🚨 KECERDASAN BUATAN MUNGKIN AKAN MENGHADAPI MASALAH DENGAN KECERDASAN SEBENARNYA.
Dan saya menyadari hal ini saat mempelajari OpenGradient.
Selama beberapa bulan, perlombaan Kecerdasan Buatan berfokus pada satu hal saja.
Model yang lebih cerdas.
Model yang lebih besar.
Model yang lebih cepat.
Namun ketika saya membaca arsitektur OpenGradient, satu hal terus menerus muncul dalam pikiran saya.
Verifikasi.
Karena mengklaim kecerdasan itu mudah.
Memberikan bukti itu sulit.
Saat ini, Kecerdasan Buatan dapat menulis kode.
Dapat menyetujui keputusan.
Dapat memindahkan modal.
Dapat menganalisis data.
Namun dalam banyak kasus...
Anda tidak dapat memverifikasi secara independen apa yang sebenarnya terjadi.
Model mana yang dijalankan?
Prompt mana yang digunakan?
Apakah output dimodifikasi?
Sebagian besar sistem saat ini meminta kepercayaan.
OpenGradient tampaknya dibangun di atas verifikasi.
Inferensi terjadi lebih dulu.
Bukti datang belakangan.
Setiap langkah meninggalkan jejak.
Bukan hanya asumsi.
Poin inilah yang terus terlintas dalam pikiran saya.
Karena di masa depan, tantangan terbesar Kecerdasan Buatan tidak mungkin menciptakan kecerdasan.
Melainkan membuktikan kecerdasan itu.
Ketika Kecerdasan Buatan mulai terlibat dalam keuangan, bisnis, pemerintahan, dan keputusan sehari-hari...
Maka nilai dari jawaban mungkin akan berkurang.
Namun nilai dari verifikasi bisa meningkat.
Dan di sinilah pendekatan OpenGradient menurut saya menarik.
Bukan karena membuat Kecerdasan Buatan menjadi lebih cerdas.
Melainkan karena mencoba untuk membuat Kecerdasan Buatan menjadi lebih akuntabel.
Di dalam pikiran saya, satu pertanyaan terus muncul:
Ketika Kecerdasan Buatan mulai mengambil keputusan penting...
Apakah hanya jawaban sudah cukup?
Atau apakah bukti akan menjadi yang paling penting?
@OpenGradient #opg $OPG
Dan saya menyadari hal ini saat mempelajari OpenGradient.
Selama beberapa bulan, perlombaan Kecerdasan Buatan berfokus pada satu hal saja.
Model yang lebih cerdas.
Model yang lebih besar.
Model yang lebih cepat.
Namun ketika saya membaca arsitektur OpenGradient, satu hal terus menerus muncul dalam pikiran saya.
Verifikasi.
Karena mengklaim kecerdasan itu mudah.
Memberikan bukti itu sulit.
Saat ini, Kecerdasan Buatan dapat menulis kode.
Dapat menyetujui keputusan.
Dapat memindahkan modal.
Dapat menganalisis data.
Namun dalam banyak kasus...
Anda tidak dapat memverifikasi secara independen apa yang sebenarnya terjadi.
Model mana yang dijalankan?
Prompt mana yang digunakan?
Apakah output dimodifikasi?
Sebagian besar sistem saat ini meminta kepercayaan.
OpenGradient tampaknya dibangun di atas verifikasi.
Inferensi terjadi lebih dulu.
Bukti datang belakangan.
Setiap langkah meninggalkan jejak.
Bukan hanya asumsi.
Poin inilah yang terus terlintas dalam pikiran saya.
Karena di masa depan, tantangan terbesar Kecerdasan Buatan tidak mungkin menciptakan kecerdasan.
Melainkan membuktikan kecerdasan itu.
Ketika Kecerdasan Buatan mulai terlibat dalam keuangan, bisnis, pemerintahan, dan keputusan sehari-hari...
Maka nilai dari jawaban mungkin akan berkurang.
Namun nilai dari verifikasi bisa meningkat.
Dan di sinilah pendekatan OpenGradient menurut saya menarik.
Bukan karena membuat Kecerdasan Buatan menjadi lebih cerdas.
Melainkan karena mencoba untuk membuat Kecerdasan Buatan menjadi lebih akuntabel.
Di dalam pikiran saya, satu pertanyaan terus muncul:
Ketika Kecerdasan Buatan mulai mengambil keputusan penting...
Apakah hanya jawaban sudah cukup?
Atau apakah bukti akan menjadi yang paling penting?
@OpenGradient #opg $OPG