Siempre he estado pensando en una cuestión: ¿por qué estamos dispuestos a entregar decisiones con dinero real a un sistema que ni siquiera puede explicar con claridad cómo piensa?
La semana pasada hablé con un amigo que trabaja en cuantitativo. Me dijo que el equipo está probando recientemente estrategias de trading asistidas por IA. Le pregunté qué tal funcionaban y respondió: «Va, pero tiene un fallo. A veces el modelo da siete señales correctas seguidas y, en la octava, se cae de repente, y no se encuentra ninguna causa. La cadena de bloques tardó más de una década en enseñarnos una cosa: Don't trust, verify. Pero cuando llegamos al ámbito de la IA, todos volvemos colectivamente al estado original de trust but can't verify».
@OpenGradient es lo que está haciendo: meter a la fuerza esa lógica de verificación prioritaria de la cadena de bloques en los vasos sanguíneos de la IA.
Su arquitectura HACA separa la ejecución del modelo y la comprobación de resultados en dos líneas de proceso independientes. Los nodos de inferencia solo se ocupan de la velocidad y devuelven resultados en el orden de los milisegundos; los nodos de verificación no tocan el modelo, solo examinan la evidencia criptográfica generada por el proceso de inferencia. Obtienes la respuesta de la IA y, al mismo tiempo, una credencial. La prueba demuestra que esa respuesta se ejecutó de verdad, que no fue manipulada y que el entorno no fue alterado.
El front-end OpenGradient Chat también está bastante bien resuelto. El mensaje se cifra en el navegador y las claves solo existen en tu dispositivo; luego se reenvía mediante un relay anónimo y se procesa en un entorno de ejecución confiable TEE.
OPG es el combustible de todo este sistema. Cada ajuste del modelo consume OPG, y cada verificación de una prueba consume $OPG . Hasta ahora, la red ha procesado acumuladamente más de 2 millones de inferencias verificables, más de 500.000 pruebas verificadas y más de 4.400 modelos desplegados. El proyecto tiene detrás una financiación de 9,5 millones de dólares liderada por a16z y Coinbase Ventures; después del TGE del 21 de abril, se puso en línea en la red principal de la cadena Base. $BTC
La verificación es asincrónica: primero sale la prueba y luego se completa el resultado. El coste de ZKML es demasiado alto y hace difícil llevarlo a la práctica con modelos grandes; y el TEE traslada la confianza de OpenGradient a Intel y AWS. El 21 de junio también hay 9,13 millones de tokens desbloqueados de la parte destinada a la fundación, así que la volatilidad a corto plazo es inevitable.
Siempre he sentido que, cuando la IA empieza a aprobar préstamos, gestionar activos y tomar decisiones de inversión, algo inteligente pero no verificable es más peligroso que algo torpe pero transparente. La parte del “hueso duro” que OpenGradient está intentando morder va en la dirección correcta.
Si este tipo de servicio de IA verificable cuesta un poco más que en el mercado, ¿estarías dispuesto a pagar más para saber por qué piensa así esta cuestión? #opg
La semana pasada hablé con un amigo que trabaja en cuantitativo. Me dijo que el equipo está probando recientemente estrategias de trading asistidas por IA. Le pregunté qué tal funcionaban y respondió: «Va, pero tiene un fallo. A veces el modelo da siete señales correctas seguidas y, en la octava, se cae de repente, y no se encuentra ninguna causa. La cadena de bloques tardó más de una década en enseñarnos una cosa: Don't trust, verify. Pero cuando llegamos al ámbito de la IA, todos volvemos colectivamente al estado original de trust but can't verify».
@OpenGradient es lo que está haciendo: meter a la fuerza esa lógica de verificación prioritaria de la cadena de bloques en los vasos sanguíneos de la IA.
Su arquitectura HACA separa la ejecución del modelo y la comprobación de resultados en dos líneas de proceso independientes. Los nodos de inferencia solo se ocupan de la velocidad y devuelven resultados en el orden de los milisegundos; los nodos de verificación no tocan el modelo, solo examinan la evidencia criptográfica generada por el proceso de inferencia. Obtienes la respuesta de la IA y, al mismo tiempo, una credencial. La prueba demuestra que esa respuesta se ejecutó de verdad, que no fue manipulada y que el entorno no fue alterado.
El front-end OpenGradient Chat también está bastante bien resuelto. El mensaje se cifra en el navegador y las claves solo existen en tu dispositivo; luego se reenvía mediante un relay anónimo y se procesa en un entorno de ejecución confiable TEE.
OPG es el combustible de todo este sistema. Cada ajuste del modelo consume OPG, y cada verificación de una prueba consume $OPG . Hasta ahora, la red ha procesado acumuladamente más de 2 millones de inferencias verificables, más de 500.000 pruebas verificadas y más de 4.400 modelos desplegados. El proyecto tiene detrás una financiación de 9,5 millones de dólares liderada por a16z y Coinbase Ventures; después del TGE del 21 de abril, se puso en línea en la red principal de la cadena Base. $BTC
La verificación es asincrónica: primero sale la prueba y luego se completa el resultado. El coste de ZKML es demasiado alto y hace difícil llevarlo a la práctica con modelos grandes; y el TEE traslada la confianza de OpenGradient a Intel y AWS. El 21 de junio también hay 9,13 millones de tokens desbloqueados de la parte destinada a la fundación, así que la volatilidad a corto plazo es inevitable.
Siempre he sentido que, cuando la IA empieza a aprobar préstamos, gestionar activos y tomar decisiones de inversión, algo inteligente pero no verificable es más peligroso que algo torpe pero transparente. La parte del “hueso duro” que OpenGradient está intentando morder va en la dirección correcta.
Si este tipo de servicio de IA verificable cuesta un poco más que en el mercado, ¿estarías dispuesto a pagar más para saber por qué piensa así esta cuestión? #opg