Web3 的陰暗面：去中心化如何助長 AI 偏見_WEB

原文：venturebeat?

編譯：DeFi之道，Kyle?

人工智能(AI)迅速改變了我們的生活和工作方式。與此同時，AI數據偏見帶來的挑戰已經走到了最前面。當我們走向Web3的未來時，我們自然會看到同時使用Web3和AI的創新產品、解決方案和服務。而且，雖然一些評論員認為去中心化技術可以解決數據偏見問題，但事實并非完成如此。

圖片來源：由MazeAI生成

Web3市場規模仍然相對較小且難以量化，因為Web3生態系統仍處于發展的早期階段，Web3的確切定義仍在不斷發展。雖然2021年的Web3市場規模估計接近20億美元，但各種分析師和研究公司報告稱，預計復合年增長率(CAGR)約為45%，再加上Web3解決方案和消費者采用率的快速增長，到2030年，Web3市場的價值將達到800億美元左右。

Web3初創公司AwesomeQA完成280萬美元的種子輪融資，North Island Ventures領投:金色財經報道，Web3初創公司AwesomeQA完成280萬美元種子輪融資，North Island Ventures領投，Coinbase Ventures和Uniswap Labs Ventures參投。[2023/7/11 10:48:47]

雖然Web3正在快速增長，但該行業的現狀與其他科技行業因素相結合是AI數據偏見走上錯誤道路的原因。

數據偏見、質量和數量之間的聯系

AI系統依靠大量高質量數據來訓練它們的算法。OpenAI的GPT-3在大量高質量數據上進行了訓練。OpenAI并未透露用于訓練的確切數據量，但估計在千億字量級或更多。

Coinbase：英國可以成為“Web3經濟的創新中心”:4月18日消息，Coinbase在4月16日的一篇博客文章中強調，英國可以“加速”其加密貨幣行業，并成為“Web3經濟的創新中心”，作為其愿景的一部分，該公司正在英國和歐洲開展業務。Coinbase贊揚了該地區正在進行的不斷進步的監管努力，并就英國如何“鞏固其作為Web3中心的地位”提出9項建議。[2023/4/18 14:10:23]

數據經過過濾和預處理，以確保其質量高且與語言生成任務相關。OpenAI使用先進的機器學習(ML)技術在這個大型數據集上訓練模型，使其能夠學習單詞和短語之間的模式和關系，并生成高質量的文本。

AI訓練數據的質量對ML模型的性能有重大影響，數據集的大小也是決定模型泛化到新數據和任務能力的關鍵因素。但是，質量和數量都會對數據偏見產生重大影響，這也是事實。

巴基斯坦旁遮普邦政府啟動“Punjab 3.0” Web 3門戶網站:金色財經報道，巴基斯坦旁遮普邦政府啟動“Punjab 3.0” Web 3 門戶網站 (web3.punjab.gov.pk/)并成立 Web3 高級委員會。該邦信息技術 (IT) 部長 Arslan Khalid 稱，此 Web3 門戶將促進不同用戶和網站之間的更多互動，“Punjab 3.0” 將重點研究 Web3 治理、研發與商業化，并將推出相應政策和監管制度，同時還設定了基于 AR/VR、加密貨幣和區塊鏈的路線圖。（phoneworld）[2022/11/30 21:13:10]

數據偏見的獨特風險

AI中的數據偏見是一個重要問題，因為它可能在就業、信貸、住房和刑事司法等領域導致不公平、歧視和有害的結果。

OrangeDAO聯合風投公司Press Start Capital推出Web3加速器計劃:10月21日消息，OrangeDAO 聯合風投公司 Press Start Capital 推出 Web3 加速器計劃，該計劃為期十周，并將于11月初結束，每個獲獎團隊最終將獲得 2.5 萬 USDC 贈款。

據報道，OrangeDAO是一個僅向Y Combinator創始人開放的擁有3000名成員的去中心化社區，但并未正式隸屬于Y Combinator。[2022/10/21 16:34:49]

2018年，亞馬遜被迫廢棄了一款顯示出對女性有偏見的AI招聘工具。該工具接受了對過去10年期間提交給亞馬遜的簡歷的培訓，其中主要包括男性候選人，導致AI減少了包含“女性”和“女人”等詞的簡歷。

2019年，研究人員發現，一種用于預測患者預后的商用AI算法對黑人患者存在偏見。該算法主要針對白人患者數據進行訓練，導致其對黑人患者的假陽性率更高。

Web3解決方案的去中心化性質與AI相結合，帶來獨特的偏見風險。這種環境中數據的質量和可用性可能是一個挑戰，這使得準確訓練AI算法變得困難，這不僅是因為缺乏使用中的Web3解決方案，還因為缺乏有能力使用它們的人群。

我們可以從23andMe等公司收集的基因組數據中得出相似之處，這些數據對貧困和邊緣化社區存在偏見。23andMe等DNA檢測服務的成本、可用性和目標營銷限制了來自低收入社區或生活在該服務未運營地區的個人獲得這些服務的機會，這些地區往往是較貧窮、欠發達國家。

因此，這些公司收集的數據可能無法準確反映更廣泛人群的基因組多樣性，從而導致基因研究以及醫療保健和醫學發展的潛在偏差。

這讓我們想到了Web3增加AI數據偏見的另一個原因。

行業偏見和對道德的關注

Web3創業行業缺乏多樣性是一個主要問題。截至2022年，女性占據了26.7%的技術職位。其中，56%是有色人種女性。科技行業的高管職位中女性比例更低。

在Web3中，這種不平衡加劇了。根據各種分析師的說法，只有不到5%的Web3初創公司擁有女性創始人。這種多樣性的缺乏意味著AI數據偏見很可能被男性和白人創始人無意識地忽視為一個問題。

為了克服這些挑戰，Web3行業必須在其數據源和團隊中優先考慮多樣性和包容性。此外，該行業需要改變為什么多樣性、平等和包容是必要的故事。

從財務和可擴展性的角度來看，從不同角度設計的產品和服務更有可能為數十億客戶服務，而不是數百萬客戶，這使得那些擁有多元化團隊的初創公司更有可能獲得高回報和全球規模的能力。Web3行業還必須關注數據質量和準確性，確保用于訓練AI算法的數據沒有偏見。

Web3能否解決AI數據偏差問題？

應對這些挑戰的一種解決方案是開發去中心化的數據市場，允許個人和組織之間安全、透明地交換數據。這有助于降低數據偏差的風險，因為它允許在訓練AI算法時使用更廣泛的數據。此外，可以利用區塊鏈技術保證數據的透明性和準確性，使算法不產生偏見。

但是，最終，在主流受眾使用Web3解決方案之前，我們將面臨多年尋找廣泛數據源的重大挑戰。

雖然Web3和區塊鏈繼續出現在主流新聞中，但此類產品和服務最有可能吸引初創企業和技術社區的人們——我們知道這些社區缺乏多樣性，但在全球市場中所占的份額相對較小。

很難估計在Web3初創公司工作的世界人口的百分比。近年來，該行業在美國創造了大約300萬個工作崗位。如果將這一數字與美國總人口相比——并且不考慮失去的工作崗位——這個科技行業遠不能代表適齡工作的公民。

在Web3解決方案變得更加主流并將其吸引力和使用范圍擴大到那些對技術具有內在興趣并變得負擔得起并且足以被更廣泛的人群使用之前，獲得足夠數量的高質量數據來訓練AI系統仍然是一個重大障礙。業界現在必須采取措施解決這個問題。

Tags：WEBWEB3RESVENweb3.0幣狗狗幣Web3GoldRESTRevenue Coin

火必APP