#mira $MIRA
Projekty kryptowalutowe i AI łączą się w interesujący sposób, zwłaszcza w kontekście walki z algorytmiczną stronniczością. Zamiast trzymać się starych, zamkniętych modeli AI „czarnej skrzynki”, które mają tendencję do wprowadzania tych samych starych problemów, niektóre zespoły dążą do tworzenia otwartych, przejrzystych i sprawiedliwych systemów opartych na zdecentralizowanych, odpornych na manipulacje blockchainach.
Przyjrzyjmy się kilku dużym pomysłom i projektom, które prowadzą to przedsięwzięcie:
1. Zdecentralizowane sieci AI
Bittensor (TAO) wyróżnia się tutaj. Tworzy konkurencyjną przestrzeń, w której różne modele AI rywalizują ze sobą. Walidatorzy nagradzają dobre wyniki i odrzucają modele, które wykazują stronniczość lub po prostu nie działają. Ta mieszanka konkurencji i współpracy tworzy zdrowszy, bardziej zrównoważony ekosystem AI.
SingularityNET (AGIX) przyjmuje podejście rynkowe. Każdy może oferować usługi AI, a ponieważ wszystko działa na blockchainie, społeczność może rzeczywiście zobaczyć, co się dzieje. Celem jest bardziej etyczny, odpowiedzialny i otwarty rozwój AI.
Fetch.ai (FET) działa na zdecentralizowanych agentach AI obsługujących zadania w sieci. Rozprzestrzeniając rzeczy, zapobiega gromadzeniu się władzy w rękach kilku dużych graczy.
2. Zdecentralizowane rynki danych
Ocean Protocol (OCEAN) koncentruje się na bezpiecznych, otwartych rynkach danych. Umożliwia ludziom sprawdzenie i weryfikację danych pod kątem jakości i różnorodności przed ich użyciem do szkolenia AI, co pomaga zmniejszyć stronniczość lub jednostronne zestawy szkoleniowe.
OpenLedger pozwala użytkownikom przesyłać, tagować i weryfikować dane do szkolenia AI. Ludzie otrzymują tokeny za wkład, co motywuje do tworzenia lepszych, bardziej ukierunkowanych zbiorów danych — mniejsze poleganie na jakichkolwiek losowych danych dostępnych w internecie.
3. Narzędzia weryfikacji i audytu
Verafy prowadzi „kartki ocen” dla modeli AI na blockchainie, więc każdy może sprawdzić ich historię i zobaczyć, czy stronniczość pojawia się z czasem.
IDnow, współpracując z projektem MAMMOth UE, buduje narzędzia open-source (takie jak MAI-BIAS), aby wykrywać i zmniejszać stronniczość, zwłaszcza w cyfrowych kontrolach tożsamości.