Bản dịch: blockchain bản địa
Sự giao thoa giữa AI và tiền điện tử/blockchain đã trở thành một cốt truyện được chào hàng, nhưng tầm quan trọng của nó còn vượt xa hơn thế. Loạt bài này sẽ khám phá cách công nghệ và triết lý blockchain có thể giải quyết nhiều vấn đề do AI đưa ra, đặc biệt là về tập trung hóa và tiếp cận quyền lực, với mục đích tạo ra kết quả tổng hợp tích cực hơn cho xã hội.
Trong bài viết đầu tiên của loạt bài này, chúng ta khám phá những lý do cơ bản tại sao AI và tiền điện tử có liên quan với nhau. Chúng tôi sẽ xem xét bối cảnh phối hợp công nghệ hiện tại, khám phá cách tiền điện tử có thể tạo điều kiện cho sự phối hợp từ dưới lên và phân tích cách áp dụng mô hình này trên tất cả các khía cạnh của chuỗi giá trị AI—từ thu thập dữ liệu đến suy luận.
Nếu bạn đọc xong bài viết này với nhiều câu hỏi hơn và ngày càng quan tâm đến việc khám phá cách tiền điện tử có thể giải quyết các vấn đề về AI thì chúng ta đã đạt được mục tiêu của mình! Các bài viết trong tương lai sẽ tập trung vào các phần khác nhau của nhóm AI (ví dụ: dữ liệu, đào tạo, suy luận, v.v.) và đi sâu vào các trường hợp và giải pháp sử dụng cụ thể.
1. Phối hợp đầy đủ
Phối hợp là khả năng của mọi người hoặc các nhóm làm việc cùng nhau một cách suôn sẻ và hiệu quả. Nó là chất keo gắn kết các xã hội, công ty và cộng đồng lại với nhau. Khi nói về sự phối hợp, chúng ta thực sự đang nói về cách cho phép mọi người điều chỉnh nỗ lực và quyết định của mình để đạt được mục tiêu chung.
1) Có hai cách phối hợp chính: từ trên xuống và từ dưới lên.
Sự phối hợp từ trên xuống đề cập đến một cấu trúc phân cấp trong đó các quyết định ở cấp cao nhất ảnh hưởng đến toàn bộ nhóm. Sự phối hợp từ trên xuống tương tự như cấu trúc kim tự tháp. Hãy tưởng tượng một cơ cấu doanh nghiệp truyền thống: Các quyết định được đưa ra bởi các giám đốc điều hành cấp cao, được truyền lại cho các nhà quản lý và cuối cùng ảnh hưởng đến toàn bộ lực lượng lao động. Trong mô hình này, các quyết định được thực hiện miễn là có sự đồng ý của quản lý cấp cao. Quyền lực tập trung vào tay một số ít.
Phối hợp từ dưới lên đề cập đến một cấu trúc được nối mạng trong đó các cá nhân hoặc nhóm cùng tham gia vào quá trình ra quyết định. Sự phối hợp từ dưới lên giống một cấu trúc mạng hơn. Hãy tưởng tượng một cộng đồng nơi mọi người đều có tiếng nói: các quyết định là kết quả của ý kiến đóng góp chung của tất cả những người tham gia. Quyền lực được phân phối giữa những người tham gia.
Cả hai phương pháp đều có ưu điểm và nhược điểm. Cách tiếp cận từ trên xuống có thể nhanh chóng và hiệu quả trong các tình huống khủng hoảng. Cách tiếp cận từ dưới lên có thể chậm hơn nhưng thường dẫn đến nhiều giải pháp sáng tạo và tương tác hơn.
Những mô hình phối hợp này là những mô hình hữu ích để hiểu những thách thức và cơ hội mà chúng ta gặp phải khi xử lý một công nghệ mạnh mẽ như AI có thể tác động đến hàng tỷ người.
2) Thực trạng: Phối hợp từ trên xuống trong khoa học và công nghệ
Mô hình phối hợp công nghệ chủ đạo ngày nay là từ trên xuống: một số công ty và cá nhân trong đó xác định việc phân bổ nguồn lực và đặt ra các chính sách công nghệ có ảnh hưởng đến hàng tỷ người dùng. Mô hình này tồn tại lâu dài nhờ tính hiệu quả của nó trong việc điều chỉnh các nhóm hướng tới các mục tiêu cụ thể và tạo ra lợi nhuận tài chính đáng kể. Mặc dù điều này gắn liền với một số lợi thế về mặt lý thuyết của công ty như giảm chi phí giao dịch và cải thiện sự phối hợp, nhưng sự tập trung quyền lực quá mức ở một số công ty công nghệ đã vượt quá những gì được mong đợi hoặc biện minh ban đầu.
Những lợi thế này đã đưa cơ sở hạ tầng và công ty Web2 trở thành một trong những công ty lớn nhất và có ảnh hưởng nhất trên thế giới. Tuy nhiên, sự tập trung quyền lực này lại khiến người dùng phải trả giá. Ví dụ: hầu hết các nền tảng truyền thông xã hội đều bị chi phối bởi một số ít công ty đặt ra chính sách nền tảng, gây ảnh hưởng và quyết định trải nghiệm cũng như phần thưởng cho hàng tỷ người dùng. Bạn có thể đăng những gì bạn cho là đúng trên mạng xã hội, miễn là "điều bạn cho là đúng" nằm trong phạm vi chính sách của nền tảng mạng xã hội. Nếu bạn vượt quá những giới hạn này, bài đăng của bạn có thể bị xóa và tài khoản của bạn có thể bị cấm. Tương tự như vậy, bạn có thể kiếm sống bằng cách sử dụng các nền tảng công nghệ lớn miễn là chúng chiếm 30% (hoặc hơn) số tiền bạn kiếm được. Trong trường hợp của các nền tảng truyền thông xã hội khác, tỷ lệ mua lại là “100%” vì người sáng tạo trên các nền tảng này không kiếm được bất kỳ doanh thu nào.
Mô hình phối hợp từ trên xuống, mặc dù hiệu quả trong việc ra quyết định nhanh chóng và phân bổ nguồn lực, nhưng có thể dẫn đến trò chơi có tổng bằng 0 hoặc thậm chí có tổng âm. Điều này có nghĩa là một công ty phải không ngừng phấn đấu để vượt trội hơn các đối thủ để duy trì vị trí thống lĩnh của mình. Ví dụ: nếu một nền tảng truyền thông xã hội không tận dụng dữ liệu người dùng để phục vụ họ thì đối thủ cạnh tranh khác sẽ làm như vậy. Áp lực này càng trở nên trầm trọng hơn do kỳ vọng của cổ đông và nhu cầu thu hồi vốn đầu tư.
Các cấu trúc quyền lực tập trung tập trung quyền kiểm soát và khen thưởng ở cấp cao nhất thường gây thiệt hại cho người dùng. Tầm nhìn ban đầu về Internet như một hệ thống mở, bình đẳng và ngang hàng đã được thay thế bằng một tập hợp cổng Internet mới có được sức mạnh thông qua chu kỳ “thu hút rồi trích xuất” có thể dự đoán được.
2. Trí tuệ nhân tạo (AI): Lặp lại chu kỳ này?
Trong lĩnh vực trí tuệ nhân tạo, nhiều yếu tố chung đang mở đường cho chu kỳ này lặp lại:
Một số thực thể tập trung được kiểm soát bởi một số người ra quyết định hậu trường, những người xác định các chính sách công nghệ có khả năng tác động đến hàng tỷ người dùng.
Có sự cạnh tranh khốc liệt để xây dựng những mô hình lớn nhất và tốt nhất nhằm thu hút càng nhiều người dùng càng tốt.
Một lượng vốn lớn được đầu tư vào cuộc cạnh tranh và áp lực hoàn vốn và kiếm lợi nhuận có thể ảnh hưởng đến lợi ích của người dùng và lý tưởng ban đầu của công ty.
Chúng ta bắt đầu thấy điều này diễn ra trong lĩnh vực trí tuệ nhân tạo, mặc dù AI vẫn đang ở giai đoạn đầu (và đang phát triển nhanh chóng). Ví dụ: các nền tảng đã bắt đầu cấp phép cho dữ liệu do người dùng tạo để kiếm lợi nhuận. Ví dụ: Reddit đã đạt được thỏa thuận với Google để cấp phép cho dữ liệu Reddit với giá 60 triệu USD mỗi năm. Các công ty khác, chẳng hạn như Adobe và Slack, đã vấp phải phản ứng dữ dội từ người dùng vì nêu rõ trong chính sách của họ rằng dữ liệu người dùng có thể được sử dụng để đào tạo các mô hình AI. Điều này tạo ra mối quan hệ khai thác giữa người dùng và nền tảng, bởi vì dữ liệu có giá trị trên các nền tảng này (tin nhắn, tương tác và bài đăng) là do người dùng tạo ra nhưng người dùng không tham gia vào việc tạo ra giá trị từ dữ liệu này.
Người dùng có thể sử dụng các mô hình AI do những gã khổng lồ tập trung này tạo ra dựa trên dữ liệu người dùng, nhưng phải ngầm đồng ý với các ưu tiên xã hội (và có thể cả chính trị) của công ty, điều này có thể ảnh hưởng đến kết quả đầu ra của mô hình (xem phần ra mắt Google Gemini). Liên quan, chúng ta đã thấy OpenAI chuyển đổi từ một tổ chức phi lợi nhuận chuyên phát triển AI nguồn mở vì lợi ích con người sang một cơ cấu khép kín và doanh nghiệp vì lợi nhuận sau khi giới thiệu vốn bên ngoài. Điều này một lần nữa tạo ra tình huống có những động cơ ưu tiên cổ đông hơn người dùng.
Nguy cơ AI có thể hướng tới các mô hình khai thác như vậy đủ để đặt ra câu hỏi liệu có cần một cách tiếp cận khác để phối hợp hay không - chẳng hạn như cách tiếp cận từ dưới lên như những gì tiền điện tử cung cấp - ngay cả khi cách tiếp cận đó có thể không giải quyết được mọi vấn đề. một giải pháp tốt hơn có thể được cung cấp.
3. Tiền điện tử cho phép phối hợp từ dưới lên
Bitcoin giới thiệu khái niệm tiền tệ chống kiểm duyệt không được kiểm soát bởi một thực thể tập trung mà được bảo mật bằng mật mã, mã phần mềm và các ưu đãi kinh tế, tất cả đều được xây dựng trên mạng phi tập trung. Công nghệ chuỗi khối được xây dựng dựa trên khái niệm nguồn mở và cung cấp mô hình phối hợp từ dưới lên mới. Vai trò của sự phối hợp chuyển từ các bên tập trung sang cơ chế và thiết kế khuyến khích của các mạng phân tán này, tất cả đều được điều khiển bởi mã phần mềm nguồn mở và được quản lý bởi các cá nhân và nhóm trong hệ thống ngang hàng mà không cần sự tin cậy tập trung.
Tiền điện tử kết hợp sự đổi mới từ ba lĩnh vực học thuật chính: mật mã, mạng và hệ thống phân tán và lý thuyết trò chơi. Mật mã học là một nhánh của toán học cho phép bảo mật thông tin trên các mạng bằng cách mã hóa và giải mã thông tin. Mạng và hệ thống phân tán là một nhánh của khoa học máy tính thường được coi là kiến trúc hỗ trợ cơ sở hạ tầng ngang hàng. Lý thuyết trò chơi - một phần quan trọng trong lĩnh vực thiết kế cơ chế - xuất phát từ kinh tế học và tạo ra các cấu trúc khuyến khích phối hợp các bên khác nhau để đạt được mục tiêu, chẳng hạn như tính liên tục và duy trì của một hệ thống.
Sự đổi mới chung trong các lĩnh vực này cho phép tiền điện tử áp dụng nhiều nguyên tắc cốt lõi, cho phép phối hợp từ dưới lên:
Sổ cái bất biến: Một trong những tính năng quan trọng nhất của blockchain là tính bất biến của nó. Chúng là nguồn sự thật bất biến và gần như không thể xóa hoặc giả mạo. Trong thời đại sáng tạo do AI điều khiển, blockchain cung cấp phương pháp không cần tin cậy duy nhất để chứng minh quyền sở hữu, quyền sở hữu và quyền sở hữu kỹ thuật số.
Quyền sở hữu ở cấp độ cá nhân: Tiền điện tử cho phép người dùng sở hữu tài sản trên Internet mà không cần nền tảng không đáng tin cậy đóng vai trò trung gian để xác minh quyền sở hữu, từ đó cho phép thỏa thuận hợp đồng không đáng tin cậy theo cách ngang hàng. Những tài sản này tồn tại dưới dạng mã thông báo, có thể lập trình được và có thể biểu thị dữ liệu hoặc đối tượng tùy ý. Thông qua quyền sở hữu tài sản dựa trên tiền điện tử, người dùng có toàn quyền kiểm soát không chỉ các mã thông báo đại diện cho các sản phẩm tài chính mà còn cả các mã thông báo đại diện cho danh tính, dữ liệu và tùy chọn của họ.
Phân cấp: Mạng blockchain được xây dựng trên mạng nút phân phối ngang hàng. Trong bối cảnh này, phân cấp có nghĩa là không một thực thể hoặc khu vực pháp lý nào có thể thay đổi, gây thiệt hại hoặc kiểm soát mạng mà không tuân theo giao thức. Trong một hệ thống phi tập trung, các chính sách được phát triển và quyết định bởi những người tham gia và người dùng mạng, bao gồm người dùng, người xác nhận, nhà đầu tư và các thành viên cộng đồng rộng hơn, thông qua cơ chế đồng thuận được xác định rõ ràng được xác định trong mã nguồn mở.
Tiền điện tử tạo ra một không gian thiết kế độc đáo cho phép các cá nhân hoặc nhóm phối hợp và thực thi theo cách cơ sở thông qua mã. Tiền điện tử không thúc đẩy một hình thức phối hợp mà về mặt triết học cho phép người dùng chọn tham gia hoặc không tham gia dựa trên sở thích của họ. Nếu người dùng hoặc nhóm người dùng không đồng ý với bất kỳ phần nào của mạng/giao thức, họ có thể tham gia mạng khác và mang theo tài sản và dữ liệu của họ hoặc trong một số trường hợp thậm chí còn bắt đầu một mạng mới hoàn toàn.
Những nguyên tắc cơ bản này tạo nên một hệ sinh thái không cần sự tin cậy, minh bạch và phi tập trung. AI phải đối mặt với nguy cơ tập trung hóa được mô tả trong mô hình từ trên xuống đã đề cập trước đó. Câu hỏi lớn trong đầu chúng ta là liệu AI có thể hưởng lợi từ mô hình phối hợp từ dưới lên được hỗ trợ bởi tiền điện tử không?
4. Phương pháp phối hợp từ trên xuống và từ dưới lên trong trí tuệ nhân tạo
Để hiểu cách các mô hình điều phối mật mã từ dưới lên có thể hỗ trợ AI, chúng ta hãy xem chuỗi giá trị AI – các giai đoạn tạo và triển khai khác nhau, đồng thời so sánh các khía cạnh từ trên xuống và từ dưới lên của từng giai đoạn Phương pháp điều phối.
1) Dữ liệu: nền tảng của trí tuệ nhân tạo
Mọi thứ trên Internet đều ở dạng dữ liệu. Bất kỳ dạng nội dung, sở hữu trí tuệ, mã phần mềm, hình ảnh, nội dung, âm nhạc và cách bạn vuốt hoặc nhấp nhanh đều là các dạng dữ liệu. Dữ liệu là một trong những yếu tố cốt lõi để đào tạo các mô hình AI. Các bộ dữ liệu phổ biến nhất được sử dụng để đào tạo các mô hình cơ sở hiện nay bao gồm Common Crawl, bộ dữ liệu có 1 nghìn tỷ mã thông báo (1 mã thông báo đại diện cho khoảng 1 từ) và ImageNet, bộ dữ liệu có 14 triệu bộ dữ liệu Hình ảnh được chú thích.
Vấn đề chính trong việc đối chiếu dữ liệu là thu thập dữ liệu, cốt lõi của nó bao gồm quyền sở hữu dữ liệu.
Trong mô hình phối hợp từ trên xuống, các công ty AI thường cho rằng họ có thể sử dụng dữ liệu được lấy từ web và khẳng định đó là sử dụng hợp lý mà không phải trả thù lao cho người dùng đã tạo ra dữ liệu. Tuy nhiên, người sáng tạo, người dùng và chủ sở hữu dữ liệu đã phản đối tính hợp pháp và đạo đức của các công ty AI đào tạo dữ liệu của họ mà không có sự cho phép rõ ràng. Có rất nhiều vụ kiện (ví dụ: New York Times kiện OpenAI, báo chí kiện OpenAI, ngành công nghiệp âm nhạc kiện các công ty khởi nghiệp AI, v.v.) tuyên bố rằng các công ty AI không thể đơn giản sử dụng dữ liệu cóp nhặt. Ngay cả các nền tảng tập trung như X cũng đã tắt API của họ và sử dụng giới hạn tốc độ để ngăn bot thu thập dữ liệu trang web của họ.
Trong mô hình phối hợp từ dưới lên được kích hoạt bởi cơ chế kinh tế tiền điện tử, người dùng có thể đăng ký trên blockchain và mã hóa dữ liệu, nội dung và tài sản trí tuệ của họ. Sau khi tham gia chuỗi, người dùng có thể đặt quyền cho người khác sử dụng hợp pháp dữ liệu của họ, bao gồm cả việc quyết định xem họ có muốn được trả thù lao khi cung cấp dữ liệu của mình hay không. Điều này tạo ra một hệ thống cho phép người dùng được hưởng lợi khi các công ty (trí tuệ nhân tạo) sử dụng dữ liệu này, đồng thời cho phép các công ty (trí tuệ nhân tạo) sử dụng dữ liệu một cách hợp pháp mà không cần hoạt động trong vùng xám như ngày nay.
2) Đào tạo: Xây dựng mô hình AI
Đào tạo đề cập đến quá trình dạy một mô hình học máy để nhận ra các mẫu và mối quan hệ trong dữ liệu đào tạo của nó. Mục tiêu của bước này là để mô hình phát triển các tham số hoặc trọng số mô tả mối quan hệ giữa các điểm dữ liệu khác nhau trong dữ liệu huấn luyện của nó.
Việc đào tạo các mô hình AI thế hệ tiếp theo đòi hỏi thời gian và nguồn lực tính toán đáng kể. Các mô hình có nhiều tham số hơn cần nhiều dữ liệu và sức mạnh tính toán hơn để huấn luyện (ví dụ: cụm GPU lớn hơn). Ví dụ: đào tạo GPT-4 tiêu tốn của OpenAI khoảng 100 triệu USD, trong khi đào tạo Gemini Ultra tiêu tốn của Google khoảng 200 triệu USD.
Vấn đề phối hợp quan trọng trong giai đoạn đào tạo là làm thế nào để tài trợ cho việc phát triển các mô hình AI, do chi phí cao.
Trong mô hình phối hợp từ trên xuống, nguồn tài trợ cho AI chủ yếu đến từ các công ty công nghệ lớn, quỹ tư nhân và nhà đầu tư tổ chức. Không có khái niệm huy động vốn cộng đồng quy mô lớn để hỗ trợ phát triển các mô hình AI thế hệ tiếp theo. Mô hình tài trợ này tối ưu hóa lợi ích của một số ít người tham gia, rất có thể người dùng sẽ phải trả giá. Các công ty AI phải ưu tiên tích lũy lợi ích cho các cổ đông, mặc dù sự đóng góp của người dùng và các bên liên quan khác (chẳng hạn như nhà phát triển bên thứ ba) vào thành công cuối cùng của mô hình AI có thể vượt xa lợi nhuận mà họ nhận được.
Trong mô hình phối hợp từ dưới lên được hỗ trợ bởi mật mã, bất kỳ ai có tài nguyên hữu ích đều có thể đóng góp vào việc phát triển các mô hình AI và thu lợi từ giá trị do các mô hình AI này tạo ra. Người dùng có thể giúp tài trợ cho việc tạo ra các mô hình AI và sở hữu một phần của mô hình bằng cách sử dụng mã thông báo mật mã. Ngoài việc cung cấp vốn, các hệ thống dựa trên tiền điện tử cũng có thể được sử dụng để khuyến khích người dùng đóng góp các tài nguyên khác, chẳng hạn như dữ liệu của họ và/hoặc sức mạnh tính toán vượt mức, đây là một trong những cách quan trọng để các công ty tập trung huy động vốn.
Một số người hoài nghi sắc sảo có thể chỉ ra rằng đã có một phong trào nguồn mở lành mạnh trong AI đã được phối hợp hiệu quả mà không cần mật mã. Nhưng nếu không có động cơ đóng góp, các dự án nguồn mở sẽ thiếu các hệ thống phối hợp cần thiết để thực hiện lời hứa lâu dài về việc trở thành giải pháp thay thế thực sự cho các giải pháp đóng tập trung. Nói cách khác, AI nguồn mở ngày nay thiếu lớp khuyến khích cho phép nó điều phối những người tham gia và cộng tác viên trên quy mô toàn cầu và cho phép họ nắm bắt được giá trị mà họ tạo ra.
3) Suy luận: Đưa AI vào ứng dụng thực tế
Sau khi mô hình được đào tạo, người dùng có thể nhập lời nhắc và yêu cầu mô hình trả về một số kết quả dựa trên lời nhắc. Mô hình sẽ thực hiện việc này dựa trên các tham số được phát triển trong giai đoạn huấn luyện. Quá trình mà một mô hình tạo ra đầu ra được gọi là suy luận.
Trong các mô hình phối hợp từ trên xuống, các mô hình riêng tư là các hệ thống không rõ ràng, không cung cấp thông tin chi tiết cho người dùng hoặc cộng đồng về các tham số mô hình và chúng hoạt động giống như các hộp đen. Trong vài năm qua, chúng tôi đã thấy sự thiên vị xuất hiện trong các mô hình, đặc biệt dựa trên sở thích cơ bản của tổ chức đã tạo ra mô hình. Ví dụ: khi Google ra mắt Gemini, mô hình này không mô tả chính xác chủng tộc và giới tính của các nhân vật lịch sử. Nhiều mô hình tập trung khác cũng hạn chế người dùng hỏi một số loại câu hỏi nhất định dựa trên chính sách do nhóm quản lý của họ đặt ra.
Hơn nữa, việc xác minh rằng suy luận được thực hiện theo đúng mô hình chỉ đơn giản là vấn đề tin cậy vào nền tảng. Hệ thống dựa trên sự tin cậy này mở ra cơ hội cho sự thao túng tiềm ẩn, đặc biệt là khi các công ty AI phải đối mặt với áp lực kiếm tiền từ các khoản đầu tư của họ.
Trong mô hình phối hợp từ dưới lên được điều khiển bởi mật mã, việc xác minh rằng các suy luận là chính xác sẽ đạt được thông qua xác minh trên chuỗi và các kỹ thuật dựa trên mật mã có thể chứng minh được, cho phép hoạt động không cần tin cậy. Cách tiếp cận này làm giảm sự thiên vị trong đầu ra của mô hình và tăng tính minh bạch.
5. Các vấn đề phối hợp ngoài chuỗi giá trị AI: quyền sở hữu, phân bổ và tính hợp pháp
Khi AI ngày càng được tích hợp sâu hơn và được áp dụng trên quy mô lớn trong cuộc sống hàng ngày của chúng ta, nó sẽ đặt ra các vấn đề phối hợp sâu sắc vượt ra ngoài các công nghệ dữ liệu, đào tạo và suy luận.
Những câu hỏi này xoay quanh hai chủ đề chính: quyền sở hữu và sự thuộc về, tính hợp pháp và sự khan hiếm. Về quyền sở hữu và phân bổ:
Ai sở hữu những hình ảnh do mô hình AI tạo ra?
Điều gì xảy ra khi một hình ảnh được làm lại (cắt, chỉnh sửa, chuyển đổi thành video, v.v.) và tạo ra các tác phẩm phái sinh?
Nếu sản phẩm của các mô hình này được sử dụng vào mục đích thương mại thì ai sẽ là người bồi thường và nhằm mục đích gì?
Người tạo/chủ sở hữu dữ liệu được sử dụng để đào tạo mô hình AI có được bồi thường cho bất kỳ đầu ra nào do mô hình tạo ra không?
Nếu một đại lý AI thay mặt bạn hành động và sử dụng mô hình AI được đào tạo dựa trên dữ liệu sai lệch để tạo nội dung mà bạn muốn kiếm tiền thì ai sẽ chịu trách nhiệm nếu đại lý đó mắc lỗi hoặc gây thiệt hại?
Về vấn đề pháp lý và sự khan hiếm:
Khi AI đạt được sự phong phú vô hạn và nội dung do AI tạo ra tràn ngập Internet, làm cách nào để chúng ta phân biệt giữa nội dung “thật” và “giả”?
Nếu mọi người trở nên phụ thuộc về mặt cảm xúc vào những người bạn đồng hành của AI, ai sẽ sở hữu họ? Ai kiểm soát họ? Người sáng tạo/chủ sở hữu có được hưởng lợi từ các quyết định hoặc hành động ảnh hưởng đến cá nhân không?
Khi những người bạn đồng hành của AI trở nên được cá nhân hóa hơn, các tương tác với họ có nên đóng vai trò là dữ liệu đào tạo để các nền tảng có thể tự do sử dụng không?
Những vấn đề này nêu bật sự phức tạp của việc áp dụng các khái niệm truyền thống về quyền sở hữu, quyền ghi công và sự khan hiếm đối với nội dung và tương tác do AI tạo ra. Các mô hình phối hợp từ dưới lên được hỗ trợ bởi tiền điện tử có thể cung cấp một khuôn khổ mới để giải quyết những vấn đề này, có khả năng cho phép các hệ thống bồi thường và quyền sở hữu công bằng và sắc thái hơn.
6. Coda: Thể chế thời trung cổ, công nghệ thần thánh
Với công nghệ mạnh mẽ như trí tuệ nhân tạo, chúng ta đáng lẽ phải sống trong thời kỳ phục hưng kỹ thuật số. Tuy nhiên, những gì chúng ta đang chứng kiến là một cuộc chạy đua vũ trang cho AI thông minh nhất, trong đó các bên liên quan và người đóng góp dữ liệu lớn nhất – người dùng – thường không được ưu tiên.
Tiền điện tử cung cấp một không gian thiết kế mới cho sự phối hợp từ dưới lên, điều này đặc biệt quan trọng đối với trí tuệ nhân tạo, điều này có thể dẫn đến nguy cơ tập trung quyền lực quá mức. Không giống như các công nghệ trước đây, rủi ro do tập trung AI gây ra có thể dẫn đến kết quả tổng âm khiến nhu cầu về các mô hình phối hợp thay thế càng trở nên cấp thiết hơn (và thú vị hơn).
E.O. Wilson từng nói: “Vấn đề thực sự của nhân loại là: Chúng ta có những cảm xúc thời đồ đá cũ, các thể chế thời trung cổ và công nghệ thần thánh”. Hiện tại, chúng ta sử dụng công nghệ trí tuệ nhân tạo thần thánh, tuy nhiên các phương pháp điều phối và quản trị của chúng ta vẫn bắt nguồn từ những công nghệ lỗi thời, hàng đầu. -các mô hình xuống cấp của các thể chế thời trung cổ. Sự không phù hợp này có thể trở thành thất bại phối hợp quan trọng nhất của xã hội.
