AI memiliki masalah kepercayaan dan itu lebih besar daripada output bias atau halusinasi
Model dapat mengubah aturan dalam semalam, menyembunyikan pintu belakang, atau menjalankan kode yang tidak dapat Anda verifikasi
Bobot terbuka tidak menjamin apa pun
Solusinya? Verifikasi.
Evaluasi. Audit. Jalankan pada perangkat keras yang dapat dibuktikan.
Koordinasikan di luar satu titik kendali.
Dari "percayai kami" → menjadi "memverifikasi diri Anda". Itulah pergeseran, dan perbatasan ada di sini.
AI memiliki masalah kepercayaan. Verifiabilitas adalah solusinya.
GM AI kami @nima_vaziri duduk bersama @alive_eth dan @danboneh @Stanford @a16z untuk memetakan garis patahan terdalam dalam AI saat ini.
☁️ Model yang tidak dapat kita percayai ☁️
Penyedia saat ini dapat menyensor, menutup, atau mengganti aturan dalam semalam. Pelatihan outsourcing menyembunyikan pintu belakang. Bahkan beban "terbuka" tidak membuktikan apa yang sebenarnya berjalan.
Percaya. Pintu belakang. Kotak hitam.
Jalan ke depan jelas:
🔥 Eval yang dapat diverifikasi
🔥 Kesimpulan yang dapat diverifikasi
🔥 TEE untuk integritas yang didukung perangkat keras
🔥 Infra melampaui titik kontrol tunggal
🔥 Blockchain sebagai lapisan koordinasi untuk AI
Dari "percayai kami" hingga "verifikasi diri Anda".
Itulah pergeseran. Itulah pembukaannya.
Perbatasan ada di sini. Pembangun memutuskan apa yang akan terjadi selanjutnya.
Buat dan gunakan AI yang sesuai dengan Anda.
Stempel waktu:
00:00:00 Pendahuluan: Ikhtisar Persimpangan AI & Kripto
00:01:58 Empat Tren AI-Crypto Utama
00:02:44 Agen AI Membutuhkan Infrastruktur Keuangan
00:04:03 Bukti Kemanusiaan: Memerangi Konten yang Dihasilkan AI
00:04:17 Desentralisasi Jaringan Infrastruktur AI
00:04:44 Kehidupan Sintetik: Agen AI Otonom
00:06:20 AI yang Dapat Diverifikasi
00:10:16 Angka Kinerja Saat Ini untuk Bukti AI
00:13:18 Era Pengalaman dalam Pembelajaran AI
00:14:56 Agen AI Memiliki Kehidupannya Sendiri
00:18:21 Keadilan Algoritmik & Model yang Dapat Diverifikasi
00:23:18 Privasi dalam AI: Lingkungan Eksekusi Tepercaya
00:25:47 Insentif Ekonomi untuk Model Bobot Terbuka
00:31:39 Masalah Atribusi: Siapa yang Dibayar untuk Pelatihan AI?
00:35:52 Sumber Konten & Otentikasi (C2PA)
00:48:03 Keamanan AI: Menemukan Eksploitasi & Kerentanan
00:54:53 Aplikasi Pendidikan: LLM sebagai Mitra Belajar
00:58:29 Ketergantungan pada LLM dan Kemampuan Kognitif
01:03:57 Ketakutan Penyedia Konten terhadap Pelatihan LLM
8,07 rb
44
Konten pada halaman ini disediakan oleh pihak ketiga. Kecuali dinyatakan lain, OKX bukanlah penulis artikel yang dikutip dan tidak mengklaim hak cipta atas materi tersebut. Konten ini disediakan hanya untuk tujuan informasi dan tidak mewakili pandangan OKX. Konten ini tidak dimaksudkan sebagai dukungan dalam bentuk apa pun dan tidak dapat dianggap sebagai nasihat investasi atau ajakan untuk membeli atau menjual aset digital. Sejauh AI generatif digunakan untuk menyediakan ringkasan atau informasi lainnya, konten yang dihasilkan AI mungkin tidak akurat atau tidak konsisten. Silakan baca artikel yang terkait untuk informasi lebih lanjut. OKX tidak bertanggung jawab atas konten yang dihosting di situs pihak ketiga. Kepemilikan aset digital, termasuk stablecoin dan NFT, melibatkan risiko tinggi dan dapat berfluktuasi secara signifikan. Anda perlu mempertimbangkan dengan hati-hati apakah trading atau menyimpan aset digital sesuai untuk Anda dengan mempertimbangkan kondisi keuangan Anda.