Chainlink quiere resolver el problema de los pseudoresultados alucinatorios de las aplicaciones de IA

Chainlink está implementando una nueva estrategia para resolver un problema importante en inteligencia artificial: los sistemas de IA alucinantes. Cuando los modelos de lenguaje grandes malinterpretan los datos o generan datos nuevos incorrectos, las consecuencias pueden ser costosas, especialmente en finanzas. En lugar de depender de un único modelo de IA, Chainlink ahora adopta un enfoque multimodelo, utilizando sistemas de IA de OpenAI, Google y Anthropic.

Laurence MORONEY, consultor de Chainlink y exjefe de IA en Google, explicó que utilizar múltiples modelos de IA en lugar de uno reduce la tasa de error. A cada modelo de IA se le asigna una solicitud independiente para analizar los mismos datos financieros. El sistema almacena datos verificados en la cadena de bloques, lo que lo hace transparente, inmutable y seguro. Este método basado en el consenso evita que los datos financieros se corrompieran por información errónea y aumenta la confiabilidad de los datos generados por IA.

El enfoque de Chainlink pretende cambiar esto reduciendo la verificación manual de datos y aumentando la precisión financiera. En colaboraciones recientes con instituciones financieras líderes, incluidas UBS, Franklin Templeton, Wellington Management, Vontobel y Sygnum Bank, Chainlink probó este sistema de cadena de bloques impulsado por IA. Los resultados fueron prometedores y demostraron una reducción de errores e ineficiencias en los datos financieros.

Imagen: freepik

Designed by Freepik