Iba por la mitad de su whitepaper cuando me di cuenta de que había olvidado por completo por qué abrí mi laptop en primer lugar.
@OpenGradient no me da la misma sensación que Bittensor. Bittensor trata sobre todo de construir un mercado abierto para la inteligencia de las máquinas, mientras que OpenGradient parece centrarse mucho más en demostrar qué fue lo que la IA realmente hizo después de que se ejecuta. Ese es un enfoque bastante diferente.
Una cosa que todavía no tengo clara es cómo escala la capa de verificación si miles de agentes están realizando inferencias costosas al mismo tiempo. Entiendo la idea básica, pero no sé, esa es la parte que seguí releyendo.
Aun así, la separación entre los nodos de GPU que hacen el trabajo y los nodos de TEE que lo comprueban me parece más práctico que intentar meterlo todo en una sola plataforma gigante de IA, lo cual es una locura.
Es distinto.
No estoy diciendo que haya resuelto todo después de dos horas, pero me fui pensando que esto es infraestructura primero, no otra carrera de modelos.
Lo que intento averiguar ahora es si ese diseño de verificación puede seguir siendo eficiente cuando la red esté gestionando cargas de trabajo reales y significativas.
$OPG
#OPG