Посты
Monaliza Cutie
·
--
Когда ответы ИИ имеют доказательства
Большинство обсуждений ИИ заканчиваются на модели. OpenLedger задает более острый вопрос. Что происходит после того, как модель дает ответ?
Вот тут и становится важным Доказательство Принадлежности. В белой книге описывается система, в которой DataNets собирают сосредоточенные данные, а модели записывают данные, которые повлияли на их обучение. Во время вывода система ищет точки данных, которые повлияли на конкретный результат. Это влияние затем может направлять поток кредитов и вознаграждений.
Это важно, потому что специализированный ИИ зависит от людей, которые разбираются в своей области. Исследователь безопасности. Юридический аналитик. Куратор медицинских данных. Участник картографии. Если их работа улучшает модель, то система не должна игнорировать эту работу.
На мой взгляд, OpenLedger пытается перевести ИИ от неопределенных заявлений о вкладе к измеримому участию. Сила очевидна. Принадлежность создает доверие и лучшие стимулы. Риск также очевиден. Метод должен оставаться точным в масштабе, а модели должны привлекать реальное использование.
Ключевая идея проста. Полезный ИИ не должен только отвечать. Он должен помнить, кто помог ему ответить.
@OpenLedger #OpenLedger $OPEN
{future}(OPENUSDT)
$BSB
{future}(BSBUSDT)
$BEAT
{future}(BEATUSDT)
Большинство обсуждений ИИ заканчиваются на модели. OpenLedger задает более острый вопрос. Что происходит после того, как модель дает ответ?
Вот тут и становится важным Доказательство Принадлежности. В белой книге описывается система, в которой DataNets собирают сосредоточенные данные, а модели записывают данные, которые повлияли на их обучение. Во время вывода система ищет точки данных, которые повлияли на конкретный результат. Это влияние затем может направлять поток кредитов и вознаграждений.
Это важно, потому что специализированный ИИ зависит от людей, которые разбираются в своей области. Исследователь безопасности. Юридический аналитик. Куратор медицинских данных. Участник картографии. Если их работа улучшает модель, то система не должна игнорировать эту работу.
На мой взгляд, OpenLedger пытается перевести ИИ от неопределенных заявлений о вкладе к измеримому участию. Сила очевидна. Принадлежность создает доверие и лучшие стимулы. Риск также очевиден. Метод должен оставаться точным в масштабе, а модели должны привлекать реальное использование.
Ключевая идея проста. Полезный ИИ не должен только отвечать. Он должен помнить, кто помог ему ответить.
@OpenLedger #OpenLedger $OPEN
{future}(OPENUSDT)
$BSB
{future}(BSBUSDT)
$BEAT
{future}(BEATUSDT)
Отказ от ответственности: на платформе опубликованы материалы и мнения третьих лиц. Не является финансовой рекомендацией. Может содержать спонсируемый контент. См. Правила и условия.