为了预防诉讼和反驳他们利用非法获得的数据训练其人工智能(AI)模型的指控,AI公司应依赖公开可用或开源的数据,阿尔贝托·费尔南德斯(Alberto Fernandez)表示。费尔南德斯是去中心化AI的倡导者,也是Qubic生态系统的欧洲代表,他强调AI公司应考虑匿名化和汇总数据,以解决隐私问题。
开源工具为较小的人工智能公司创造了公平竞争环境,去中心化人工智能的支持者称。
本文发布于一年多前。部分信息可能已不是最新的。

训练AI模型的成本构成了重大的进入壁垒
在提到五月份AI初创公司Lovo被指控非法使用两位演员的声音的案例时,费尔南德斯同意诉讼方的观点,认为初创公司的行为构成了对隐私权的侵犯。此外,他认为这一行为违反了伦理标准,忽视了演员的自主权。该Qubic生态系统代表指出,如果获得涉及人员的明确同意,可能会避免对AI初创公司的法律行动。
同时,在他给Bitcoin.com新闻的书面回复中,费尔南德斯提到斯坦福大学AI指数研究发现,即训练最先进的AI模型的成本急剧上升,基本是正确的。不过,费尔南德斯也指出,财力有限的小型AI公司仍然可以通过专注于利基市场和采用开源工具来有效竞争。
关于监管者的角色,费尔南德斯强调了在AI服务中需要明确的标准,并且建议定期进行审计和对不合规行为罚款。除此之外,他还强调了国际合作的重要性,以应对跨境挑战,并通过教育来提高公众的安全AI实践意识。
在其余的回答中,费尔南德斯分享了他对未来五年AI行业发展轨迹的见解,并讨论了在促进创新与保护公众之间保持微妙平衡的必要性。
Bitcoin.com新闻(BCN):去年五月,几位起诉了总部位于伯克利的AI初创公司Lovo,指控该公司非法使用了他们的声音。这一案例突显了创作者和AI公司之间日益加剧的冲突,这些公司被指控不加区别地收集大量数据以推动其技术发展。在您看来,AI公司在未经许可的情况下使用个人的声音进行系统训练是否合理?它可以采取哪些替代步骤来避免法律诉讼?
阿尔贝托·费尔南德斯(AF):在未经同意的情况下使用任何个人的声音进行系统训练,侵犯了隐私权,违反了知识产权法,并且无视个人自主权,违反了伦理标准。为了避免法律诉讼,LOVO应该获得个人的明确同意,确保关于他们声音使用的透明度。或者,公司可以使用公开可用或开源的声音数据,创建合成声音数据,或匿名化和汇总数据以减轻隐私担忧。
BCN:与新兴技术相关的数据管理复杂性似乎集中在现有监管协议及其局限性上。当前的法律限制了创新,但取消它们可能会将行业暴露于无限风险中。各国政府如何在保护公众免受现有风险的同时促进创新,实现数据管理法规的平衡?
AF:在保护公众的同时促进创新,平衡数据管理法规,需要一个动态且灵活的监管框架。监管当局应采用风险导向的方法,根据不同类型的数据和技术的风险水平调整法规,确保对敏感数据的强有力保护,同时对低风险创新给予更多宽容。
通过实施监管沙盒,可以在监管监督下提供一个受控环境,在其中测试新技术,促进创新而不损害安全。此外,监管者与行业利益相关者和公众之间的持续对话可以帮助将法规调整为新兴技术,确保其在不扼杀技术进步的情况下保持相关性和有效性。
BCN:监管影响只是AI行业面临的众多挑战之一。斯坦福大学最新报告显示,训练AI模型的巨大成本正阻碍非行业实体的参与。您是否同意斯坦福大学关于成本诱发限制的研究发现?如果是,您认为新兴AI公司如何应对这种状况以避免灭绝?
AF:我同意斯坦福大学关于训练AI模型的巨大成本障碍的研究发现。此外,利用云端AI平台和与学术机构及联盟合作提供了进一步的成本有效资源和共享研究资金。专注于利基市场并采用开源工具也增强了可及性,使小型AI公司能够在行业内创新并有效竞争。
BCN:作为Qubic欧洲区的生态系统代表、一个专注于人工智能(AI)的第一层链条,您在AI伦理发展方面做出了哪些贡献?能简要介绍一下您为解决AI行业面临的挑战提供的关键解决方案吗?
BCN:作为Qubic的生态系统代表创始人,我在AI伦理发展方面的贡献包括确保透明度、推动数据隐私以及促进AI技术的包容性访问。Qubic通过提供可扩展和安全的基础设施、促进去中心化数据管理,并实施健全的治理机制来坚持伦理标准,以解决AI行业的挑战。
我们的解决方案使开发人员能够构建既创新又符合伦理原则的AI应用程序,推动负责任的AI进步。此外,我们最近邀请联合国教科文组织参加我们最新的AI活动,强调我们对伦理AI发展的承诺,并强调我们对全球伦理标准的重视,确保AI技术负责任地造福全人类。
BCN:各司法辖区的监管当局在保护公民免受坏演员提供的所谓AI服务的剥削方面可以发挥什么作用?
AF:监管当局可以通过制定明确的AI服务标准,进行定期审计,执行不合规处罚,并促进透明度来保护公民。他们还应促进国际合作以应对跨境挑战,并通过教育提高公众对安全AI实践的意识。
BCN:Qubic使用了一种名为有效工作量证明(uPoW)的独特共识机制。您能告诉我们读者它是什么以及您为什么开发它的必要性吗?
AF:Qubic采用了一种基于法定人数的共识机制,灵感来自尼克·萨博的论文,它要求至少有一定数量的成员同意以批准交易。这与我们的挖矿算法有效工作量证明(uPoW)形成对比。uPoW算法确保计算工作量被用于实际任务,从而提高效率和资源利用率。这种创新的方法结合了挖矿和有用工作,使得网络更加高效和可持续,同时通过基于法定人数的共识保持强大的安全性。
BCN:最后,您认为AI行业在五年后会是怎样的情况?
AF:在未来五年内,我预见AI行业将朝着更具伦理性和负责任的发展方向迈出重大步伐,由各种技术进步驱动。重点将是民主化访问先进的AI技术,同时通过透明和负责任的实践确保伦理标准。我们可以预期AI将越来越多地融入日常生活,大大提高各行业的效率并改善个性化用户体验。
此外,我预计在这段时间内,通用人工智能(AGI)的发展将达到关键里程碑。AI社区内的集体努力旨在塑造一个AI造福全社会的未来,促进创新和负责任的技术进步。
您对这次采访有何看法?请在评论区分享您的意见。














