#STBinancePreTGE ملخص. بينما يتفوق الذكاء الاصطناعي في توليد مخرجات معقولة، فإنه ينتج في كثير من الأحيان
معلومات غير صحيحة بسبب الطبيعة الاحتمالية للتكنولوجيا المستندة إلى الشبكات العصبية مثل نماذج اللغة الكبيرة ونماذج الانتشار. تقدم هذه الورقة
شبكة تتحقق من المخرجات التي ينتجها الذكاء الاصطناعي من خلال توافق لامركزي. تقوم
الشبكة بتحويل مخرجات الذكاء الاصطناعي إلى مطالب قابلة للتحقق بشكل مستقل، مما يمكّن
نموذجين من الذكاء الاصطناعي من تحديد صحة كل مطالبة بشكل جماعي. يقوم مشغلو العقد
الذين يقومون بهذه التحقق القائم على الاستنتاجات بتحفيز اقتصادي
من خلال آلية مختلطة من إثبات العمل وإثبات الحصة لإجراء تحقق نزيه. بالإضافة إلى التحقق، تمتد رؤيتنا إلى نموذج أساسي صناعي
يوفر مخرجات خالية من الأخطاء. تمثل هذه البنية التحتية خطوة حاسمة
نحو تمكين أنظمة الذكاء الاصطناعي من العمل دون إشراف بشري - وهي شرط ضروري
لتمكين الذكاء الاصطناعي من تحقيق إمكانياته التحويلية عبر المجتمع.
1. مقدمة
يستعد الذكاء الاصطناعي ليصبح قوة تحويلية تعادل المطبعة، والمحرك البخاري،
والكهرباء، والإنترنت - التقنيات التي أعادت تشكيل الحضارة الإنسانية بشكل أساسي. ومع ذلك، يواجه الذكاء الاصطناعي اليوم
تحديات أساسية تمنعه من الوصول إلى هذه الإمكانية الثورية. بينما يتفوق الذكاء الاصطناعي في توليد
مخرجات إبداعية ومعقولة، فإنه يكافح لتقديم مخرجات خالية من الأخطاء بشكل موثوق. هذه القيود تقيد الذكاء الاصطناعي
في الغالب إلى المهام التي تُشرف عليها البشر أو التطبيقات ذات العواقب المنخفضة مثل برامج الدردشة، مما يجعلها بعيدة كل البعد عن إمكانية الذكاء الاصطناعي
للتعامل مع المهام عالية المخاطر بشكل مستقل وفي الوقت الحقيقي.
الحاجز الرئيسي هو موثوقية الذكاء الاصطناعي. تعاني أنظمة الذكاء الاصطناعي من نوعين رئيسيين من الأخطاء: الهلوسة والتحيز، والتي
تحدد معًا معدل الأخطاء العام للنموذج. تظل معدلات الأخطاء الحالية مرتفعة جدًا للتشغيل المستقل في
سيناريوهات ذات عواقب، مما يخلق فجوة أساسية بين القدرات النظرية للذكاء الاصطناعي والتطبيقات العملية.
#Mira
#MiraMurati