Plus je suis ce projet d'IA, plus je rencontre les mêmes problèmes. Tout le monde dit que les données sont bonnes, que le modèle est génial, que l'agent est au top. Mais quand on demande des preuves, les réponses sont souvent floues.
Parce que n'importe qui peut prétendre avoir les meilleures données. N'importe qui peut dire que leur modèle d'IA est le plus avancé. Mais comment différencier le vrai du charlatan, entre ceux qui ont vraiment de la qualité et ceux qui sont juste bons en marketing ?
À ce stade, je commence à ressentir que ce qui manque à l'IA aujourd'hui, ce n'est peut-être pas le modèle, mais la façon dont on lui accorde notre confiance.
Par exemple, il y a deux fournisseurs de données sur OpenLedger. L'un met à jour ses données régulièrement et elles sont utilisées par de nombreux modèles d'IA. L'autre, en revanche, met rarement à jour et n'est presque jamais utilisé.
Devraient-ils être considérés comme ayant la même valeur ?
Il en va de même pour les créateurs de modèles et les agents d'IA. Un modèle qui est souvent utilisé et qui produit des résultats de qualité a évidemment plus de valeur qu'un modèle rarement sollicité. Un agent qui accomplit ses tâches de manière cohérente sera également plus digne de confiance aux yeux des utilisateurs.
En théorie, OpenLedger a une réponse intéressante. Ils utilisent l'activité on-chain pour bâtir leur réputation, et non des déclarations.
Mais j'ai toujours des doutes sur les systèmes qui semblent trop propres sur le papier.
Et pour être honnête, c'est ce qui rend le système de réputation sérieux. Ce n'est pas juste un chiffre. Cela peut déterminer qui obtient du travail, qui est utilisé, qui gagne de l'argent.
Mais il y a une question intéressante. La réputation reflétera-t-elle vraiment la qualité, ou ne sera-t-elle qu'un reflet de la popularité ?
Car sur Internet, ce qui est le plus populaire n'est pas toujours le meilleur.
Si OpenLedger peut maintenir sa réputation basée sur des contributions réelles, ils construisent peut-être une économie d'IA plus méritocratique, où la qualité l'emporte sur le battage médiatique.
@OpenLedger $OPEN #OpenLedger
Parce que n'importe qui peut prétendre avoir les meilleures données. N'importe qui peut dire que leur modèle d'IA est le plus avancé. Mais comment différencier le vrai du charlatan, entre ceux qui ont vraiment de la qualité et ceux qui sont juste bons en marketing ?
À ce stade, je commence à ressentir que ce qui manque à l'IA aujourd'hui, ce n'est peut-être pas le modèle, mais la façon dont on lui accorde notre confiance.
Par exemple, il y a deux fournisseurs de données sur OpenLedger. L'un met à jour ses données régulièrement et elles sont utilisées par de nombreux modèles d'IA. L'autre, en revanche, met rarement à jour et n'est presque jamais utilisé.
Devraient-ils être considérés comme ayant la même valeur ?
Il en va de même pour les créateurs de modèles et les agents d'IA. Un modèle qui est souvent utilisé et qui produit des résultats de qualité a évidemment plus de valeur qu'un modèle rarement sollicité. Un agent qui accomplit ses tâches de manière cohérente sera également plus digne de confiance aux yeux des utilisateurs.
En théorie, OpenLedger a une réponse intéressante. Ils utilisent l'activité on-chain pour bâtir leur réputation, et non des déclarations.
Mais j'ai toujours des doutes sur les systèmes qui semblent trop propres sur le papier.
Et pour être honnête, c'est ce qui rend le système de réputation sérieux. Ce n'est pas juste un chiffre. Cela peut déterminer qui obtient du travail, qui est utilisé, qui gagne de l'argent.
Mais il y a une question intéressante. La réputation reflétera-t-elle vraiment la qualité, ou ne sera-t-elle qu'un reflet de la popularité ?
Car sur Internet, ce qui est le plus populaire n'est pas toujours le meilleur.
Si OpenLedger peut maintenir sa réputation basée sur des contributions réelles, ils construisent peut-être une économie d'IA plus méritocratique, où la qualité l'emporte sur le battage médiatique.
@OpenLedger $OPEN #OpenLedger