Web3 的陰暗面：去中心化如何助長 AI 偏見_WEB:WEB3

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。

Animoca Brands CEO：2024年將有更多“3A主機風格”Web3游戲出現:金色財經報道，香港元宇宙游戲及Web3投資機構Animoca Brands首席執行官Robby Yung在巴黎Proof of Talk會議上表示，明年看到更多“3A主機風格”的游戲發布，這些游戲可能有助于吸引傳統游戲玩家。Robby Yung稱，目前Animoca Brands 擁有一個由13個工作室組成的全球網絡，其產品組合涵蓋Web3游戲和元宇宙平臺，包括The Sandbox、Phantom Galaxies、Life Beyond和Crazy Defense Heroes，他還表示元宇宙的真正本質“需要區塊鏈技術的整合，區塊鏈支持內容互操作性是元宇宙的一個基本方面，因為如果沒有互操作性，就只是一個應用程序，而不是一個真正的元宇宙。”（decrypt）[2023/6/20 21:49:08]

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。

Web3投資管理平臺Presail完成15萬美元融資:1月28日消息，Web3投資管理平臺Presail完成15萬美元融資，Trung Nguyen、 Viet And、 Aleksander Leonard Larsen和Jeffrey Zirlin等參投。

此前消息，Web3投資管理平臺Presail完成380萬歐元種子輪融資，SN? Ventures領投。[2023/1/29 11:34:25]

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。

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。

Web3開發平臺Thirdweb創始人推出1億美元基金Flight Story Fund:金色財經報道，Web3開發平臺Thirdweb及創新營銷和咨詢公司 Flight Story 創始人 Steven Bartlett 宣布推出 1 億美元私募股權基金 Flight Story Fund，該基金將專注于區塊鏈、生物科技、空間技術等 6 大領域的投資，單筆投資規模預計在 100-1000 萬美元之間，同時還將為投資組合提供專業知識、資金和人脈網絡支持，旨在打造下一代歐洲獨角獸。[2023/1/19 11:21:15]

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。

Web3社交平臺Taki完成345萬美元種子輪融資:8月4日消息，Token驅動的 Web3 社交平臺Taki宣布已完成345萬美元種子輪融資，Alameda Research、CoinDCX、Coinbase Ventures、Formless Capital、Gemini Frontier Fund、Huobi Ventures、Kraken Ventures、Luno Expeditions、OKX Blockdream Ventures、Roka Works和Solana Ventures參投。（apnnews）[2022/8/4 12:02:22]

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。

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：WEBWEB3RESANDweb3游戲是什么意思web3.0幣圈Joint VenturesSoldiersLand

DOGE