Saya dulu mengira bagian tersulit dari otomatisasi AI adalah membuat keputusan yang lebih cepat.
Semakin banyak saya membaca tentang Newton, semakin saya yakin saya sedang melihat masalah yang salah.
Kecepatan itu mudah terlihat. Kepercayaan tidak.
Siapa pun bisa membangun agen AI yang merespons data pasar dalam hitungan detik. Bagian sulitnya adalah mendefinisikan apa yang diizinkan untuk dilakukan agen tersebut sebelum ia bertindak. Apakah ia bisa menghabiskan melebihi batas? Apakah ia bisa berinteraksi dengan protokol yang berisiko? Apa yang terjadi jika profil risiko suatu aset berubah meskipun harga hampir tidak bergerak?
Di sinilah kebijakan menjadi lebih penting daripada prediksi.
Pasar bisa terlihat benar-benar normal sementara penilaian risiko independen terus berkembang di bawahnya. Jika sebuah kebijakan merujuk pada sinyal-sinyal yang berubah itu, izin agen bisa ikut berubah tanpa siapa pun perlu turun tangan secara manual. Bagian yang menarik bukanlah AI membuat keputusan—melainkan sistem membuktikan bahwa keputusan itu tetap berada di dalam aturan yang telah ditetapkan sebelumnya.
Itu menggeser pembahasannya dari “Bisakah AI mengotomatisasi ini?” menjadi “Bisakah siapa pun memverifikasi bahwa otomatisasi tersebut mematuhi batasannya?”
Bagi saya, itulah lapisan yang lebih bernilai.
Otomatisasi tanpa aturan yang bisa ditegakkan hanya menciptakan kepercayaan sampai sesuatu yang tak terduga terjadi. Otomatisasi yang didukung kebijakan yang transparan dan otorisasi yang dapat diverifikasi menciptakan kepercayaan sebelum apa pun berjalan salah.
Itulah perbedaan yang terus saya perhatikan dengan @NewtonProtocol Infrastruktur ini lebih berfokus pada bukan menggantikan penilaian manusia, melainkan membuat keputusan yang didelegasikan bisa dipertanggungjawabkan.
@NewtonProtocol $NEWT #Newt
Semakin banyak saya membaca tentang Newton, semakin saya yakin saya sedang melihat masalah yang salah.
Kecepatan itu mudah terlihat. Kepercayaan tidak.
Siapa pun bisa membangun agen AI yang merespons data pasar dalam hitungan detik. Bagian sulitnya adalah mendefinisikan apa yang diizinkan untuk dilakukan agen tersebut sebelum ia bertindak. Apakah ia bisa menghabiskan melebihi batas? Apakah ia bisa berinteraksi dengan protokol yang berisiko? Apa yang terjadi jika profil risiko suatu aset berubah meskipun harga hampir tidak bergerak?
Di sinilah kebijakan menjadi lebih penting daripada prediksi.
Pasar bisa terlihat benar-benar normal sementara penilaian risiko independen terus berkembang di bawahnya. Jika sebuah kebijakan merujuk pada sinyal-sinyal yang berubah itu, izin agen bisa ikut berubah tanpa siapa pun perlu turun tangan secara manual. Bagian yang menarik bukanlah AI membuat keputusan—melainkan sistem membuktikan bahwa keputusan itu tetap berada di dalam aturan yang telah ditetapkan sebelumnya.
Itu menggeser pembahasannya dari “Bisakah AI mengotomatisasi ini?” menjadi “Bisakah siapa pun memverifikasi bahwa otomatisasi tersebut mematuhi batasannya?”
Bagi saya, itulah lapisan yang lebih bernilai.
Otomatisasi tanpa aturan yang bisa ditegakkan hanya menciptakan kepercayaan sampai sesuatu yang tak terduga terjadi. Otomatisasi yang didukung kebijakan yang transparan dan otorisasi yang dapat diverifikasi menciptakan kepercayaan sebelum apa pun berjalan salah.
Itulah perbedaan yang terus saya perhatikan dengan @NewtonProtocol Infrastruktur ini lebih berfokus pada bukan menggantikan penilaian manusia, melainkan membuat keputusan yang didelegasikan bisa dipertanggungjawabkan.
@NewtonProtocol $NEWT #Newt
