人工智能公司正競相實現從編寫代碼、創建圖像到安排廣告、總結會議紀要等諸多領域的自動化。然而，隨著這些系統變得越來越智能，對人類工作的影響也日益明顯。一些專家警告說，人工智能創造的工作崗位可能會引發一波大規模的失業潮，其速度和範圍都超出了當前經濟體的應對能力。詳情請點擊此處。
與其對抗未來，這個源自加密領域的平臺卻押注於另一條道路。如果自動化不可避免，那麼所有權也應該隨之改變。
Action Model剛剛上線了一款僅限受邀用戶使用的 Chrome擴展，用戶可以通過Chia真實的瀏覽器活動（例如次、頁面導航、數據輸入和任務執行）來訓練人工智能系統。該平臺稱之為大型動作模型 (LAM)——它不僅能創建內容，還能學習如何處理數字任務。作為回報，貢獻者可以獲得積分，這些積分可以兌換成治理代幣——代表著參與系統開發決策的權利。
“如果人工智能要取代數字勞動力，那麼工人就應該是這些‘機器’的所有者，”行動模型創業家Sina YamaniChia。
訓練人工智能執行任務
與只能製作內容的聊天機器人不同，學習型應用模型（LAM）旨在直接運行軟件。其理念很簡單：如果人類可以使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也應該能夠做到。
“幾年前是聊天機器人的時代，現在是自動化時代，”亞馬尼說。“現在大約有十億人使用電腦。如果一家公司擁有能夠持續自動化任務的工具，與僱傭員工相比可以節省大量資金，他們肯定會使用它。”
Action Model 的實用功能是收集用戶選擇Chia的真實運營數據，用於訓練人工智能。諸如工資處理、客戶關係管理或基本操作等任務可以錄製次，之後由人工智能重複執行。貢獻者還可以將他們的自動化流程Chia到公共市場，所有活動都會被跟蹤，並根據平臺的激勵模型獲得獎勵。
隨著模型逐漸從內容創作轉向自動化處理現實世界的任務，智能體人工智能在行業中正變得越來越普遍。正如本文所述，這些系統不斷利用真實用戶數據學習如何與數字環境互動和導航。
該平臺目前已通過候補名單、好友推薦和合作夥伴社群吸引了超過 4 萬名註冊用戶。為了確保貢獻者的質量並獎勵早期參與者，平臺仍實行邀請制。
這與現有的自動化工具有何不同？
目前大多數自動化工具依賴於API或僵化的集成。然而，絕大多數現實世界中的數字化任務都是在遺留系統、內部儀表盤或那些原本被認為無法自動化的工具上進行的。
“Zapier實現軟件自動化，我們實現工作自動化，”亞馬尼說。“只有大約2%的互聯網數據可以通過API訪問，其餘98%仍然需要人工干預。”
藉助 Action Model，用戶無需瞭解代碼或複雜的集成。他們只需像往常一樣記錄工作流程。人工智能將學習這些真實世界的流程，然後獨立地進行復現。
因此，行動模型能夠靈活地捕捉從未被記錄的特殊案例和流程——這是傳統自動化系統無法實現的。
隱私問題怎麼辦？
所有訓練數據均由用戶選擇。默認情況下，敏感頁面（例如電子郵件、健康或銀行網站）會被屏蔽。用戶可以暫停訓練、屏蔽特定網站或徹底刪除其貢獻的數據。
“第一原則非常簡單：我們不需要你的個人數據，只需要一個可用的模型，”亞馬尼說。“數據會在本地進行處理和匿名化，然後再用於訓練人工智能。”
數據一旦刪除，將徹底丟失；即使是公司也無法恢復。您的貢獻將與其他眾多用戶的數據彙總，並應用 k-匿名化技術來防止個人身份被獲取。您可以通過控制面板隨時跟蹤和管理您的所有訓練歷史和獎勵。
“雖然大型科技公司經常在未經用戶同意的情況下收集這類數據，但我們秉持透明原則，用戶擁有主動控制權，而且那些向人工智能提供數據的人也將獲得真正的獎勵，”亞馬尼補充道。
那麼，機器人能否操縱系統？
為了避免以往加密獎勵系統常見的弊端，行動模型採用行為分析來驗證用戶的實際操作。該系統會考察任務結構、時間節點、變化和決策——這些都是自動化機器人或點擊農場難以偽造的要素。
“隨意點擊毫無意義，”亞瑪尼Chia。“實際操作過程始終是有目的的，包括停下來、糾正錯誤、再次嘗試和深思熟慮。你不可能大規模地弄虛作假。”
由於大量人工智能寄生蟲、機器人回覆和虛假互動，一些此前獎勵互動和帖子的項目已被主流平臺封禁。結果，API被鎖定，代幣生態系統也因性能低下而倒。
ActionFi——該平臺的獎勵系統——旨在徹底消除這種風險。ActionFi 不獎勵發推稱或點擊量，只獎勵由真人執行的真實、結構化的工作流程。
“我們不獎勵無意義的鏈接，只獎勵真正有用的鏈接，”亞瑪尼補充道。
這個系統究竟屬於誰？
目前，行動模型控制著平臺的效用、訓練邏輯和獎勵系統。然而，該項目致力於逐步將這些所有權移交給代代幣holder社群。我們將實施DAO（去中心化自治組織）架構，使所有參與者都能為平臺的發展方向、獎勵機制和模型實現做出貢獻。
“在初期階段，協調總是必要的，但重要的是設計本身是否注重集中力量，”亞馬尼說。
如果按照宣傳的那樣實施，所有權將使代幣holder能夠真正影響與他們幫助構建的數據相關的基礎設施的決策。
如果人工智能不可避免，所有權是否也必然如此？
下一代人工智能不僅將基於語言，還將基於人類勞動。從辦公室工作到運營，各種幕後任務現在都已在智能代理的掌控之中。
“你們都聽說過，數百萬個屏幕工作崗位將被自動化取代。這並非幾十年後的事，而是現在就開始了，”亞馬尼說道。“如果你的數據有助於訓練人工智能，那麼你就理應擁有製作的所有權。”
行動模式能否規模化、保持透明度並構建可持續的經濟體系，還有待未來幾個月的觀察。但該項目的方向是明確的。人工智能的關鍵問題不僅在於它能做什麼，更在於誰將從中受益。
隨著人工智能改變我們的工作方式，未來將屬於大型平臺，還是屬於人類？
