Todavía guardo una carpeta de recibos antiguos. No porque espere devolver todo lo que compro, sino porque los recibos responden a una pregunta simple que la memoria no puede: ¿realmente ocurrió esto como lo recuerdo?
He estado pensando en ese hábito mientras sigo a OpenGradient. Lo que llamó mi atención no fue otro proyecto de IA descentralizada. Fue la idea de que la IA eventualmente podría necesitar algo similar a un recibo.
Una cosa que siempre me ha molestado sobre la IA es que generalmente la juzgamos por su confianza en lugar de por evidencia. Si una respuesta suena convincente, tendemos a confiar en ella, a pesar de que la computación detrás de eso permanece oculta. Esa "caja negra" no es solo un problema técnico; lentamente se convierte en un problema de reputación.
OpenGradient parece abordar esto desde un ángulo interesante. En lugar de pedir a los usuarios que simplemente confíen en la inferencia de la IA, enruta la computación a través de nodos de GPU y Entornos de Ejecución Confiables, luego verifica la ejecución utilizando atestaciones de TEE o pruebas zkML antes de que los resultados se acepten en la cadena. El objetivo no es probar que un modelo de IA siempre tiene razón, sino hacer que su ejecución sea verificable de forma independiente.
Eso me hizo preguntarme si la próxima ventaja competitiva de la IA no será solo la inteligencia. Quizás será la reputación. Un modelo que produce resultados verificables de manera consistente puede ganar confianza de manera diferente a uno que simplemente produce respuestas impresionantes.
Por supuesto, la verificación introduce sus propios compromisos. Pruebas e infraestructura adicionales pueden aumentar la complejidad, y no todas las aplicaciones pueden necesitar ese nivel de garantía.
Quizás el futuro de la IA no estará definido por quién construye el modelo más inteligente. Quizás se moldeará por quién le da a cada respuesta importante un recibo.
@OpenGradient $OPG $BTW $H #OPG
He estado pensando en ese hábito mientras sigo a OpenGradient. Lo que llamó mi atención no fue otro proyecto de IA descentralizada. Fue la idea de que la IA eventualmente podría necesitar algo similar a un recibo.
Una cosa que siempre me ha molestado sobre la IA es que generalmente la juzgamos por su confianza en lugar de por evidencia. Si una respuesta suena convincente, tendemos a confiar en ella, a pesar de que la computación detrás de eso permanece oculta. Esa "caja negra" no es solo un problema técnico; lentamente se convierte en un problema de reputación.
OpenGradient parece abordar esto desde un ángulo interesante. En lugar de pedir a los usuarios que simplemente confíen en la inferencia de la IA, enruta la computación a través de nodos de GPU y Entornos de Ejecución Confiables, luego verifica la ejecución utilizando atestaciones de TEE o pruebas zkML antes de que los resultados se acepten en la cadena. El objetivo no es probar que un modelo de IA siempre tiene razón, sino hacer que su ejecución sea verificable de forma independiente.
Eso me hizo preguntarme si la próxima ventaja competitiva de la IA no será solo la inteligencia. Quizás será la reputación. Un modelo que produce resultados verificables de manera consistente puede ganar confianza de manera diferente a uno que simplemente produce respuestas impresionantes.
Por supuesto, la verificación introduce sus propios compromisos. Pruebas e infraestructura adicionales pueden aumentar la complejidad, y no todas las aplicaciones pueden necesitar ese nivel de garantía.
Quizás el futuro de la IA no estará definido por quién construye el modelo más inteligente. Quizás se moldeará por quién le da a cada respuesta importante un recibo.
@OpenGradient $OPG $BTW $H #OPG