人工智能公司正竞相实现一切自动化，从编写代码、生成图像、安排广告投放、总结会议纪要等等。但随着这些系统的不断改进，它们对人类劳动力的影响也越来越不容忽视。一些专家警告说，生成式人工智能可能会引发大规模的失业潮，其冲击速度和深度都将超出大多数经济体的应对准备。
与其抗拒未来，一家加密货币原生平台却另辟蹊径。如果自动化不可避免，那么所有权也应如此。
Action Model今日发布了一款仅限受邀用户使用的 Chrome 扩展程序，用户可以通过分享真实的浏览器活动（例如点击、导航路径、输入内容和任务流程）来训练人工智能系统。该平台称之为大型动作模型 (LAM)，它不仅能够生成内容，还能学习如何执行数字工作。作为回报，贡献者将获得积分，这些积分可以兑换成治理代币，代表他们参与系统演进的权利。
“如果人工智能要取代数字劳动力，那么工人就应该拥有这些取代劳动力的机器，”行动模型创始人西纳·亚马尼说道。
训练执行工作的AI
与生成内容的聊天机器人模型不同，逻辑活动管理（LAM）模型旨在直接操作软件。其理念很简单：如果人类可以用鼠标和键盘完成一项数字任务，那么训练有素的人工智能代理也应该能够做到。
“过去几年是聊天机器人的天下，现在是自动化时代，”亚马尼说。“全球约有十亿人从事计算机操作。如果一家公司能找到一种工具，以极低的成本持续完成同样的工作，他们肯定会使用它。”
Action Model 的扩展程序会收集用户认可的行为数据来训练人工智能。诸如提交工资单、管理 CRM 条目或执行基本操作等任务可以录制一次，然后由模型重复执行。贡献者可以将自动化程序发布到公共市场，平台会根据其激励机制跟踪使用情况并给予奖励。
随着人工智能模型的功能日益从内容生成转向自主任务执行，智能体人工智能系统的兴起已在业内得到广泛报道。正如本文所述，这些系统能够收集并利用真实用户数据，学习如何自主地在数字环境中导航。
该平台已通过候补名单、推荐系统和合作伙伴社区吸引了超过 4 万名用户。为保证贡献者质量并奖励早期参与者，目前仍实行邀请制。
这与现有的自动化工具有何不同？
现有的大多数自动化工具都依赖于API或僵化的集成。但现实世界中的许多数字化工作都是在遗留系统、内部仪表盘和工具中完成的，而这些系统、仪表盘和工具最初并非为自动化而设计。
“Zapier 实现软件自动化，我们实现工作自动化，”Yamani 说。“互联网上只有大约 2% 的内容可以通过 API 访问，其余 98% 的内容仍然需要人工交互。”
借助行动模型，用户无需编写代码或管理集成。他们只需记录完成任务的过程。人工智能会从这些真实的用户流程中学习，并最终能够独立地重复这些流程。
这使得 Action Model 足够灵活，能够捕捉传统系统无法触及的边缘案例和未记录的工作流程。
隐私问题怎么办？
所有培训均采用自愿参与模式，用户可以控制共享哪些数据。默认情况下，敏感网站（例如电子邮件、医疗保健或银行网站）会被屏蔽。用户可以暂停培训、屏蔽特定域名或完全删除贡献内容。
“第一个原则很简单。我们不需要你的数据，我们只需要模式，”亚马尼说。“训练数据会在本地进行处理和匿名化，然后再用于模型。”
已删除的数据将被永久移除，即使是公司也无法恢复。贡献数据会与其他用户的数据汇总，并使用 k-匿名性来防止个人身份被重新识别。贡献者可以通过仪表盘随时查看和管理他们的训练历史记录和奖励。
“大型科技公司在没有真正征得用户同意的情况下收集这类数据，而我们则秉持透明、用户控制的原则，并奖励那些真正训练人工智能的人，”亚马尼说道。
那么，机器人能否钻空子？
为了避免以往加密货币奖励系统普遍存在的问题，Action Model 利用行为分析来验证用户的真实输入。该系统会寻找结构、时间、变化和决策信号——这些都是机器人或点击农场难以伪造的。
“盲目点击几乎毫无用处，”亚马尼说。“真正的工作流程包括意图、停顿、修正、重试和决策。大规模地伪造这些是行不通的。”
其他一些奖励社交互动或发帖的项目，由于产生大量人工智能垃圾信息、回复机器人和虚假互动，近期被主流平台封禁。作为回应，这些项目的API访问权限被撤销，代币生态系统也因低质量活动的冲击而崩溃。
ActionFi是该平台的奖励机制，旨在完全避免这种陷阱。它不为推文或点击付费，而是奖励那些反映真实、结构化数字劳动的、经过验证的工作流程。
“我们不为噪音付费，我们为有用的路径付费，”亚马尼补充道。
谁才是这个系统的真正所有者？
目前，Action Model 控制着扩展、训练逻辑和奖励系统。但该项目承诺逐步将所有权移交给代币持有者。最终，DAO 架构将允许贡献者管理平台决策、激励机制和模型部署。
“早期系统需要协调。关键在于它们是否从设计之初就采用集中式架构，”亚马尼说道。
如果按所述方式实施，所有权将使代币持有者对与其帮助生成的数据相关的基础设施决策产生影响。
如果人工智能不可避免，所有权是否也同样不可避免？
下一代人工智能的构建不仅基于语言，也基于劳动力。从办公室工作到运营，许多以往在屏幕后完成的任务现在都已由智能代理完成。
“你可能听说过，数百万个需要屏幕操作的工作岗位将被自动化取代。这并非遥不可及——它正在发生，”亚马尼说道。“如果你的数据有助于训练人工智能，那么你就应该拥有最终构建出的人工智能的所有权。”
Action Model能否扩大规模、保持透明度并构建可持续的经济体系，仍是我们未来几个月密切关注的问题。但它的目标非常明确：人工智能的关键挑战不仅在于它能做什么，更在于它为谁服务。
随着人工智能重塑工作世界，未来将由平台掌控，还是由人们掌控？
