A volte penso a quanto sia facile sembrare intelligenti nel mondo dell'AI.
Puoi mettere insieme alcune parole tecniche, creare un sito web lucido, pubblicare una roadmap piena di grandi promesse e improvvisamente la gente inizia a trattare un progetto come se si fosse già dimostrato valido. Più tempo trascorro in questo spazio, più noto che c'è spesso un enorme divario tra ciò che viene dichiarato e ciò che viene dimostrato.
Forse è normale per un settore giovane. Le nuove tecnologie attirano sempre entusiasmo. La gente vuole credere di essere in anticipo su qualcosa di importante. Gli investitori cercano il prossimo breakthrough. I costruttori vogliono attenzione per il loro lavoro. Le comunità vogliono una storia su cui poter fare gruppo.
Ma a volte mi chiedo se siamo arrivati a un punto in cui le affermazioni sull'IA stanno diventando più facili da produrre delle prove.
Ho avuto questo pensiero mentre leggevo diversi progetti IA nell'ultimo anno. Ogni piattaforma sembrava avere un vantaggio unico. Ogni team rivendicava prestazioni migliori. Ogni prodotto prometteva di cambiare il futuro. Dopo un po' le affermazioni hanno iniziato a suonare familiari.
La parte strana non era l'ambizione.
La parte strana era quanto fosse difficile verificare qualsiasi cosa.
Come utente regolare, mi sono spesso trovato a fare domande semplici.
Dove sono le prove?
Come è stato misurato questo risultato?
Quali dati sono stati utilizzati?
Chi ha contribuito al sistema?
Come può un esterno confermare queste affermazioni?
La maggior parte delle volte, trovare risposte chiare è stato più difficile di quanto mi aspettassi.
Quell'esperienza ha cambiato il modo in cui guardo all'IA.
Quando ho iniziato a interessarmi al settore, mi sono concentrato quasi esclusivamente sulle capacità. Volevo sapere cosa potesse fare un modello, quanto velocemente potesse rispondere e quanto fosse intelligente. Queste cose contano ancora, ma non sono più le prime a cui presto attenzione.
Ora mi interessa di più la fiducia.
Non il tipo di fiducia creato dal branding.
Il tipo di fiducia creato dalla trasparenza.
C'è una grande differenza.
Un progetto può trascorrere mesi a costruire una narrativa forte. Può creare eccitazione sui social media. Può attirare attenzione attraverso partnership e annunci.
Nessuna di queste prove dimostra automaticamente che la tecnologia funziona come pubblicizzato.
Nelle industrie tradizionali, la verifica è spesso integrata nel sistema.
Le aziende pubblicano rapporti.
I prodotti passano attraverso test.
I documenti finanziari possono essere esaminati.
La ricerca può essere messa in discussione ed esaminata.
Non ci si aspetta che le persone si fidino completamente della fede.
L'IA sembra ancora che stia attraversando quella fase.
Molte conversazioni si concentrano su ciò che l'IA può potenzialmente raggiungere. Molte meno conversazioni si concentrano su come le affermazioni possono essere validate in modo indipendente.
Penso che alla fine cambierà.
Man mano che l'IA diventa parte di decisioni più importanti, le persone naturalmente faranno domande più difficili.
Un'azienda che utilizza l'IA vorrà fiducia nella qualità dei dati.
Gli sviluppatori vorranno prove che i contributi siano riconosciuti in modo equo.
Gli utenti vorranno capire da dove provengono i risultati.
Gli investitori vorranno più di un linguaggio di marketing.
La domanda di prove crescerà perché le poste in gioco cresceranno.
Questo è uno dei motivi per cui sono diventato sempre più interessato al lato infrastrutturale dell'IA.
La maggior parte delle persone presta attenzione allo strato visibile. Vedono applicazioni, assistenti e strumenti perché sono i prodotti con cui interagiscono direttamente.
L'infrastruttura sottostante raramente riceve la stessa attenzione.
Eppure l'infrastruttura è spesso dove viene costruita la fiducia.
Senza sistemi affidabili, anche una tecnologia impressionante può faticare a guadagnare fiducia a lungo termine.
Più leggo su questa sfida, più mi ritrovo a prestare attenzione ai progetti che cercano di creare responsabilità attorno all'IA piuttosto che semplicemente aggiungere un'altra applicazione al mercato.
Questo è parte del motivo per cui continuo a seguire @Openledger.
Ciò che mi colpisce non è solo la conversazione attorno all'IA stessa. È l'idea più ampia che valore, contributi e dati non dovrebbero esistere all'interno di una scatola nera che nessuno può ispezionare.
Affinché gli ecosistemi IA crescano in modo sostenibile, le persone hanno bisogno di un modo per capire come viene creato il valore e come i contributi sono collegati ai risultati.
Sembra semplice quando scritto, ma penso che sia una delle sfide più grandi che affronta l'industria.
La fiducia è facile da perdere.
Una volta che le persone iniziano a mettere in dubbio se le affermazioni siano reali, ricostruire la fiducia diventa difficile.
Ecco perché la trasparenza è importante.
Non perché crea titoli.
Perché crea credibilità.
Quando guardo a dove potrebbe andare l'IA nei prossimi anni, non penso che la conversazione ruoterà solo attorno a quale modello è più grande o veloce.
Quei metriche contano ancora, ovviamente.
Ma credo che un'altra domanda diventerà ugualmente importante.
Le affermazioni possono essere provate?
I progetti che possono rispondere chiaramente a quella domanda potrebbero finire per distinguersi dalla massa.
Chiunque può dire di stare costruendo IA avanzata.
Chiunque può rivendicare tecnologia unica.
Chiunque può promettere un futuro migliore.
Il compito più difficile è creare sistemi che consentano alle persone di verificare quelle dichiarazioni invece di semplicemente fidarsi di esse.
Questa è la differenza a cui continuo a tornare.
Le credenziali IA sono facili da rivendicare.
La prova è molto più difficile da guadagnare.
E a lungo termine, penso che la prova conterà molto più delle promesse.
#XLMSurgesOnDTCCStellarIntegration
#MorganStanleyBitcoinETF3500BTC
