Це не про те, що штучний інтелект може зробити для нас, а про те, що ми можемо зробити для штучного інтелекту

Більшість людей розглядають штучний інтелект (AI) через односторонню лінзу. Ця технологія існує лише для того, щоб служити людям і досягати нових рівнів ефективності, точності та продуктивності. Але що, якщо ми пропускаємо половину рівняння? І що, якщо, роблячи це, ми тільки посилюємо недоліки технології?

Штучний інтелект ще в дитинстві і все ще стикається з суттєвими обмеженнями в сфері розуміння, якості даних та розуміння концепцій, таких як довіра, цінність та стимули. Розрив між поточними можливостями та справжньою “інтелектом” є суттєвим. Добра новина? Ми можемо змінити це, ставши активними співробітниками, а не пасивними споживачами штучного інтелекту.

Люди володіють ключем до інтелектуальної еволюції, забезпечуючи кращі рамки розуміння, якість даних та мостячи розрив довіри. В результаті, людина і машина можуть працювати пліч-о-пліч для взаємної вигоди – з кращою співпрацею, яка генерує кращі дані та кращі результати.

Давайте розглянемо, яким міг би бути більш симбіотичний зв’язок і як, як партнери, значуща співпраця може принести користь обидвом сторонам рівняння штучного інтелекту.

Необхідний зв’язок між людиною та машиною

Штучний інтелект, безумовно, великий у аналізі величезних наборів даних та автоматизації складних завдань. Однак технологія залишається фундаментально обмеженою в мисленні, як ми. По-перше, ці моделі та платформи борються з розумінням за межами їхніх навчальних даних. Розпізнавання закономірностей та статистична передбачення не становлять проблеми, але контекстове судження та логічні рамки, які ми приймаємо як належне, є більш складними для відтворення. Цей розрив у розумінні означає, що штучний інтелект часто спотикається, коли стикається з нюансированими сценаріями або етичним судженням.

По-друге, існує проблема “сміття у, сміття вийде” якості даних. Поточні моделі тренуються на величезних сховищах інформації з та без згоди. Неверифікована або упереджена інформація використовується незалежно від належної атрибуції або авторизації, що призводить до неверифікованої або упередженої штучного інтелекту. “Дієта даних” моделей є therefore сумнівною на найкращому та розсіяною у гіршому випадку. Корисно вважати цей вплив у термінологічному плані. Якщо люди їдять тільки джанк-фуд, ми повільні та втомлені. Якщо агенти споживають тільки авторські та вторинні матеріали, їхня продуктивність є подібною, з виходом, який є неточним, ненадійним та загальним, а не конкретним. Це все ще далеко від автономного та проактивного прийняття рішень, обіцяного в наступній хвилі агентів.

Критично, штучний інтелект все ще сліпий до того, з ким і чим він взаємодіє. Він не може розрізняти між узгодженими та неузгодженими користувачами, бореться з верифікацією відносин та не розуміє концепцій, таких як довіра, цінність та стимули учасників – основні елементи, які керують людськими взаємодіями.

Проблеми штучного інтелекту з людськими рішеннями

Нам потрібно думати про платформи штучного інтелекту, інструменти та агенти менше як слуг і більше як помічники, яких ми можемо допомогти тренувати. По-перше, давайте розглянемо розуміння. Ми можемо введення нових логічних рамок, етичних керівництв та стратегічного мислення, яке системи штучного інтелекту не можуть розвинути самостійно. Через ретельне підказування та пильну нагляд, ми можемо доповнити статистичну силу штучного інтелекту людською мудрістю – вчимо їх розпізнавати закономірності та розуміти контексти, які роблять ці закономірності значущими.

Аналогічно, замість того, щоб дозволяти штучному інтелекту тренуватися на будь-якій інформації, яку він може витягнути з інтернету, люди можуть курирувати набори даних вищої якості, які верифіковані, різноманітні та етично джерельні.

Це означає розробку кращих систем атрибуції, де творці контенту визнаються та компенсуються за їхній внесок у навчання.

Появі.frameworks роблять це можливим. Об’єднавши онлайн-ідентифікатори під одним баннером та вирішивши, чи вони комфортні з тим, що вони діляться, користувачі можуть забезпечити моделі нуль-партійною інформацією, яка поважає приватність, згоду та регулювання. Краще ще, відстежуючи цю інформацію на блокчейні, користувачі та розробники моделей можуть бачити, звідки береться інформація, та адекватно компенсувати творцям за надання цієї “нової нафти”. Це те, як ми визнаємо користувачів за їхні дані та запрошуємо їх до інформаційної революції.

Нарешті, мостячи розрив довіри означає озброєння моделей людськими цінностями та ставленнями. Це означає розробку механізмів, які розпізнають учасників, верифікують відносини та розрізняють між узгодженими та неузгодженими користувачами. В результаті, ми допомагаємо штучному інтелекту зрозуміти його операційний контекст – хто отримує вигоду від його дій, що сприяє його розвитку, та як цінність протікає через системи, в яких він бере участь.

Наприклад, агенти, підтримувані інфраструктурою блокчейну, досить хороші в цьому. Вони можуть розпізнавати та пріоритизувати користувачів з продемонстрованим екосистемним внеском через репутацію, соціальний вплив чи володіння токеном. Це дозволяє штучному інтелекту узгоджувати стимули, надаючи більший ваги учасникам з реальним внеском, створюючи системи управління, де верифіковані прихильники беруть участь у прийнятті рішень на основі їхнього рівня участі. В результаті, штучний інтелект глибше розуміє свою екосистему та може приймати рішення, інформовані справжніми відносинами учасників.

Не втрачайте з виду людський елемент у штучному інтелекті

Було сказано багато про зростання цієї технології та про те, як вона загрожує переробити галузі та знищити робочі місця. Однак, встановлення гарантій може забезпечити, що штучний інтелект доповнює, а не перевершує людський досвід. Наприклад, найуспішніші реалізації штучного інтелекту не заміняють людей, а розширюють те, що ми можемо досягти разом. Коли штучний інтелект обробляє рутинний аналіз, а люди забезпечують творчий напрям та етичну нагляд, обидві сторони вносять свій унікальний внесок.

Коли все робиться правильно, штучний інтелект обіцяє покращити якість та ефективність безлічі людських процесів. Але коли все робиться неправильно, він обмежений сумнівними джерелами даних та тільки імітує інтелект, а не демонструє справжній інтелект. Це залежить від нас, людського боку рівняння, зробити ці моделі розумнішими та забезпечити, що наші цінності, судження та етика залишаються в їхньому серці.

Довіра є непереговорним для цієї технології, щоб стати масовою. Коли користувачі можуть верифікувати, куди йде їхній дані, бачити, як вони використовуються, та брати участь у створенні цінності, вони стають готовими партнерами, а не неохочими об’єктами. Аналогічно, коли системи штучного інтелекту можуть використати узгоджених учасників та прозорі канали даних, вони стають більш довірливими. В результаті, вони більш ймовірно отримають доступ до наших найважливіших приватних та професійних просторів, створюючи колесо кращого доступу до даних та покращення результатів.

Отже, переходячи до цього наступного етапу штучного інтелекту, давайте зосередимося на зв’язуванні людини та машини з верифікованими відносинами, джерелами даних та точними системами. Ми повинні запитувати не те, що штучний інтелект може зробити для нас, а те, що ми можемо зробити для штучного інтелекту.