数週間前、友達がリサーチプロジェクトのために二つのAIツールを比較するのを手伝っていた。20分以内に、要約、アウトライン、さらにはドラフト報告書まで生成できたんだ。すべてがスムーズに進んで、回答は早く、洗練されていて、驚くほど役に立ったよ。
そしたら友達が予想外の質問をしてきた。
"これ全部は一体どこから来たの？"
どの会社がそのモデルを作ったかは関係ない。
どのチャットボットインターフェースを使っていたかは関係ないよ。
その答え自体。
なんだかその質問が頭から離れなかったんだ。
AI業界は信じられないほど速く動いています。毎週新しいモデルや新しいベンチマーク、前のバージョンよりもパフォーマンスが優れていると主張する新しい発表があるようです。ほとんどの議論は、速度、推論能力、コンテキストウィンドウ、またはコストに関するものです。
それらのことは重要です。
しかし最近、私は表面下で起こっている何かにもっと注意を払っています。
出力の背後の道。
物理的世界で製品を購入する際、通常はその背後にサプライチェーンがあります。原材料はどこかから調達され、製造は別の場所で行われ、物流がそれらの部分を結びつけます。最終製品が顧客に届くまでのすべての段階が価値を提供します。
しかし、AIはしばしば異なると感じます。
あなたは質問をします。
答えが現れます。
その回答を可能にしたすべてが見えなくなります。
データセットは消えます。
貢献者たちは消えます。
インフラは消えます。
何年もの努力が、画面上の数段落に凝縮されます。
考えれば考えるほど、それがどれほど異常に思えるか。
最近、OpenLedgerのようなプロジェクトがこの正確な領域を探求しています。よりスマートなモデルの作成に完全に焦点を当てるのではなく、知性がどのように生産され、価値がシステムを通じてどのように流れるかを可視化することに焦点を当てているようです。
高レベルでは、概念は単純に聞こえます。
人々はデータを提供します。
データセットはモデルのトレーニングに役立ちます。
モデルは出力を生成します。
出力は価値を生み出します。
報酬はチェーンを通じて戻ります。
シンプルなアイデア。
複雑な現実。
私は十分なテクノロジーサイクルを見てきたので、図が実世界の実装よりもクリーンに見えることが多いと知っています。
実際のインセンティブが現れる瞬間、複雑さが続きます。
データの貢献者は公正な報酬を求めます。
開発者は柔軟性を求めます。
ユーザーは利便性を求めます。
ガバナンスの参加者は影響力を求めます。
全員が異なる優先事項を持ってシステムに入ります。
それはアイデアを重要でなくするわけではありません。
むしろ、それがより面白くします。
私が気づくことの一つは、AIの会話が目的地に焦点を合わせすぎて、旅を無視していることです。
人々は有用性に基づいて回答を評価します。
コードは動作しましたか？
要約は時間を節約しましたか？
画像は正しく生成されましたか？
それらは合理的な質問です。
しかし、AIがビジネス運営、研究ワークフロー、法的プロセス、経済活動にますます統合されるにつれて、別の質問が関連してきます。
知性がどこから来たのかを追跡できますか？
私は時々、これをシンプルなアナロジーを通じて考えます。
配送情報が添付されていないパッケージを受け取ることを想像してください。
パッケージが届きます。
完璧に動作します。
最初は、あなたはそれがどこから来たのか気にしないでしょう。
しかし、何かが壊れると、突然起源が重要になります。
誰が製造しましたか？
誰がコンポーネントを供給しましたか？
誰が責任を持つのか？
説明責任は、問題が発生した後にのみ重要になることがよくあります。
AIも似たようなパターンをたどるかもしれません。
今は、利便性がユーザーの行動を支配しています。
ほとんどの人は、詳細な帰属よりも迅速な回答を好みます。
歴史は、これが普通であることを示唆しています。
インターネット自体も同じように進化しました。
人々はウェブサイトが読み込まれなくなるまで、ネットワークインフラストラクチャについて考えることはほとんどありません。
人々は取引が失敗するまで、決済レールについて考えることはほとんどありません。
人々はシステムがオフラインになるまで、クラウドアーキテクチャについて考えることはほとんどありません。
見えないシステムは、必要になるまで見えないままです。
ここで、OpenLedgerのアプローチが興味深いと感じます。
成功を保証するからではありません。
分散型AIが自動的にすべての問題を解決するからではありません。
そして、すべてのインフラストーリーが最終的に勝つわけではありません。
私は十分な市場を見てきたので、素晴らしいアイデアと成功した採用が必ずしも同じことではないと知っています。
私の注意を引くのは、知性のための会計システムに近いものを創造する試みです。
AIの出力が孤立したイベントではなく、より広い貢献のチェーンに接続された最終製品であるフレームワーク。
理論的には、それは幾つかの利点を生み出します。
第一に、貢献者はより明確な帰属を得ます。
第二に、報酬分配はより透明になります。
第三に、組織は出力がどのように生成されたかについての監査可能性を強化します。
そして最後に、基盤となるプロセスがあまり不透明でないため、信頼が築きやすくなります。
もちろん、トレードオフは存在します。
より大きな透明性は、しばしばより大きな複雑さをもたらします。
より多くの追跡は、より多くのインフラストラクチャを必要とします。
より多くの帰属は、より多くの調整を必要とします。
より多くの説明責任は、より多くのガバナンスを必要とします。
ただし、タダ飯はありません。
それが懐疑主義が健全であり続ける理由です。
新興セクターで運営されているプロジェクトを評価する際、私は魅力的なナラティブを実際の実行から分離しようとします。
ここでのナラティブは理解しやすいです。
実行の課題ははるかに困難です。
帰属システムは効率的にスケールできますか？
貢献者は実際に参加しますか？
ユーザーは、追加の複雑さを正当化するのに十分な透明性を評価するでしょうか？
それらの質問にはまだ回答が必要です。
投資家、ビルダー、研究者にとって、それが最も重要なポイントかもしれません。
約束ではなく行動に注意を払ってください。
エコシステムが貢献者を引き付けるか注視してください。
使用が成長するか注視してください。
経済的インセンティブが時間とともに持続可能であるか注視してください。
インフラストーリーは、明らかになる前に静かに発展することがよくあります。
または、彼らは完全に消えます。
両方の結果が可能です。
その不確実性が私を興味を持たせるのです。
興奮ではありません。
ハイプではありません。
好奇心。
AIが日常生活に埋め込まれるほど、下にある見えない層を無視するのが難しくなります。
今日、大多数の人は答えだけを見ています。
明日、彼らはそれを生み出した全ての道を見たいと思うかもしれません。
データ。
モデルたち。
貢献者たち。
インセンティブ。
所有権。
知性そのものの背後にある完全なサプライチェーン。
それがAIの標準機能になるかどうかは不確かです。
しかし、それは他の皆が後で質問し始めるのを待つよりも、今聞く価値のある質問のように感じます。
#StablecoinsMayExtendUSMonetaryInfluence