声明:此处表达的观点和意见仅属于作者本人,不代表crypto.news编辑部的观点和意见。
所有行业都越来越依赖人工智能来支持日常运营。即使在加密货币领域,人工智能也一直是推动采用的驱动力。然而,在表面之下,驱动人工智能的机制存在严重缺陷,在其决策过程中造成偏见和歧视。如果不加以解决,这将限制技术的潜力并削弱其在关键市场中的目的。
这一挑战的解决方案在于区块链。利用同样能够在交易中实现更大透明度的去中心化技术,也可以在人工智能的构建和运作方式中实现更高的公平性。
人工智能的偏见源于用于指导技术的底层数据。这些数据——可能包括从音频片段到书面内容的一切——需要被"标注",以便人工智能理解和处理信息。然而,研究表明,高达38%的数据可能包含偏见,这些偏见可能会强化基于性别或种族的刻板印象。
最近的研究继续证实了这个问题。例如,2024年对面部表情识别模型的一项研究发现,愤怒被错误分类为厌恶的情况在黑人女性中比白人女性高出2.1倍。此外,2019年NIST基准评审确定,许多商业面部识别算法对黑人或亚洲人面孔的错误识别频率比白人面孔高出10到100倍,突显了偏斜数据集如何导致代表性不足群体的错误率不成比例地高。
正是在这里,关于"道德地"使用人工智能的讨论经常被提出。不幸的是,由于监管和人们认为道德方法会限制盈利能力的观念,这个话题正在被降低优先级。这最终意味着道德地获取和标注人工智能数据不太可能很快来自政府。如果该行业希望建立长期可靠性,就必须自我监管。
克服人工智能偏见需要获取"前沿数据":由代表性不足社区的真实个体创建的高质量、多样化数据集,这些数据集能够捕捉传统数据集一直忽略的细微差别。通过吸引不同背景的贡献者参与,产生的数据集不仅更具包容性,而且更加准确。区块链为推进这种方法提供了强大的工具。
将区块链整合到去中心化数据标注过程中,有助于实现和验证对贡献者的公平补偿。它为每个数据输入带来完全可追溯性,允许清晰归属、更好地监督数据流动,并基于特定项目的敏感性实施更严格的控制。这种透明度确保数据是道德获取的、可审计的,并符合监管标准,解决了传统人工智能数据管道中长期存在的剥削、不一致和不透明问题。
这种机会超越了公平性,因为基于区块链的标注也为新兴经济体创造了强大的增长潜力。到2028年,全球数据标注市场预计将达到82.2亿美元。然而,考虑到人工智能技术的快速扩散、合成训练数据的表现不佳以及对高质量训练数据的需求增加,这可能还低估了该行业的真正潜力。对于早期采用者,特别是在现有基础设施有限的地区,这提供了一个难得的机会,可以在创造有意义的经济回报的同时,塑造人工智能经济的关键层面。
关于人工智能从人类工人那里窃取工作的争论仍在激烈进行,有些人推测可能会失去多达8亿个工作岗位。同时,企业将越来越优先考虑强大的数据集,以确保人工智能工具的表现超过人类员工,为个人通过数据标注赚取收入创造新空间,并促使该服务行业中新区域强国的崛起。
在人工智能标注中使用区块链不仅仅是支付透明度。利用一致的资产,如稳定币,意味着用户将获得公平补偿,无论其位置如何。
太多时候,劳动密集型角色已外包给新兴市场,公司相互压价以获取业务。虽然传统流程可能阻碍了制造业和农业等既定行业,但人工智能标注的新兴领域不需要成为这种不公平做法的受害者。稳定币支付系统最终意味着跨市场的平等,赋予新兴经济体一个可与其国家生活工资相媲美的收入来源。
拥有最佳数据的人将拥有最佳人工智能。就像金融市场曾经为了更快的互联网连接而竞争到毫秒级,即使是微小的延迟也会转化为数百万的收益或损失,人工智能现在依赖于其训练数据的质量。即使是准确性的适度改进也能在规模上推动巨大的性能和经济优势,使多样化、去中心化的数据集成为人工智能供应链中的下一个关键战场。数据是web2和web3融合可以产生最大和最直接影响的地方,不是通过取代传统系统,而是通过补充和增强它们。
Web3预计不会取代web2,但要成功,它必须充分拥抱与现有基础设施的整合。区块链技术提供了一个强大的层面来增强数据透明度、可追溯性和归属性,不仅确保数据质量,还确保对那些为其创建做出贡献的人给予公平补偿。认为以道德为导向的业务不能同时盈利是一个常见的误解。在当今的人工智能竞赛中,对更好、更具代表性数据的需求创造了一个商业必要性,从世界各地的多样化社区获取资源。多样性不再是一个复选框;它是一个竞争优势。
即使立法滞后或降低人工智能伦理的优先级,行业也有机会设定自己的标准。以前沿数据为核心,人工智能公司不仅可以确保公平和合规,还可以为社区解锁新的经济机会,为智能技术的未来做出贡献。


