Bảng tỷ giá 
Bạn đang ở:
84 
Các chuyên gia tin rằng các hệ thống phi tập trung có thể giúp đảm bảo tính toàn vẹn và khách quan của dữ liệu được cung cấp cho các hệ thống AI, nhưng vẫn tồn tại những hạn chế rất rõ ràng.
Các dự án bắt nguồn từ trí tuệ nhân tạo (AI) đang nhanh chóng trở thành một phần không thể thiếu của mô hình công nghệ hiện đại, hỗ trợ quá trình ra quyết định trong nhiều lĩnh vực khác nhau, từ tài chính đến chăm sóc sức khỏe. Tuy nhiên, bất chấp những tiến bộ đáng kể, các hệ thống AI không phải không có sai sót. Một trong những vấn đề quan trọng nhất mà AI phải đối mặt hiện nay là sai lệch dữ liệu, đề cập đến sự hiện diện của các lỗi hệ thống trong một tập hợp thông tin nhất định dẫn đến kết quả sai lệch khi huấn luyện các mô hình máy học.
Vì các hệ thống AI phụ thuộc nhiều vào dữ liệu; chất lượng của dữ liệu đầu vào là vô cùng quan trọng vì bất kỳ loại thông tin sai lệch nào cũng có thể dẫn đến thành kiến trong hệ thống. Điều này có thể tiếp tục duy trì sự phân biệt đối xử và bất bình đẳng trong xã hội. Vì vậy, việc đảm bảo tính trung thực và khách quan của dữ liệu là rất cần thiết.
Ví dụ: một bài báo gần đây khám phá cách hình ảnh do AI tạo ra, cụ thể là những hình ảnh được tạo từ bộ dữ liệu do các nguồn chịu ảnh hưởng của Mỹ thống trị, có thể xuyên tạc và đồng nhất hóa ngữ cảnh văn hóa của nét mặt. Nó trích dẫn một số ví dụ về những người lính hoặc chiến binh từ các thời kỳ lịch sử khác nhau, tất cả đều có cùng một nụ cười kiểu Mỹ.
Hơn nữa, sự thiên vị tràn lan không chỉ không nắm bắt được sự đa dạng và sắc thái biểu hiện của con người mà còn có nguy cơ xóa bỏ ý nghĩa và lịch sử văn hóa quan trọng, do đó có khả năng ảnh hưởng đến sức khỏe tâm thần, hạnh phúc toàn cầu và sự phong phú trong trải nghiệm của con người. Để giảm thiểu tính thiên vị như vậy, điều cần thiết là kết hợp các tập dữ liệu đa dạng và đại diện vào các quy trình đào tạo AI.
Một số yếu tố góp phần tạo ra dữ liệu sai lệch trong các hệ thống AI. Thứ nhất, bản thân quy trình thu thập có thể có sai sót, với các mẫu không đại diện cho dân số mục tiêu. Điều này có thể dẫn đến việc đại diện quá ít hoặc quá mức của một số nhóm nhất định. Thứ hai, những thành kiến lịch sử có thể thấm vào dữ liệu đào tạo, điều này có thể duy trì những định kiến xã hội hiện có. Chẳng hạn, các hệ thống AI được đào tạo dựa trên dữ liệu lịch sử sai lệch có thể tiếp tục giữ định kiến về giới tính hoặc chủng tộc.
Cuối cùng, những thành kiến của con người có thể vô tình được đưa vào trong quá trình gắn nhãn dữ liệu, vì những người gắn nhãn có thể chứa đựng những thành kiến vô thức. Việc lựa chọn các tính năng hoặc biến được sử dụng trong các mô hình AI có thể dẫn đến kết quả sai lệch, vì một số tính năng có thể tương quan hơn với một số nhóm nhất định, gây ra sự đối xử không công bằng. Để giảm thiểu những vấn đề này, các nhà nghiên cứu và những người thực hành cần phải nhận thức được các nguồn tiềm tàng của tính khách quan sai lệch và tích cực làm việc để loại bỏ chúng.
Blockchain có thể biến AI không thiên vị thành hiện thực không?
bất chấp việc công nghệ blockchain có thể hỗ trợ một số khía cạnh nhất định trong việc giữ cho hệ thống AI ở trạng thái trung lập, nhưng nó hoàn toàn không phải là thuốc chữa bách bệnh để loại bỏ hoàn toàn các thành kiến. Các hệ thống AI, chẳng hạn như các mô hình học máy, có thể phát triển các xu hướng phân biệt đối xử nhất định dựa trên dữ liệu mà chúng được đào tạo. Ngoài ra, nếu dữ liệu đào tạo chứa nhiều bố trí trước khác nhau, hệ thống có thể sẽ học và tái tạo chúng trong kết quả đầu ra của nó.
Tuy nhiên, công nghệ blockchain có thể góp phần giải quyết những thành kiến về AI theo những cách độc đáo của riêng nó. Ví dụ, nó có thể giúp đảm bảo nguồn gốc và tính minh bạch của dữ liệu. Các hệ thống phi tập trung có thể theo dõi nguồn gốc của dữ liệu được sử dụng để đào tạo các hệ thống AI, đảm bảo tính minh bạch trong quá trình thu thập và tổng hợp thông tin. Điều này có thể giúp các Bên giữ của Stake xác định các nguồn thiên vị tiềm ẩn và giải quyết chúng.
Gần đây: Tại sao nên tham gia bang hội trò chơi blockchain? Vui vẻ, kiếm lợi nhuận và tạo ra các trò chơi hay hơn
Tương tự như vậy, các blockchain có thể tạo điều kiện chia sẻ dữ liệu an toàn và hiệu quả giữa nhiều bên, cho phép phát triển các bộ dữ liệu đại diện và đa dạng hơn.
Ngoài ra, bằng cách phi tập trung hóa quy trình đào tạo, blockchain có thể cho phép nhiều bên đóng góp thông tin và kiến thức chuyên môn của riêng họ, điều này có thể giúp giảm thiểu ảnh hưởng của bất kỳ quan điểm thiên vị nào.
Việc duy trì tính trung lập khách quan đòi hỏi phải chú ý cẩn thận đến các giai đoạn phát triển AI khác nhau, bao gồm thu thập dữ liệu, đào tạo và đánh giá mô hình. Ngoài ra, việc theo dõi và cập nhật liên tục các hệ thống AI là rất quan trọng để giải quyết các định kiến tiềm ẩn có thể phát sinh theo thời gian.
Để hiểu sâu hơn về việc liệu công nghệ blockchain có thể làm cho các hệ thống AI hoàn toàn trung lập hay không, Cointelegraph đã liên hệ với Ben Goertzel, người sáng lập và Giám đốc điều hành của SingularityNET — một dự án kết hợp trí tuệ nhân tạo và blockchain.
Theo quan điểm của ông, khái niệm khách quan hoàn toàn không thực sự hữu ích trong bối cảnh các hệ thống trí tuệ hữu hạn phân tích các tập dữ liệu hữu hạn.
Những gì hệ thống blockchain và Web3 có thể cung cấp không phải là tính khách quan hoàn toàn hoặc thiếu thiên vị mà là tính minh bạch để người dùng có thể thấy rõ hệ thống AI có thiên kiến gì. Nó cũng cung cấp khả năng cấu hình mở để cộng đồng người dùng có thể điều chỉnh một mô hình AI để có loại xu hướng mà nó ưa thích và xem một cách minh bạch loại xu hướng mà nó đang phản ánh, ông nói.
Ông nói thêm rằng trong lĩnh vực nghiên cứu AI, thiên vị không phải là một từ bẩn thỉu. Thay vào đó, nó chỉ đơn giản là biểu thị định hướng của một hệ thống AI đang tìm kiếm các mẫu nhất định trong dữ liệu. Nói như vậy, Goertzel thừa nhận rằng những sai lệch không rõ ràng do các tổ chức tập trung áp đặt lên những người dùng không biết về họ — nhưng được họ hướng dẫn và ảnh hưởng — là điều mà mọi người cần cảnh giác. Anh ấy nói:
Hầu hết các thuật toán AI phổ biến, chẳng hạn như ChatGPT, kém về tính minh bạch và bộc lộ những thành kiến của chính chúng. Vì vậy, một phần của những gì cần thiết để xử lý đúng đắn vấn đề thiên vị AI là các mạng phi tập trung có sự tham gia và các mô hình mở không chỉ là nguồn mở mà còn là các ma trận có trọng số mở được đào tạo, các mô hình được điều chỉnh phù hợp với nội dung mở.
Tương tự, Dan Peterson, giám đốc điều hành của Tenet - một mạng blockchain tập trung vào AI - nói với Cointelegraph rằng rất khó để định lượng tính trung lập và một số chỉ số AI không thể thiên vị vì không có dòng có thể định lượng khi nào một tập dữ liệu mất tính trung lập. Theo quan điểm của anh ấy, cuối cùng nó sẽ tập trung vào viễn cảnh nơi kỹ sư vẽ đường và đường đó có thể khác nhau tùy theo từng người.
Khái niệm về bất cứ thứ gì thực sự 'không thiên vị' từ trước đến nay là một thử thách khó vượt qua. bất chấp việc khó có thể xác định được sự thật tuyệt đối trong bất kỳ tập dữ liệu nào được đưa vào các hệ thống AI tổng quát, nhưng những gì chúng ta có thể làm là tận dụng các công cụ sẵn có hơn thông qua việc sử dụng công nghệ blockchain và Web3, ông nói.
Peterson tuyên bố rằng các kỹ thuật được xây dựng xung quanh các hệ thống phân tán, khả năng kiểm chứng và thậm chí cả chứng minh xã hội có thể giúp chúng tôi tạo ra các hệ thống AI gần với sự thật tuyệt đối. Tuy nhiên, nó vẫn chưa phải là một giải pháp chìa khóa trao tay; Ông nói: “Những công nghệ đang phát triển này giúp chúng tôi tiến lên phía trước với tốc độ chóng mặt khi chúng tôi tiếp tục xây dựng các hệ thống của ngày mai”.
Hướng tới một tương lai do AI điều khiển
Khả năng mở rộng vẫn là một mối quan tâm đáng kể đối với công nghệ blockchain. Khi số lượng người dùng và giao dịch tăng lên, nó có thể hạn chế khả năng của các giải pháp blockchain trong việc xử lý lượng dữ liệu khổng lồ do các hệ thống AI tạo ra và xử lý. Hơn nữa, ngay cả việc áp dụng và tích hợp các giải pháp dựa trên blockchain vào các AI hiện có cũng đặt ra những thách thức đáng kể.
Gần đây: Tiền điện tử ở Châu Âu: Nhà kinh tế phân tích MiCA và tương lai của stablecoin
Đầu tiên, sự thiếu hiểu biết và chuyên môn về cả công nghệ AI và blockchain, điều này có thể cản trở việc phát triển và triển khai các giải pháp kết hợp cả hai mô hình một cách hiệu quả. Thứ hai, việc thuyết phục các bên giữ cổ phần về lợi ích của nền tảng blockchain, đặc biệt là khi đảm bảo việc truyền dữ liệu AI không thiên vị, có thể là một thách thức, ít nhất là trong thời gian đầu.
Bất chấp những thách thức này, công nghệ blockchain giữ tiềm năng to lớn khi nói đến việc cân bằng bối cảnh AI đang phát triển nhanh chóng. Bằng cách tận dụng các tính năng chính của blockchain — chẳng hạn như phân cấp, minh bạch và không thay đổi — có thể giảm thiểu sự thiên vị trong việc thu thập, quản lý và ghi nhãn dữ liệu, cuối cùng dẫn đến các hệ thống AI công bằng hơn. Do đó, sẽ rất thú vị để xem tương lai tiếp tục diễn ra như thế nào từ đây cho đến hết.
Theo CoinTelegraph
|
|
Tags: Trí Tuệ Nhân Tạo, Công Nghệ, ,
