Недавно, изучая логи вывода нескольких систем ИИ, я обнаружил интересное явление — одно и то же событие в разных контекстах может приводить к совершенно обратным выводам. Сначала я думал, что это проблема модели, но потом понял, что дело вовсе не в этом. Настоящая суть проблемы заключается в том, что информация, вводимая в систему, изначально не может быть выведена.
Представьте себе изолированный ценовой сигнал, нечеткую запись о сделке, неполное событие в цепочке блоков — все это лишено структуры, не имеет границ, семантика запутана, цепочка причинно-следственных связей разорвана. Вы хотите заставить автоматизированную систему принимать решения на основе этой фрагментированной информации? Это все равно что заставить врача опираться на нечеткий рентгеновский снимок, чтобы провести операцию; результат можно только предположить.
Вот что я хотел сказать, но не говорил: **Основной враг автоматизации на блокчейне в будущем — это не недостаток данных, а невозможность их интерпретации.**
Вы не можете позволить механизму ликвидации срабатывать на основе информации без границ. Вы не можете позволить системе управления полагаться на семантически нечеткие сигналы для определения консенсуса. Вы не можете позволить Агенту выполнять действия в случае разрыва причинно-следственной цепи.
Итак, возникает вопрос, как это решить? Это также причина, по которой я сейчас обращаю внимание на проект APRO. Его концепция очень ясна: он не предоставляет «ответы» на цепочке, а предоставляет «материалы, которые могут быть проанализированы».
Посмотрите на его модель разложения условий, и вы поймёте. Основная логика заключается в том, чтобы разбить одно событие из линейной, размытой информации на несколько структурированных фрагментов данных. Каждый фрагмент должен удовлетворять следующим критериям: может быть проверен, может быть воспроизведён, может быть подвергнут вопросу, может быть перекрестно подтверждён, имеет единообразие семантики, может быть вызван моделью, может участвовать в логическом выводе.
С другой стороны, информация с момента ее поступления в цепочку должна быть спроектирована в «выводимую форму». Это не дополнительная оптимизация, а инфраструктура автоматизированной системы на цепочке. Как только эта основа будет заложена, последующие расчеты, управление и выполнение Агентов смогут действительно стабильно функционировать.
Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
Недавно, изучая логи вывода нескольких систем ИИ, я обнаружил интересное явление — одно и то же событие в разных контекстах может приводить к совершенно обратным выводам. Сначала я думал, что это проблема модели, но потом понял, что дело вовсе не в этом. Настоящая суть проблемы заключается в том, что информация, вводимая в систему, изначально не может быть выведена.
Представьте себе изолированный ценовой сигнал, нечеткую запись о сделке, неполное событие в цепочке блоков — все это лишено структуры, не имеет границ, семантика запутана, цепочка причинно-следственных связей разорвана. Вы хотите заставить автоматизированную систему принимать решения на основе этой фрагментированной информации? Это все равно что заставить врача опираться на нечеткий рентгеновский снимок, чтобы провести операцию; результат можно только предположить.
Вот что я хотел сказать, но не говорил: **Основной враг автоматизации на блокчейне в будущем — это не недостаток данных, а невозможность их интерпретации.**
Вы не можете позволить механизму ликвидации срабатывать на основе информации без границ.
Вы не можете позволить системе управления полагаться на семантически нечеткие сигналы для определения консенсуса.
Вы не можете позволить Агенту выполнять действия в случае разрыва причинно-следственной цепи.
Итак, возникает вопрос, как это решить? Это также причина, по которой я сейчас обращаю внимание на проект APRO. Его концепция очень ясна: он не предоставляет «ответы» на цепочке, а предоставляет «материалы, которые могут быть проанализированы».
Посмотрите на его модель разложения условий, и вы поймёте. Основная логика заключается в том, чтобы разбить одно событие из линейной, размытой информации на несколько структурированных фрагментов данных. Каждый фрагмент должен удовлетворять следующим критериям: может быть проверен, может быть воспроизведён, может быть подвергнут вопросу, может быть перекрестно подтверждён, имеет единообразие семантики, может быть вызван моделью, может участвовать в логическом выводе.
С другой стороны, информация с момента ее поступления в цепочку должна быть спроектирована в «выводимую форму». Это не дополнительная оптимизация, а инфраструктура автоматизированной системы на цепочке. Как только эта основа будет заложена, последующие расчеты, управление и выполнение Агентов смогут действительно стабильно функционировать.