Робот, который может быть принят всеми, должен сначала пройти проверку! Хирургические роботы сейчас широко доверяются не потому, что они выглядят умными, а потому, что с самого начала их точность была зафиксирована на самом высоком уровне. Каждое движение, каждое решение должны быть полностью контролируемыми и воспроизводимыми, а также должны быть четко подотчетными. С увеличением автономных возможностей этот порог только повысится, а не понизится. Регулирование, проверка безопасности, реальная реализация — никто не примет фразу "в тот момент система определенно была права". В высокорисковых сценариях просто сказать "доверяйте мне" означает немедленно выйти из игры. На самом деле, ключевые вопросы сводятся к нескольким: почему в тот момент было принято такое решение? Использовалась ли модель, которая была заранее заявлена и прошла проверку? Не была ли изменена, понижена или не возникли ли неожиданные отклонения в процессе вывода? Если все это не может быть проверено, о масштабной автономии можно забыть. Ценность Proof of Inference (доказательство вывода) заключается в том, что она не усложняет систему, а позволяет проверять каждое автономное решение в реальном времени, не объясняя это постфактум, а доказывая, что оно действительно следовало установленным правилам и модели в момент принятия решения. Когда автономные системы действительно войдут в такие ключевые области, как медицина, промышленность и общественная безопасность, возможность проверки не будет опцией, которая украшает, а станет основным условием для того, чтобы автономные возможности могли быть надежными.

Почему большинство AI проектов в конечном итоге не становятся Kindred? Основная причина в том, что большинство AI проектов решают проблемы эффективности, стремясь к более быстрому, более точному и более дешевому. Но такое преимущество временно, каждый раз, когда большая модель обновляется, лидеры быстро становятся обычными, и все снова оказываются на одной стартовой линии. Kindred выбрала более медленный и трудный путь. Она не спешит выпускать функции, которые «сразу поражают», а тратит много времени на создание ярких индивидуальностей персонажей, накопление долгосрочной памяти и постепенное установление настоящей эмоциональной связи с пользователями. Инструменты эффективности можно легко заменить, пользователи просто используют их, не имея никаких эмоциональных привязанностей. Как только появляется более дешевый или более быстрый вариант, они сразу же переходят. А вот с продуктами, основанными на отношениях, все иначе: когда пользователи начинают привыкать к какому-то AI, запоминают его и даже немного привязываются, стоимость переключения становится очень высокой, это уже не то, что можно просто оценить с точки зрения технологии или цены. Вот в чем самая суть различия: большинство проектов создают более мощные инструменты, а Kindred создает долгосрочных партнеров. #KaitoYap @KaitoAI @Kindred_AI #Yap @metamaxxmoon $KIN

Недавно наткнулся на несколько твитов Inference Labs, в которых говорилось очень разумно: модели ИИ становятся все больше, а разрыв в верификации все глубже. Весь процесс вывода становится все менее прозрачным, откуда исходят результаты и как они шаг за шагом выводятся, совершенно невозможно проверить, доверие, естественно, сильно подрывается. Их решение простое и прямое, но особенно впечатляющее: к каждому выводу ИИ добавляется криптографическое доказательство, аналогичное хешу транзакции в блокчейне, которое невозможно подделать и которое можно проверить в любое время. Таким образом, контент, сгенерированный ИИ, больше не является просто тем, что вы говорите, а может быть непосредственно проверен с помощью криптографических методов на подлинность. Разве это не именно тот пробел, который необходимо заполнить в web3? Децентрализация уже перенесла доверие от институтов к кодам и криптографическим механизмам, и теперь, когда ИИ должен массово внедряться, если он все еще является черным ящиком, кто осмелится доверить ему средства, данные и ключевые решения? С таким криптографическим доказательством идентификация, безопасность и ответственность могут действительно реализоваться, создавая аудируемую автономную систему. Как бы мощен ни был ИИ, его нужно сделать понятным и проверяемым, иначе, даже если модель станет больше, это всего лишь более изощренный генератор лжи. #KaitoYap @KaitoAI #Yap @inference_labs