Sigo pensando en OpenGradient de una manera más tranquila que parece hacerlo la mayoría.
Al principio, parece otro intento de conectar la IA con las criptomonedas.
Esa es la conclusión fácil.
No creo que sea la útil.
Lo que sigo teniendo en mente es la confianza.
No la versión ruidosa de la confianza de la que habla la gente en línea.
La versión simple.
¿La IA hizo realmente lo que afirmó?
Esa pregunta se siente pequeña hasta que hay dinero de por medio.
O datos privados.
O un agente que toma una decisión sin esperar a un humano.
Entonces se vuelve pesada.
Antes pensaba que el problema era conseguir que la IA estuviera en cadena.
Ahora creo que esa forma de plantearlo se equivoca en el punto.
La IA no encaja de forma ordenada dentro de una blockchain.
Los modelos son demasiado grandes.
El trabajo con GPU es demasiado caro.
Las entradas privadas no pueden simplemente exponerse para que todos las inspeccionen.
Así que la idea antigua de que cada validador verifique todo empieza a sentirse forzada.
Aquí es donde OpenGradient me parece diferente.
No parece pedirle a una sola máquina que se convierta en todo.
Eso importa.
Los nodos con GPU pueden ejecutar los modelos.
Los nodos completos pueden verificar la prueba.
Los nodos de datos pueden ayudar a que las entradas externas sean menos ciegas.
El almacenamiento puede guardar las cosas que no tendría sentido mantener directamente en la cadena.
Nada de esto parece mágico.
Probablemente por eso me resulta más interesante.
Se siente como una admisión de que los sistemas de IA son desordenados, y de que las blockchains necesitan verificar las partes correctas, en lugar de intentar cargar con toda la máquina.
Aun así, no lo veo como resuelto.
Los nodos de datos todavía no están completamente en vivo.
ZKML sigue siendo difícil a gran escala.
Los sistemas basados en TEE aún arrastran supuestos de hardware.
Hay compensaciones en todos lados.
Pero también esa es la forma honesta que tiene este problema.
El futuro de la IA en cadena probablemente no vendrá de fingir que cada salida es perfectamente sin confianza.
Puede venir de saber exactamente en qué punto entra la confianza en el sistema y construir alrededor de esa debilidad.
#OPG @OpenGradient $OPG
Al principio, parece otro intento de conectar la IA con las criptomonedas.
Esa es la conclusión fácil.
No creo que sea la útil.
Lo que sigo teniendo en mente es la confianza.
No la versión ruidosa de la confianza de la que habla la gente en línea.
La versión simple.
¿La IA hizo realmente lo que afirmó?
Esa pregunta se siente pequeña hasta que hay dinero de por medio.
O datos privados.
O un agente que toma una decisión sin esperar a un humano.
Entonces se vuelve pesada.
Antes pensaba que el problema era conseguir que la IA estuviera en cadena.
Ahora creo que esa forma de plantearlo se equivoca en el punto.
La IA no encaja de forma ordenada dentro de una blockchain.
Los modelos son demasiado grandes.
El trabajo con GPU es demasiado caro.
Las entradas privadas no pueden simplemente exponerse para que todos las inspeccionen.
Así que la idea antigua de que cada validador verifique todo empieza a sentirse forzada.
Aquí es donde OpenGradient me parece diferente.
No parece pedirle a una sola máquina que se convierta en todo.
Eso importa.
Los nodos con GPU pueden ejecutar los modelos.
Los nodos completos pueden verificar la prueba.
Los nodos de datos pueden ayudar a que las entradas externas sean menos ciegas.
El almacenamiento puede guardar las cosas que no tendría sentido mantener directamente en la cadena.
Nada de esto parece mágico.
Probablemente por eso me resulta más interesante.
Se siente como una admisión de que los sistemas de IA son desordenados, y de que las blockchains necesitan verificar las partes correctas, en lugar de intentar cargar con toda la máquina.
Aun así, no lo veo como resuelto.
Los nodos de datos todavía no están completamente en vivo.
ZKML sigue siendo difícil a gran escala.
Los sistemas basados en TEE aún arrastran supuestos de hardware.
Hay compensaciones en todos lados.
Pero también esa es la forma honesta que tiene este problema.
El futuro de la IA en cadena probablemente no vendrá de fingir que cada salida es perfectamente sin confianza.
Puede venir de saber exactamente en qué punto entra la confianza en el sistema y construir alrededor de esa debilidad.
#OPG @OpenGradient $OPG