Saya baru-baru ini menyadari bahwa saya membuat jalan pintas di kepala saya setiap kali saya memikirkan tentang AI terdesentralisasi.
Saya terus membayangkan satu peserta yang melakukan segalanya.
Menjalankan model.
Menghasilkan jawaban.
Mengonfirmasi hasil.
Semakin saya melihat @OpenGradient , semakin saya memahami mengapa arsitektur tidak bekerja seperti itu.
Pada awalnya, sepertinya lebih sederhana jika peserta yang sama menangani semuanya.
Tapi kemudian saya mulai memikirkan apa artinya sebenarnya.
Jika aktor yang sama menghasilkan output dan memverifikasinya, jaringan pada akhirnya meminta pengguna untuk mempercayai satu sumber.
Itu mulai terlihat mengejutkan mirip dengan sistem yang coba diperbaiki oleh AI terdesentralisasi.
OpenGradient mengambil pendekatan yang berbeda.
Inferensi menghasilkan output, sementara verifikasi ditangani secara terpisah.
Alih-alih mengonsentrasikan tanggung jawab di satu tempat, jaringan mendistribusikannya di antara banyak peserta.
Bagian yang menarik adalah bahwa ini mungkin menambah kompleksitas.
Namun, ini juga bisa menciptakan jaminan yang lebih kuat.
Terkadang, keputusan arsitektur yang paling penting bukanlah yang membuat sistem lebih sederhana.
Mereka adalah yang membuat kepercayaan lebih sulit untuk dipalsukan.
Itulah salah satu alasan mengapa OpenGradient terus menjadi lebih menarik semakin dalam saya mempelajarinya.
@OpenGradient #opg $OPG $SYN $ALLO
Saya terus membayangkan satu peserta yang melakukan segalanya.
Menjalankan model.
Menghasilkan jawaban.
Mengonfirmasi hasil.
Semakin saya melihat @OpenGradient , semakin saya memahami mengapa arsitektur tidak bekerja seperti itu.
Pada awalnya, sepertinya lebih sederhana jika peserta yang sama menangani semuanya.
Tapi kemudian saya mulai memikirkan apa artinya sebenarnya.
Jika aktor yang sama menghasilkan output dan memverifikasinya, jaringan pada akhirnya meminta pengguna untuk mempercayai satu sumber.
Itu mulai terlihat mengejutkan mirip dengan sistem yang coba diperbaiki oleh AI terdesentralisasi.
OpenGradient mengambil pendekatan yang berbeda.
Inferensi menghasilkan output, sementara verifikasi ditangani secara terpisah.
Alih-alih mengonsentrasikan tanggung jawab di satu tempat, jaringan mendistribusikannya di antara banyak peserta.
Bagian yang menarik adalah bahwa ini mungkin menambah kompleksitas.
Namun, ini juga bisa menciptakan jaminan yang lebih kuat.
Terkadang, keputusan arsitektur yang paling penting bukanlah yang membuat sistem lebih sederhana.
Mereka adalah yang membuat kepercayaan lebih sulit untuk dipalsukan.
Itulah salah satu alasan mengapa OpenGradient terus menjadi lebih menarik semakin dalam saya mempelajarinya.
@OpenGradient #opg $OPG $SYN $ALLO