Cas Abbé

Il crescente problema di affidabilità nell'intelligenza artificiale

Negli ultimi anni ho notato qualcosa di interessante riguardo all'intelligenza artificiale. La tecnologia sta diventando incredibilmente potente, ma allo stesso tempo c'è un problema silenzioso di cui la maggior parte delle persone non parla abbastanza. L'IA può sembrare molto sicura anche quando ha torto. Chiunque abbia utilizzato strumenti di IA moderni ha probabilmente vissuto questa esperienza. Fai una domanda e il sistema fornisce una risposta chiara, a volte anche con spiegazioni e riferimenti. Ma poi ti rendi conto che una parte della risposta era errata.

Ci sono numerosi progetti nel mondo delle criptovalute che hanno molte promesse ma non dicono quale problema stanno risolvendo.
La mia domanda iniziale era facile da capire, quale problema esattamente cerca di risolvere Fabric?

I robot sono già utilizzati oggi nei magazzini, nelle fabbriche e nelle consegne. I sistemi di intelligenza artificiale decidono, analizzano e operano macchine. La maggior parte di tali sistemi si trova all'interno di sistemi chiusi. Ogni azienda sviluppa i propri robot, il proprio software e le proprie regole. Tali macchine non interagiscono facilmente con macchine di un'altra azienda. Non sono in grado di tenere sotto controllo l'uno l'altro. Non sono in grado di condividere un sistema economico comune.

Il disagio dell'intelligenza artificiale

Uno dei fatti difficili mi ha fatto guardare l'intelligenza artificiale più da vicino quando ho iniziato a farlo. I sistemi di IA sono così sicuri ma non necessariamente accurati. Il modello linguistico è in grado di fornire una spiegazione chiara e nominare le fonti e di organizzare gli argomenti, tuttavia potrebbe comunque essere errato in termini di fatti semplici. Questo problema è noto come allucinazione dell'IA ed è una delle principali ragioni per cui l'IA non è uno strumento affidabile in altri circoli seri. I sistemi non sono applicabili a ospedali, tribunali, mercati finanziari e scuole che a volte compongono informazioni. La tecnologia può dimostrarsi potente, eppure quando non è affidabile, può diventare rischiosa. Più leggevo questo, più capivo che non si tratta semplicemente di creare modelli migliori. Questo perché anche i modelli più perfetti sono fallibili poiché sono probabilistici per natura. Invece di provare, fanno ipotesi su ciò che pensano possa essere vero. Quindi, sebbene il tasso di errore possa diminuire, non scompare mai. E con un miliardo di interazioni di IA su base giornaliera, puoi già avere un grande problema anche con un tasso di errore minore.

Introduzione: Quando tutti aspettano la stagione degli altcoin ma non arriva mai

Negli ultimi mesi, ho osservato un fenomeno strano quando osservo il mercato crypto. Bitcoin stava ricevendo una quantità significativa di attenzione, volume e titoli, mentre la maggior parte degli altcoin non stava vivendo lo stesso. Tipicamente, nel caso di un mercato crypto fiorente, gli investitori reindirizzano parte dei loro fondi da Bitcoin agli altri token. Questo è ciò a cui i trader si riferiscono come stagione degli altcoin.
Tuttavia, di recente, le statistiche hanno detto il contrario. Numerosi indicatori degli altcoin sono vicini al loro numero più basso in quasi due anni, indicando che il mercato è certamente in stagione di Bitcoin. Cioè, la maggior parte degli altcoin non sta performando bene come Bitcoin.

Inizialmente ero attratto dai titoli sensazionali di robot che eseguono capriole e che i droni per la consegna della pizza diventeranno realtà. Tuttavia, la mia conversazione con le persone che usano i robot mi ha fatto capire che non esiste un metodo semplice per dimostrare cosa ha fatto un robot.

E dopo aver visto SUBSERVIENCE, la mia opinione sulla robotica è stata profondamente scossa. LOL

Quando un robot per la consegna lascia il pacco e qualcuno si lamenta, screenshot e registri personali non aiutano a risolvere il problema. I robot non possiedono conti bancari, passaporti e non hanno la capacità di firmare contratti. La maggior parte delle flotte di robot sono gestite come club chiusi: una azienda raccoglie i fondi, acquista robot e i fondi rimangono all'interno della propria struttura. Questo va bene per i prototipi, ma non per i robot che potrebbero essere utili a estranei. La differenza tra dimostrazioni accattivanti e la realtà della necessità di dimostrare un lavoro mi ha attratto al Fabric Protocol. Durante le interviste con gli ingegneri, ho ascoltato droni, robot da magazzino e persino macchine chirurgiche che tengono registri di errori da sole e quando vengono distrutte, non hanno alcun registro neutrale.

Fiducia, verità e economia dei token.

Alla prima occhiata a Mira, ero più preoccupato per il problema che sta affrontando piuttosto che per l'eccitazione del token: garantire che i risultati del software siano affidabili. I grandi modelli di intelligenza artificiale sono certi ma hanno la capacità di fabbricare o rivelare i pregiudizi dei loro dati di addestramento. Secondo il whitepaper non esiste un modello contro le allucinazioni e i pregiudizi. Tale discrepanza implica che l'IA rimane rischiosa in aree vitali del business come la diagnosi delle malattie o le decisioni sui prestiti. Ecco perché è importante essere verificati.