Å se @Mira_Network snakke om et veldig realistisk problem, det vil si at alle legger stor vekt på problemet med AI "hallusinasjoner", tross alt kan hallusinasjoner delvis løses gjennom tekniske midler. For eksempel kan bruk av kunnskapsgrafer, gjenfinningsforbedringer og strengt utvalg av data redusere forekomsten av falsk informasjon til en viss grad. Men fordommer er ikke så enkle. Selv om du velger treningsdata med omhu, vil det fortsatt være potensielle skjevheter. I tillegg har personen som manuelt gjennomgikk saken også personlige meninger og blindsoner, noe som er uunngåelig. Det som er enda mer plagsomt er at disse AI-systemene ofte er konsentrert i hendene på noen få store selskaper, og verdiene til utviklere kan også påvirke resultatene, noe som gjør det umulig å være virkelig nøytral. Dette fører til en veldig pinlig situasjon: jo kraftigere og mer konsentrert AI er, jo vanskeligere er det å eliminere virkningen av skjevheter. Selv verktøyene som brukes til å oppdage og korrigere skjevheter kan ikke unnslippe skjebnen til skjevheter. Det vi bruker for å løse et problem kan med andre ord være kilden til selve problemet. Jeg tror dette minner oss om at AI-utvikling ikke bare er en teknisk utfordring, men også et sosialt og etisk spørsmål. Hvis du virkelig vil løse skjevheter, er teknologi alene ubrukelig, du må involvere flere forskjellige stemmer, og gjøre AI mer åpen og gjennomsiktig, for å unngå omveier. Nøkkelen er at den har en listeaktivitet på @KaitoAI, og prosjektet på @arbitrum er også veldig populært, og du kan også ta hensyn til $ENERGY $SHOUT $Bane $Chao $BOOM $666 på @shoutdotfun