Seberapa banyak infrastruktur hari ini yang benar-benar digunakan?
Saya menemukan diri saya berpikir tentang itu saat menjelajahi OpenGradient ($OPG ). Pasar sering membicarakan kelangkaan, namun ada banyak sumber daya komputasi yang tidak terpakai di berbagai jaringan dan lokasi. Apa yang menarik perhatian saya bukanlah ide untuk menciptakan lebih banyak infrastruktur, tetapi kemungkinan bahwa pasokan yang ada mungkin lebih terfragmentasi daripada langka.
Semakin lama saya menyelidikinya, semakin tampak bahwa salah satu tantangan tersembunyi dalam AI bukan hanya akses ke komputasi. Ini adalah koordinasi. Sumber daya dapat ada, tetapi jika sulit ditemukan, diverifikasi, atau dialokasikan secara efisien, mereka mungkin sama sekali tidak tersedia bagi banyak peserta.
Itu membuat saya bertanya-tanya apakah kita kadang-kadang salah memahami sifat bottleneck teknologi. Kita sering menganggap batasan berasal dari kurangnya sumber daya, padahal kenyataannya mungkin berasal dari cara sumber daya tersebut diorganisir. Sebuah sistem yang penuh dengan kapasitas yang tidak terpakai masih bisa berperilaku seolah kapasitasnya terbatas jika koneksi antara peserta lemah.
OpenGradient membawa saya menuju pemikiran itu. Alih-alih hanya fokus pada apa yang dihasilkan sistem AI, ini mengangkat pertanyaan tentang bagaimana sumber daya yang mendasarinya dipadukan dengan permintaan. Itu terasa kurang seperti percakapan tentang performa dan lebih seperti percakapan tentang koordinasi.
Ketika pasar mengevaluasi teknologi yang muncul, output yang terlihat cenderung menerima sebagian besar perhatian. Namun beberapa batasan terpenting mungkin ada beberapa lapisan di bawah permukaan, di mana efisiensi bergantung lebih sedikit pada penciptaan dan lebih pada koneksi.
@OpenGradient #opg $OPG
Saya menemukan diri saya berpikir tentang itu saat menjelajahi OpenGradient ($OPG ). Pasar sering membicarakan kelangkaan, namun ada banyak sumber daya komputasi yang tidak terpakai di berbagai jaringan dan lokasi. Apa yang menarik perhatian saya bukanlah ide untuk menciptakan lebih banyak infrastruktur, tetapi kemungkinan bahwa pasokan yang ada mungkin lebih terfragmentasi daripada langka.
Semakin lama saya menyelidikinya, semakin tampak bahwa salah satu tantangan tersembunyi dalam AI bukan hanya akses ke komputasi. Ini adalah koordinasi. Sumber daya dapat ada, tetapi jika sulit ditemukan, diverifikasi, atau dialokasikan secara efisien, mereka mungkin sama sekali tidak tersedia bagi banyak peserta.
Itu membuat saya bertanya-tanya apakah kita kadang-kadang salah memahami sifat bottleneck teknologi. Kita sering menganggap batasan berasal dari kurangnya sumber daya, padahal kenyataannya mungkin berasal dari cara sumber daya tersebut diorganisir. Sebuah sistem yang penuh dengan kapasitas yang tidak terpakai masih bisa berperilaku seolah kapasitasnya terbatas jika koneksi antara peserta lemah.
OpenGradient membawa saya menuju pemikiran itu. Alih-alih hanya fokus pada apa yang dihasilkan sistem AI, ini mengangkat pertanyaan tentang bagaimana sumber daya yang mendasarinya dipadukan dengan permintaan. Itu terasa kurang seperti percakapan tentang performa dan lebih seperti percakapan tentang koordinasi.
Ketika pasar mengevaluasi teknologi yang muncul, output yang terlihat cenderung menerima sebagian besar perhatian. Namun beberapa batasan terpenting mungkin ada beberapa lapisan di bawah permukaan, di mana efisiensi bergantung lebih sedikit pada penciptaan dan lebih pada koneksi.
@OpenGradient #opg $OPG