AIとブロックチェーンの出会い:グローバルな入力には透明性が必要です

すべての業界は、日々の業務をサポートするためにAIへの依存度を高めています。暗号空間においても、AIは採用の推進力となっています。しかし、その表面下では、AIを駆動するメカニズムに重大な欠陥があり、意思決定におけるバイアスや差別を生んでいます。このまま放置すると、この技術の可能性が制限され、主要市場での目的が損なわれることになります。

概要

  • 倫理的AIに関する規制の行動は停滞しており、データの調達、注釈、および公平性を自己管理するのは業界に委ねられている — さもなければ、体系的なバイアスを悪化させるリスクがある。
  • ブロックチェーンベースの非中央集権的データラベリングは、透明性と公正な報酬を提供します。特に、過小評価された貢献者や新興経済に対して。
  • ステーブルコインの支払いは、データ注釈を地元の生活賃金に匹敵する収入源に変えることで、世界中で公平な報酬を保証します。
  • AIの軍拡競争では、より良いデータがより良いパフォーマンスを意味し、分散化は多様性を道徳的義務から競争上の優位性へと変えます。

この課題の解決策はブロックチェーンにあります。取引の透明性を高める同じ分散型技術を活用することで、AIの構築と機能の公正さを向上させることも可能です。

バイアスの源

AIのバイアスは、技術に情報を提供するために使用される基礎データに起因しています。このデータは、音声クリップから書かれたコンテンツまで、あらゆるものを含む可能性があり、AIが情報を理解し処理するためには「ラベル付け」される必要があります。しかし、研究によると、データの最大38%が性別や人種に基づくステレオタイプを強化するバイアスを含んでいる可能性があることが示されています。

最近の研究はこの問題を引き続き確認しています。例えば、2024年の顔表情認識モデルに関する研究では、怒りが白人女性に比べて黒人女性で嫌悪として誤分類される頻度が2.1倍高いことがわかりました。さらに、2019年のNISTベンチマークレビューでは、多くの商業用顔認識アルゴリズムが白人の顔に比べて黒人やアジア人の顔を10倍から100倍高い頻度で不正確に特定していると判断され、偏ったデータセットが過小評価されたグループに対して不均衡に高い誤差率を引き起こすことを浮き彫りにしています。

ここで、AIを「倫理的に」使用することに関する議論が前面に出てくることがよくあります。残念ながら、このトピックは規制や、AIへの倫理的アプローチが利益を制限するという認識によって後回しにされています。これは最終的に、倫理的にAIデータを調達し、ラベル付けすることが、政府からすぐには実現しそうにないことを意味します。この分野は、自らを監視しなければ、長期的な信頼性を確立することはできません。

データソーシングの分散化

AIのバイアスを克服するには、フロンティアデータを調達する必要があります。それは、過小評価されているコミュニティの実際の個人によって作成された高品質で多様なデータセットであり、従来のデータセットが一貫して見逃すニュアンスを捉えることができます。さまざまなバックグラウンドを持つ貢献者を関与させることで、結果として得られるデータセットは、より包括的であるだけでなく、より正確にもなります。ブロックチェーンは、このアプローチを進めるための強力なツールを提供します。

ブロックチェーンを分散型データアノテーションプロセスに統合することで、貢献者への公正な報酬を可能にし、検証することができます。これにより、すべてのデータ入力に完全なトレーサビリティがもたらされ、明確な帰属が可能になり、データフローの監視が向上し、特定のプロジェクトの機密性に基づいて厳格な管理が行えます。この透明性により、データが倫理的に調達され、監査可能で、規制基準に沿ったものであることが保証され、従来のAIデータパイプラインにおける長年の搾取、不一致、及び不透明性の問題に対処しています。

機会を創造する

機会は公正を超え、ブロックチェーンベースのラベリングは新興経済国にとっても強力な成長の可能性を生み出します。2028年までに、世界のデータアノテーション市場は82.2億ドルに達すると予測されています。しかし、これはAI技術の急速な普及、合成トレーニングデータの期待外れのパフォーマンス、高品質なトレーニングデータへの需要の増加を考慮すると、このセクターの真の潜在能力を過小評価しているかもしれません。特に既存のインフラが限られている地域の早期導入者にとって、これはAI経済の重要な層を形成し、意味のある経済的リターンを生み出す稀な機会を提供します。

AIが人間の労働者から仕事を奪うことについての議論が続いており、800百万の仕事が失われる可能性があると推測する人もいます。同時に、企業はAIツールが人間の従業員を上回ることを確実にするために、強力なデータセットをますます優先するようになるでしょう。これにより、個人がデータラベル付けを通じて収入を得る新しいスペースが生まれ、このサービスセクターにおける新しい地域の大国の台頭が可能になります。

安定したリターン

AIラベリングにおけるブロックチェーンの使用は、支払いの透明性を超えています。ステーブルコインのような一貫した資産を活用することで、ユーザーはその場所に関係なく公正に報酬を受け取ることができます。

オールインで、手動での役割が新興市場にアウトソーシングされることが多く、企業はビジネスを獲得するために互いに価格を下げ合っています。従来のプロセスは製造業や農業などの確立された分野を制約するかもしれませんが、AIラベリングの新興の風景はこの不公平な慣行の犠牲にならなくて済みます。ステーブルコインの決済システムは最終的に市場間の平等を意味し、新興経済国に国家の生活賃金に匹敵する収入源を提供します。

利益があり公平な

最高のデータを持つ者が最高のAIを持つ。かつて金融市場がミリ秒単位でより速いインターネット接続を競っていたように、わずかな遅延が何百万という利益や損失に繋がっていたのと同様に、AIはそのトレーニングデータの質に依存している。精度のわずかな改善でも、大規模においては膨大なパフォーマンスと経済的な利点をもたらす可能性があり、多様で分散型のデータセットがAIサプライチェーンの次の重要な戦場となる。データはweb2とweb3の収束が最も大きく、かつ即座に影響を及ぼす場所であり、従来のシステムを置き換えるのではなく、それを補完し強化することで実現する。

Web3はweb2を置き換えることは期待されていませんが、成功するためには既存のインフラとの統合を完全に受け入れる必要があります。ブロックチェーン技術は、データの透明性、追跡可能性、帰属を強化するための強力なレイヤーを提供し、データの質を確保するだけでなく、その創造に貢献する人々に公正な報酬を保証します。倫理主導のビジネスが利益を上げることができないというのは一般的な誤解です。今日のAIレースでは、より良く、より代表的なデータに対する需要が、世界中の多様なコミュニティから調達する商業的な必然性を生み出しています。多様性はもはやチェックボックスではなく、競争上の優位性です。

AIにおける倫理が立法に遅れをとったり、優先順位を下げたりしている中、業界は独自の基準を設定する機会があります。最前線のデータを核に、AI企業は公平性とコンプライアンスを確保するだけでなく、コミュニティの新しい経済的機会を開放し、知能技術の未来に貢献することができます。

ヨハンナ・カビルド

ジョハンナ・カビルド

ジョアンナ・カビルドは、データガーディアンズネットワーク(D-GN)のCEOであり、web3投資、初期のNFT採用、そして新興技術ベンチャーに対するコンサルティングにおいてダイナミックなバックグラウンドを持っています。以前、ジョアンナはdroppGroupで大手クライアント向けのエンタープライズAIプロジェクトを主導し、サウジアラビア政府、サウジアラムコ、シスコなどのグローバルに認知されたイニシアティブに最先端のイノベーションを提供しました。技術、デザイン、暗号取引、戦略的コンサルティングのルーツを持つジョアンナは、好奇心とインパクトを生み出すことへの情熱に駆動された独学のビルダーです。彼女は誰もが、どこでも、先進技術に参加し、未来の一部を所有できるようにするためのリアルなオンランプを構築することに専念しています。D-GNでは、プライバシー、AI、分散型技術がどのように協力して個人のエンパワーメントとデジタル経済における新しい経済的機会を解き放つかを再定義することに焦点を当てています。

原文表示
このページには第三者のコンテンツが含まれている場合があり、情報提供のみを目的としております(表明・保証をするものではありません)。Gateによる見解の支持や、金融・専門的な助言とみなされるべきものではありません。詳細については免責事項をご覧ください。
  • 報酬
  • コメント
  • リポスト
  • 共有
コメント
0/400
コメントなし
  • ピン
いつでもどこでも暗号資産取引
qrCode
スキャンしてGateアプリをダウンロード
コミュニティ
日本語
  • 简体中文
  • English
  • Tiếng Việt
  • 繁體中文
  • Español
  • Русский
  • Français (Afrique)
  • Português (Portugal)
  • Bahasa Indonesia
  • 日本語
  • بالعربية
  • Українська
  • Português (Brasil)