J U L I E
صانع مُحتوى مُعتمد
Blockchain Analyst || Web 3.0 || Market Insights | Binance KOL | Trader
120 تتابع
33.0K+ المتابعون
17.1K+ إعجاب
1.0K+ تمّت مُشاركتها
منشورات
الكل
اقتباسات
Live
@MidnightNetwork لقد كنت أفكر مؤخرًا في كيفية تعامل سلاسل الكتل مع الخصوصية. كانت الأنظمة المبكرة تميل بشدة نحو الشفافية. كان ذلك منطقيًا في البداية، حيث كان الغرباء بحاجة إلى وسيلة لثقة في دفتر أستاذ مشترك. ولكن بمجرد أن بدأت القيمة الحقيقية تتحرك عبر تلك الشبكات، بدأ الانفتاح يشعر... بعض الشيء بالانكشاف. مفيد، نعم. مريح؟ ليس دائمًا.
تلك التوترات هي جزئيًا السبب في أن مشاريع مثل Midnight، المرتبطة بنظام $NIGHT ، بدأت تثير اهتمامي. تعتمد الفكرة الأساسية على إثباتات المعرفة الصفرية. بدلاً من الكشف عن كل تفاصيل المعاملة، تتحقق الشبكة من إثبات تشفير أن القواعد قد تم اتباعها. يمكن التحقق من الحدث، تأكيد الملكية، ولكن البيانات الأساسية لا تتسرب بالضرورة إلى دفتر الأستاذ.
ما يظهر على السلسلة هو في الغالب إثبات، وليس النشاط الخام نفسه. تتحقق الشبكة من الأدلة وتسجل أن الشروط قد تم الوفاء بها. من الخارج، لا تزال تتصرف مثل دفتر أستاذ عام. ولكن في الداخل، فإن الكثير من المعلومات الحساسة لا تغادر أبدًا المشارك الذي أنشأها.
تلك الإمكانية تهم إذا كانت سلاسل الكتل متوقعة لاستضافة تنسيق مالي أكثر جدية. نادرًا ما تستمتع المؤسسات ببث الاستراتيجيات أو المواقف في الوقت الحقيقي. يبدو أن الأنظمة حول Midnight و $NIGHT تستكشف تلك الفجوة - الشفافية من أجل التحقق، والخصوصية لكل شيء آخر.
لا تزال، تمتلك الأنظمة التشفيرية عادة أن تصبح معقدة. وأنظمة معقدة تخفي أحيانًا حواف هشة في أماكن لا يلاحظها الناس مبكرًا. لذا في الوقت الحالي، يبدو أن فكرة NIGHT أقل مثل تصميم مكتمل وأكثر مثل اختبار: إلى أي مدى يمكن أن تدفع الشبكة الخصوصية مع الحفاظ على دفتر الأستاذ المشترك موثوقًا. سواء كان هذا التوازن مستمرًا بمجرد أن تتوسع الاستخدامات، لا يزال يشعر بعدم اليقين.
$NIGHT #night
تلك التوترات هي جزئيًا السبب في أن مشاريع مثل Midnight، المرتبطة بنظام $NIGHT ، بدأت تثير اهتمامي. تعتمد الفكرة الأساسية على إثباتات المعرفة الصفرية. بدلاً من الكشف عن كل تفاصيل المعاملة، تتحقق الشبكة من إثبات تشفير أن القواعد قد تم اتباعها. يمكن التحقق من الحدث، تأكيد الملكية، ولكن البيانات الأساسية لا تتسرب بالضرورة إلى دفتر الأستاذ.
ما يظهر على السلسلة هو في الغالب إثبات، وليس النشاط الخام نفسه. تتحقق الشبكة من الأدلة وتسجل أن الشروط قد تم الوفاء بها. من الخارج، لا تزال تتصرف مثل دفتر أستاذ عام. ولكن في الداخل، فإن الكثير من المعلومات الحساسة لا تغادر أبدًا المشارك الذي أنشأها.
تلك الإمكانية تهم إذا كانت سلاسل الكتل متوقعة لاستضافة تنسيق مالي أكثر جدية. نادرًا ما تستمتع المؤسسات ببث الاستراتيجيات أو المواقف في الوقت الحقيقي. يبدو أن الأنظمة حول Midnight و $NIGHT تستكشف تلك الفجوة - الشفافية من أجل التحقق، والخصوصية لكل شيء آخر.
لا تزال، تمتلك الأنظمة التشفيرية عادة أن تصبح معقدة. وأنظمة معقدة تخفي أحيانًا حواف هشة في أماكن لا يلاحظها الناس مبكرًا. لذا في الوقت الحالي، يبدو أن فكرة NIGHT أقل مثل تصميم مكتمل وأكثر مثل اختبار: إلى أي مدى يمكن أن تدفع الشبكة الخصوصية مع الحفاظ على دفتر الأستاذ المشترك موثوقًا. سواء كان هذا التوازن مستمرًا بمجرد أن تتوسع الاستخدامات، لا يزال يشعر بعدم اليقين.
$NIGHT #night
@Fabric Foundation تبدأ الأمور في الشعور بأقل يقين عندما تتحرك الآلات بين المنظمات.
أتخيل روبوت توصيل يغادر مستودعًا، ويمرر حزمة إلى شبكة لوجستية لشركة أخرى، وفي النهاية يتفاعل مع البنية التحتية للمدينة على طول الطريق. كل خطوة تولد معلومات حول تحديثات الموقع، تأكيدات المهام، قراءات المستشعرات، لكن تلك السجلات عادة ما تكون موجودة في أنظمة منفصلة. عندما يحدث خطأ ما، يمكن أن تصبح معرفة أي سجل يعكس الواقع معقدة بشكل مدهش.
هنا تأتي المشاريع مثل بروتوكول فابريك لتبدو مثيرة للاهتمام. بدلاً من الاحتفاظ بالنشاط الروبوتي داخل قواعد بيانات خاصة، يمكن كتابة أجزاء من تلك الأحداث إلى دفتر أستاذ مشترك. يكمل الروبوت مهمة، ويظهر سجل صغير قابل للتحقق على البنية التحتية التي يمكن لعدة مشاركين ملاحظتها.
فابريك أيضًا يمنح الآلات هويات من خلال حسابات تشفيرية، مما يسمح للروبوتات بالتفاعل مع الخدمات وتقديم إثبات العمل. هذا لا يبسط بالضرورة التنسيق، لكنه يشير إلى مستقبل حيث تعمل الآلات المستقلة ضمن شبكات رقمية مفتوحة وقابلة للتحقق بدلاً من الأنظمة المعزولة. #ROBO $ROBO
أتخيل روبوت توصيل يغادر مستودعًا، ويمرر حزمة إلى شبكة لوجستية لشركة أخرى، وفي النهاية يتفاعل مع البنية التحتية للمدينة على طول الطريق. كل خطوة تولد معلومات حول تحديثات الموقع، تأكيدات المهام، قراءات المستشعرات، لكن تلك السجلات عادة ما تكون موجودة في أنظمة منفصلة. عندما يحدث خطأ ما، يمكن أن تصبح معرفة أي سجل يعكس الواقع معقدة بشكل مدهش.
هنا تأتي المشاريع مثل بروتوكول فابريك لتبدو مثيرة للاهتمام. بدلاً من الاحتفاظ بالنشاط الروبوتي داخل قواعد بيانات خاصة، يمكن كتابة أجزاء من تلك الأحداث إلى دفتر أستاذ مشترك. يكمل الروبوت مهمة، ويظهر سجل صغير قابل للتحقق على البنية التحتية التي يمكن لعدة مشاركين ملاحظتها.
فابريك أيضًا يمنح الآلات هويات من خلال حسابات تشفيرية، مما يسمح للروبوتات بالتفاعل مع الخدمات وتقديم إثبات العمل. هذا لا يبسط بالضرورة التنسيق، لكنه يشير إلى مستقبل حيث تعمل الآلات المستقلة ضمن شبكات رقمية مفتوحة وقابلة للتحقق بدلاً من الأنظمة المعزولة. #ROBO $ROBO
آلات قابلة للتحقق: بروتوكول الأقمشة ومشكلة الثقة في شبكات الروبوتات
@Fabric Foundation إذا كنت قد شاهدت يومًا روبوت مستودع يعمل في نوبة المساء، فإنه يبدو تقريبًا روتينيًا. الآلة تتحرك في ممر، ترفع حاوية، تسقطها في مكان آخر، والنظام يلاحظ بهدوء أن العمل قد انتهى. يظهر خط في قاعدة البيانات. تتكيف المخزونات. لا يفكر أحد كثيرًا في الأمر.
داخل شركة واحدة، عادة ما يكون هذا السجل كافيًا.
المنظمة نفسها تمتلك الروبوت، والبرمجيات التي تعمل عليه، وقاعدة البيانات التي تسجل ما حدث. إذا ظهرت خطأ لاحقًا، يقوم المهندسون بسحب تاريخ النظام. يتصفحون من خلال الطوابع الزمنية، وهي علامات بسيطة توضح متى حدثت كل عملية ويحاولون إعادة بناء التسلسل. الافتراض واضح إلى حد ما: السجل موثوق لأنه الشركة تتحكم في النظام الذي أنشأه.
داخل شركة واحدة، عادة ما يكون هذا السجل كافيًا.
المنظمة نفسها تمتلك الروبوت، والبرمجيات التي تعمل عليه، وقاعدة البيانات التي تسجل ما حدث. إذا ظهرت خطأ لاحقًا، يقوم المهندسون بسحب تاريخ النظام. يتصفحون من خلال الطوابع الزمنية، وهي علامات بسيطة توضح متى حدثت كل عملية ويحاولون إعادة بناء التسلسل. الافتراض واضح إلى حد ما: السجل موثوق لأنه الشركة تتحكم في النظام الذي أنشأه.
@Mira - Trust Layer of AI يتحدث الناس غالبًا عن الذكاء الاصطناعي من حيث القدرة.
نماذج أسرع، مجموعات تدريب أكبر، مخرجات أكثر إ impresive. ولكن بعد استخدام هذه الأنظمة لفترة، تبدأ مشكلة أخرى في الظهور. تصل الإجابات بسرعة وتبدو مقنعة، ومع ذلك أحيانًا جزء صغير من الرد لا ينجو من النظر القريب. ليس لأن النموذج فشل تمامًا. بل لأن لا شيء في النظام تحقق فعليًا من الادعاء.
يبدو أن شبكة ميرا تتعامل مع هذه الفجوة بشكل مختلف. لا تعالج الشبكة رد الذكاء الاصطناعي كقطعة نهائية من المعرفة. بدلاً من ذلك، يتحرك الرد من خلال عملية تحقق حيث يتم تقسيم النص إلى بيانات أصغر. تسافر تلك البيانات عبر نماذج ذكاء اصطناعي مستقلة متعددة تحاول تقييم ما إذا كان الادعاء صحيحًا.
ما يهم هنا ليس نموذجًا واحدًا يقرر النتيجة. تراقب الشبكة كيف تستجيب مقيمون مختلفون لنفس البيان. أحيانًا تتفق عدة نماذج. أحيانًا لا تتفق. تصبح تلك النمط من الاتفاق والاختلاف جزءًا من الإشارة.
بالطبع، إضافة طبقات التحقق تغير النظام. تتحرك الأمور بشكل أبطأ. يصبح التنسيق أصعب. وإذا كانت عدة نماذج تشترك في مناطق عمياء مشابهة، قد لا يثبت الاتفاق وحده الكثير.
ومع ذلك، تلمح ميرا إلى طريقة مختلفة للتفكير في موثوقية الذكاء الاصطناعي. بدلاً من افتراض أن الإجابات صحيحة لأنها تبدو متماسكة، تسأل الشبكة بهدوء شيئًا آخر أولاً: هل يمكن أن ينجو الادعاء من الاستجواب؟
$MIRA #Mira
نماذج أسرع، مجموعات تدريب أكبر، مخرجات أكثر إ impresive. ولكن بعد استخدام هذه الأنظمة لفترة، تبدأ مشكلة أخرى في الظهور. تصل الإجابات بسرعة وتبدو مقنعة، ومع ذلك أحيانًا جزء صغير من الرد لا ينجو من النظر القريب. ليس لأن النموذج فشل تمامًا. بل لأن لا شيء في النظام تحقق فعليًا من الادعاء.
يبدو أن شبكة ميرا تتعامل مع هذه الفجوة بشكل مختلف. لا تعالج الشبكة رد الذكاء الاصطناعي كقطعة نهائية من المعرفة. بدلاً من ذلك، يتحرك الرد من خلال عملية تحقق حيث يتم تقسيم النص إلى بيانات أصغر. تسافر تلك البيانات عبر نماذج ذكاء اصطناعي مستقلة متعددة تحاول تقييم ما إذا كان الادعاء صحيحًا.
ما يهم هنا ليس نموذجًا واحدًا يقرر النتيجة. تراقب الشبكة كيف تستجيب مقيمون مختلفون لنفس البيان. أحيانًا تتفق عدة نماذج. أحيانًا لا تتفق. تصبح تلك النمط من الاتفاق والاختلاف جزءًا من الإشارة.
بالطبع، إضافة طبقات التحقق تغير النظام. تتحرك الأمور بشكل أبطأ. يصبح التنسيق أصعب. وإذا كانت عدة نماذج تشترك في مناطق عمياء مشابهة، قد لا يثبت الاتفاق وحده الكثير.
ومع ذلك، تلمح ميرا إلى طريقة مختلفة للتفكير في موثوقية الذكاء الاصطناعي. بدلاً من افتراض أن الإجابات صحيحة لأنها تبدو متماسكة، تسأل الشبكة بهدوء شيئًا آخر أولاً: هل يمكن أن ينجو الادعاء من الاستجواب؟
$MIRA #Mira
شبكة ميرا والبنية التحتية الناشئة للذكاء الاصطناعي القابل للتحقق
تبدأ شبكة ميرا بملاحظة بسيطة إلى حد ما: تنتج الذكاء الاصطناعي الحديث كمية هائلة من المعلومات، لكن موثوقية تلك المعلومات غالبًا ما تبقى غير مؤكدة. أي شخص يقضي وقتًا في العمل مع نماذج اللغة الكبيرة يلاحظ ذلك في النهاية. تبدو الردود واثقة، منظمة، وغالبًا مقنعة. ومع ذلك، بين الحين والآخر يظهر شيء غير دقيق قليلاً مثل إحصائية لا تتطابق تمامًا، أو اقتباس يؤدي إلى لا شيء، أو استنتاج يبدو مرتبًا ولكنه هش. المشكلة نادرًا ما تكون درامية. إنها أكثر هدوءًا من ذلك، مما قد يكون السبب في بقائها.
عندما ينضم ROBO إلى الاقتصاد: البنية التحتية وراء الآلات المستقلة
@Fabric Foundation نادرًا ما تبدو أنظمة الروبوتات في البيئات المهنية درامية. على شاشة المراقبة، تظهر كحركات هادئة للآلات التي تبلغ عن تحديثات المواقع، وإكمال المهام، ومستويات البطارية. في مستودع، قد تتحرك أسطول من الروبوتات طوال الليل، تنقل البضائع بين المحطات بينما يلمح المشغلون أحيانًا إلى لوحات البيانات التي تؤكد أن كل شيء لا يزال يعمل. الجزء المثير للاهتمام ليس دائمًا الآلات نفسها. إنه الطبقة تحتها، الأنظمة التي تسجل بهدوء ما فعلته تلك الآلات وما إذا كان بإمكان أي شخص الوثوق بالسجل.
@Fabric Foundation في العديد من البيئات الآلية، تنسق الآلات من خلال أنظمة مركزية تعين المهام وتنقل البيانات بينها بهدوء. في معظم الأوقات، تعمل بسلاسة كافية لدرجة أن لا أحد يلاحظ. لكن تظهر مشاكل صغيرة بين الحين والآخر. نظامان يتعارضان حول التوقيت. يتوقف الروبوت لأنه ينتظر تأكيدًا لم يصل أبدًا. لا شيء دراماتيكي، مجرد تذكير بأن التنسيق لا يزال يعتمد على عدد قليل من طبقات التحكم الموثوقة.
ينظر بروتوكول Fabric إلى هذه القضية من زاوية مختلفة. بدلًا من الاعتماد فقط على التنسيق المركزي، يسجل الإجراءات والحسابات على دفتر أستاذ عام، وهو في الأساس سجل مشترك حيث تُكتب الأحداث مع طوابع زمنية تُظهر متى حدثت. الغرض ليس جعل الروبوتات أكثر ذكاءً، ولكن لجعل تفاعلاتها أسهل في التحقق.
عندما تعمل الآلات ضد سجل يمكن للآخرين التحقق منه، يتغير السلوك قليلاً. تصبح المهام قابلة للتتبع. تترك القرارات أدلة. قد تحسن هذه الشفافية التنسيق، على الرغم من أنها تضيف أيضًا عبئًا قد لا ترحب به الأنظمة المُحسّنة بعناية.
$ROBO #ROBO
ينظر بروتوكول Fabric إلى هذه القضية من زاوية مختلفة. بدلًا من الاعتماد فقط على التنسيق المركزي، يسجل الإجراءات والحسابات على دفتر أستاذ عام، وهو في الأساس سجل مشترك حيث تُكتب الأحداث مع طوابع زمنية تُظهر متى حدثت. الغرض ليس جعل الروبوتات أكثر ذكاءً، ولكن لجعل تفاعلاتها أسهل في التحقق.
عندما تعمل الآلات ضد سجل يمكن للآخرين التحقق منه، يتغير السلوك قليلاً. تصبح المهام قابلة للتتبع. تترك القرارات أدلة. قد تحسن هذه الشفافية التنسيق، على الرغم من أنها تضيف أيضًا عبئًا قد لا ترحب به الأنظمة المُحسّنة بعناية.
$ROBO #ROBO
ميرا والمرحلة التالية من البلوكشين: من التسوية المالية إلى المعرفة القابلة للتحقق
عندما بدأت أولاً في سماع الناس يصفون البلوكشين كشيء يمكن أن يتحقق في النهاية من المعرفة وليس فقط نقل المال، توقفت للحظة. ليس لأن الفكرة بدت مستحيلة. بل لأن البلوكشين قضى أكثر من عقد في القيام بشيء أبسط بكثير، وفعله بشكل معقول.
تسوية المعاملات. تسجيل الملكية. التأكد من أن طرفين يمكنهما الاتفاق على دفتر أستاذ دون الثقة في وسيط مركزي.
كانت تلك القصة ضيقة، لكنها كانت واضحة.
الفكرة أن نفس نوع البنية التحتية قد تساعد في يوم من الأيام على تحديد ما إذا كانت المعلومات نفسها موثوقة تشعر وكأنها فئة مختلفة تمامًا من المشاكل. على الأقل في النظرة الأولى.
تسوية المعاملات. تسجيل الملكية. التأكد من أن طرفين يمكنهما الاتفاق على دفتر أستاذ دون الثقة في وسيط مركزي.
كانت تلك القصة ضيقة، لكنها كانت واضحة.
الفكرة أن نفس نوع البنية التحتية قد تساعد في يوم من الأيام على تحديد ما إذا كانت المعلومات نفسها موثوقة تشعر وكأنها فئة مختلفة تمامًا من المشاكل. على الأقل في النظرة الأولى.
@Mira - Trust Layer of AI Mira تتناول موثوقية الذكاء الاصطناعي من اتجاه يبدو مختلفًا قليلاً عن معظم النقاشات حول النماذج الكبيرة.
بدلاً من التركيز على جعل نظام واحد أكثر ذكاءً، تسأل بهدوء سؤالًا مختلفًا: ماذا يحدث بعد إنتاج إجابة؟
بدأ هذا السؤال في أن يصبح أكثر منطقية بالنسبة لي بعد ملاحظتي كم مرة تحمل مخرجات الذكاء الاصطناعي نبرة من اليقين حتى عندما يتبين أن تفصيلًا صغيرًا خاطئ. لا شيء درامي. مجرد حقيقة قليلاً خارج المكان، تكفي لجعلك تتوقف وتتحقق مرة أخرى.
تعامل شبكة ميرا الردود كأشياء تحتاج إلى فحص أكثر من كونها بيانات مكتملة. ينتج نموذج ما مخرجات، لكن أجزاء من تلك المخرجات تمر عبر نماذج أخرى في النظام. بعض الادعاءات تثبت صحتها عندما يتم النظر إليها مرة أخرى. بينما تسقط أخرى ببساطة.
مراقبة تلك العملية تغير قليلاً من التوقع. تصل الإجابة مع مزيد من الاحتكاك. لكنها تحمل أيضًا إحساسًا بأن شخصًا ما أو شيئًا ما تحقق بالفعل قبل السماح لها بالاستمرار.
#Mira $MIRA
بدلاً من التركيز على جعل نظام واحد أكثر ذكاءً، تسأل بهدوء سؤالًا مختلفًا: ماذا يحدث بعد إنتاج إجابة؟
بدأ هذا السؤال في أن يصبح أكثر منطقية بالنسبة لي بعد ملاحظتي كم مرة تحمل مخرجات الذكاء الاصطناعي نبرة من اليقين حتى عندما يتبين أن تفصيلًا صغيرًا خاطئ. لا شيء درامي. مجرد حقيقة قليلاً خارج المكان، تكفي لجعلك تتوقف وتتحقق مرة أخرى.
تعامل شبكة ميرا الردود كأشياء تحتاج إلى فحص أكثر من كونها بيانات مكتملة. ينتج نموذج ما مخرجات، لكن أجزاء من تلك المخرجات تمر عبر نماذج أخرى في النظام. بعض الادعاءات تثبت صحتها عندما يتم النظر إليها مرة أخرى. بينما تسقط أخرى ببساطة.
مراقبة تلك العملية تغير قليلاً من التوقع. تصل الإجابة مع مزيد من الاحتكاك. لكنها تحمل أيضًا إحساسًا بأن شخصًا ما أو شيئًا ما تحقق بالفعل قبل السماح لها بالاستمرار.
#Mira $MIRA
عندما تترك الروبوتات إيصالات: صعود الأفعال القابلة للتحقق في العالم المادي
@Fabric Foundation تميل محادثات الروبوتات إلى الدائرة حول الذكاء. المعالجات تزداد سرعة. النماذج تصبح أكثر حدة. الحساسات ترى المزيد من العالم. تظهر القائمة في كل نقاش تقريبًا حول تحسين الآلات. بعد سماع ذلك مرات كافية، يبدأ مركز المحادثة في الشعور بأنه أقل إثارة للاهتمام من الحواف.
ما تتركه الآلات بالفعل، على سبيل المثال.
قبل فترة قصيرة، شاهدت روبوت مستودع صغير ينقل الطرود بين صفوف التخزين. لا شيء غير عادي في الحركة. رفع حاوية، مر بجانب عمود، صحح مساره ببضعة سنتيمترات، ووضع الصندوق على خط النقل. كانت الحركة سلسة بما يكفي أن معظم الناس في الغرفة توقفوا عن الانتباه بعد بضع ثوان.
ما تتركه الآلات بالفعل، على سبيل المثال.
قبل فترة قصيرة، شاهدت روبوت مستودع صغير ينقل الطرود بين صفوف التخزين. لا شيء غير عادي في الحركة. رفع حاوية، مر بجانب عمود، صحح مساره ببضعة سنتيمترات، ووضع الصندوق على خط النقل. كانت الحركة سلسة بما يكفي أن معظم الناس في الغرفة توقفوا عن الانتباه بعد بضع ثوان.
@Fabric Foundation المحادثات الآلية عادة ما تنحرف نحو الذكاء نماذج أفضل، أجهزة أسرع، آلات تتخذ قرارات أكثر ذكاء. ومع ذلك، كلما فكرت أكثر في أنظمة الروبوتات واسعة النطاق، كلما كنت أقل اقتناعًا بأن الذكاء وحده يحمل النظام. يبدو أن التنسيق هو ما يهم أكثر. وغريب بما فيه الكفاية، يعتمد التنسيق على السجلات.
هذه هي النقطة التي يبدأ فيها التفكير حول مؤسسة Fabric في أن يصبح منطقيًا.
لا تبدأ Fabric بالروبوت. بل تبدأ بالبنية التحتية حول العمل الروبوتي. يبدو أن الافتراض هو أنه عندما تعمل الآلات عبر الشبكات المصانع، أنظمة اللوجستيات، أساطيل الأجهزة، يحتاج شخص ما إلى طريقة مشتركة لتأكيد ما حدث فعلاً. دفتر أستاذ عام، بكلمات بسيطة، هو بالضبط ذلك: سجل مشترك حيث يمكن كتابة الإجراءات والبيانات بطريقة يمكن لعدة مشاركين التحقق منها.
لكن هذه السجلات تغير بهدوء شكل الأتمتة. عندما يتم تسجيل الإجراءات الروبوتية والتحقق منها، تتوقف عن الظهور كتصرفات آلات معزولة. تبدأ في أن تشبه الأحداث داخل نظام يمكن ملاحظتها، قابلة للمقارنة، وأحيانًا حتى قابلة للمسؤولية.
وهذا يثير ضغط تصميم مثير للاهتمام. يتحسن التحقق من الثقة، لكنه أيضًا يفرض قرارات بشأن الشفافية. كم من نشاط الآلة يجب أن يتم تسجيله؟ من يمكنه فحصه؟ في أي نقطة تصبح بنية التنسيق بنية مراقبة؟
لا أعتقد أن أنظمة الأتمتة قد حسمت تلك الأسئلة بعد. التكنولوجيا الخاصة بالتنسيق تصل بسرعة. القواعد المحيطة بها من يتحقق، من يحكم، من يستفيد تبدو أبطأ في التشكيل.$ROBO #ROBO
هذه هي النقطة التي يبدأ فيها التفكير حول مؤسسة Fabric في أن يصبح منطقيًا.
لا تبدأ Fabric بالروبوت. بل تبدأ بالبنية التحتية حول العمل الروبوتي. يبدو أن الافتراض هو أنه عندما تعمل الآلات عبر الشبكات المصانع، أنظمة اللوجستيات، أساطيل الأجهزة، يحتاج شخص ما إلى طريقة مشتركة لتأكيد ما حدث فعلاً. دفتر أستاذ عام، بكلمات بسيطة، هو بالضبط ذلك: سجل مشترك حيث يمكن كتابة الإجراءات والبيانات بطريقة يمكن لعدة مشاركين التحقق منها.
لكن هذه السجلات تغير بهدوء شكل الأتمتة. عندما يتم تسجيل الإجراءات الروبوتية والتحقق منها، تتوقف عن الظهور كتصرفات آلات معزولة. تبدأ في أن تشبه الأحداث داخل نظام يمكن ملاحظتها، قابلة للمقارنة، وأحيانًا حتى قابلة للمسؤولية.
وهذا يثير ضغط تصميم مثير للاهتمام. يتحسن التحقق من الثقة، لكنه أيضًا يفرض قرارات بشأن الشفافية. كم من نشاط الآلة يجب أن يتم تسجيله؟ من يمكنه فحصه؟ في أي نقطة تصبح بنية التنسيق بنية مراقبة؟
لا أعتقد أن أنظمة الأتمتة قد حسمت تلك الأسئلة بعد. التكنولوجيا الخاصة بالتنسيق تصل بسرعة. القواعد المحيطة بها من يتحقق، من يحكم، من يستفيد تبدو أبطأ في التشكيل.$ROBO #ROBO
من مخرجات الذكاء الاصطناعي المستمرة إلى الذاكرة الانتقائية: ميرا وانضباط التحقق
@Mira - Trust Layer of AI #Mira $MIRA
في المرة الأولى التي انتبهت فيها حقًا إلى كيفية تصرف أنظمة التحقق، لم يكن ذلك بسبب اختراق تقني دراماتيكي. كانت لحظة أكثر هدوءًا. كنت أشاهد نموذج ذكاء اصطناعي ينتج إجابة واثقة، مفصلة، وفورية. مثل معظم مخرجات الذكاء الاصطناعي اليوم، جاءت بنبرة مألوفة من اليقين.
ومع ذلك، كان هناك شيء ما عنها يشعر بعدم الاكتمال.
ليس بالضرورة خطأ. فقط... غير مختبرة.
تلك اللحظة جعلتني أدرك شيئًا لم أفكر فيه من قبل. أنظمة الذكاء الاصطناعي أصبحت جيدة جدًا في إنتاج المعلومات، لكن السؤال الحقيقي هو ماذا يحدث بعد ظهور المعلومات. من يتحقق منها؟ من يؤكد أنها يمكن الوثوق بها؟ وربما الأهم من ذلك، ماذا يفعل النظام بتلك المعلومات بعد التحقق منها؟
في المرة الأولى التي انتبهت فيها حقًا إلى كيفية تصرف أنظمة التحقق، لم يكن ذلك بسبب اختراق تقني دراماتيكي. كانت لحظة أكثر هدوءًا. كنت أشاهد نموذج ذكاء اصطناعي ينتج إجابة واثقة، مفصلة، وفورية. مثل معظم مخرجات الذكاء الاصطناعي اليوم، جاءت بنبرة مألوفة من اليقين.
ومع ذلك، كان هناك شيء ما عنها يشعر بعدم الاكتمال.
ليس بالضرورة خطأ. فقط... غير مختبرة.
تلك اللحظة جعلتني أدرك شيئًا لم أفكر فيه من قبل. أنظمة الذكاء الاصطناعي أصبحت جيدة جدًا في إنتاج المعلومات، لكن السؤال الحقيقي هو ماذا يحدث بعد ظهور المعلومات. من يتحقق منها؟ من يؤكد أنها يمكن الوثوق بها؟ وربما الأهم من ذلك، ماذا يفعل النظام بتلك المعلومات بعد التحقق منها؟
@Mira - Trust Layer of AI لفترة من الوقت، كنت أعود إلى فكرة واحدة وراء شبكة ميرا. ليست الآليات بالضبط، ولكن الافتراض الكامن وراءها: ربما يجب أن تأتي التحقق قبل السرعة في أنظمة الذكاء الاصطناعي. هذا نقطة انطلاق مختلفة قليلاً عن معظم الأدوات التي استخدمتها.
في الممارسة العملية، عادةً ما يتصرف الذكاء الاصطناعي مثل آلة توقع. تسأل شيئًا، فتولد الإجابة الأكثر احتمالاً، وتنتهي التفاعل هناك. في معظم الأوقات، يكون ذلك جيدًا. ومع ذلك، بعد العمل مع هذه الأنظمة لفترة طويلة، يبدأ شعور بعدم الراحة في الظهور. تبدو الردود مؤكدة. تلك النغمة من اليقين تنتقل بسهولة. لكن الثقة لا تفعل ذلك.
تتعامل ميرا مع المخرجات بطريقة مختلفة. لا تُعامل الإجابة ككائن نهائي. إنها أكثر مثل المواد الخام. يتم تقسيم الرد إلى مطالبات أصغر. تنظر النماذج الأخرى إلى تلك الأجزاء. يتفق بعضها. بينما يعارض البعض الآخر. ما ينتهي به الأمر بالتسجيل هو النتيجة التي تصمد عبر تلك العملية.
مشاهدة تلك الفكرة تتجسد جعلني أفكر في كيفية تعامل الناس فعليًا مع المعلومات. نادرًا ما يقبلون أول شيء يسمعونه. عادةً ما نتحقق من مصدر آخر. أحيانًا نقارن. وفي بعض الأحيان يتحول الأمر إلى جدال يدوم أطول مما هو متوقع.
الجزء المثير للاهتمام، على الأقل بالنسبة لي، ليس مجرد تحسين الموثوقية. إنه التحول في كيفية تشكيل الثقة. عندما تشارك عدة أنظمة في التحقق من نفس المطالبة، تبدأ الإجابة في أن تشعر أقل كأنها توقع وأكثر كأنها شيء يتفاوض عليه عبر الشبكة.
ربما هذا هو المكان الذي تتغير فيه الأمور بهدوء. تتوقف أنظمة الذكاء الاصطناعي عن كونها محركات تنتج إجابات وتبدأ في التصرف بشكل أكثر مثل البيئات حيث يتم اختبار الإجابات. لست متأكدًا بعد مما يؤدي إليه ذلك بالكامل. ولكن يجعل فكرة مخرجات الذكاء الاصطناعي الموثوقة تبدو أقل تجريدًا.
#Mira $MIRA
في الممارسة العملية، عادةً ما يتصرف الذكاء الاصطناعي مثل آلة توقع. تسأل شيئًا، فتولد الإجابة الأكثر احتمالاً، وتنتهي التفاعل هناك. في معظم الأوقات، يكون ذلك جيدًا. ومع ذلك، بعد العمل مع هذه الأنظمة لفترة طويلة، يبدأ شعور بعدم الراحة في الظهور. تبدو الردود مؤكدة. تلك النغمة من اليقين تنتقل بسهولة. لكن الثقة لا تفعل ذلك.
تتعامل ميرا مع المخرجات بطريقة مختلفة. لا تُعامل الإجابة ككائن نهائي. إنها أكثر مثل المواد الخام. يتم تقسيم الرد إلى مطالبات أصغر. تنظر النماذج الأخرى إلى تلك الأجزاء. يتفق بعضها. بينما يعارض البعض الآخر. ما ينتهي به الأمر بالتسجيل هو النتيجة التي تصمد عبر تلك العملية.
مشاهدة تلك الفكرة تتجسد جعلني أفكر في كيفية تعامل الناس فعليًا مع المعلومات. نادرًا ما يقبلون أول شيء يسمعونه. عادةً ما نتحقق من مصدر آخر. أحيانًا نقارن. وفي بعض الأحيان يتحول الأمر إلى جدال يدوم أطول مما هو متوقع.
الجزء المثير للاهتمام، على الأقل بالنسبة لي، ليس مجرد تحسين الموثوقية. إنه التحول في كيفية تشكيل الثقة. عندما تشارك عدة أنظمة في التحقق من نفس المطالبة، تبدأ الإجابة في أن تشعر أقل كأنها توقع وأكثر كأنها شيء يتفاوض عليه عبر الشبكة.
ربما هذا هو المكان الذي تتغير فيه الأمور بهدوء. تتوقف أنظمة الذكاء الاصطناعي عن كونها محركات تنتج إجابات وتبدأ في التصرف بشكل أكثر مثل البيئات حيث يتم اختبار الإجابات. لست متأكدًا بعد مما يؤدي إليه ذلك بالكامل. ولكن يجعل فكرة مخرجات الذكاء الاصطناعي الموثوقة تبدو أقل تجريدًا.
#Mira $MIRA
من الذكاء إلى البنية التحتية: ما المشكلة التي يحلها بروتوكول Fabric في الروبوتات؟
@Fabric Foundation يتحدث الناس غالبًا عن الروبوتات كما لو أن التحدي المركزي هو الذكاء. بناء نماذج ذكاء اصطناعي أفضل، تحسين أنظمة الإدراك، منح الآلات أطر قرار أقوى، وفي النهاية ستتبعها التنسيق. هذا هو الافتراض الشائع.
لست مقتنعًا تمامًا بأن الذكاء هو العقبة الحقيقية.
اقضِ بعض الوقت في النظر إلى كيفية عمل الأنظمة الروبوتية فعليًا ويبدأ شيء آخر في الظهور. الآلات نفسها تصبح أكثر ذكاءً. تتحسن المستشعرات. تتحسن النماذج. تتوسع الاستقلالية ببطء. ومع ذلك، عندما تبدأ تلك الأنظمة بالتفاعل خارج البيئات الخاضعة للتحكم، لا يأتي الاحتكاك من نقص في الذكاء.
لست مقتنعًا تمامًا بأن الذكاء هو العقبة الحقيقية.
اقضِ بعض الوقت في النظر إلى كيفية عمل الأنظمة الروبوتية فعليًا ويبدأ شيء آخر في الظهور. الآلات نفسها تصبح أكثر ذكاءً. تتحسن المستشعرات. تتحسن النماذج. تتوسع الاستقلالية ببطء. ومع ذلك، عندما تبدأ تلك الأنظمة بالتفاعل خارج البيئات الخاضعة للتحكم، لا يأتي الاحتكاك من نقص في الذكاء.
@Fabric Foundation للحظة بدا النظام جيدًا. مجموعة صغيرة من الوكلاء المستقلين تنسق روتين اللوجستيات داخل حركة محاكاة الروبوتات، تحديثات الحالة المشتركة، النوع من التنسيق الخلفي الذي تتوقف عن ملاحظته تقريبًا بعد فترة. ثم توقف وكيل واحد. حاول شيئًا. أرجعه. انتظر بضع ثوانٍ. حاول مرة أخرى.
تلك اللحظة علقت معي لفترة أطول من الفعل نفسه.
معظم المحادثات حول الروبوتات تنجرف في النهاية إلى الذكاء نماذج أفضل، حلقات أسرع، الآلات تفكر بشكل أكثر استقلالية. تقدم مفيد، من الواضح. لكن مشاهدة عدة وكلاء يتشاركون نفس المساحة التشغيلية يبدأ في كشف نقطة ضغط مختلفة. لا تفكر. تذكر ما حدث بالفعل.
في بيئة روبو الخاصة بفابريك، لا يبقى الفعل داخل سجل نظام خاص. يتم كتابته في مكان ما مشترك. دفتر. إدخالات مؤرخة، تحقق مرفق، مرئي عبر الشبكة. سجل عمليات مشتركة يمكن للآلات التحقق منه قبل التصرف مرة أخرى.
يتغير السلوك قليلاً بمجرد وجود ذلك السجل المشترك. يتباطأ الوكلاء. يتحققون من السجل. أحيانًا ينتظرون.
هناك احتكاك هناك. تسجيل الإجراءات في سجل موزع يضيف تأخير، والأنظمة الموزعة نادرًا ما تبقى قابلة للتنبؤ بمجرد أن يظهر الحجم.
عادةً ما تبدأ الأمور في التغيير بمجرد أن يتوقف عدد الوكلاء عن كونه صغيرًا. هذه هي الجزء الذي لا زلت أراقبه.
#ROBO $ROBO
تلك اللحظة علقت معي لفترة أطول من الفعل نفسه.
معظم المحادثات حول الروبوتات تنجرف في النهاية إلى الذكاء نماذج أفضل، حلقات أسرع، الآلات تفكر بشكل أكثر استقلالية. تقدم مفيد، من الواضح. لكن مشاهدة عدة وكلاء يتشاركون نفس المساحة التشغيلية يبدأ في كشف نقطة ضغط مختلفة. لا تفكر. تذكر ما حدث بالفعل.
في بيئة روبو الخاصة بفابريك، لا يبقى الفعل داخل سجل نظام خاص. يتم كتابته في مكان ما مشترك. دفتر. إدخالات مؤرخة، تحقق مرفق، مرئي عبر الشبكة. سجل عمليات مشتركة يمكن للآلات التحقق منه قبل التصرف مرة أخرى.
يتغير السلوك قليلاً بمجرد وجود ذلك السجل المشترك. يتباطأ الوكلاء. يتحققون من السجل. أحيانًا ينتظرون.
هناك احتكاك هناك. تسجيل الإجراءات في سجل موزع يضيف تأخير، والأنظمة الموزعة نادرًا ما تبقى قابلة للتنبؤ بمجرد أن يظهر الحجم.
عادةً ما تبدأ الأمور في التغيير بمجرد أن يتوقف عدد الوكلاء عن كونه صغيرًا. هذه هي الجزء الذي لا زلت أراقبه.
#ROBO $ROBO
Mira و نظرية المعرفة للآلات
@Mira - Trust Layer of AI أول شيء أزعجني في أنظمة الذكاء الاصطناعي الحديثة لم يكن أخطاءها. يرتكب البشر الأخطاء باستمرار. كان ذلك يبدو طبيعيًا. ما كان يبدو أكثر غرابة هو نبرة اليقين التي تحملها هذه الأنظمة في كثير من الأحيان. يمكن أن ينتج النموذج إجابة تبدو منظمة، حذرة، وحتى موثوقة، بينما يخلط بهدوء بين المعلومات الحقيقية وشيء مخترع.
الآلة ليست كاذبة حقًا. إنها أكثر مثل.....ملء الفجوات. والقيام بذلك بثقة.
لفترة بدا أن الصناعة مرتاحة في التعامل مع هذا كمرحلة مؤقتة. نماذج أكبر، حلقات تدريب أفضل، مجموعات بيانات أنظف. كان التوقع بديهيًا إلى حد ما: تحسين الذكاء والموثوقية يجب أن يتبع ذلك في النهاية. يبدو أن هذه المنطق معقول عندما تسمعه بسرعة. ولكن كلما قضيت المزيد من الوقت في مشاهدة كيف تتصرف هذه الأنظمة في الممارسة العملية، يصبح الاتصال أقل وضوحًا.
الآلة ليست كاذبة حقًا. إنها أكثر مثل.....ملء الفجوات. والقيام بذلك بثقة.
لفترة بدا أن الصناعة مرتاحة في التعامل مع هذا كمرحلة مؤقتة. نماذج أكبر، حلقات تدريب أفضل، مجموعات بيانات أنظف. كان التوقع بديهيًا إلى حد ما: تحسين الذكاء والموثوقية يجب أن يتبع ذلك في النهاية. يبدو أن هذه المنطق معقول عندما تسمعه بسرعة. ولكن كلما قضيت المزيد من الوقت في مشاهدة كيف تتصرف هذه الأنظمة في الممارسة العملية، يصبح الاتصال أقل وضوحًا.
@Mira - Trust Layer of AI AI بدون تحقق هو مجرد توقع ميرا تريد تغيير ذلك
بينما كنت أقرأ عن شبكة ميرا، لفت انتباهي خيار تصميم صغير. لا شيء درامي. فقط الطريقة التي يعامل بها النظام إجابة الذكاء الاصطناعي.
تنتج معظم الأدوات ببساطة استجابة وتنتقل. تسأل شيئًا، يتوقع النموذج أكثر الكلمات احتمالية، وتنتهي العملية هنا. يبدو الأمر سلسًا من الخارج. لكن التوقع والحقيقة ليسا الشيء نفسه. أعتقد أن معظم الناس قد لاحظوا ذلك حتى الآن.
ما يبدو أن ميرا تفعله بشكل مختلف هو إبطاء اللحظة.
بدلاً من قبول مخرجات كقطعة واحدة مكتملة، تقوم الشبكة بتفكيكها إلى بيانات صغيرة يمكن التحقق منها بشكل مستقل. تنتقل تلك المطالبات عبر مجموعة موزعة من النماذج التي تقيمها واحدة تلو الأخرى. يتم كتابة سجل تلك العملية في دفتر أستاذ blockchain. دفتر الأستاذ، بكلمات بسيطة، هو مجرد سجل مشترك. كل إجراء يحصل على طابع زمني ويتم تخزينه علنًا حتى يتمكن أي شخص من رؤية ما حدث ومتى.
تلك التفاصيل تهم أكثر مما تبدو عليه في البداية.
عندما تصبح خطوات التحقق مرئية ودائمة، يتغير شكل المسؤولية. يعرف المشاركون أن قراراتهم مسجلة. تبدأ الحوافز في التحول بعيدًا عن التخمينات الواثقة نحو التحقق الدقيق.
بالطبع، يثير ذلك سؤالًا آخر. قد تصبح الأنظمة التي تعطي الأولوية للتحقق أبطأ أو أكثر تكلفة. نادرًا ما تأتي الموثوقية مجانًا.
ومع ذلك، أجد التصميم مثيرًا للاهتمام. إذا استمرت الذكاء في الانتشار في الأنظمة الحقيقية مثل المالية، واللوجستيات، والآلات المستقلة، فقد لا تكون التحديات الحقيقية هي النماذج الأكثر ذكاءً.
قد يكون التحدي هو بناء هياكل يمكن الوثوق بإجاباتها حقًا.
$MIRA #ميرا
بينما كنت أقرأ عن شبكة ميرا، لفت انتباهي خيار تصميم صغير. لا شيء درامي. فقط الطريقة التي يعامل بها النظام إجابة الذكاء الاصطناعي.
تنتج معظم الأدوات ببساطة استجابة وتنتقل. تسأل شيئًا، يتوقع النموذج أكثر الكلمات احتمالية، وتنتهي العملية هنا. يبدو الأمر سلسًا من الخارج. لكن التوقع والحقيقة ليسا الشيء نفسه. أعتقد أن معظم الناس قد لاحظوا ذلك حتى الآن.
ما يبدو أن ميرا تفعله بشكل مختلف هو إبطاء اللحظة.
بدلاً من قبول مخرجات كقطعة واحدة مكتملة، تقوم الشبكة بتفكيكها إلى بيانات صغيرة يمكن التحقق منها بشكل مستقل. تنتقل تلك المطالبات عبر مجموعة موزعة من النماذج التي تقيمها واحدة تلو الأخرى. يتم كتابة سجل تلك العملية في دفتر أستاذ blockchain. دفتر الأستاذ، بكلمات بسيطة، هو مجرد سجل مشترك. كل إجراء يحصل على طابع زمني ويتم تخزينه علنًا حتى يتمكن أي شخص من رؤية ما حدث ومتى.
تلك التفاصيل تهم أكثر مما تبدو عليه في البداية.
عندما تصبح خطوات التحقق مرئية ودائمة، يتغير شكل المسؤولية. يعرف المشاركون أن قراراتهم مسجلة. تبدأ الحوافز في التحول بعيدًا عن التخمينات الواثقة نحو التحقق الدقيق.
بالطبع، يثير ذلك سؤالًا آخر. قد تصبح الأنظمة التي تعطي الأولوية للتحقق أبطأ أو أكثر تكلفة. نادرًا ما تأتي الموثوقية مجانًا.
ومع ذلك، أجد التصميم مثيرًا للاهتمام. إذا استمرت الذكاء في الانتشار في الأنظمة الحقيقية مثل المالية، واللوجستيات، والآلات المستقلة، فقد لا تكون التحديات الحقيقية هي النماذج الأكثر ذكاءً.
قد يكون التحدي هو بناء هياكل يمكن الوثوق بإجاباتها حقًا.
$MIRA #ميرا
@Fabric Foundation لا يفكر معظم الناس كثيرًا في التنسيق حتى يتوقف شيء ما بهدوء عن العمل. تتجمد إشارة المرور وفجأة يتردد الجميع. يظهر سائقان توصيل في نفس العنوان خلال دقائق من بعضهما البعض. أو يصر نظام التقويم على أنك المفترض أن تكون في مكانين في نفس الوقت. لا تأتي أي من هذه الإخفاقات من نقص في الذكاء. عادة ما تأتي من أنظمة لم تكن متناغمة تمامًا في المقام الأول.
شيء مثل ذلك يظهر أيضًا في الروبوتات، على الرغم من أنه أقل وضوحًا. يبذل الكثير من الجهد الهندسي في بناء آلات أذكى ونماذج إدراك أفضل، وأنظمة قرار أسرع، وتوجيه محسّن. عمل مهم، من الواضح. ومع ذلك، بمجرد أن تبدأ العديد من الأنظمة المستقلة في التفاعل في نفس البيئة، يتوقف الذكاء وحده عن كونه القيود الرئيسية. يتسلل التنسيق كالمشكلة الأكثر صعوبة.
تميل بنية ROBO التابعة لمؤسسة Fabric إلى ذلك التوتر. الفكرة ليست فقط لجعل الروبوتات أكثر قدرة، ولكن لإعطائها سجل مشترك لما حدث بالفعل. دفتر أستاذ عام، ببساطة، يعمل مثل دفتر سجلات موزع. يتم كتابة الأحداث فيه مع طوابع زمنية، علامات رقمية تظهر متى حدث شيء ما. عندما تشير الآلات إلى نفس السجل، يمكن أن ترتبط قراراتها بتاريخ مشترك بدلاً من بيانات محلية مجزأة.
يدفع الحوسبة القابلة للتحقق تلك الفكرة خطوة إلى الأمام. بدلاً من الثقة في أن نظامًا ما أجرى حسابًا بشكل صحيح، يمكن للمشاركين الآخرين التحقق من دليل بأن العمل حدث كما هو معلن. نظريًا، يبدو ذلك مرتبًا. في الممارسة، يغير كيف تنتقل المسؤولية عبر شبكة من الآلات.
ومع ذلك، فإن تسجيل سلوك الآلات على بنية تحتية مشتركة يثير أسئلة خاصة به. يمكن أن تعزز الشفافية المساءلة، لكنها تعرض أيضًا تصميم النظام لمقايضات حول السيطرة والخصوصية والحكومة التي لم تعمل عليها الروبوتات بالكامل بعد.$ROBO #ROBO
شيء مثل ذلك يظهر أيضًا في الروبوتات، على الرغم من أنه أقل وضوحًا. يبذل الكثير من الجهد الهندسي في بناء آلات أذكى ونماذج إدراك أفضل، وأنظمة قرار أسرع، وتوجيه محسّن. عمل مهم، من الواضح. ومع ذلك، بمجرد أن تبدأ العديد من الأنظمة المستقلة في التفاعل في نفس البيئة، يتوقف الذكاء وحده عن كونه القيود الرئيسية. يتسلل التنسيق كالمشكلة الأكثر صعوبة.
تميل بنية ROBO التابعة لمؤسسة Fabric إلى ذلك التوتر. الفكرة ليست فقط لجعل الروبوتات أكثر قدرة، ولكن لإعطائها سجل مشترك لما حدث بالفعل. دفتر أستاذ عام، ببساطة، يعمل مثل دفتر سجلات موزع. يتم كتابة الأحداث فيه مع طوابع زمنية، علامات رقمية تظهر متى حدث شيء ما. عندما تشير الآلات إلى نفس السجل، يمكن أن ترتبط قراراتها بتاريخ مشترك بدلاً من بيانات محلية مجزأة.
يدفع الحوسبة القابلة للتحقق تلك الفكرة خطوة إلى الأمام. بدلاً من الثقة في أن نظامًا ما أجرى حسابًا بشكل صحيح، يمكن للمشاركين الآخرين التحقق من دليل بأن العمل حدث كما هو معلن. نظريًا، يبدو ذلك مرتبًا. في الممارسة، يغير كيف تنتقل المسؤولية عبر شبكة من الآلات.
ومع ذلك، فإن تسجيل سلوك الآلات على بنية تحتية مشتركة يثير أسئلة خاصة به. يمكن أن تعزز الشفافية المساءلة، لكنها تعرض أيضًا تصميم النظام لمقايضات حول السيطرة والخصوصية والحكومة التي لم تعمل عليها الروبوتات بالكامل بعد.$ROBO #ROBO
ميزة الروبوت: عندما تصبح الذكاء الروبوتي بنية تحتية قابلة للتحقق
قبل بضعة أشهر، شاهدت روبوت تنظيف صغير في مركز تسوق يتباطأ أمام حاجز مؤقت. كان شخص ما قد نقل منصة عرض في وقت سابق من ذلك الصباح ولم يعد مسار الروبوت المعتاد يعمل. توقفت لفترة أطول مما هو متوقع. طويلاً بما يكفي لأتساءل لثانية إذا ما كان النظام قد تعثر.
ثم تحرك قليلاً، وأعاد المسح مرة أخرى، وأعاد توجيه نفسه حول العائق.
لم يلاحظ معظم الناس الذين يمشون بجوارهم على الأرجح اللحظة. كانت هادئة، تقريبًا غير ملحوظة. لكن مشاهدة الآلة وهي تعدل سلوكها بهذه الطريقة تثير تفاصيل غريبة حول أنظمة الروبوتات. كل تصحيح صغير، كل تردد، كل مسار جديد هو شكل من أشكال التعلم.
ثم تحرك قليلاً، وأعاد المسح مرة أخرى، وأعاد توجيه نفسه حول العائق.
لم يلاحظ معظم الناس الذين يمشون بجوارهم على الأرجح اللحظة. كانت هادئة، تقريبًا غير ملحوظة. لكن مشاهدة الآلة وهي تعدل سلوكها بهذه الطريقة تثير تفاصيل غريبة حول أنظمة الروبوتات. كل تصحيح صغير، كل تردد، كل مسار جديد هو شكل من أشكال التعلم.
سجّل الدخول لاستكشاف المزيد من المُحتوى