Bitcoin

मेरा विशाल आपके डेटा का उपयोग कर रहा है। नई प्रणाली आपको नियंत्रण वापस लेने में मदद कर सकती है


मशीन लर्निंग एप्लिकेशन में पूर्वाग्रह एक आवर्ती विवादास्पद विषय रहा है क्योंकि बड़े डेटा का अधिक से अधिक उपयोग उपभोक्ताओं को इसकी खामियों को उजागर करता है। Forkast.News के प्रधान संपादक एंजी लाउ ने NEO के विकास निदेशक जॉन डेवाडोस के साथ गहन चर्चा की कि कैसे ब्लॉकचैन और विकेंद्रीकरण मशीन सीखने और कृत्रिम बुद्धिमत्ता में पूर्वाग्रह और केंद्रीकरण की समस्याओं को हल करने में मदद कर सकता है।

मुख्य आकर्षण

मुझे लगता है कि यहां की मूलभूत समस्या सिस्टम में जानकारी को पार्स करने में असमर्थता है और कहना ठीक है कि क्या हो रहा है, जो एआई भ्रम की इस दुर्भाग्यपूर्ण चुनौती को समाप्त करता है। सिस्टम और आर्टिफिशियल इंटेलिजेंस दुनिया को पार कर जाएंगे, इत्यादि।

मेरा विशाल आपके डेटा का उपयोग कर रहा है। नई प्रणाली आपको नियंत्रण चित्रण वापस लेने में मदद कर सकती है

AI टुडे का अधिकांश भाग, जो मशीन लर्निंग कर रहा है, उसे सर्विलांस मशीन लर्निंग कहा जाता है। इसका क्या मतलब है? इसका मतलब है कि ये केंद्रीकृत विक्रेता आपके डेटा और मेरे डेटा का उपयोग कर रहे हैं, अर्थात, सड़क पर सामान्य पुरुषों और महिलाओं का डेटा। वे आपका डेटा और हमारा प्राप्त कर रहे हैं। और हमारे पास यह तय करने की क्षमता नहीं है कि क्यों और कब? कब तक? उनकी पहुंच है, इसलिए मूल रूप से, हम इन केंद्रीकृत प्रणालियों द्वारा शासित हैं। कुछ लोग विकेन्द्रीकृत A.I का उपयोग करते हैं। हमें इन प्रणालियों को विकेंद्रीकृत तरीके से डिजाइन करना है। बेशक, जैसा कि हम सभी जानते हैं, ब्लॉकचैन प्लेटफॉर्म जाने का एकमात्र तरीका है। हालांकि, आज हमारे पास ये बेहद आदिम प्रणालियां हैं, और हमने सिर्फ इस तथ्य पर एल्गोरिदम को दोषी ठहराया है, जो मुझे लगता है कि पूरी तरह से अस्वीकार्य है। मेरा मानना ​​है कि आप डेटा एक्सेस के लिए मुआवजे के लायक हैं। आज हमारे पास एक मूल विचार है और वह स्वतंत्र है। नहीं। मेरा मतलब है, यह आपका डेटा है, यह मेरा डेटा है। इसलिए, यदि आप एक निश्चित आपूर्तिकर्ता द्वारा एक निश्चित अवधि के लिए उपयोग की अनुमति देना चाहते हैं, तो ब्लॉकचैन सिस्टम के अंदर क्रिप्टोक्यूरेंसी आर्थिक प्रोटोकॉल हमें ऐसा करने में सक्षम बनाता है।

पॉडकास्ट सुनो

deVadoss फेसबुक, गूगल और अमेज़न जैसे बहुराष्ट्रीय समूहों द्वारा बड़े पैमाने पर एकत्र किए गए डेटा का उपयोग करने के तरीके को बताता है कि व्यक्तिगत रूप से हानिकारक हैं। इस घटना को "निगरानी पूंजीवाद" कहा जाता है और यह एक शब्द है जिसे हार्वर्ड के विद्वान शोशना जुबॉफ ने व्यक्तिगत जानकारी के संशोधन का वर्णन करने के लिए गढ़ा है। जुबॉफ ने अपनी पुस्तक द एज ऑफ सर्विलांस कैपिटलिज्म में इस अवधारणा पर विस्तार से बताया कि कंपनियों को उपयोगकर्ता के व्यवहार की भविष्यवाणी करने के लिए एआई जैसी तकनीकों का उपयोग करना चाहिए।

मेरा विशाल आपके डेटा का उपयोग कर रहा है। नई प्रणाली आपको वापस नियंत्रण चित्र लेने में मदद कर सकती है (1)कोई छप नहीं

जुबॉफ का मानना ​​है कि स्मार्ट स्पीकर से लेकर डाइटिंग एप्लिकेशन तक अनुप्रयोगों से जुड़े AI- सक्षम संचार उपकरण, उपयोगकर्ता डेटा की एक बड़ी मात्रा पर भरोसा करते हैं, जो तब मशीन लर्निंग एल्गोरिदम में यह अनुमान लगाने के लिए खिलाया जाता है कि व्यक्ति या समूह क्या खरीदना चाहते हैं। ।

deVadoss ने कहा कि भविष्य में इस समस्या को हल करने का एक तरीका विकेंद्रीकरण और ब्लॉकचैन की अवधारणाओं को उस तरीके से लागू करना है जिस तरह से हम डेटा साझा करते हैं। यह, उन्होंने कहा, न केवल व्यक्तियों को अपने डेटा का स्वामित्व लेने की अनुमति देता है, बल्कि यह मशीन सीखने के बारे में लाए गए पूर्वाग्रह को सुलझाने में भी मदद कर सकता है।

कई मामलों में, मशीन सीखने का उपयोग करने वाले उत्पाद लिंग के पक्षपाती साबित हुए हैं। और, यह पता चलने के बाद कि कुछ जातीय समूहों में लाखों रोगियों के खिलाफ एक व्यापक रूप से इस्तेमाल किया एल्गोरिथ्म भेदभाव कर रहा है, हाल ही में अमेरिकी अस्पतालों की समीक्षा की गई है।

डीवाडोस के अनुसार, मशीन सीखने के लिए "बीजान्टिन" विधियों का उपयोग करके इस पूर्वाग्रह को कम किया जा सकता है। वर्तमान में, केंद्रीकृत डेटाबेस बड़ी मात्रा में डेटा को नियंत्रित करते हैं और विभिन्न अनुप्रयोगों के परिणामों को संसाधित करने के लिए एल्गोरिदम का उपयोग करते हैं। हालांकि, अगर कई एल्गोरिदम डेटा के आधार पर अपने स्वयं के परिणामों की गणना कर सकते हैं और उनके आउटपुट की तुलना कर सकते हैं, तो यह त्रुटियों से बचने का एक तरीका हो सकता है जो मिसकल्चर हो सकता है।

संबंधित लेख देखें: राय | कैसे ब्लॉकचेन एआई बचाता है

पूर्ण प्रतिलेख

एंजी लाउ: "ब्लॉक्स ऑन वर्ड्स" में आपका स्वागत है, यह श्रृंखला उन विषयों पर चर्चा करती है जिन्हें हम फोर्कैस्ट.न्यूज़ में कवर करते हैं। मैं एंजी लाउ के प्रधान संपादक हैं। आर्टिफिशियल इंटेलिजेंस का इस्तेमाल अशुभ मशीन लर्निंग, फेशियल रिकग्निशन और पूर्वाग्रह के डर से किया जाता है, और मानव प्रोग्रामर, अचेतन या सचेत पूर्वाग्रह, कृत्रिम बुद्धिमत्ता के साथ प्रत्यारोपित किए जाते हैं। सोच और इसकी चिंता और कई लोगों के लिए चिंता बढ़ रही है। लेकिन क्या ब्लॉकचेन एक तारणहार हो सकता है? अब हमारे अगले मेहमान जॉन डीवाडोस हैं। वह NEO का विकास नेतृत्व है। इससे पहले, वह दो मशीन लर्निंग स्टार्टअप्स के संस्थापक थे, जो मशीन में पीएचडी के साथ पुनरावर्ती तंत्रिका नेटवर्क में विशेषज्ञता प्राप्त कर रहे थे। अब, उनका काम ब्लॉकचेन के चारों ओर घूमता है, लेकिन इसमें कोई संदेह नहीं है कि उभरती प्रौद्योगिकियां टकरा रही हैं। जॉन ने हमें सिएटल से जोड़ा। जॉन, स्वागत है।

जॉन डेवाडोस: हाय एंजी, आप कैसे हैं? मेरे साथ जुड़ने के लिए धन्यवाद, मैं बहुत आभारी हूं।

लियू Anqi: बिल्कुल। फोर्कैस्ट पर आपके द्वारा लिखे गए लेखों में सीधे गोता लगाएँ। समाचार, कैसे ब्लॉकचैन कृत्रिम बुद्धि बचा सकता है पर आपकी राय। इसलिए चैट करने की तैयारी करते समय, जॉन को पता था कि कृत्रिम बुद्धिमत्ता एक शब्द था जो पिछली शताब्दी (वास्तव में 1956) में गढ़ा गया था। यह शब्द 1930 और 1940 के दशक में तंत्रिका नेटवर्क अनुसंधान पर आधारित है। मेरा मतलब है कि यह महामंदी थी और यह तब से ठीक हो रही है। आज तेजी से आगे। 21 वीं सदी की पहली तिमाही (भविष्य से लगभग 100 वर्ष) की स्थिति को समझने में हमारी मदद करें। अब हम कृत्रिम बुद्धिमत्ता प्रौद्योगिकी के इस स्तर पर कहाँ हैं?

जॉन डेवाडोस: महान प्रश्न, एंजी। इसलिए मैं जो कहना चाहता हूं वह मार्केटिंग है। हालांकि आर्टिफिशियल इंटेलिजेंस पर ध्यान दिया जाता है, मैं जो कहना चाहता हूं वह यह है कि आर्टिफिशियल इंटेलिजेंस आर्टिफिशियल इंटेलिजेंस के पीछे की वास्तविकता है। यह वास्तव में मशीन लर्निंग है, जो बहुत सारे डेटा को देखने और डेटा के पीछे अंतर्निहित पैटर्न को माइन करने में सक्षम है। हमें लगता है कि कृत्रिम बुद्धिमत्ता, डेटासेट, भाषण मान्यता और यहां तक ​​कि तथाकथित स्वायत्त वाहनों में से अधिकांश बस त्वरित अनुक्रम हैं, अर्थात्, एक पैटर्न को देखने और फिर इसका जवाब देने में सक्षम हैं। यदि आप पसंद करते हैं, तो यह पहले की फिल्मों के समान ही है, जैसे हम मूक फिल्मों से वॉकी-टॉकीज तक गए। कुंजी इन तख्ते को मूल रूप से इतनी तेजी से चलाने के लिए है कि स्क्रीन पर गति का भ्रम दिखाई देता है, और यही मैं कृत्रिम बुद्धिमत्ता के बारे में सोचता हूं। इसलिए यह देखा जा सकता है कि पैटर्न की पहचान करने और प्रतिक्रिया देने की तीव्र गति इस बौद्धिक भ्रम को पैदा करती है।

ऐसा कहने के बाद, मुझे लगता है कि आप का मतलब है, हम आज कहां हैं? यदि आप मशीन सीखने के इतिहास, या यहां तक ​​कि कृत्रिम बुद्धिमत्ता एंजी के इतिहास को देखें, तो हम क्या कहते हैं, तथाकथित कृत्रिम बुद्धिमत्ता। शीतकालीन। हमारे पास चोटियाँ और घाटियाँ हैं। मुझे लगता है कि इसका एक बड़ा कारण अपेक्षित मूल्य है, जिसे हमने बहुत अधिक निर्धारित किया है। जब भी हम अपने लक्ष्यों को प्राप्त करने में असफल होते हैं, हम मोहभंग के गर्त में गिर जाते हैं। एक बार फिर, चक्र खुद को दोहराता है। हालांकि, यह समय थोड़ा अलग है। अतीत में, हम आर्थिक रूप से क्लाउड कंप्यूटिंग संसाधनों का उपयोग नहीं कर पाए हैं, और इन मॉडलों का उपयोग करने की क्षमता लगभग सस्ती है। यह मोड़ है। स्टार्ट-अप और वीसी के लिए, ब्याज में इस उछाल का कारण सस्ते कंप्यूटिंग, बड़ी मात्रा में डेटा, और अनिवार्य रूप से खनन और इन गहरी सीखने की मशीन सीखने के मॉडल का निर्माण है।

एंजी लाउ: मैं वास्तव में सराहना करता हूं कि आप उस तकनीक का वर्णन करते हैं जिसके साथ मशीन सीखना इतनी तेजी से विकसित हो रहा है। यह एक बौद्धिक भ्रम पैदा करता है। हालाँकि, यह बहुत चुनौतीपूर्ण है। बुद्धि का भ्रम बुद्धि के लिए भी गलत है। जो लोग मनुष्य हैं, वे भी अपनी सोच को आउटसोर्स करते हैं जिसे आप बौद्धिक मतिभ्रम कहते हैं। यह खतरनाक है। वहां एक समस्या है।

जॉन डेवाडोस: ओह, बिल्कुल। मेरा मतलब है, आप जिस तरह से संक्षेप करते हैं मुझे पसंद है। बहुत खूबसूरती से बोल रहा हूं, मुझे लगता है कि आप एक तरफ खड़े होंगे। यदि आप करेंगे, तो आप सिस्टम के अंदर बुद्धिमान अवधारणाओं पर भरोसा करेंगे। बेशक, दूसरी ओर, यह लगभग डर है, और कभी-कभी यहां तक ​​कि व्यामोह भी जो सिस्टम को पार करेगा। मुझे लगता है कि आप सही हैं। आपने इसे बंद कर दिया। मेरी राय में, जब आप इन स्तरों को खोलते हैं, तो आपके पास वास्तविक बुद्धि नहीं होती है। यह बुद्धि का भ्रम है।

दरअसल, मैं लोगों के साथ मजाक कर रहा हूं। मैं लोगों को बताता हूं कि यह एक ऐसी प्रणाली नहीं है जिसे कृत्रिम बुद्धिमत्ता की मैं चिंता करता हूं। मुझे बुरे कोड की चिंता है। मैं कोड में त्रुटियों के बारे में चिंता करता हूं, क्योंकि कोड में त्रुटियां वास्तव में मनुष्यों और हमारी आर्थिक प्रणाली के लिए प्रमुख चुनौतियों और समस्याओं का कारण हैं। तो आप गए। इसमें निश्चित रूप से कुछ उद्योग प्रचार और विपणन तंत्र शामिल होंगे। लेकिन, जैसा कि मैंने अपने लेख एंजी में कहा था, मुझे लगता है कि यहां की मूलभूत समस्या सिस्टम के अंदर खुलेपन को पार्स नहीं कर पा रही है और कह रही है कि वास्तव में क्या हो रहा है, और एआई भ्रम की दुर्भाग्यपूर्ण चुनौती को स्थायी प्रणाली बना रही है और ए.आई. दुनिया से परे जाओ, और इसी तरह।

एंजी लाउ: तो, ब्लॉकचेन कहां से आता है?

जॉन डेवाडोस: महान प्रश्न। इसे ही वे एंजी की एच्लीस हील कहते हैं। तो मेरे लिए, कृत्रिम बुद्धिमत्ता की अकिलीज एड़ी केंद्रीकरण है। मेरा क्या मतलब है? दो बातें। सबसे पहले, आप शब्द से बहुत परिचित हैं। क्या मुझे लगता है कि यह निगरानी पूंजीवाद है? AI टुडे का अधिकांश भाग, जो मशीन लर्निंग कर रहा है, उसे सर्विलांस मशीन लर्निंग कहा जाता है। इसका क्या मतलब है? इसका मतलब है कि ये केंद्रीकृत विक्रेता आपके डेटा और मेरे डेटा का उपयोग कर रहे हैं, अर्थात सड़क पर सामान्य पुरुषों और महिलाओं का डेटा। फिर से, किसी के बारे में उधम मचाओ मत, लेकिन यकीन है कि यह अमेज़न, गूगल, माइक्रोसॉफ्ट, या Apple है। वे आपका डेटा और हमारा प्राप्त कर रहे हैं। और हमारे पास यह तय करने की क्षमता नहीं है कि क्यों और कब? कब तक? उनकी पहुंच है, इसलिए मूल रूप से, हम इन केंद्रीकृत प्रणालियों द्वारा शासित हैं।

लियू अंकी: हम सहमत हैं या नहीं। और ज्यादातर मामलों में, यह हमारी सहमति के बिना भी हमारा ज्ञान है।

जॉन डेवाडोस: बिल्कुल सही। वास्तव में, यह आमतौर पर हमारे लिए अज्ञात है। लेकिन एक गहरी समस्या है। इसलिए फिर से, किसी एक विक्रेता को चुनने के बजाय, आइए अमेज़न पर एक नज़र डालें। उनके पास चेहरे को पहचानने, चेहरे की पहचान के लिए एक तथाकथित मान्यता समारोह है। चुनौती यह है। जब आपके पास व्यावसायिक गतिविधियां होती हैं, तो कभी-कभी सार्वजनिक क्षेत्र की एजेंसियां, जैसे कि कस्टम एजेंसियां, एकल-विक्रेता केंद्रीकृत समाधान का उपयोग करती हैं। समस्या यह है। तो, वास्तव में, आपके पास एक विक्रेता है जिसके लोग सॉफ़्टवेयर, एल्गोरिदम, हार्डवेयर, चिप्स, डेटा केंद्र डिज़ाइन करते हैं, जो कोड लिखते हैं, और जो डेटा केंद्र चलाते हैं। इसलिए, आप एक केंद्रीकृत आपूर्तिकर्ता की दया पर हो सकते हैं।

इस श्रृंखला में किसी भी बिंदु पर होने वाला कोई भी समझौता अनिवार्य रूप से आपको आश्वस्त करेगा। इसलिए यदि आप विचार करते हैं कि इसका क्या अर्थ है, उदाहरण के लिए, यदि सीमा शुल्क विभाग इस तरह की सेवा का उपयोग यह तय करने के लिए करता है कि हमें किसकी अनुमति दी जानी चाहिए, तो हमें हमें इसमें नहीं जाने देना चाहिए। आप संभावित प्रभाव की कल्पना कर सकते हैं। तो मेरे लिए, यह मूल दृष्टिकोण है कि हम स्टैंडबाय सीखने को कैसे देखते हैं। मुझे लगता है कि लगभग पांच या सात वर्षों के बाद, हम वापस जाएंगे और कहेंगे कि हम कितने मूर्ख हैं? कैसे इन विक्रेताओं को अपने सिस्टम का उपयोग करते समय सुरक्षा की इस भावना में खुद को मिलता है। यह वह जगह है जहां ब्लॉकचेन प्रवेश करती है। पहला, यह तय करने में सक्षम होना कि ये सिस्टम कब, क्यों और कब तक हमारे डेटा तक पहुंचते हैं। जाहिर है हमारे नियंत्रण में है।

दूसरा, आपके पास कई विक्रेता हो सकते हैं, जैसे कि अमेज़ॅन और एज़्योर, Google या आईबीएम, और फिर उन प्रणालियों के बीच त्रिकोणीय। जैसा कि हम सभी जानते हैं कि ब्लॉकचेन सिस्टम में ठीक यही काम करता है। हमारे पास कई नोड्स हैं, हमारे पास कई सिस्टम हैं, और वे सामूहिक रूप से एक निर्णय आम सहमति बनाते हैं। यह सही तरीका है। यह मशीन सीखने का एकमात्र तरीका है। दुर्भाग्य से, आज हम निष्पादन मॉडल से बहुत दूर हैं। लेकिन इससे भी ज्यादा चौंकाने वाला यह है कि मशीन लर्निंग रिस्क को कैसे किया जाए, यह समझने की मौजूदा कमी है।

लियू अंकी: बिलकुल ठीक। तो, वास्तव में, यदि आप ब्लॉकचेन आर्किटेक्चर, ब्लॉकचेन की अवधारणा, और इसके साथ आने वाली सभी विशेषताओं को लागू कर सकते हैं, तो आपका यही मतलब है। विभिन्न नोड्स, सर्वसम्मति तंत्र के विकेंद्रीकरण, और दर्शन जो वास्तव में ब्लॉकचेन की भावना को चलाते हैं, वास्तव में दर्शन से लेकर एआई तक की आवश्यकता है। सोच भी रहे हैं। क्या यह आपका सुझाव है?

जॉन डीवाडोस: बिल्कुल। डिस्कवरी। हमेशा की तरह, आपने मेरी बात सुनी। तब आपके पास इसका एक अद्भुत सारांश है। आप बिलकुल सही हैं। मेरी राय में, दर्शन, आर्थिक मॉडल और विकेन्द्रीकृत ब्लॉकचैन के पीछे तकनीकी वास्तुकला को मशीन लर्निंग सिस्टम में इंजेक्ट किया जाना चाहिए। और, दुर्भाग्य से, हम अभी भी दूर हैं, और मेरा मानना ​​है कि यह एकमात्र तरीका है। उदाहरण के लिए, हम तथाकथित ए.आई. एंजी को कैसे प्राप्त करते हैं? यदि हम खुद को किसी आपूर्तिकर्ता की दया पर होने दें, तो हम कहीं भी कृत्रिम कृत्रिम बुद्धिमत्ता को नहीं देखेंगे। यह उनका होगा …

एंजी लाउ: मैं इससे पूरी तरह सहमत हूं, और चिंता, पूर्वाग्रह के संदर्भ में, जब आपके पास एक केंद्रीकृत निर्णय स्रोत है और हम यहां स्रोत कोड के बारे में बात कर रहे हैं, तो यह लगभग अंतिम निर्णय है। और, अगर यह एक केंद्रीकृत विक्रेता या डेवलपर, या लोगों के एक समूह द्वारा नियंत्रित किया जाता है, तो अचानक, वैश्विक सोच और "विचार" या "स्मार्ट भ्रम" की प्राप्ति केवल कुछ लोगों से होती है, और समाज में हमारा विकास होता है। एक इंसान के रूप में, एक समाज के रूप में, एक सभ्यता के रूप में, वास्तव में सैकड़ों वर्षों में लाखों लोगों के जीवन का मिश्रण है।

इसलिए, अचानक, कंपनी में कम संख्या में लोगों द्वारा लिखे गए स्रोत कोड में इसे तोड़ना और फिर इसे वैश्विक प्रणाली में लागू करना थोड़ा तनावपूर्ण हो सकता है। ध्यान आकर्षित करना सुनिश्चित करें। जहां तक ​​ब्लॉकचेन का सवाल है तो क्या यह खराब होगा?

जॉन डेवाडोस: मेरा मतलब है, देखो, मुझे लगता है कि यह आपदा का स्रोत है। उदाहरण के लिए, आप उस स्थिति को देखते हैं जहां किसी व्यक्ति को नुकसान पहुंचाया गया है। हमें इसका एहसास होने में कितना समय लगेगा? बहुत समय हो सकता है। उस अवधि के दौरान मानव जीवन के लिए क्या खतरा था? आज हम जिन प्रणालियों के संदर्भ में चलते हैं। इसलिए मुझे लगता है कि यह एक गहरा मुद्दा है, और दुर्भाग्य से, मुख्यधारा का मीडिया इसे समझता है। मुझे खुशी है कि आप ऐसा कहते हैं। मेरा मतलब है, यह सुनकर अच्छा लगा कि आप इस सामग्री को इतने शानदार तरीके से जोड़ रहे हैं।

एंजी लाउ: यह हमने फोर्कैस्ट पर किया था। नया, या कम से कम हमने कोशिश की। लेकिन ध्यान दें कि आपको समझने के लिए अधिक से अधिक लोग मिल रहे हैं। यह वास्तव में अपरिहार्य है। और यह बुदबुदा रहा है। आप सुन रहे हैं स्टीव वोज़्नियाक और उनकी पत्नी Apple को बुला रहे हैं क्योंकि Apple उन्हें अपनी पत्नी के रूप में अपने Apple खाते के लिए दो बार क्रेडिट देता है और वे सटीक बैंक साझा करते हैं खाते।

वे इस सटीक वेतन की जानकारी साझा करते हैं। वे धन साझा करते हैं। लेकिन उसका, केवल स्पष्ट अंतर यह है कि वह महिला है और वह पुरुष है। नतीजतन, ये चिंताएं बढ़ रही हैं। लेकिन दर्शन के अलावा ब्लॉकचेन का क्या? ब्लॉकचेन प्रौद्योगिकी में एक भूमिका कैसे निभाता है जब यह डेटा और गहन सीखने और निजी डेटा एकत्र करने के लिए आता है जिसे हमें नियंत्रित करना चाहिए लेकिन नियंत्रण नहीं?

जॉन डीवाडोस: बिल्कुल। फिर, यह एक बहुत ही प्रासंगिक सवाल है। इसलिए मुझे लगता है कि आप सही कह रहे हैं, वोज़ के साथ पिछले दो हफ्तों में समाचार और जाहिर है कि उनकी पत्नी बहुत महत्वपूर्ण हैं। तो मेरी राय है, एंजी: जब आपके पास एक विक्रेता, एक प्रणाली और एक एल्गोरिथ्म पर तथाकथित निर्भरता के कुछ प्रकार होते हैं, तो उस एल्गोरिथ्म के अंतर्निहित पूर्वाग्रह प्रकट होते हैं। इसके अलावा, सिस्टम का निर्माण करने वाले लोगों को स्पष्ट रूप से दोष या विशेष रूप से दोषी नहीं ठहराते हैं। तथ्य यह है कि ये सिस्टम स्वाभाविक रूप से पक्षपाती हैं। तो आप क्या करेंगे?

आपने कहा, देखो, विभिन्न प्रणालियों के लिए, हमारे पास तीन, शायद चार अलग-अलग एल्गोरिदम होंगे। आदर्श रूप से, इन प्रणालियों में से प्रत्येक में अलग-अलग सॉफ्टवेयर विक्रेता, विभिन्न हार्डवेयर विक्रेता, विभिन्न डेटा केंद्र और स्पष्ट रूप से अलग-अलग लोग और कर्मी होंगे। फिर आप त्रिकोणासन करते हैं और कहते हैं, ठीक है, तो इन चार अलग-अलग प्रणालियों में आम सहमति क्या है? इस मामले में, हमें यह कहना होगा कि वोज़ को बहुत कुछ मिला, लेकिन उसकी पत्नी को नहीं मिला? यदि आप एक सिस्टम, एक एल्गोरिथ्म को हावी होने देते हैं, तो यह सच्चाई है। एक उदाहरण देता हूं।

जेट्स, बोइंग और एयरबस ने अपने सेंसर बनाने के लिए दशकों से बीजान्टिन विधियों का उपयोग किया है। इसका क्या मतलब है? उदाहरण के लिए, यदि आप ऊँचाई की जाँच कर रहे हैं, तो उनके पास आमतौर पर तीन (आमतौर पर चार) अलग-अलग सिस्टम होते हैं, और ये सिस्टम अलग-अलग चिप विक्रेताओं और अलग-अलग सॉफ्टवेयर और टूल विक्रेताओं, और इसी तरह से आते हैं। यह विचार है, पायलट को जानकारी के पारित होने से पहले सभी तीन या चार अलग-अलग प्रणालियों को आम सहमति तक पहुंचना चाहिए। वास्तव में, कुछ का मानना ​​है कि 737 मैक्स चुनौती के कारणों में से एक या कम से कम लागत में कमी और तथ्य यह था कि वे बीजान्टिन दृष्टिकोण से एकल प्रणाली दृष्टिकोण में चले गए थे। जैसा कि हम सभी जानते हैं, प्रतिष्ठा के संदर्भ में, जीवन का नुकसान स्पष्ट रूप से एक जोखिम है, और ऐसी कंपनी का बाजार मूल्य जोखिम में होना चाहिए।

बहुत सरल है। कुछ लोग विकेंद्रीकृत A.I का उपयोग करते हैं। मैं इस शब्द का बहुत बड़ा प्रशंसक नहीं हूं, लेकिन मुझे लगता है कि आप ऐसा कह सकते हैं। हमें इन प्रणालियों को विकेंद्रीकृत तरीके से डिजाइन करना चाहिए। बेशक, जैसा कि हम सभी जानते हैं, ब्लॉकचैन प्लेटफॉर्म जाने का एकमात्र तरीका है। खैर, मेरा मतलब है, हम तय कर सकते हैं कि कौन सा एल्गोरिथ्म आम सहमति और इतने पर पहुंच सकता है। हालांकि, आज हमारे पास ये बेहद आदिम प्रणालियां हैं, और हमने सिर्फ इस तथ्य पर एल्गोरिथ्म को दोषी ठहराया है, जो मुझे लगता है कि पूरी तरह से अस्वीकार्य है।

लियू अंकी: खैर, अंतिम विश्लेषण में, जब कृत्रिम बुद्धि और वास्तविक ब्लॉकचेन की बात आती है, तो डेटा एक महत्वपूर्ण जीवन शक्ति है, है ना? इंजन ईंधन। इस मामले में, स्वामित्व डेटा AI के लिए एक शक्तिशाली बल है। यदि स्रोत डेटा दूषित है, तो यह एक समस्या है। यदि अचानक हम इसे उल्टा कर सकते हैं, तो हम मेरे द्वारा चुनी गई व्यक्तिगत जानकारी के लिए नियंत्रण बना सकते हैं और फिर उस जानकारी का उपयोग कर सकते हैं। या हो सकता है कि मैंने AI समझ को बेहतर बनाने के लिए दान या योगदान दिया। फिर, मशीन लर्निंग के बारे में आया, और यह एक विकेंद्रीकृत मॉडल पर आधारित था, जिसमें यह एक स्रोत कोड नहीं था, बल्कि कई स्रोत कोड थे। डेटा प्रविष्टि के कई बिंदुओं पर, यह बुद्धिमान भ्रम एक बुद्धिमान नेटवर्क में बदल सकता है।

जॉन डेवाडोस: अच्छी तरह से कहा। वास्तव में, मुझे एक कदम आगे जाना है, एंजी, मुझे लगता है कि यह आपको डेटा तक पहुंचने के लिए भुगतान करना चाहिए। आज हमारे पास एक मूल विचार है और वह स्वतंत्र है। नहीं। मेरा मतलब है, यह आपका डेटा है, यह मेरा डेटा है। इसलिए, यदि आप निश्चित अवधि के भीतर एक निश्चित आपूर्तिकर्ता तक पहुंच प्रदान करना चाहते हैं, तो ब्लॉकचैन सिस्टम के अंदर क्रिप्टोक्यूरेंसी आर्थिक समझौता हमें ऐसा करने में सक्षम करेगा। इसलिए, मेरे लिए, यह बहुत स्वाभाविक है। आपको इस तरह की मानसिकता रखनी चाहिए और देखना चाहिए कि क्या मैं आपको अपने डेटा तक पहुंच प्रदान करता हूं, मेरा इनाम क्या है? सीधे शब्दों में कहें, ये आर्थिक प्रोटोकॉल किसी भी प्रमुख ब्लॉकचेन प्लेटफॉर्म पर मौजूद हैं। इसलिए फिर से मैंने एक बहुत ही प्राकृतिक दृश्य देखा। खैर, मुझे लगता है कि ब्लॉकचेन और कृत्रिम बुद्धिमत्ता के बीच मैच से पहले यह समय की बात है।

एंजी लाउ: कृत्रिम बुद्धिमत्ता शब्द 1956 में गढ़ा गया था। ठीक है, अब एक शब्द बनाते हैं, जॉन। कृत्रिम बुद्धि कहाँ है? हमें यह जानने की जरूरत है कि वास्तव में आज की चिंताओं का क्या मतलब है ताकि भविष्य "एक टूटे स्रोत कोड" के रूप में डरावना न दिखे।

जॉन डीवाडोस: हाँ। यह एक बहुत ही सटीक, बहुत ही व्यावहारिक सवाल है, एंजी। मैं जो कह रहा हूं वह यह है कि सादगी के लिए, मैं इसे पसंद करूंगा यदि हम "कृत्रिम बुद्धिमत्ता" शब्द का उपयोग नहीं करते हैं। मुझे लगता है कि यह केवल इस भ्रम का कारण होगा, कभी-कभी यह अटकलें पैदा करेगा, और निश्चित रूप से यह भ्रम का कारण भी होगा। मेरे लिए, यह मशीन लर्निंग है। बड़ी मात्रा में डेटा से सीखने के लिए मशीन सिस्टम को सक्षम करता है। वे क्या सीख रहे हैं? वे मॉडल सीख रही हैं। तो आप कह सकते हैं कि यह पैटर्न-आधारित शिक्षा है। यह कहते हुए कि, यदि हम 2056 को देखें, जो बहुत दूर नहीं है, तो मुझे लगता है कि आप पाएंगे कि यह एक सामूहिक, विकेंद्रीकृत, सर्वसम्मति-आधारित प्रणाली संग्रह की एक अवधारणा है जो मॉडल को सीख सकती है और सीख सकती है। यह हमारा अंतिम लक्ष्य है।

और उम्मीद है कि रास्ते में, हम AI नामक नारा खो देंगे। क्योंकि स्पष्ट रूप से, मैंने इस क्षेत्र में कई साल अकादमियों में बिताए हैं। सच कहूँ तो, हम नहीं जानते कि मस्तिष्क कैसे काम करता है। हमारे लिए, अहंकार का मतलब है कि हम इसकी नकल कर सकते हैं, अकेले इसे कॉपी कर सकते हैं। मुझे लगता है कि यह अहंकार की ऊंचाई है। मुझे यह कहते हुए अधिक खुशी होगी कि यदि हम आर्थिक प्रोत्साहन के आधार पर एक सामूहिक प्रणाली और विकेंद्रीकृत सर्वसम्मति बना सकते हैं ताकि उपयोगकर्ता डेटा प्रदान करने से लाभान्वित हों, मुझे लगता है कि हम एक बेहतर स्थिति में होंगे।

एमिली लाउ: जॉन, भविष्य के लिए अपनी विशेषज्ञता, अनुभव और विचारों को साझा करने के लिए बहुत-बहुत धन्यवाद। वास्तव में, मुझे लगता है कि आप एक अविश्वसनीय संसाधन हैं, और हम आपको फोर्कैस्ट के अगले विषय में फिर से शामिल करेंगे। हमसे जुड़ने के लिए धन्यवाद, जॉन।

जॉन डेवाडोस: बहुत बहुत धन्यवाद, एंजी, कृपया ध्यान दें। अच्छा। आपका दिन शुभ हो

लियू अंकी: बिलकुल, ब्लॉक ऑन वर्ड के नवीनतम एपिसोड में शामिल होने के लिए आप सभी का धन्यवाद। यह फोर्कैस्ट के प्रधान संपादक लियू किंगकिंग हैं। अगली बार तक।

स्रोत: 0x द्वारा FORKAST से संकलित कॉपीराइट Forkast.News लेखक का है, और बिना अनुमति के पुन: प्रस्तुत नहीं किया जा सकता है पढ़ने जारी रखने के लिए क्लिक करें