有時候，難點不在於構建人工智能，而在於證明發生了什麼。

我最近花了一些時間關注OpenGradient。一個問題不斷在我腦海中浮現。

大多數人工智能項目似乎專注於速度、模型質量或用戶體驗。而OpenGradient似乎在問一個問題。

如果真正的問題是信任呢？

如今，大多數人工智能系統就像一個黑箱。你放入一些東西，得到一個答案，然後信任人工智能過程是正確的。大多數用戶從來沒有看到後臺發生了什麼。

OpenGradient正在嘗試圍繞信任的驗證進行構建。這聽起來很有用，但也引發了一些問題。

當一切正常運行時，有多少人真的關心驗證人工智能系統的過程？

有趣的是人工智能系統的權衡。驗證是有價值的，但很少是免費的。額外的證明往往意味着複雜性、成本或更慢的人工智能處理。

一個人工智能系統能否在每次證明發生了什麼的同時保持效率？

在人工智能系統中存在額外的驗證層時，開發者能否快速行動？

我見過許多加密項目專注於吸引用戶，後來再解決問題。OpenGradient似乎採取了在需求完全到來之前構建人工智能基礎設施的方式。

也許這就是人工智能系統的正確舉動。

也許人工智能技術會比市場決定需要人工智能系統的時間早得多就準備好。

這就是我一直在思考的人工智能系統的部分。
#OPG @OpenGradient $OPG $ADX $CHIP