Tuve un cambio raro en la forma en que pensaba sobre @OpenGradient.
Al principio, estaba viendo la inferencia como algo que probablemente debería revisarse con más frecuencia.
Pero luego me di cuenta de que la mayor parte del tiempo, nadie la revisa porque en realidad nadie la necesita.
Un modelo da una respuesta. Alguien la usa. Quizá ayude, quizá esté un poco desviada, y entonces el momento pasa. No hay rastro de auditoría, no hay disputa, no hay una gran consecuencia.
Y siendo honestos, así es como funcionan muchos sistemas reales.
No todo llega a ser lo bastante importante como para verificarse.
Eso me hizo pensar que la pregunta real no es si cada salida puede demostrarse que es correcta.
Es si a alguien le importa lo suficiente como para demostrarlo.
Suena un poco incómodo, pero se siente cierto.
Mucho de la confianza en la IA probablemente proviene de algo menos noble que la seguridad.
Proviene de que la mayoría de los errores son demasiado pequeños, demasiado temporales o demasiado baratos como para pelear por ellos.
Así que cuando pienso en @OpenGradient, la parte que se me queda no es la idea de demostrarlo todo.
Es la contención de saber dónde realmente importa la prueba.
Porque quizá una buena infraestructura no se trate de hacer que cada parte del sistema sea perfecta.
Quizá se trate de entender qué partes no pueden permitirse estar equivocadas.
@OpenGradient #OPG $OPG
$TAC
$GWEI
Al principio, estaba viendo la inferencia como algo que probablemente debería revisarse con más frecuencia.
Pero luego me di cuenta de que la mayor parte del tiempo, nadie la revisa porque en realidad nadie la necesita.
Un modelo da una respuesta. Alguien la usa. Quizá ayude, quizá esté un poco desviada, y entonces el momento pasa. No hay rastro de auditoría, no hay disputa, no hay una gran consecuencia.
Y siendo honestos, así es como funcionan muchos sistemas reales.
No todo llega a ser lo bastante importante como para verificarse.
Eso me hizo pensar que la pregunta real no es si cada salida puede demostrarse que es correcta.
Es si a alguien le importa lo suficiente como para demostrarlo.
Suena un poco incómodo, pero se siente cierto.
Mucho de la confianza en la IA probablemente proviene de algo menos noble que la seguridad.
Proviene de que la mayoría de los errores son demasiado pequeños, demasiado temporales o demasiado baratos como para pelear por ellos.
Así que cuando pienso en @OpenGradient, la parte que se me queda no es la idea de demostrarlo todo.
Es la contención de saber dónde realmente importa la prueba.
Porque quizá una buena infraestructura no se trate de hacer que cada parte del sistema sea perfecta.
Quizá se trate de entender qué partes no pueden permitirse estar equivocadas.
@OpenGradient #OPG $OPG
$TAC
$GWEI