#STBinancePreTGE Abstract. Mentre l'IA eccelle nel generare output plausibili, produce frequentemente
informazioni errate a causa della natura probabilistica delle tecnologie basate su reti neurali come i modelli di linguaggio di grandi dimensioni e di diffusione. Questo documento introduce
un network che verifica l'output generato dall'IA attraverso il consenso decentralizzato. Il
network trasforma gli output dell'IA in affermazioni verificabili in modo indipendente, consentendo
multiple modelli di IA di determinare collettivamente la validità di ciascuna affermazione. Gli operatori dei nodi
che effettuano queste verifiche basate su inferenze sono incentivati economicamente
attraverso un meccanismo ibrido di Proof-of-Work/Proof-of-Stake per condurre verifiche oneste. Oltre alla verifica, la nostra visione si estende a un modello di fondazione sintetica
che offre output senza errori. Questa infrastruttura rappresenta un passo cruciale
verso la possibilità per i sistemi di IA di operare senza supervisione umana—una condizione necessaria
per permettere all'IA di raggiungere il suo potenziale trasformativo in tutta la società.
1. Introduzione
L'Intelligenza Artificiale è pronta a diventare una forza trasformativa paragonabile alla stampa, alla macchina a vapore,
alelettricità e a internet—tecnologie che hanno ridefinito fondamentalmente la civiltà umana. Tuttavia, l'IA oggi affronta
Sfide fondamentali che ne impediscono il raggiungimento di questo potenziale rivoluzionario. Sebbene l'IA eccella nel generare
output creativi e plausibili, fatica a fornire in modo affidabile output privi di errori. Queste limitazioni costringono l'IA
principalmente a compiti supervisionati da umani o ad applicazioni di minore conseguenza come i chatbot, risultando ben al di sotto del potenziale dell'IA
per gestire compiti ad alta posta in gioco in modo autonomo e in tempo reale.
Il principale ostacolo è l'affidabilità dell'IA. I sistemi di IA soffrono di due tipi principali di errori: allucinazioni e pregiudizi, che
insieme determinano il tasso di errore complessivo di un modello. Gli attuali tassi di errore rimangono troppo alti per un'operazione autonoma in
sfide consequenziali, creando un divario fondamentale tra le capacità teoriche dell'IA e le applicazioni pratiche.
#Mira #MiraMurati