人工智能公司正竞相实现从编写代码、创建图像到安排广告、总结会议纪要等诸多领域的自动化。然而，随着这些系统变得越来越智能，对人类工作的影响也日益明显。一些专家警告说，人工智能创造的工作岗位可能会引发一波大规模的失业潮，其速度和范围都超出了当前经济体的应对能力。详情请点击此处。
与其对抗未来，这个源自加密领域的平台却押注于另一条道路。如果自动化不可避免，那么所有权也应该随之改变。
Action Model刚刚上线了一款仅限受邀用户使用的 Chrome扩展，用户可以通过Chia真实的浏览器活动（例如次、页面导航、数据输入和任务执行）来训练人工智能系统。该平台称之为大型动作模型 (LAM)——它不仅能创建内容，还能学习如何处理数字任务。作为回报，贡献者可以获得积分，这些积分可以兑换成治理代币——代表着参与系统开发决策的权利。
“如果人工智能要取代数字劳动力，那么工人就应该是这些‘机器’的所有者，”行动模型创业家Sina YamaniChia。
训练人工智能执行任务
与只能制作内容的聊天机器人不同，学习型应用模型（LAM）旨在直接运行软件。其理念很简单：如果人类可以使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也应该能够做到。
“几年前是聊天机器人的时代，现在是自动化时代，”亚马尼说。“现在大约有十亿人使用电脑。如果一家公司拥有能够持续自动化任务的工具，与雇佣员工相比可以节省大量资金，他们肯定会使用它。”
Action Model 的实用功能是收集用户选择Chia的真实运营数据，用于训练人工智能。诸如工资处理、客户关系管理或基本操作等任务可以录制次，之后由人工智能重复执行。贡献者还可以将他们的自动化流程Chia到公共市场，所有活动都会被跟踪，并根据平台的激励模型获得奖励。
随着模型逐渐从内容创作转向自动化处理现实世界的任务，智能体人工智能在行业中正变得越来越普遍。正如本文所述，这些系统不断利用真实用户数据学习如何与数字环境互动和导航。
该平台目前已通过候补名单、好友推荐和合作伙伴社群吸引了超过 4 万名注册用户。为了确保贡献者的质量并奖励早期参与者，平台仍实行邀请制。
这与现有的自动化工具有何不同？
目前大多数自动化工具依赖于API或僵化的集成。然而，绝大多数现实世界中的数字化任务都是在遗留系统、内部仪表盘或那些原本被认为无法自动化的工具上进行的。
“Zapier实现软件自动化，我们实现工作自动化，”亚马尼说。“只有大约2%的互联网数据可以通过API访问，其余98%仍然需要人工干预。”
借助 Action Model，用户无需了解代码或复杂的集成。他们只需像往常一样记录工作流程。人工智能将学习这些真实世界的流程，然后独立地进行复现。
因此，行动模型能够灵活地捕捉从未被记录的特殊案例和流程——这是传统自动化系统无法实现的。
隐私问题怎么办？
所有训练数据均由用户选择。默认情况下，敏感页面（例如电子邮件、健康或银行网站）会被屏蔽。用户可以暂停训练、屏蔽特定网站或彻底删除其贡献的数据。
“第一原则非常简单：我们不需要你的个人数据，只需要一个可用的模型，”亚马尼说。“数据会在本地进行处理和匿名化，然后再用于训练人工智能。”
数据一旦删除，将彻底丢失；即使是公司也无法恢复。您的贡献将与其他众多用户的数据汇总，并应用 k-匿名化技术来防止个人身份被获取。您可以通过控制面板随时跟踪和管理您的所有训练历史和奖励。
“虽然大型科技公司经常在未经用户同意的情况下收集这类数据，但我们秉持透明原则，用户拥有主动控制权，而且那些向人工智能提供数据的人也将获得真正的奖励，”亚马尼补充道。
那么，机器人能否操纵系统？
为了避免以往加密奖励系统常见的弊端，行动模型采用行为分析来验证用户的实际操作。该系统会考察任务结构、时间节点、变化和决策——这些都是自动化机器人或点击农场难以伪造的要素。
“随意点击毫无意义，”亚玛尼Chia。“实际操作过程始终是有目的的，包括停下来、纠正错误、再次尝试和深思熟虑。你不可能大规模地弄虚作假。”
由于大量人工智能寄生虫、机器人回复和虚假互动，一些此前奖励互动和帖子的项目已被主流平台封禁。结果，API被锁定，代币生态系统也因性能低下而倒。
ActionFi——该平台的奖励系统——旨在彻底消除这种风险。ActionFi 不奖励发推称或点击量，只奖励由真人执行的真实、结构化的工作流程。
“我们不奖励无意义的链接，只奖励真正有用的链接，”亚玛尼补充道。
这个系统究竟属于谁？
目前，行动模型控制着平台的效用、训练逻辑和奖励系统。然而，该项目致力于逐步将这些所有权移交给代代币holder社群。我们将实施DAO（去中心化自治组织）架构，使所有参与者都能为平台的发展方向、奖励机制和模型实现做出贡献。
“在初期阶段，协调总是必要的，但重要的是设计本身是否注重集中力量，”亚马尼说。
如果按照宣传的那样实施，所有权将使代币holder能够真正影响与他们帮助构建的数据相关的基础设施的决策。
如果人工智能不可避免，所有权是否也必然如此？
下一代人工智能不仅将基于语言，还将基于人类劳动。从办公室工作到运营，各种幕后任务现在都已在智能代理的掌控之中。
“你们都听说过，数百万个屏幕工作岗位将被自动化取代。这并非几十年后的事，而是现在就开始了，”亚马尼说道。“如果你的数据有助于训练人工智能，那么你就理应拥有制作的所有权。”
行动模式能否规模化、保持透明度并构建可持续的经济体系，还有待未来几个月的观察。但该项目的方向是明确的。人工智能的关键问题不仅在于它能做什么，更在于谁将从中受益。
随着人工智能改变我们的工作方式，未来将属于大型平台，还是属于人类？
