Sigo notando lo mismo con
OpenGradient.
La gente primero mira la cantidad de modelos.
Entiendo por qué.
Es el número más fácil de agarrar, y hace que todo se sienta lo suficientemente simple para explicar en una frase.
Pero no creo que ahí esté la clave de la historia.
Lo más extraño es lo que OpenGradient parece estar preguntando debajo de todo esto.
¿Se puede confiar en una respuesta de IA si nadie puede mostrar cómo se produjo?
Sigo volviendo a eso.
La mayoría de los sistemas todavía piden fe.
Envías algo.
Una respuesta regresa.
Todos asienten como si el vacío en medio fuera normal.
Quizás sea normal por ahora.
Pero no creo que siga siendo normal una vez que los modelos empiecen a manejar dinero, datos privados, decisiones y acciones que la gente no puede deshacer fácilmente.
Ahí es donde empiezo a prestar más atención a OpenGradient.
No porque haya resuelto cada problema difícil.
No lo sé.
No porque cada parte de la red ya sea obvia desde afuera.
No lo es.
Pero la forma de la idea se siente diferente de la típica presentación superficial.
Ejecuta el modelo.
Verifica el trabajo.
Deja un rastro.
No pidas a los usuarios que confíen en una respuesta limpia solo porque llegó sin problemas.
Eso suena menos glamuroso de lo que la mayoría quiere.
Quizás por eso se pasa por alto.
El crecimiento del modelo es visible.
La actividad del portal es visible.
El trabajo técnico reciente es visible si te molestas en mirar.
Pero la pregunta más interesante es más silenciosa.
¿Qué pasa cuando los usuarios de IA dejan de preguntar quién tiene el modelo más inteligente, y comienzan a preguntar quién puede probar lo que realmente sucedió?
Creo que OpenGradient está dentro de esa pregunta.
Y no estoy seguro de que el mercado esté mirando allí todavía.
Quizás el futuro de la confianza en la IA no se trata de mejores respuestas.
Quizás se trata de negarse a aceptar respuestas sin un rastro.
#OPG @OpenGradient $OPG
OpenGradient.
La gente primero mira la cantidad de modelos.
Entiendo por qué.
Es el número más fácil de agarrar, y hace que todo se sienta lo suficientemente simple para explicar en una frase.
Pero no creo que ahí esté la clave de la historia.
Lo más extraño es lo que OpenGradient parece estar preguntando debajo de todo esto.
¿Se puede confiar en una respuesta de IA si nadie puede mostrar cómo se produjo?
Sigo volviendo a eso.
La mayoría de los sistemas todavía piden fe.
Envías algo.
Una respuesta regresa.
Todos asienten como si el vacío en medio fuera normal.
Quizás sea normal por ahora.
Pero no creo que siga siendo normal una vez que los modelos empiecen a manejar dinero, datos privados, decisiones y acciones que la gente no puede deshacer fácilmente.
Ahí es donde empiezo a prestar más atención a OpenGradient.
No porque haya resuelto cada problema difícil.
No lo sé.
No porque cada parte de la red ya sea obvia desde afuera.
No lo es.
Pero la forma de la idea se siente diferente de la típica presentación superficial.
Ejecuta el modelo.
Verifica el trabajo.
Deja un rastro.
No pidas a los usuarios que confíen en una respuesta limpia solo porque llegó sin problemas.
Eso suena menos glamuroso de lo que la mayoría quiere.
Quizás por eso se pasa por alto.
El crecimiento del modelo es visible.
La actividad del portal es visible.
El trabajo técnico reciente es visible si te molestas en mirar.
Pero la pregunta más interesante es más silenciosa.
¿Qué pasa cuando los usuarios de IA dejan de preguntar quién tiene el modelo más inteligente, y comienzan a preguntar quién puede probar lo que realmente sucedió?
Creo que OpenGradient está dentro de esa pregunta.
Y no estoy seguro de que el mercado esté mirando allí todavía.
Quizás el futuro de la confianza en la IA no se trata de mejores respuestas.
Quizás se trata de negarse a aceptar respuestas sin un rastro.
#OPG @OpenGradient $OPG