Web3 的阴暗面：去中心化如何助长 AI 偏见

原文：venturebeat 

编译： DeFi 之道， Kyle 

人工智能 (AI) 迅速改变了我们的生活和工作方式。与此同时，AI 数据偏见带来的挑战已经走到了最前面。当我们走向 Web3 的未来时，我们自然会看到同时使用 Web3 和 AI 的创新产品、解决方案和服务。而且，虽然一些评论员认为去中心化技术可以解决数据偏见问题，但事实并非完成如此。

图片来源：由 Maze AI 生成

Web3 市场规模仍然相对较小且难以量化，因为 Web3 生态系统仍处于发展的早期阶段，Web3 的确切定义仍在不断发展。虽然 2021 年的 Web3 市场规模估计接近 20 亿美元，但各种分析师和研究公司报告称，预计复合年增长率 (CAGR) 约为 45%，再加上 Web3 解决方案和消费者采用率的快速增长，到 2030 年，Web3 市场的价值将达到 800 亿美元左右。

Amber Group将与Thoughtworks合作开发Web3解决方案:金色财经报道，加密金融服务提供商 Amber Group 与技术咨询公司 Thoughtworks 达成合作，双方将共同开发技术工具和解决方案，利用人工智能促进 Web3 的安全和透明化发展。（prnewswire）[2023/4/27 14:29:56]

虽然 Web3 正在快速增长，但该行业的现状与其他科技行业因素相结合是 AI 数据偏见走上错误道路的原因。

数据偏见、质量和数量之间的联系

AI 系统依靠大量高质量数据来训练它们的算法。OpenAI 的 GPT-3（包括 ChatGPT 模型）在大量高质量数据上进行了训练。OpenAI并未透露用于训练的确切数据量，但估计在千亿字量级或更多。

陈茂波：让Web3稳慎走好创新发展的道路:4月9日消息，香港特区政府财政司司长陈茂波在香港特区政府网站发表司长随笔称，过去一段时间虚拟资产巿场大幅波动，最近也有虚拟资产交易所倒闭，让社会上一些人对Web3的前景感到怀疑。然而，我们认为这正是推动Web3发展的最好时机。下一阶段，巿场参与者需要更深入发展区块链技术，让其透明、高效、安全、去中介化、去平台化、低成本的特点和优势找到更广泛的应用场景、解决更多现有商业模式的痛点乃至打破垄断等问题，让用户可更广泛分享数据的经济价值，并为实体经济带来跨越式的进步。(金十)[2023/4/9 13:52:49]

数据经过过滤和预处理，以确保其质量高且与语言生成任务相关。OpenAI 使用先进的机器学习 (ML) 技术（例如 Transformer）在这个大型数据集上训练模型，使其能够学习单词和短语之间的模式和关系，并生成高质量的文本。

战略咨询公司贝恩公司收购Web3数字产品工作室Umbrage:2月2日消息，战略咨询公司贝恩公司宣布收购 Web3 数字产品工作室 Umbrage，Umbrage 将与 Bain 的创新与设计服务密切合作，并在产品管理、UI/UX 设计、全栈开发、DevOps、QA 和 Web3 等领域额外的深厚技术专长。此举将进一步为客户提供端到端交付能力，以概念化、设计、构建和扩展下一层软件驱动的业务模型和产品。

迄今为止，贝恩的数字交付平台 Vector 团队已为全球各行各业的 6700 多个数字项目提供建议，在高级分析、创新与设计、软件工程和企业技术方面提供端到端的交付能力。[2023/2/2 11:43:00]

AI 训练数据的质量对 ML 模型的性能有重大影响，数据集的大小也是决定模型泛化到新数据和任务能力的关键因素。但是，质量和数量都会对数据偏见产生重大影响，这也是事实。

DemandCircle推出Web3知识共享平台Eunoia:10月21日消息，DemandCircle宣布正式推出Web3去中心化商业知识平台Eunoia。Eunoia的目标是将行业专业人士聚集在以专业知识为中心的社区中，通过奖励平台原生代币来激励有意义的参与行为。

Eunoia的最终目标是成为一个DAO，社区成员可以通过DAO引导平台向面向商业专业人员的原生Web3知识共享社区发展。（Bitcoin.com）[2022/10/21 16:34:37]

数据偏见的独特风险

AI 中的数据偏见是一个重要问题，因为它可能在就业、信贷、住房和刑事司法等领域导致不公平、歧视和有害的结果。

2018 年，亚马逊被迫废弃了一款显示出对女性有偏见的 AI 招聘工具。该工具接受了对过去 10 年期间提交给亚马逊的简历的培训，其中主要包括男性候选人，导致 AI 减少了包含“女性”和“女人”等词的简历。

现场 | Nervos基金会联合创始人吕国宁：Rust是适合Web3.0底层设施的开发语言:金色财经现场报道，由Web3基金会主办的Web3大会10月29日在上海举行。Nervos基金会联合创始人兼COO吕国宁在会上表示，Rust是适合Web3.0底层设施的开发语言，因为：1、极致追求性能；2、集合现代语言典范的语言；3、包容、开放哦社区治理；4、多方区块链底层设施的安全验证，已实现案例Pokadot、Parity、Eth 2.0、Nervos、CITA。他还举例证明Rust的安全性，2015年以太坊遭到大规模DDOS供给，其他语言的客户端都宕机了，而只有基于Rust的parity客户端安全运行。[2020/10/29]

2019 年，研究人员发现，一种用于预测患者预后的商用 AI 算法对黑人患者存在偏见。该算法主要针对白人患者数据进行训练，导致其对黑人患者的假阳性率更高。

Web3 解决方案的去中心化性质与 AI 相结合，带来独特的偏见风险。这种环境中数据的质量和可用性可能是一个挑战，这使得准确训练 AI 算法变得困难，这不仅是因为缺乏使用中的 Web3 解决方案，还因为缺乏有能力使用它们的人群。

我们可以从 23andMe 等公司收集的基因组数据中得出相似之处，这些数据对贫困和边缘化社区存在偏见。23andMe 等 DNA 检测服务的成本、可用性和目标营销限制了来自低收入社区或生活在该服务未运营地区的个人获得这些服务的机会，这些地区往往是较贫穷、欠发达国家。

因此，这些公司收集的数据可能无法准确反映更广泛人群的基因组多样性，从而导致基因研究以及医疗保健和医学发展的潜在偏差。

这让我们想到了 Web3 增加 AI 数据偏见的另一个原因。

行业偏见和对道德的关注

Web3 创业行业缺乏多样性是一个主要问题。截至 2022 年，女性占据了 26.7% 的技术职位。其中，56% 是有色人种女性。科技行业的高管职位中女性比例更低。

在 Web3 中，这种不平衡加剧了。根据各种分析师的说法，只有不到 5% 的 Web3 初创公司拥有女性创始人。这种多样性的缺乏意味着 AI 数据偏见很可能被男性和白人创始人无意识地忽视为一个问题。

为了克服这些挑战，Web3 行业必须在其数据源和团队中优先考虑多样性和包容性。此外，该行业需要改变为什么多样性、平等和包容是必要的故事。

从财务和可扩展性的角度来看，从不同角度设计的产品和服务更有可能为数十亿客户服务，而不是数百万客户，这使得那些拥有多元化团队的初创公司更有可能获得高回报和全球规模的能力。Web3 行业还必须关注数据质量和准确性，确保用于训练 AI 算法的数据没有偏见。

Web3 能否解决 AI 数据偏差问题？

应对这些挑战的一种解决方案是开发去中心化的数据市场，允许个人和组织之间安全、透明地交换数据。这有助于降低数据偏差的风险，因为它允许在训练 AI 算法时使用更广泛的数据。此外，可以利用区块链技术保证数据的透明性和准确性，使算法不产生偏见。

但是，最终，在主流受众使用 Web3 解决方案之前，我们将面临多年寻找广泛数据源的重大挑战。

虽然 Web3 和区块链继续出现在主流新闻中，但此类产品和服务最有可能吸引初创企业和技术社区的人们——我们知道这些社区缺乏多样性，但在全球市场中所占的份额相对较小。

很难估计在 Web3 初创公司工作的世界人口的百分比。近年来，该行业在美国创造了大约 300 万个工作岗位。如果将这一数字与美国总人口相比——并且不考虑失去的工作岗位——这个科技行业远不能代表适龄工作的公民。

在 Web3 解决方案变得更加主流并将其吸引力和使用范围扩大到那些对技术具有内在兴趣并变得负担得起并且足以被更广泛的人群使用之前，获得足够数量的高质量数据来训练 AI 系统仍然是一个重大障碍。业界现在必须采取措施解决这个问题。

DeFi之道

个人专栏

阅读更多

金色财经 善欧巴

金色早8点

白话区块链

Arcane Labs

Odaily星球日报

MarsBit

欧科云链

深潮TechFlow

BTCStudy

标签：WEB3WEB区块链ANDMETAWEB3PA价格IPWeb区块链的未来发展前景数字化研究SKYLANDS

FIL币热门资讯