了解去中心化治理的未来

但是尼古拉斯在Workshop里连续工作了五天之后，仍然有毅力完成他的项目。

通常，当Workshop结束时，组织者们会关闭它，停止工作，但是他们同意给予一些特殊待遇，让尼古拉斯开学后在晚上继续来这里工作，进行他额外的学习。

这个研讨会总共有5天的课程，考虑到他的热情，估计 Nicholas 至少能够读完第四天的内容。

第五天，对他来说就有点过分了。第五天是真正看到学生如何吸收他们在第1-4天所教授的东西。在第5天，学生被要求Pipeline他们的 CPU，处理各种管道危险。这对一个13岁的孩子来说有点过分了，对吧？
 

不可否认，对尼古拉斯来说，这个 Workshop 是一个延伸，虽然对他来说没有达到30小时的要求。

在Workshop结束时，他已经完成了一半多一点：他学习了 RISC-V ISA 和编译工具; 发展了电路设计技能; 创造了一个流水线计算器电路; 他的第一个 RISC-V CPU 显示出了生命迹象。这是一个巨大的成功！


 

一个典型的标记器会识别到“bitches”，“fucking”和“shit”并将此推文标记为有害的，不管这些谩骂其实是基于一个正向的，向上的态度。在训练集中这样的情况出现过无数次。数据定义模型。如果数据是错误标记的垃圾，没有一位机器学习专家能够防止模型也同样无用无效。

我们需要怎样的进步?

数据集问题引起了一大堆问题。

当遇到运行不佳的模型时，工程师们花费数月的时间来修补产品特征和新的算法，未曾意识到问题存在于他们的数据当中。本应用来凝聚亲情和友情的算法，相反之下，带来了炽热的情绪和愤怒的评论。如何解决这些问题呢?

(1) 熟练且高质量的，能够理解你正尝试去解决的问题的标记器

虽然AI系统越来越复杂，我们需要先进巧妙的人类标记系统来教导和测量它们的性能。想想那些对世界有足够了解的模型，可以对误导的信息进行分类，或者那些可以增加时间而不是点击的算法。

这种复杂程度不会因为多用低技能工人而提高。为了让我们的机器了解仇恨言论，并识别算法的偏见，我们需要高质量的、它们自己也了解这些问题的标签力量。

(2) 给机器学习小组和识别器交流的空间

机器学习模型在不断变化着。今日被识别为垃圾邮件的信息明天可能不会如此，而我们永不可能对标记口令的每一个边边角角都有所掌握。

最近，超大规模集成电路系统设计的 Kunal Ghosh 举办了我们的第三次「30小时内为您服务的微处理器」(MYTH) 研讨会，参与者在那里学习 RISC-V 并构建他们自己的 RISC-V CPU 核心(通常在一两个学期内完成)。

除了面向研究生和专业人士，举办这个 Workshop 的目的之一是让学生在接受教育之前有机会学习逻辑设计。

虽然8年级的尼古拉斯今年只有13岁，但他的确在5天的时间里完成了自己的一个RISC-V CPU。

（编辑：孝感站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!