Melihat @Mira_Network berbicara tentang masalah yang sangat realistis, yaitu semua orang sangat memperhatikan masalah "halusinasi" AI, bagaimanapun juga, halusinasi dapat diselesaikan sebagian melalui cara teknis. Misalnya, penggunaan grafik pengetahuan, peningkatan pengambilan, dan pemilihan data yang ketat dapat mengurangi munculnya informasi palsu sampai batas tertentu. Tetapi prasangka tidak sesederhana itu. Bahkan jika Anda memilih data pelatihan dengan hati-hati, masih akan ada potensi bias. Selain itu, orang yang meninjau kasus secara manual juga memiliki pendapat pribadi dan titik buta, yang tidak dapat dihindari. Yang lebih merepotkan adalah bahwa sistem AI ini sering terkonsentrasi di tangan beberapa perusahaan besar, dan nilai-nilai pengembang juga dapat memengaruhi hasilnya, sehingga tidak mungkin untuk benar-benar netral. Hal ini mengarah pada situasi yang sangat memalukan: semakin kuat dan terkonsentrasi AI, semakin sulit untuk menghilangkan dampak bias. Bahkan alat yang digunakan untuk mendeteksi dan memperbaiki bias tidak dapat lepas dari nasib bias. Dengan kata lain, apa yang kita gunakan untuk memecahkan masalah mungkin menjadi sumber masalah itu sendiri. Saya pikir ini mengingatkan kita bahwa pengembangan AI bukan hanya tantangan teknis, tetapi juga masalah sosial dan etika. Jika Anda ingin benar-benar memecahkan bias, teknologi saja tidak berguna, Anda harus melibatkan lebih banyak suara yang berbeda, dan membuat AI lebih terbuka dan transparan, untuk menghindari jalan memutar. Kuncinya adalah ia memiliki aktivitas daftar di @KaitoAI, dan proyek di @arbitrum juga sangat populer, dan Anda juga dapat memperhatikan $ENERGY $SHOUT $Bane $Chao $BOOM $666 di @shoutdotfun