Hôm nay tôi lại lạc vào một “cuộc thám hiểm” khác với OpenGradient, và một ý nghĩ cứ làm tôi bận tâm.
Ai cũng nói về AI như một cỗ máy để tạo ra câu trả lời.
Nhưng nếu đó không phải phần quan trọng nhất thì sao?
Nghiêm túc đấy.
Hầu hết các hệ thống AI đều tạo ra một thứ gì đó, đưa nó cho bạn xem, rồi thôi. Yêu cầu tiếp theo lại đến và toàn bộ quy trình bắt đầu lại. Tốn thêm tài nguyên tính toán. Tốn thêm suy luận. Tốn thêm chi phí.
Câu trả lời tồn tại được vài giây rồi cơ bản là biến mất.
Càng nghĩ về OpenGradient, tôi càng cảm thấy nó đang đặt ra một câu hỏi khác:
Nếu nguồn lực khan hiếm không phải là để tạo ra thông tin?
Mà là khả năng tìm lại nó một cách đáng tin cậy về sau?
Đó là phần khiến tôi cứ bị mắc kẹt.
Một đầu ra đã được xác thực không cần phải “đúng mãi mãi” mới có giá trị. Nó chỉ cần được duy trì để các ứng dụng trong tương lai có thể dựa vào đó, thay vì phải bắt đầu lại từ đầu.
Có lẽ vì vậy mà tôi không nhìn nó như chỉ là một dự án hạ tầng AI nữa.
Nó giống như một lớp hạ tầng cho việc ghi nhớ/tra cứu (recall).
Và thành thật mà nói, điều đó làm thay đổi cách tôi nghĩ về giá trị.
Chúng ta quen với việc khen thưởng các mạng lưới vì tạo ra nhiều hơn. Nhiều tính toán hơn. Nhiều thông lượng hơn. Nhiều hoạt động của mô hình hơn.
Nhưng nếu kiến thức hữu ích có thể tồn tại và được kế thừa, thì kinh tế học sẽ trông hoàn toàn khác.
Lúc đó, việc “quên” không còn là một sự kiện trung tính nữa.
Nó trở thành một chi phí.
Có lẽ đây là ý tưởng khó chịu đang ẩn dưới tất cả những điều này:
Thứ gì không thể được ghi nhớ lại thì về cơ bản không thể tham gia vào tương lai.
Không biết có ai khác nhìn theo cách này không, hay tôi đang suy nghĩ quá mức rồi.
$OPG @OpenGradient #OPG #SYN #BAL