Crypto Insight Bulletin

·

--

He estado investigando sobre infraestructura de IA descentralizada y sigo pensando en cuán importante va a ser la verificación. Ahora la IA puede crear cosas que se ven muy bien, pero no siempre estamos seguros de si son correctas. Lo que me gusta del enfoque de Mira es que no solo acepta lo que la IA dice como verdadero. En su lugar, prueba la salida de la IA para asegurarse de que es correcta. El enfoque de Mira convierte las afirmaciones que hace la IA en reclamos que se pueden verificar y permite que muchos modelos diferentes examinen estos reclamos por su cuenta. Esto hace que el sistema sea más responsable, lo cual es algo que la mayoría de los sistemas de IA no tienen hoy en día. Creo que este tipo de red de verificación podría ser muy importante si queremos que la IA funcione bien en el mundo. El enfoque de Mira y su red de verificación son cosas en las que pienso mucho cuando considero la infraestructura de IA descentralizada y cómo la verificación va a ser más importante que la generación.

#Mira @Mira - Trust Layer of AI $MIRA

·

--

Por qué la IA necesita infraestructura de verificación. Mi opinión después de estudiar el diseño de Mira

En los últimos años, la IA ha hecho un progreso increíble. Los modelos pueden escribir ensayos, generar código e incluso crear imágenes o videos. Pero cuanto más exploro cómo funcionan estos sistemas, más me doy cuenta de que la inteligencia sin fiabilidad es una base. La IA es como un edificio que necesita una base para mantenerse en pie.
Mientras estudiaba las ideas presentadas en el documento técnico de Mira, un tema seguía viniendo a mi mente: la IA no falla porque le falte conocimiento, falla porque le falta verificación. Seguí pensando en esta idea y en cómo se relaciona con la IA.

·

--

Repensando la Fiabilidad de la IA: Por Qué la Verificación Descentralizada Es la Capa

Después de leer el libro blanco de Mira, comencé a pensar en cuán poderoso es la IA, pero también en cuán frágil sigue siendo. A menudo hablamos sobre modelos de lenguaje y cuán buenos son para hablar, ser creativos y trabajar rápido. Pero si miramos más de cerca, podemos ver que los sistemas de IA tienen una limitación: se basan en probabilidades. No "saben" realmente las cosas como lo hacen los humanos. Solo hacen predicciones. Las predicciones, sin importar cuán buenas sean, pueden ser incorrectas. A veces, este error se manifiesta como algo que no es cierto. Otras veces, se presenta como un sesgo. No importa cuán grande o bien entrenado esté un solo modelo, este problema nunca realmente desaparece.

·

--

He investigado cómo funciona Mira y lo que noto es que enfrenta un problema con la IA: no siempre es confiable. La IA puede dar respuestas que suenan bien. Eso no significa que sean correctas. Mira aborda este problema de una manera.

* Descompone las respuestas en afirmaciones que pueden ser verificadas.

* Luego permite que una red de modelos acuerde lo que es verdadero.

Lo que creo que es realmente poderoso es la forma en que utiliza la economía para asegurarse de que los nodos sean honestos.

Los nodos tienen que poner algo de valor en riesgo, así que no tiene sentido que hagan trampa.

No se trata de hacer que la IA sea más grande y mejor; se trata de hacer que la IA sea responsable.

Para mí, esto parece un paso hacia tener una IA que pueda trabajar por su cuenta y ser confiable.

Mira está haciendo que la IA sea más confiable.

Mira está haciendo que la IA sea más digna de confianza.

El enfoque de Mira es diferente.

El enfoque de Mira es más responsable.

$MIRA #Mira @Mira - Trust Layer of AI

·

--

El Modelo de Grafo Híbrido es una forma de recompensar el trabajo real

Cuando estaba leyendo la documentación de Fabric Foundation, me encontré con el modelo de Valor de Grafo Híbrido. Realmente me hizo pensar.
Esto no es algo que suelas ver en los sistemas de blockchain.
El Modelo de Grafo Híbrido no recompensa a las personas que participan en función de cuánto dinero ganan o simplemente en función de cuánto hacen.
El Modelo de Grafo Híbrido recompensa a las personas en función de ambas cosas. Cambia la importancia de cada una a medida que la red se vuelve más antigua.
Al principio, lo que hacen las personas es más importante porque el sistema todavía está creciendo.

·

--

Cuanto más aprendo sobre Fabric, realmente me gusta cómo verifica si todo está funcionando correctamente. No asume que los robots siempre funcionarán perfectamente. En cambio, asume que a veces pueden fallar.

* Se asegura de que las personas a cargo de los robots sean responsables de lo que sucede.

* Tienen que poner algo de dinero en la línea como garantía.

* Otras personas observan para asegurarse de que todo esté bien.

* Si alguien intenta hacer trampa, se mete en problemas. Pierde dinero.

Esta forma de hacer las cosas me parece madura. Cuando las máquinas comienzan a realizar trabajos, no puedes simplemente confiar en que funcionarán.

Tienes que asegurarte de que están diseñadas para ser confiables.

Fabric tiene una forma de verificar si los robots están funcionando correctamente. Les da un desafío que completar.

Si intentan hacer trampa, les cuesta mucho dinero.

Creo que este es el tipo de pensamiento que necesitamos si los robots van a trabajar en el mundo.

Fabric asume que el fracaso es posible. Construye reglas en torno a ello.

El sistema basado en desafíos de Fabric es interesante porque hace que hacer trampa no valga la pena.

Creo que Fabric está en el camino correcto, con su modelo de verificación.

Fabric realmente me hace pensar en cómo pueden trabajar los robots.

@Fabric Foundation #ROBO $ROBO

·

--

Fabric Foundation está trabajando hacia un futuro donde humanos y robots pueden crecer juntos

Últimamente he estado pensando en cómo están avanzando la robótica y la inteligencia artificial. Parece que cada mes las máquinas están mejorando y se están convirtiendo en una parte más importante de nuestra vida diaria. Sigo preguntándome quién está realmente a cargo de todo esto.
Ese es el momento en que comencé a investigar sobre Fabric Foundation.
@Fabric Foundation no es otro proyecto que involucra robots. Lo que creo que es diferente es que no trata a los robots como algo que una empresa puede poseer. En cambio, está tratando de crear un sistema donde muchas personas puedan contribuir y ser parte de cómo funciona.

·

--

Una cosa de la que no veo a muchas personas hablando en @Fabric Foundation es su diseño de emisión. La mayoría de las redes tienen un suministro fijo de tokens. Esperan que más personas comiencen a usarlo. Fabric hace las cosas de manera diferente. Las emisiones cambian según cómo las personas están usando realmente la red y qué tan bien están funcionando los servicios.

Este es un cambio. Significa que las recompensas se basan en cómo está funcionando realmente la red, no en lo que las personas piensan que podría hacer. Si los robots no se están utilizando mucho, el sistema intenta que más personas participen. Si la calidad del servicio no es buena, las recompensas se reducen.

Para mí, esto se siente más como un sistema económico real que solo una gran emoción. No se trata de construir robots. Se trata de construir un sistema que pueda cambiar y crecer a medida que las máquinas y los humanos trabajen juntos. Fabric se trata realmente de crear un sistema que pueda evolucionar con el tiempo. Eso es lo que creo que es tan interesante, acerca de Fabric y su diseño de emisión adaptativa.
#ROBO $ROBO

·

--

El Diseño Económico de Mira: Por Qué los Incentivos Importan Más Que los Modelos

Cuando las personas miran proyectos de infraestructura de IA, se centran en los modelos. Conjuntos de datos, mejores diseños, más detalles. Creo que una de las partes más pasadas por alto de la fiabilidad de la IA es el diseño de incentivos.
Por eso encuentro interesante el sistema económico de Mira. No solo intenta mejorar los resultados de IA a nivel de modelo. Construye un sistema donde la presión económica empuja a los participantes a verificar honestamente.
En cripto, los incentivos lo son todo.
La Debilidad Oculta de la Verificación de IA
Si le pides a los modelos de IA que verifiquen una afirmación suena fuerte. Pero hay un problema: las tareas de verificación a menudo se convierten en preguntas estructuradas con respuestas limitadas. En casos, adivinar al azar se vuelve posible.

·

--

Cuanto más aprendo sobre la Inteligencia Artificial, más pienso que el gran problema no es cuán inteligente es. Es si podemos confiar en ella.

@Mira - Trust Layer of AI trata este tema de una manera que realmente me gusta. Al crear otro modelo enorme y esperar que cometa menos errores, se construye un sistema donde muchas personas verifican el trabajo de las AIs. Así es como funciona:

* Cada respuesta se descompone en declaraciones

* Muchos modelos diferentes verifican estas declaraciones

* Los verificadores están motivados a ser honestos porque tienen algo que perder

Lo que encuentro interesante es que este sistema hace que sea racional para los nodos ser honestos. Tienen que arriesgar algo de valor, por lo que no tiene sentido que hagan trampa. Esto parece un siguiente paso, para la criptomoneda. No solo mantener las transacciones seguras, sino mantener a la IA honesta.

$MIRA
#Mira

·

--

Mira: Por Qué Creo Que la Verificación Descentralizada Es la Capa para la IA

Durante el año pasado, he estado pensando mucho en un problema central en la IA: aún no podemos confiar completamente en la IA.
Pienso en este problema todos los días.
Los modelos de lenguaje grande son muy poderosos.
Pueden escribir código, analizar datos, redactar argumentos y explicar temas complejos en segundos.
Al mismo tiempo, pueden producir información incorrecta con confianza.
Veo esto como un problema.
Las alucinaciones, sesgos e inconsistencias no son casos extremos. Son limitaciones de los modelos probabilísticos.
Ese es el vacío que llamó mi atención cuando estudié Mira.

·

--

Acabo de enterarme sobre @Mira - Trust Layer of AI . Es realmente asombroso. Mira no solo toma lo que dice una inteligencia artificial. Descompone lo que dice la inteligencia artificial en partes y tiene muchos modelos de inteligencia artificial diferentes que verifican cada parte. Solo obtenemos una respuesta que sabemos que es correcta cuando todos estos modelos diferentes están de acuerdo. Esto hace que sea mucho menos probable que la respuesta sea incorrecta o sesgada.

Las personas que verifican las respuestas también tienen que hacer un trabajo para asegurarse de que sean correctas. Tienen que poner algunos de sus tokens y hacer verificaciones para asegurarse de que todo esté bien. Si hacen un trabajo, entonces les pagan.

Creo que Mira es una idea porque utiliza muchos modelos de inteligencia artificial diferentes y una nueva forma de usar el dinero para asegurarse de que las respuestas sean correctas. Esto me hace pensar que finalmente podemos confiar en lo que dice la inteligencia artificial.

Estoy realmente emocionado por Mira porque utiliza inteligencia y una nueva forma de usar el dinero para decirnos qué es verdadero. Esta es una manera de asegurarnos de que obtenemos las respuestas correctas. Mira y su forma de usar inteligencia y dinero para obtener la verdad es algo que creo que es realmente genial.
#Mira $MIRA

·

--

Lo que realmente me gusta sobre @Fabric Foundation no son los robots que tienen. Es la forma en que quieren ganar dinero con ello. Fabric no quiere que una empresa esté a cargo de todas las máquinas. Quieren crear una red donde las personas puedan ayudar con habilidades, información verificando si las cosas son correctas o hardware. De esta manera, las personas pueden ser parte de cómo crece el sistema.

Creo que es una idea que los robots pueden tener partes que se pueden agregar o quitar como bloques. Estas partes pueden ser como habilidades que el robot puede aprender. Me gusta que estas habilidades se puedan trabajar abiertamente para que todos puedan ver lo que está sucediendo. También es bueno que Fabric quiera asegurarse de que el trabajo que los robots realicen sea real y que las personas sean responsables de lo que hacen. Si los robots van a ser parte de nuestras vidas, quiero que se hagan de una manera que sea abierta y honesta como lo que Fabric está haciendo con la comunidad ayudando.

$ROBO #ROBO

B

ROBO

Precio

0,038431

·

--

Estoy muy emocionado por el @Fabric Foundation . Piensa que los robots deberían compartir conocimientos rápidamente para que cualquier robot nuevo pueda aprender de miles de otros.

Lo que me gusta es que quieren construir esta tecnología de manera responsable. Quieren asegurarse de que los robots sigan valores a medida que aprenden y mejoran.

La idea de usar tokens para ayudar a las personas a trabajar juntas y contribuir parece inteligente. No se siente como una tendencia pasajera.

Parece un futuro donde la tecnología y las personas trabajen juntas de manera justa.

Leer sobre esto realmente me hace sentir esperanzado e inspirado.

El Protocolo de Fabric parece algo que puede realmente hacer una diferencia.

Se trata de robots y personas trabajando juntos.

El enfoque está en asegurarse de que los robots estén alineados con lo que las personas piensan que es correcto.

Eso me da esperanza, para el futuro.

$ROBO #ROBO

B

ROBO

Precio

0,038431

·

--

El futuro de la robótica no debería pertenecer a un monopolio

Se siente como si parpadeáramos y, de repente, los robots salieran de la ciencia ficción y entraran en nuestra realidad diaria. Con el rendimiento de la IA saltando rápidamente y los modelos de lenguaje grande ahora controlando activamente robots a través de código de código abierto, la línea entre los datos digitales y el mundo físico se está desvaneciendo. Un futuro donde vivimos y trabajamos junto a máquinas altamente capaces se está acercando rápidamente. Pero mientras observo esto desarrollarse, una preocupación apremiante ensombrece la emoción: esta automatización física y digital amenaza con concentrar un poder y riqueza sin precedentes en manos de unas pocas corporaciones masivas. Estamos de pie al borde de una economía de "el ganador se lleva todo", donde la infraestructura robótica del mañana podría fácilmente convertirse en un ecosistema cerrado controlado por una sola entidad.

·

--

Todos estamos esperando a que la Inteligencia Artificial maneje las cosas en derecho y atención médica, pero las alucinaciones de la Inteligencia Artificial aún están frenando a la Inteligencia Artificial. Mira señala una verdad: un único modelo de Inteligencia Artificial siempre tendrá un límite. No puedes tener precisión sin introducir sesgos en el sistema de Inteligencia Artificial. El enfoque de Mira es diferente. No están tratando de construir una Inteligencia Artificial, sino más bien una red descentralizada para verificar la Inteligencia Artificial. Se trata de pasar más allá del punto donde la Inteligencia Artificial es solo lo suficientemente buena, hasta el punto donde se demuestra que la Inteligencia Artificial es confiable.
@Mira - Trust Layer of AI #Mira $MIRA

·

--

Repensando la fiabilidad de la IA como un problema de consenso

He estado leyendo el whitepaper de Miras y una cosa sigue llamando mi atención: el whitepaper de Mira y el problema de las alucinaciones y sesgos de la IA. El whitepaper de Mira dice que estos no son solo problemas con un modelo o sus datos. Son un problema que necesita una solución que involucre todo el sistema.
Cada modelo de lenguaje grande tiene un problema cuando se está entrenando. Si lo haces más preciso, tendrá un sesgo sistémico. El whitepaper de Miras me ayudó a entender esto. Dice que las alucinaciones son cuando un modelo no es preciso y da respuestas que no son consistentes o son demasiado seguras. Por otro lado, el sesgo es cuando un modelo no es exacto y da respuestas que no son verdaderas.

·

--

¡Super emocionado por el futuro de la IA y @Mira - Trust Layer of AI ! Su sistema de verificación descentralizado es un cambio total de juego, alucinando IA nuclear en la cabeza. Imagina el mundo en el que todas las salidas de IA se sostienen. Eso es lo que $MIRA está construyendo. ¡Encuentra el motor para una IA más responsable!

#mira $MIRA

·

--

Decodificación de la Transformación de Contenido de Mira: Cómo los Datos en Crudo se Convierten en Verdad Verificada

Es bastante esencial en el rápido mundo de la Inteligencia Artificial poder confiar en los resultados que la IA nos entrega. La IA compondrá contenido creativo y atractivo, pero también generará alucinaciones y demostrará prejuicios. Mira Network está haciendo esto aplicando un nuevo proceso de Transformación de Contenido que convierte la salida de IA poco clara en información verificable.
El Problema de la Fiabilidad de la IA Tradicional.
Los modelos de lenguaje grande (LLMs), que son tipos de modelos de IA, se basan en adivinar la palabra o secuencia más probable que sigue. Debido a esto, sus producciones pueden ser una imprecisión fáctica o no estar relacionadas con la realidad. Esta inferencia hace que la verificación directa de las respuestas sea difícil y, por lo general, requiere asistencia humana, lo que socava los esfuerzos de una IA completamente autónoma. Mira Network altera nuestra forma de pensar sobre las salidas de IA. En lugar de tomar todo lo que la IA ofrece como la verdad, Mira lo examina con un puñado de niveles de verificación que comienzan dividiendo inteligentemente el material en unidades más pequeñas.