Het existentiële risico van AI is geen lachertje: hoezeer de technische wereld ook probeert er wijs uit te worden, niemand weet definitief of de dystopische 'control the world'-hype legitiem is of slechts sciencefiction.

Maar voordat we die brug (reëel of niet) zelfs maar oversteken, moeten we een urgenter probleem onder ogen zien. We zien nu al de opkomst van semi-autonome AI-agenten die reageren op hun omgeving en zelf beslissingen nemen. Denk aan handelsrobots die de omstandigheden op de aandelenmarkt monitoren en de manier waarop ze kopen of verkopen dienovereenkomstig veranderen, of zelfs een werkmemo of schoolkrant uitgegeven door ChatGPT.

Ongeacht de toepassing duiken de gebruikelijke praktische problemen van AI onvermijdelijk op. Gehallucineerde citaten, luie beslissingen, plotselinge verkeerde aanwijzingen en algehele onvoorspelbaarheid blijven het vertrouwen in deze systemen belemmeren – en, dieper duikend, het vertrouwen in de algoritmen voor machine learning (ML). kritische gevolgtrekkingen mogelijk maken. ML-gevolgtrekkingen zijn vaak ondoorgrondelijk voor buitenstaanders, en de gevolgen zijn seismisch. Kijk maar naar Minnesota proces tegen UnitedHealth Group omdat het vertrouwde op een voorspellend algoritme dat geen rekening hield met COVID, of op de enorme blunder van slechte scores van de kredietwaardigheidsbeoordelingsindustrie vorig jaar.

Het vertrouwen op onbekende gevolgtrekkingen is een serieus probleem, en een probleem dat maar al te bekend is voor degenen onder ons in crypto en Web3. Stel je bijvoorbeeld de potentiële winst voor die een arbitrageur zou kunnen behalen uit een gedecentraliseerde uitwisseling door een feed van prijsinformatie te verminken.

Gelukkig bestaat er een oplossing voor deze vertrouwenskloof. Het antwoord: Creëer een gevolgtrekkingseconomie.

Wat is een gevolgeconomie?

Hoewel de schijnwerpers terecht gericht zijn op de data die de conclusies van machine learning aandrijven, ontbreekt er een formele arena om eventuele slechte resultaten in de kiem te smoren. Gebaseerd op verantwoorde concurrentie, commercialiseert een inferentie-economie het streven naar eerlijke, betrouwbare en veilige machine learning-productie.

Op een hoog niveau komt dit tot leven als een marktplaats voor verifieerbare machine-intelligentie, met twee lagen: een competitie in toernooistijl waarmee elke datawetenschapper of modelbouwer een ML-model kan verbeteren en een deel van de gegenereerde inkomsten uit de gevolgtrekking kan verdienen, en een open marktplaats waar stromen van geverifieerde gevolgtrekkingen kunnen worden geconsumeerd.

AI-agenten of ontwikkelaars die slimme contracten of applicaties bouwen, zullen inferentiestromen kunnen selecteren uit een breed scala aan bewezen, door de gemeenschap doorgelichte machine learning-modellen. Het Oracle-risico zal aanzienlijk worden verminderd omdat een slechte datastroom zou worden vervangen door een betere datastroom op de markt, en AI-agenten zouden reageren op goed gescreende, vertrouwde stromen van gevolgtrekkingen.

Verantwoording begint met Web3

De manier waarop dit allemaal werkt is door concepten zoals Web3-validatie-staking, streaming-betalingen en zero-knowledge-proofs te combineren met het bestaande, beperkte concurrerende ML-model. Vooral machine learning zonder kennis maakt het mogelijk om de integriteit te bewijzen en modelbouwers hun modellen te beschermen.

Waarom is dit belangrijk?

Het komt terug op de existentiële kwestie van het omgaan met AI. Vertrouwelijke systemen vereisen door de strijd geharde technologieën en buitengewone beveiligingsmaatregelen. Daarom is het combineren van Web3-ontwerpfilosofieën de enige manier om AI verantwoordelijk te houden. Gebaseerd op geverifieerde machine-intelligentie en een open bron van briljante geesten (datawetenschappers en modelbouwers), biedt de inferentie-economie een reëel, haalbaar tegengif voor p(doom).

Simpel gezegd: een betere marktplaats voor ML-modellen levert beter presterende en beter verifieerbare gevolgtrekkingen op die bedrijven kunnen kopen en inzetten voor hun eigen activiteiten. Van kredietscores en NFT-aanbevelingen tot cryptoprijs- en sportvoorspellingen: allerlei soorten organisaties kunnen enorme waarde ontsluiten uit een inferentie-economie die het vertrouwen terugbrengt in machine-intelligentie.

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• Bron: https://www.dataversity.net/forget-pdoom-heres-how-to-hold-ai-accountable-by-creating-an-inference-economy/