#STBinancePreTGE Streszczenie. Chociaż sztuczna inteligencja doskonale generuje wiarygodne wyniki, często produkuje
niedokładne informacje z powodu probabilistycznej natury technologii opartych na sieciach neuronowych,
takich jak duże modele językowe i modele dyfuzji. Niniejszy artykuł wprowadza
sieć, która weryfikuje wyniki generowane przez AI za pomocą zdecentralizowanego konsensusu.
Sieć przekształca wyniki AI w niezależnie weryfikowalne roszczenia, umożliwiając
wielu modelom AI wspólne określenie ważności każdego roszczenia. Operatorzy węzłów
wykonujący te oparte na wnioskowaniu weryfikacje są ekonomicznie motywowani
za pomocą hybrydowego mechanizmu Proof-of-Work/Proof-of-Stake do przeprowadzania uczciwej
wiarygodności. Poza weryfikacją, nasza wizja sięga do syntetycznego modelu
fundamentalnego dostarczającego bezbłędne wyniki. Ta infrastruktura stanowi kluczowy krok
w kierunku umożliwienia systemom AI działania bez nadzoru ludzkiego—konieczny
warunek dla AI, aby osiągnęła swój transformacyjny potencjał w całym społeczeństwie.
1. Wprowadzenie
Sztuczna inteligencja stoi na progu stania się siłą transformacyjną porównywalną z prasą drukarską, silnikiem parowym,
elektrycznością i internetem—technologiami, które fundamentalnie przekształciły cywilizację ludzką. Jednak AI dzisiaj napotyka
fundamentalne wyzwania, które uniemożliwiają jej osiągnięcie tego rewolucyjnego potencjału. Chociaż AI doskonale generuje
oryginalne i wiarygodne wyniki, ma trudności z niezawodnym dostarczaniem bezbłędnych wyników. Te ograniczenia ograniczają AI
przede wszystkim do zadań nadzorowanych przez ludzi lub aplikacji o mniejszych konsekwencjach, takich jak chatboty, co znacznie odbiega od potencjału AI
do samodzielnego radzenia sobie z zadaniami o wysokiej stawce w czasie rzeczywistym.
Kluczową przeszkodą jest niezawodność AI. Systemy AI cierpią na dwa podstawowe rodzaje błędów: halucynacje i bias, które
łącznie determinują ogólny wskaźnik błędów modelu. Obecne wskaźniki błędów pozostają zbyt wysokie do autonomicznej operacji w
ważnych scenariuszach, tworząc zasadniczą lukę między teoretycznymi możliwościami AI a praktycznymi aplikacjami.
#Mira #MiraMurati