ML در حال تعریف مجدد نحوه رویکرد ما به اجزای کلیدی زیرساخت نرم افزار، از رایانش ابری تا شبکه است. سومین تکرار شبکه جهانی وب، Web3که باز و غیر متمرکز است، از این قاعده مستثنی نیست. همانطور که Web3 به تدریج وارد استاندارد می شود، هوش مصنوعی آماده است تا نقش مهمی را در پیشرانه به عهده بگیرد هوش مصنوعیپیشرفت های مبتنی بر Web3. رسانه Web3 با هوش مصنوعی کار می کند، از chatbots به عمق تجزیه و تحلیل داده های بلاک چین.
با این حال، چندین مشکل فنی و موانع در تلفیق هوش مصنوعی در Web3 وجود دارد. پس از آن، برای آزادسازی حداکثر ظرفیت هوش شبیهسازیشده در Web3، ابتدا باید موانعی را که مانع این اتحاد میشوند تشخیص داده و پاسخهای خلاقانهای را برای شکست دادن آنها پیدا کنیم.
1. الگوها و بینش ها را در بسیاری از داده ها پیدا کنید:
در واقع، حتی سریعترین کاربران در بررسی 5,000 صفحه بایگانی پولی، اوراق قضایی یا صرافیهای زنجیرهای مشکل دارند. هوش مصنوعی می تواند در این امر کمک کند و در حال حاضر در حال پیاده سازی است.
روزنامه نگاران برای شکستن یک داستان برنده پولیتزر درباره حساب های مخفی خارج از کشور روسای جمهور و میلیاردرها، از یادگیری ماشینی استفاده کردند تا به آنها کمک کنند تا 11.9 میلیون سند را درک کنند.
2. الگوهای سرگرمی مجازی را بررسی کنید:
موضوع "چه چیزی را پوشش دهیم؟" هسته اصلی هر اتاق خبر است. ممکن است هوش مصنوعی بفهمد که علاقه مندان به ارزهای دیجیتال بیشتر به چه چیزی علاقه دارند. لیبوویچ می گوید: "ما فکر می کنیم که هم رسانه های اجتماعی و هم موضوعات پرطرفدار در دنیایی که ابزارهای هوش مصنوعی آنها را تجزیه و تحلیل می کنند، حیاتی هستند." با این حال، او یک کلمه احتیاط میافزاید: داستانهای مهمتری که هیچکس درباره آن صحبت نمیکند ممکن است توسط موضوعات پرطرفدار پنهان شود.
3. کمک به مفهوم سازی افکار و نکات داستانی:
اگرچه هوش مصنوعی نباید جای طوفان فکری انسان را بگیرد، اما می تواند به عنوان نقطه شروع عمل کند. شاید بتواند فرآیند خلاقیت را تحریک کند. وقتی نوبت به ارائه مفاهیمی برای ایجاد سرنخ می رسد، چرا با یک شریک معیوب اما بالقوه نوآور کار نکنید؟ لیبوویچ می گوید
کان، از بولتن خداگونه، بسیار ملموس تر می شود. کان میگوید: «فرض کنید که باید قطعهای بسازید و نمیدانید هدف چیست. میتوانید بپرسید، «لیستی از ده ایده برای مقالات بر اساس متن زیر به من بدهید.» زباله های زیادی در میان آن ها وجود خواهد داشت، اما تنها یکی باید مفید باشد.
4. خودکار مقالات خبری با سهام کم:
این مشکل و بحث برانگیز است. به طور کلی، کارشناسان هوش مصنوعی به این نتیجه رسیدند که خبرنگاران باید به نوشتن اخبار ادامه دهند. با این حال، لیبوویچ پیشنهاد میکند که میتوان از هوش مصنوعی برای حذف داستانهای «پایینتر» استفاده کرد که در غیر این صورت علاوه بر داستانهایی که قبلاً نوشته میشد نادیده گرفته میشدند.
5. ترجمه سریع اسناد فنی برای عموم مردم:
هوش مصنوعی در استخراج بینش از مقالات دانشگاهی متراکم و علف هرز ماهر است. کان مراقبت از ChatGPT را یک گزارش ترسناک طولانی پیشنهاد میکند – برای مثال یک مقاله سفید بلاک چین – و سپس از آن درخواست ۲۰ تجربه کلیدی میکند. در حالت ایدهآل، این مورد از نظر دقت و سازگاری توسط انسان بررسی میشود.
6. خلاصه اخبار مرتبط با رمزارز:
ناتانیل ویتمور، که در حال حاضر میزبان یک پادکست روزانه هوش مصنوعی علاوه بر پادکست روزانه Web3 خود است، اظهار می دارد: "من فکر نمی کنم شما جایگزینی برای خبرنگاران داشته باشید." او معتقد است که نشریات می توانند با به کارگیری روزنامه نگاری سنتی، که شامل مصاحبه های انسانی، گزارش و دوز سالمی از شک و تردید است، خود را از مزارع محتوای مبتنی بر هوش مصنوعی متمایز کنند.
7. جمع آوری اطلاعات از ویدیوهای طولانی:
در حال حاضر ماژول هایی برای ChatGPT وجود دارد که به شما امکان می دهد ضبط ها را در یک لحظه خلاصه و ترکیب کنید. آنها فقط بهبود خواهند یافت. به گفته کان، فرض کنید شخصی در یک کنفرانس بیت کوین دو ساعت هق هق می کند. از تماشای کل دو ساعت خودداری کنید. وقتی آن را وصل میکنید، میتوانید کل رونوشت یا فقط چند نقطه گلوله را در چند دقیقه دریافت کنید.
8. ایجاد چت ربات هوش مصنوعی:
رباتهای چت هوش مصنوعی قبلاً توسط تاجر و نیکوکار ایتالیایی فرانچسکو رولی برای گسترش سریع بسترهای آموزشی برای زنان جوان افغان استفاده شده است. او فکر می کند که یک وب سایت Web3 می تواند همین کار را انجام دهد. رولی تصور می کند که هوش مصنوعی را می توان از مجموعه ای شناخته شده از اطلاعات Web3 آموزش داد.
9. بهبود تعاملات و نظرات خواننده:
کامنت ها غم اینترنت هستند. هوش مصنوعی می تواند در این راه حل کمک کند. به گفته لایبوویچ، «نیویورک تایمز از چیزی به نام Perspective API استفاده میکند، که رتبهبندی نظرات را بر اساس میزان سمی بودن آنها خودکار میکند.
10. تبدیل محتوا به سرعت به طوری که بتوان آن را در پلتفرم های دیگر منتشر کرد:
برای هر اتاق خبری این مشکل است که با هوسهای متغیر پلتفرمهای محتوا همراهی کند: یک روز فیسبوک محبوب میشود، روز دیگر اسنپچت، تیکتوک و به زودی آن استارتآپ هولوگرام هیپ. هوش مصنوعی می تواند به راحتی به انتشار پلت فرم به پلتفرم کمک کند.