เราช่วยให้ AI เข้าใจบริบทการทำงานของตน – ใครที่ได้รับประโยชน์จากการกระทำของมัน สิ่งใดที่มีส่วนช่วยในการพัฒนาของมัน และว่าคุณค่าไหลผ่านระบบที่มันเข้าร่วมอย่างไร

ตัวอย่างเช่น ตัวแทนที่ได้รับการสนับสนุนจากโครงสร้างพื้นฐานบล็อกเชนนั้นใช้ได้ดีในการทำเช่นนี้ พวกเขาสามารถจดจำและจัดลำดับความสำคัญของผู้ใช้ที่มีการซื้อขายในระบบนิเวศผ่านชื่อเสียง อิทธิพลทางสังคม หรือการเป็นเจ้าของโทเค็น สิ่งนี้ช่วยให้ AI จัดลำดับความสำคัญของแรงจูงใจโดยการให้น้ำหนักมากขึ้นแก่ผู้มีส่วนได้ส่วนเสียที่มีส่วนร่วมในระบบ ทำให้เกิดระบบการปกครองโดยที่ผู้สนับสนุนที่ได้รับการยืนยันเข้าร่วมในการตัดสินใจตามระดับการมีส่วนร่วม ในผลลัพธ์ AI เข้าใจระบบนิเวศของตนลึกซึ้งยิ่งขึ้นและสามารถตัดสินใจได้โดยอาศัยความสัมพันธ์ของผู้มีส่วนได้ส่วนเสียที่แท้จริง

อย่าลืมองค์ประกอบของมนุษย์ใน AI

มีการพูดถึงมากมายเกี่ยวกับการเพิ่มขึ้นของเทคโนโลยีนี้และวิธีการที่มันจะเปลี่ยนแปลงอุตสาหกรรมและล้างงานออกไป อย่างไรก็ตาม การใส่เครื่องมือสามารถช่วยให้แน่ใจว่า AI เพิ่มประสิทธิภาพประสบการณ์ของมนุษย์มากกว่าการแทนที่ ตัวอย่างเช่น การใช้งาน AI ที่ประสบความสำเร็จสูงสุดไม่ได้แทนที่มนุษย์ แต่ขยายสิ่งที่เราสามารถทำได้ร่วมกัน เมื่อ AI จัดการการวิเคราะห์ตามปกติและมนุษย์ให้คำแนะนำเชิงสร้างสรรค์และการดูแลด้านจริยธรรม ทั้งสองฝ่ายมีส่วนร่วมในความแข็งแกร่งที่เป็นเอกลักษณ์ของตนเอง

เมื่อทำได้อย่างถูกต้อง AI มีแนวโน้มที่จะปรับปรุงคุณภาพและประสิทธิภาพของกระบวนการทำงานของมนุษย์มากมาย แต่เมื่อทำไม่ถูกต้อง มันจะถูกจำกัดโดยแหล่งข้อมูลที่น่าสงสัยและเลียนแบบความฉลาดแทนที่จะแสดงความฉลาดที่แท้จริง มันอยู่ที่เรา ฝ่ายมนุษย์ของสมการ เพื่อทำให้โมเดลเหล่านี้ฉลาดขึ้นและรับรองว่าค่านิยม การตัดสินใจ และจริยธรรมของเรายังคงอยู่ในใจกลางของพวกมัน

ความไว้วางใจเป็นสิ่งจำเป็นสำหรับเทคโนโลยีนี้ที่จะเข้าสู่กระแสหลัก เมื่อผู้ใช้สามารถตรวจสอบได้ว่าข้อมูลของตนไปที่ไหน ใช้อย่างไร และเข้าร่วมในการสร้างคุณค่า พวกเขาจะกลายเป็นพันธมิตรที่เต็มใจมากกว่าผู้ที่ไม่เต็มใจ ในทำนองเดียวกัน เมื่อระบบ AI สามารถใช้ผู้มีส่วนได้ส่วนเสียที่สอดคล้องกันและท่อข้อมูลที่โปร่งใส พวกเขาจะน่าเชื่อถือมากขึ้น ในทางกลับกัน พวกเขามีแนวโน้มที่จะเข้าถึงพื้นที่ส่วนตัวและวิชาชีพที่สำคัญที่สุดของเราได้มากขึ้น โดยการสร้างวงล้อของการเข้าถึงข้อมูลที่ดีขึ้นและผลลัพธ์ที่ดีขึ้น

ดังนั้น ในช่วงที่จะเกิดขึ้นนี้ของ AI มาคิดกันว่าเราจะเชื่อมโยงมนุษย์และเครื่องจักรด้วยความสัมพันธ์ที่สามารถตรวจสอบได้ แหล่งข้อมูลที่มีคุณภาพ และระบบที่แม่นยำ เราควรถามไม่ว่า AI สามารถทำอะไรให้เรา แต่สิ่งที่เราสามารถทำเพื่อ AI