این مقاله برای اولین بار در 8 ژوئن 2023 منتشر شد.

بیش از 150 سال پیش، فلورانس نایتینگل، آمارشناس و بنیانگذار پرستاری مدرن، تجسم داده هایی را ایجاد کرد که برای تغییر رفتار عمومی طراحی شده بودند. او با موفقیت ارزش داده ها را در نظر گرفت، آن را در مورد استفاده واقعی از بهداشت ضعیف و ازدحام بیش از حد استفاده کرد و موفق شد روش مراقبت از مردم را تغییر دهد.

اگرچه او به خاطر دورهای شبانه اش به عنوان یک پرستار، لقب «بانوی چراغدار» را به خود اختصاص داد، اما او بانویی با بینایی بود. مطالعه داده ها قبل از تجزیه و تحلیل داده ها حتی یک اصطلاح شناخته شده در دنیای تحقیقات پزشکی بود. آن چشم انداز، بیان واضح داده ها برای قابل هضم کردن آن بود.

گسترش اتوماسیون و کاربردهای هوش مصنوعی در زندگی روزمره ما بحث ها را در مورد داده ها تشدید کرده است. از آنجایی که مسیر هوش مصنوعی هنوز در حال ظهور است، ارزیابی منابع داده، قابلیت اطمینان و نیازهای داده های آینده ما مهم است.

آیا ما در آستانه تصاحب هوش مصنوعی هستیم؟ این سوالی است که امروزه بسیاری از رهبران و محققان فناوری را نگران می کند. همه از ایلان ماسک گرفته تا استیو وزنیاک تا پزشکان و مردم کارشناسان بهداشت قبل از اینکه هوش مصنوعی به ماموریت خود برای متحول کردن صنایع ادامه دهد، به نفع تنظیم هوش مصنوعی است.

مدل های هوش مصنوعی نیاز به ورودی با کیفیت دارند

همانطور که هوش مصنوعی همچنان صنایع را از مراقبت های بهداشتی گرفته تا امور مالی متحول می کند، نیاز به داده ها برای آموزش این مدل ها به طور تصاعدی افزایش یافته است. اما چه اتفاقی می‌افتد وقتی اطلاعات ما تمام شود؟

مدل‌های هوش مصنوعی خطرات مرتبط با داده‌های ورودی ضعیف را دارند. آیا داده های بلاک چین ایمن می تواند راه حلی ارائه دهد که اثرات کمبود داده را کاهش دهد؟ این به مجموعه داده ها و تمایل به اشتراک گذاری داده ها بین بلاک چین ها بستگی دارد. برای به حداکثر رساندن اطلاعاتی که یک مدل هوش مصنوعی می تواند با آن کار کند، همکاری بین همه سهامداران کلیدی است.

به گفته هوگو فیلیون، مدیرعامل و یکی از بنیانگذاران شبکه‌های فلر، «داده‌های متغیر زمان مانند شاخص‌های بازار سهام، شرایط آب‌وهوایی و قیمت کالاها را می‌توان به صورت کاملاً غیرمتمرکز وارد زنجیره Oracle سری Flare Time کرد. “

«داده‌های بلاک چین طبق تعریف بسیار ساختارمند هستند و از یک ساختار دفتر کل توزیع شده تجمعی پیروی می‌کنند که در آن هر بلوک جدید از طریق هش‌های رمزنگاری به همه بلوک‌های تاریخی مرتبط می‌شود. این همان چیزی است که تغییرناپذیری پایگاه داده را تضمین می کند.» فیلیون ادامه می دهد.

ترکیب چندین منبع داده برای ایجاد مجموعه داده های بزرگتر و دقیق تر می تواند تفاوت بزرگی در آموزش مدل های هوش مصنوعی ایجاد کند.

مشکل لزوما این نیست که چگونه داده های بلاک چین موجود را سازماندهی کنیم تا مفیدتر شوند. مشکل این است که چگونه می‌توان انواع بیشتری از داده‌ها را روی زنجیره، از دیگر بلاک‌چین‌ها و از API‌های Web2 بیاوریم، و آن‌ها را در جایی که برای اجرای Dapps مورد نیاز هستند در دسترس قرار دهیم و ابزار بیشتری برای کاربران فراهم کنیم.»

همچنین بخوانید: برنامه ریزی سفر: آیا آینده سفرهای پایدار در متاورس است؟

در کنار حجم عظیم منابع داده، وظیفه مدیریت آن منابع و استفاده از ورودی های مناسب برای استخراج اطلاعات مناسب نیز وجود دارد.

استفاده از داده ها برای تصمیم گیری آگاهانه

در حال حاضر انگیزه کمی برای مقامات محلی برای افزایش کارایی وجود دارد. جدای از خودانگیختگی و غرور در مکان، مقامات محلی تمایل دارند مسئولیت استراتژی های رهبری را به مقامات بالاتر ایالت محول کنند. شفافیت در برنامه ریزی، پیشنهادات، استفاده از زمین، مقررات و توسعه زیرساخت ها کلید تضمین یک اقتصاد محلی قوی و ایجاد جامعه ای مبتنی بر اعتماد است. داده‌های زنجیره‌ای ذخیره‌سازی رکورد را تضمین می‌کند که قبلاً هرگز نبوده است.

ارائه داده های دقیق یک اولویت کلیدی برای TangleHUB است، یک راه حل ذخیره سازی غیرمتمرکز که توسط IOTA طراحی شده است. با این حال، از آنجا که کاربران می توانند از ارائه داده های خود منصرف شوند، پیش بینی ورودی داده برای توسعه محصولات آینده و راه حل های مشکلات موجود دشوار است.

با ظهور یادگیری ماشینی و هوش مصنوعی بیشتر برای پردازش داده ها، محدودیت های داده در شوراها باید برطرف شود. مشکل ذخیره سازی متمرکز این است که شخصی دسترسی کنترل شده دارد و اگر ابرداده رمزگذاری نشده باشد، خطرات مربوط به امنیت آن داده ها وجود دارد.» Bas van Sambeek، متخصص ارتباطات در TangleHUB می گوید.

با این حال، استفاده از مدیریت بهینه داده‌ها برای کاهش ضایعات و تخصیص مؤثر بودجه‌های محلی می‌تواند رونق خوبی برای اقتصادهای محلی و فرصت‌های شغلی ایجاد کند. اگر شوراها از قدرت خود برای تضمین نتایج مثبت بلندمدت برای شهروندان محلی استفاده کنند، می تواند میلیون ها درآمد مالیات دهندگان را پس انداز کند. علاوه بر این، مردم از میزان استفاده از داده و حقوق خود آگاهی بیشتری دارند.

باز کردن قدرت داده های غیرمتمرکز

هنگام کار در حوزه بلاک چین، چندین سوال در حلقه های داده پدیدار می شود و بیشتر آنها به اشتراک گذاری داده ها برای مدیریت موثر هوش مصنوعی مربوط می شوند. رابین لمان، مدیر عامل و یکی از بنیانگذاران اپلیکیشن دیتا یونیون، می‌گوید: «چگونه می‌توانیم داده‌های خصوصی را به هوش مصنوعی بیاوریم و چگونه می‌توانیم اطمینان حاصل کنیم که همه افراد درگیر سهم خود را از آن‌چه حاصل می‌کنند، دریافت می‌کنند؟»

استفاده از تجزیه و تحلیل سلف سرویس برای ارائه سطوح بهتر مراقبت، سلامت و مدیریت سبک زندگی این روزها رایج تر شده است زیرا مردم با اپلیکیشن های موبایلی آشنا شده اند که داده های مربوط به فعالیت های روزانه آنها را ارائه می دهند. سه بخش که مدیریت داده های فردی را پذیرفته اند عبارتند از تناسب اندام، سلامت و کار. به عنوان مثال می توان به Fitbit، اهداف ماهانه سلامتی و عملکرد شما در محل کار اشاره کرد. در آینده، این ممکن است در مورد سایر جنبه های زندگی ما از جمله روابط ما با خدمات عمومی نیز صدق کند.

«ما نیاز شدیدی را می بینیم که مردم بتوانند کنترل داده های خود را پس بگیرند و مردم به داده هایی که می بینند اعتماد کنند. بنابراین، اگر یک شورای محلی دارید، آن داده‌ها باید کاملاً قابل اعتماد باشند، یا باید یک فاصله اطمینان در آن همراه با آن داده‌ها وجود داشته باشد تا بتوانید از آن به عنوان ورودی برای فرآیند تصمیم‌گیری استفاده کنید.» ون سامبیک.

برای فیلیون، «حاکمیت داده‌های شخصی احتمالاً در ابتدا تا زمانی که فناوری به بلوغ برسد و استفاده از راه‌حل‌ها آسان‌تر شود، تعامل با خدمات را کمتر راحت‌تر می‌کند».

هفته گذشته، ریچارد بلیتمن، بنیانگذار AlgoveraAI، در یک کنفرانس Crypto و AI، به پتانسیل اضافه کردن یک ابزار جدید با چارچوب های LLM اشاره کرد. Algovera بر ساخت راه‌حل‌های سرتاسری برای نسخه‌های سفارشی‌شده جریان‌ها، دستیاران و نمایندگان LLM تمرکز دارد. چارچوب عامل رمزنگاری همراه با چارچوب LLM، ابزارهای جدید زیادی را ارائه می‌کند که می‌توانیم موارد استفاده جدید ایجاد کنیم.

مارتین کوپلمن، بنیانگذار Gnosis، یکی از اولین زنجیره های جانبی اتریوم با بیش از 120000 اعتباردهنده، به داده ها از دیدگاه یک عامل هوش مصنوعی نگاه کرد. او درباره بسته‌بندی خدمات هوش مصنوعی در زنجیره عامل بحث کرد: «یک عامل هوش مصنوعی حساب بانکی یا کارت اعتباری نخواهد داشت، اما ممکن است به خوبی بتواند کلید خصوصی را کنترل کند.

با استفاده از فناوری بلاک چین به عنوان راهی برای ردیابی داده‌های ما، کاربر نهایی می‌تواند داده‌های خود را مالک و کنترل کند. با این حال، هوش مصنوعی همچنین می‌تواند از هر داده‌ای که به آن می‌دهیم برای دسترسی به خدمات به روش‌هایی استفاده کند که امروزه غیرقابل تصور است. در حال حاضر، ارائه زیرساخت‌ها و مجموعه داده‌های مناسب و تنظیم استانداردهای اساسی در نحوه پردازش داده‌ها، راهنمایی‌های ضروری را برای انسان‌ها و هوش مصنوعی برای بهره‌گیری از این انقلاب داده ارائه می‌کند.

همچنین بخوانید: روز جهانی محیط زیست را جشن بگیرید: 4 راه که بلاک چین و ReFi از آینده ای سبزتر حمایت می کنند

«درس هایی که اکنون آموخته می شود این است که این اعتماد ممکن است در گذشته برای ارائه خدمات ضروری بوده باشد. فیلیون می‌گوید، اما اگر سیستم‌های بلاک چین جدید بتوانند این نیاز را به روشی ساده، انتزاعی از برنامه‌های کاربردی بصری برطرف کنند، در این صورت داشتن کنترل کامل بر داده‌های شما مزایای زیادی دارد.

نتیجه

در اخیر مقاله، Harvard Business Review نظم جهانی جدیدی را برجسته می کند که بر دسترسی به داده ها تأکید دارد. او به سناریویی اشاره کرد که در آن توافق‌نامه‌های تجاری یا توافق‌نامه‌های اشتراک داده بین کشورها می‌تواند در آینده به یک هنجار تبدیل شود. این گزارش خاطرنشان می‌کند که تحرک داده‌ها «منطقه تجارت آزاد مولدتری را امکان‌پذیر می‌کند که در آن کشورها متقابلاً از استفاده از مخازن داده‌های یکدیگر سود می‌برند».

از آنجایی که هوش مصنوعی همچنان در هر صنعت نفوذ می کند، ضروری است که فناوران برای یافتن راه حل های نوآورانه برای مقابله با چالش های کمبود داده همکاری کنند. با همکاری و خلاقیت، مدیران پروژه می توانند اطمینان حاصل کنند که هوش مصنوعی ابزاری قدرتمند برای حل مشکلات پیچیده باقی می ماند.

پیوند فناوری بلاک چین و هوش مصنوعی این پتانسیل را دارد که برخی از مهم ترین خدمات عمومی ما را متحول کند. همانطور که فلورانس نایتینگل از طریق تجزیه و تحلیل داده های دقیق خود در پرستاری مدرن پیشگام بود، ما نیز این فرصت را داریم که با استفاده از قدرت بلاک چین، آینده هوش مصنوعی را تغییر دهیم.

–

یادداشت ویراستار: e27 هدف این است که با انتشار نظرات جامعه، رهبری فکری را تقویت کند. نظر خود را با ارسال مقاله، ویدئو، پادکست یا اینفوگرافیک به اشتراک بگذارید

به ما بپیوندید e27 گروه تلگرام، انجمن FB یا لایک e27 صفحه فیس بوک

اعتبار تصویر: Canva Pro

این مقاله برای اولین بار در 25 سپتامبر 2023 منتشر شد

پست Running on Empty: وقتی داده‌های مدل‌های هوش مصنوعی تمام می‌شود چه اتفاقی می‌افتد؟ اولین بار در e27 ظاهر شد.