人工智能公司正競相實現一切自動化，從編寫代碼、生成圖像、安排廣告投放、總結會議紀要等等。但隨著這些系統的不斷改進，它們對人類勞動力的影響也越來越不容忽視。一些專家警告說，生成式人工智能可能會引發大規模的失業潮，其衝擊速度和深度都將超出大多數經濟體的應對準備。
與其抗拒未來，一家加密貨幣原生平臺卻另闢蹊徑。如果自動化不可避免，那麼所有權也應如此。
Action Model今日發佈了一款僅限受邀用戶使用的 Chrome 擴展程序，用戶可以通過分享真實的瀏覽器活動（例如點擊、導航路徑、輸入內容和任務流程）來訓練人工智能系統。該平臺稱之為大型動作模型 (LAM)，它不僅能夠生成內容，還能學習如何執行數字工作。作為回報，貢獻者將獲得積分，這些積分可以兌換成治理代幣，代表他們參與系統演進的權利。
“如果人工智能要取代數字勞動力，那麼工人就應該擁有這些取代勞動力的機器，”行動模型創始人西納·亞馬尼說道。
訓練執行工作的AI
與生成內容的聊天機器人模型不同，邏輯活動管理（LAM）模型旨在直接操作軟件。其理念很簡單：如果人類可以用鼠標和鍵盤完成一項數字任務，那麼訓練有素的人工智能代理也應該能夠做到。
“過去幾年是聊天機器人的天下，現在是自動化時代，”亞馬尼說。“全球約有十億人從事計算機操作。如果一家公司能找到一種工具，以極低的成本持續完成同樣的工作，他們肯定會使用它。”
Action Model 的擴展程序會收集用戶認可的行為數據來訓練人工智能。諸如提交工資單、管理 CRM 條目或執行基本操作等任務可以錄製一次，然後由模型重複執行。貢獻者可以將自動化程序發佈到公共市場，平臺會根據其激勵機制跟蹤使用情況並給予獎勵。
隨著人工智能模型的功能日益從內容生成轉向自主任務執行，智能體人工智能系統的興起已在業內得到廣泛報道。正如本文所述，這些系統能夠收集並利用真實用戶數據，學習如何自主地在數字環境中導航。
該平臺已通過候補名單、推薦系統和合作夥伴社區吸引了超過 4 萬名用戶。為保證貢獻者質量並獎勵早期參與者，目前仍實行邀請制。
這與現有的自動化工具有何不同？
現有的大多數自動化工具都依賴於API或僵化的集成。但現實世界中的許多數字化工作都是在遺留系統、內部儀表盤和工具中完成的，而這些系統、儀表盤和工具最初並非為自動化而設計。
“Zapier 實現軟件自動化，我們實現工作自動化，”Yamani 說。“互聯網上只有大約 2% 的內容可以通過 API 訪問，其餘 98% 的內容仍然需要人工交互。”
藉助行動模型，用戶無需編寫代碼或管理集成。他們只需記錄完成任務的過程。人工智能會從這些真實的用戶流程中學習，並最終能夠獨立地重複這些流程。
這使得 Action Model 足夠靈活，能夠捕捉傳統系統無法觸及的邊緣案例和未記錄的工作流程。
隱私問題怎麼辦？
所有培訓均採用自願參與模式，用戶可以控制共享哪些數據。默認情況下，敏感網站（例如電子郵件、醫療保健或銀行網站）會被屏蔽。用戶可以暫停培訓、屏蔽特定域名或完全刪除貢獻內容。
“第一個原則很簡單。我們不需要你的數據，我們只需要模式，”亞馬尼說。“訓練數據會在本地進行處理和匿名化，然後再用於模型。”
已刪除的數據將被永久移除，即使是公司也無法恢復。貢獻數據會與其他用戶的數據彙總，並使用 k-匿名性來防止個人身份被重新識別。貢獻者可以通過儀表盤隨時查看和管理他們的訓練歷史記錄和獎勵。
“大型科技公司在沒有真正徵得用戶同意的情況下收集這類數據，而我們則秉持透明、用戶控制的原則，並獎勵那些真正訓練人工智能的人，”亞馬尼說道。
那麼，機器人能否鑽空子？
為了避免以往加密貨幣獎勵系統普遍存在的問題，Action Model 利用行為分析來驗證用戶的真實輸入。該系統會尋找結構、時間、變化和決策信號——這些都是機器人或點擊農場難以偽造的。
“盲目點擊幾乎毫無用處，”亞馬尼說。“真正的工作流程包括意圖、停頓、修正、重試和決策。大規模地偽造這些是行不通的。”
其他一些獎勵社交互動或發帖的項目，由於產生大量人工智能垃圾信息、回覆機器人和虛假互動，近期被主流平臺封禁。作為回應，這些項目的API訪問權限被撤銷，代幣生態系統也因低質量活動的衝擊而崩潰。
ActionFi是該平臺的獎勵機制，旨在完全避免這種陷阱。它不為推文或點擊付費，而是獎勵那些反映真實、結構化數字勞動的、經過驗證的工作流程。
“我們不為噪音付費，我們為有用的路徑付費，”亞馬尼補充道。
誰才是這個系統的真正所有者？
目前，Action Model 控制著擴展、訓練邏輯和獎勵系統。但該項目承諾逐步將所有權移交給代幣持有者。最終，DAO 架構將允許貢獻者管理平臺決策、激勵機制和模型部署。
“早期系統需要協調。關鍵在於它們是否從設計之初就採用集中式架構，”亞馬尼說道。
如果按所述方式實施，所有權將使代幣持有者對與其幫助生成的數據相關的基礎設施決策產生影響。
如果人工智能不可避免，所有權是否也同樣不可避免？
下一代人工智能的構建不僅基於語言，也基於勞動力。從辦公室工作到運營，許多以往在屏幕後完成的任務現在都已由智能代理完成。
“你可能聽說過，數百萬個需要屏幕操作的工作崗位將被自動化取代。這並非遙不可及——它正在發生，”亞馬尼說道。“如果你的數據有助於訓練人工智能，那麼你就應該擁有最終構建出的人工智能的所有權。”
Action Model能否擴大規模、保持透明度並構建可持續的經濟體系，仍是我們未來幾個月密切關注的問題。但它的目標非常明確：人工智能的關鍵挑戰不僅在於它能做什麼，更在於它為誰服務。
隨著人工智能重塑工作世界，未來將由平臺掌控，還是由人們掌控？
