تزداد اعتماد جميع الصناعات على الذكاء الاصطناعي لدعم العمليات اليومية. حتى في مجال العملات المشفرة، كان الذكاء الاصطناعي دافعًا للتبني. ومع ذلك، تحت السطح، فإن الآليات التي تدعم الذكاء الاصطناعي معيبة بشدة، مما يخلق تحيزًا وتمييزًا في قراراته. إذا تُركت دون رقابة، فإن ذلك سيحد من إمكانيات التكنولوجيا ويقوض غرضها في الأسواق الرئيسية.
ملخص
لقد توقفت الإجراءات التنظيمية بشأن الذكاء الاصطناعي الأخلاقي، مما ترك الأمر للصناعة لتكون مسؤولة عن مراقبة مصادر البيانات، والتعليق، والإنصاف - أو المخاطرة بتفاقم التحيز المنهجي.
توفر تسمية البيانات اللامركزية المعتمدة على blockchain الشفافية والتعويض العادل، خاصة للمساهمين غير الممثلين والاقتصادات الناشئة.
تضمن مدفوعات العملات المستقرة مكافآت عادلة على مستوى العالم، مما يحول توضيح البيانات إلى مصدر دخل قابل للمنافسة مع الأجور المحلية.
في سباق التسلح في الذكاء الاصطناعي، تعني البيانات الأفضل أداءً أفضل، وتحوّل اللامركزية التنوع من واجب أخلاقي إلى ميزة تنافسية.
الحل لهذه التحدي يكمن على البلوكشين. الاستفادة من نفس التكنولوجيا اللامركزية التي تمكّن من تحقيق شفافية أكبر في المعاملات يمكن أن يمكّن أيضًا من زيادة العدالة في كيفية بناء الذكاء الاصطناعي وعمله.
مصدر التحيز
يت stem تحيز الذكاء الاصطناعي من البيانات الأساسية التي تُستخدم لإبلاغ التكنولوجيا. هذه البيانات - التي يمكن أن تشمل كل شيء من مقاطع الصوت إلى المحتوى المكتوب - تحتاج إلى "تسمية" حتى يتمكن الذكاء الاصطناعي من فهم المعلومات ومعالجتها. ومع ذلك، أظهرت الدراسات أن ما يصل إلى 38% من البيانات قد تحتوي على تحيزات قد تعزز الصور النمطية بناءً على الجنس أو العرق.
تستمر الأبحاث الحديثة في تأكيد المشكلة. على سبيل المثال، وجدت دراسة عام 2024 لنماذج التعرف على تعبيرات الوجه أن الغضب تم تصنيفه بشكل خاطئ على أنه اشمئزاز أكثر بمعدل 2.1 مرة في الإناث السود مقارنة بالإناث البيض. بالإضافة إلى ذلك، حددت مراجعة معيارية من NIST في عام 2019 أن العديد من خوارزميات التعرف على الوجه التجارية حددت بشكل غير دقيق الوجوه السوداء أو الآسيوية بمعدل 10 إلى 100 مرة أكثر من الوجوه البيضاء، مما يبرز كيف تؤدي مجموعات البيانات المنحازة إلى معدلات خطأ أعلى بشكل غير متناسب للمجموعات الممثلة تمثيلاً ناقصاً.
هنا تبرز المناقشات حول استخدام الذكاء الاصطناعي "بشكل أخلاقي". للأسف، يتم تقليل أهمية هذا الموضوع من خلال التنظيم والمعتقد السائد بأن النهج الأخلاقي تجاه الذكاء الاصطناعي سيقيد الربحية. وهذا يعني في النهاية أن الحصول على بيانات الذكاء الاصطناعي بشكل أخلاقي ووضع العلامات عليها من غير المرجح أن يأتي من الحكومات في أي وقت قريب. يجب على القطاع أن يراقب نفسه إذا كان يأمل في إنشاء موثوقية طويلة الأمد.
لامركزية مصادر البيانات
يتطلب التغلب على تحيز الذكاء الاصطناعي الحصول على "بيانات حدودية": مجموعات بيانات عالية الجودة ومتنوعة أنشأها أفراد حقيقيون من مجتمعات غير ممثلة، والتي يمكن أن تلتقط الفروق الدقيقة التي تفوتها مجموعات البيانات التقليدية باستمرار. من خلال إشراك المساهمين من خلفيات متنوعة، تصبح مجموعات البيانات الناتجة أكثر شمولاً ودقة. توفر تقنية البلوك تشين أداة قوية في تعزيز هذا النهج.
إن دمج تقنية البلوكشين في عملية توضيح البيانات اللامركزية يساعد في تمكين والتحقق من التعويض العادل للمساهمين. حيث يجلب تتبعًا كاملاً لكل إدخال بيانات، مما يسمح بتحديد واضح، وإشراف أفضل على تدفقات البيانات، وضوابط أكثر صرامة بناءً على حساسية المشروع المعني. تضمن هذه الشفافية أن البيانات مُصنّعة بشكل أخلاقي، وقابلة للتدقيق، ومتوافقة مع المعايير التنظيمية، مما يعالج القضايا المستمرة المتعلقة بالاستغلال، وعدم الاتساق، والغموض في خطوط بيانات الذكاء الاصطناعي التقليدية.
خلق الفرص
تتجاوز الفرصة مجرد العدالة، حيث يخلق وضع العلامات المستند إلى البلوك تشين أيضًا إمكانيات نمو قوية للاقتصادات الناشئة. من المتوقع أن يصل سوق توضيح البيانات العالمي إلى 8.22 مليار دولار بحلول عام 2028. ومع ذلك، قد يكون هذا تقديرًا منخفضًا لإمكانات القطاع الحقيقية، نظرًا للتوسع السريع في تقنيات الذكاء الاصطناعي، والأداء غير المثير للبيانات التدريبية الاصطناعية، والطلب المتزايد على بيانات تدريب عالية الجودة. بالنسبة للمستخدمين الأوائل، وخصوصًا في المناطق التي تفتقر إلى البنية التحتية الحالية، فهذا يمثل فرصة نادرة لتشكيل طبقة حيوية من اقتصاد الذكاء الاصطناعي مع تحقيق عوائد اقتصادية ذات مغزى.
تستمر المناقشات حول سرقة الذكاء الاصطناعي للوظائف من العمال البشر، مع بعض التكهنات بأن ما يصل إلى 800 مليون وظيفة قد تضيع. في الوقت نفسه، ستولي الشركات اهتمامًا متزايدًا لمجموعات البيانات القوية لضمان تفوق أدوات الذكاء الاصطناعي على الموظفين البشر، مما يخلق مساحة جديدة للأفراد لكسب الدخل من خلال تصنيف البيانات وتمكين ظهور قوى إقليمية جديدة في هذا القطاع الخدمي.
عائد مستقر
يستخدم البلوكشين في تصنيف الذكاء الاصطناعي أكثر من مجرد شفافية الدفع. إن استخدام أصل ثابت، مثل العملات المستقرة، يعني أن المستخدمين سيحصلون على تعويض عادل بغض النظر عن موقعهم.
غالبًا ما تم تفويض الأدوار التي تتطلب جهدًا يدويًا إلى الأسواق الناشئة، حيث تقوم الشركات بتخفيض الأسعار للحصول على الأعمال. بينما قد تعيق العمليات التقليدية القطاعات الراسخة مثل التصنيع والزراعة، فإن المشهد الناشئ لتسمية الذكاء الاصطناعي لا يحتاج إلى أن يكون ضحية لهذه الممارسة غير العادلة. يعني نظام الدفع بالعملات المستقرة في النهاية المساواة عبر الأسواق، مما يمكّن الاقتصادات الناشئة من الحصول على مصدر دخل يمكن أن ينافس الحد الأدنى من الأجور الوطنية.
مربح وعادل
الأشخاص الذين يمتلكون أفضل البيانات سيكون لديهم أفضل ذكاء اصطناعي. تمامًا كما كانت الأسواق المالية تتنافس في وقت سابق إلى الميلي ثانية للحصول على اتصالات إنترنت أسرع، حيث كانت التأخيرات الصغيرة تُترجم إلى ملايين في الأرباح أو الخسائر، يعتمد الذكاء الاصطناعي الآن على جودة بيانات التدريب الخاصة به. حتى التحسينات المتواضعة في الدقة يمكن أن تؤدي إلى مزايا كبيرة في الأداء والاقتصاد على نطاق واسع، مما يجعل مجموعات البيانات المتنوعة واللامركزية ساحة المعركة الحاسمة التالية في سلسلة إمداد الذكاء الاصطناعي. البيانات هي المكان الذي يمكن أن يكون فيه تقارب الويب 2 والويب 3 له أحد أكبر تأثيراته وأكثرها فورًا، ليس من خلال استبدال الأنظمة القديمة، ولكن من خلال تكملتها وتعزيزها.
لا يُتوقع أن تحل Web3 محل web2، ولكن لكي تنجح، يجب أن تتبنى بالكامل التكامل مع البنية التحتية الحالية. توفر تقنية blockchain طبقة قوية لتعزيز شفافية البيانات، وقابلية تتبعها، ونسبتها، مما يضمن ليس فقط جودة البيانات ولكن أيضًا تعويضًا عادلًا لأولئك الذين يساهمون في إنشائها. من المفاهيم الخاطئة الشائعة أن الأعمال التي تقودها الأخلاق لا يمكن أن تكون مربحة أيضًا. في سباق الذكاء الاصطناعي اليوم، تخلق الحاجة إلى بيانات أفضل وأكثر تمثيلًا دافعًا تجاريًا للحصول على مصادر من مجتمعات متنوعة حول العالم. لم تعد التنوع مجرد خانة للتحديد؛ بل هي ميزة تنافسية.
حتى مع تأخر التشريعات أو عدم إعطائها الأولوية للأخلاقيات في الذكاء الاصطناعي، فإن لدى الصناعة فرصة لوضع معاييرها الخاصة. مع كون البيانات المتقدمة في جوهرها، يمكن لشركات الذكاء الاصطناعي ضمان العدالة والامتثال، بالإضافة إلى فتح فرص اقتصادية جديدة للمجتمعات، مما يساهم في مستقبل التقنيات الذكية.
Johanna Cabildo هي الرئيس التنفيذي لشبكة Data Guardians )D-GN(، حيث تُقدم خلفية ديناميكية في استثمار web3، وتبني NFT مبكرًا، واستشارات لمشاريع التكنولوجيا الناشئة. سابقًا، قادت Johanna مشاريع الذكاء الاصطناعي المؤسسية في droppGroup لعملاء كبار، بما في ذلك الحكومة السعودية، وSaudi Aramco، وCisco، حيث قدمت ابتكارات متطورة لمبادرات معترف بها عالميًا. مع جذور في التكنولوجيا، والتصميم، وتداول العملات الرقمية، والاستشارات الاستراتيجية، تعتبر Johanna مُنشئة ذاتية التعليم مدفوعة بالفضول والشغف لإحداث تأثير. وهي ملتزمة ببناء طرق حقيقية للدخول إلى التكنولوجيا المتقدمة بحيث يمكن لأي شخص، في أي مكان، المشاركة وامتلاك جزء من المستقبل. في D-GN، تركز على إعادة تعريف كيفية تعاون الخصوصية، والذكاء الاصطناعي، والتقنيات اللامركزية لفتح كل من تمكين الأفراد والفرص الاقتصادية الجديدة في الاقتصاد الرقمي.
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تلتقي الذكاء الاصطناعي مع البلوكشين: يتطلب الإدخال العالمي الشفافية
تزداد اعتماد جميع الصناعات على الذكاء الاصطناعي لدعم العمليات اليومية. حتى في مجال العملات المشفرة، كان الذكاء الاصطناعي دافعًا للتبني. ومع ذلك، تحت السطح، فإن الآليات التي تدعم الذكاء الاصطناعي معيبة بشدة، مما يخلق تحيزًا وتمييزًا في قراراته. إذا تُركت دون رقابة، فإن ذلك سيحد من إمكانيات التكنولوجيا ويقوض غرضها في الأسواق الرئيسية.
ملخص
الحل لهذه التحدي يكمن على البلوكشين. الاستفادة من نفس التكنولوجيا اللامركزية التي تمكّن من تحقيق شفافية أكبر في المعاملات يمكن أن يمكّن أيضًا من زيادة العدالة في كيفية بناء الذكاء الاصطناعي وعمله.
مصدر التحيز
يت stem تحيز الذكاء الاصطناعي من البيانات الأساسية التي تُستخدم لإبلاغ التكنولوجيا. هذه البيانات - التي يمكن أن تشمل كل شيء من مقاطع الصوت إلى المحتوى المكتوب - تحتاج إلى "تسمية" حتى يتمكن الذكاء الاصطناعي من فهم المعلومات ومعالجتها. ومع ذلك، أظهرت الدراسات أن ما يصل إلى 38% من البيانات قد تحتوي على تحيزات قد تعزز الصور النمطية بناءً على الجنس أو العرق.
تستمر الأبحاث الحديثة في تأكيد المشكلة. على سبيل المثال، وجدت دراسة عام 2024 لنماذج التعرف على تعبيرات الوجه أن الغضب تم تصنيفه بشكل خاطئ على أنه اشمئزاز أكثر بمعدل 2.1 مرة في الإناث السود مقارنة بالإناث البيض. بالإضافة إلى ذلك، حددت مراجعة معيارية من NIST في عام 2019 أن العديد من خوارزميات التعرف على الوجه التجارية حددت بشكل غير دقيق الوجوه السوداء أو الآسيوية بمعدل 10 إلى 100 مرة أكثر من الوجوه البيضاء، مما يبرز كيف تؤدي مجموعات البيانات المنحازة إلى معدلات خطأ أعلى بشكل غير متناسب للمجموعات الممثلة تمثيلاً ناقصاً.
هنا تبرز المناقشات حول استخدام الذكاء الاصطناعي "بشكل أخلاقي". للأسف، يتم تقليل أهمية هذا الموضوع من خلال التنظيم والمعتقد السائد بأن النهج الأخلاقي تجاه الذكاء الاصطناعي سيقيد الربحية. وهذا يعني في النهاية أن الحصول على بيانات الذكاء الاصطناعي بشكل أخلاقي ووضع العلامات عليها من غير المرجح أن يأتي من الحكومات في أي وقت قريب. يجب على القطاع أن يراقب نفسه إذا كان يأمل في إنشاء موثوقية طويلة الأمد.
لامركزية مصادر البيانات
يتطلب التغلب على تحيز الذكاء الاصطناعي الحصول على "بيانات حدودية": مجموعات بيانات عالية الجودة ومتنوعة أنشأها أفراد حقيقيون من مجتمعات غير ممثلة، والتي يمكن أن تلتقط الفروق الدقيقة التي تفوتها مجموعات البيانات التقليدية باستمرار. من خلال إشراك المساهمين من خلفيات متنوعة، تصبح مجموعات البيانات الناتجة أكثر شمولاً ودقة. توفر تقنية البلوك تشين أداة قوية في تعزيز هذا النهج.
إن دمج تقنية البلوكشين في عملية توضيح البيانات اللامركزية يساعد في تمكين والتحقق من التعويض العادل للمساهمين. حيث يجلب تتبعًا كاملاً لكل إدخال بيانات، مما يسمح بتحديد واضح، وإشراف أفضل على تدفقات البيانات، وضوابط أكثر صرامة بناءً على حساسية المشروع المعني. تضمن هذه الشفافية أن البيانات مُصنّعة بشكل أخلاقي، وقابلة للتدقيق، ومتوافقة مع المعايير التنظيمية، مما يعالج القضايا المستمرة المتعلقة بالاستغلال، وعدم الاتساق، والغموض في خطوط بيانات الذكاء الاصطناعي التقليدية.
خلق الفرص
تتجاوز الفرصة مجرد العدالة، حيث يخلق وضع العلامات المستند إلى البلوك تشين أيضًا إمكانيات نمو قوية للاقتصادات الناشئة. من المتوقع أن يصل سوق توضيح البيانات العالمي إلى 8.22 مليار دولار بحلول عام 2028. ومع ذلك، قد يكون هذا تقديرًا منخفضًا لإمكانات القطاع الحقيقية، نظرًا للتوسع السريع في تقنيات الذكاء الاصطناعي، والأداء غير المثير للبيانات التدريبية الاصطناعية، والطلب المتزايد على بيانات تدريب عالية الجودة. بالنسبة للمستخدمين الأوائل، وخصوصًا في المناطق التي تفتقر إلى البنية التحتية الحالية، فهذا يمثل فرصة نادرة لتشكيل طبقة حيوية من اقتصاد الذكاء الاصطناعي مع تحقيق عوائد اقتصادية ذات مغزى.
تستمر المناقشات حول سرقة الذكاء الاصطناعي للوظائف من العمال البشر، مع بعض التكهنات بأن ما يصل إلى 800 مليون وظيفة قد تضيع. في الوقت نفسه، ستولي الشركات اهتمامًا متزايدًا لمجموعات البيانات القوية لضمان تفوق أدوات الذكاء الاصطناعي على الموظفين البشر، مما يخلق مساحة جديدة للأفراد لكسب الدخل من خلال تصنيف البيانات وتمكين ظهور قوى إقليمية جديدة في هذا القطاع الخدمي.
عائد مستقر
يستخدم البلوكشين في تصنيف الذكاء الاصطناعي أكثر من مجرد شفافية الدفع. إن استخدام أصل ثابت، مثل العملات المستقرة، يعني أن المستخدمين سيحصلون على تعويض عادل بغض النظر عن موقعهم.
غالبًا ما تم تفويض الأدوار التي تتطلب جهدًا يدويًا إلى الأسواق الناشئة، حيث تقوم الشركات بتخفيض الأسعار للحصول على الأعمال. بينما قد تعيق العمليات التقليدية القطاعات الراسخة مثل التصنيع والزراعة، فإن المشهد الناشئ لتسمية الذكاء الاصطناعي لا يحتاج إلى أن يكون ضحية لهذه الممارسة غير العادلة. يعني نظام الدفع بالعملات المستقرة في النهاية المساواة عبر الأسواق، مما يمكّن الاقتصادات الناشئة من الحصول على مصدر دخل يمكن أن ينافس الحد الأدنى من الأجور الوطنية.
مربح وعادل
الأشخاص الذين يمتلكون أفضل البيانات سيكون لديهم أفضل ذكاء اصطناعي. تمامًا كما كانت الأسواق المالية تتنافس في وقت سابق إلى الميلي ثانية للحصول على اتصالات إنترنت أسرع، حيث كانت التأخيرات الصغيرة تُترجم إلى ملايين في الأرباح أو الخسائر، يعتمد الذكاء الاصطناعي الآن على جودة بيانات التدريب الخاصة به. حتى التحسينات المتواضعة في الدقة يمكن أن تؤدي إلى مزايا كبيرة في الأداء والاقتصاد على نطاق واسع، مما يجعل مجموعات البيانات المتنوعة واللامركزية ساحة المعركة الحاسمة التالية في سلسلة إمداد الذكاء الاصطناعي. البيانات هي المكان الذي يمكن أن يكون فيه تقارب الويب 2 والويب 3 له أحد أكبر تأثيراته وأكثرها فورًا، ليس من خلال استبدال الأنظمة القديمة، ولكن من خلال تكملتها وتعزيزها.
لا يُتوقع أن تحل Web3 محل web2، ولكن لكي تنجح، يجب أن تتبنى بالكامل التكامل مع البنية التحتية الحالية. توفر تقنية blockchain طبقة قوية لتعزيز شفافية البيانات، وقابلية تتبعها، ونسبتها، مما يضمن ليس فقط جودة البيانات ولكن أيضًا تعويضًا عادلًا لأولئك الذين يساهمون في إنشائها. من المفاهيم الخاطئة الشائعة أن الأعمال التي تقودها الأخلاق لا يمكن أن تكون مربحة أيضًا. في سباق الذكاء الاصطناعي اليوم، تخلق الحاجة إلى بيانات أفضل وأكثر تمثيلًا دافعًا تجاريًا للحصول على مصادر من مجتمعات متنوعة حول العالم. لم تعد التنوع مجرد خانة للتحديد؛ بل هي ميزة تنافسية.
حتى مع تأخر التشريعات أو عدم إعطائها الأولوية للأخلاقيات في الذكاء الاصطناعي، فإن لدى الصناعة فرصة لوضع معاييرها الخاصة. مع كون البيانات المتقدمة في جوهرها، يمكن لشركات الذكاء الاصطناعي ضمان العدالة والامتثال، بالإضافة إلى فتح فرص اقتصادية جديدة للمجتمعات، مما يساهم في مستقبل التقنيات الذكية.
! [جوانا كابيلدو](https://img-cdn.gateio.im/webp-social/moments-e3f8f07942a72fd92ae5b7273b60ac68.webp019283746574839201
يوهانا كابيلدو
Johanna Cabildo هي الرئيس التنفيذي لشبكة Data Guardians )D-GN(، حيث تُقدم خلفية ديناميكية في استثمار web3، وتبني NFT مبكرًا، واستشارات لمشاريع التكنولوجيا الناشئة. سابقًا، قادت Johanna مشاريع الذكاء الاصطناعي المؤسسية في droppGroup لعملاء كبار، بما في ذلك الحكومة السعودية، وSaudi Aramco، وCisco، حيث قدمت ابتكارات متطورة لمبادرات معترف بها عالميًا. مع جذور في التكنولوجيا، والتصميم، وتداول العملات الرقمية، والاستشارات الاستراتيجية، تعتبر Johanna مُنشئة ذاتية التعليم مدفوعة بالفضول والشغف لإحداث تأثير. وهي ملتزمة ببناء طرق حقيقية للدخول إلى التكنولوجيا المتقدمة بحيث يمكن لأي شخص، في أي مكان، المشاركة وامتلاك جزء من المستقبل. في D-GN، تركز على إعادة تعريف كيفية تعاون الخصوصية، والذكاء الاصطناعي، والتقنيات اللامركزية لفتح كل من تمكين الأفراد والفرص الاقتصادية الجديدة في الاقتصاد الرقمي.