最近我發現自己一直在假設，每個AI網絡最終都在競爭更大的模型、更強的計算能力或更快的輸出。然後我開始思考，這種假設是否已經過時。
讓我對OpenGradient感興趣的不是模型本身，而是它試圖衡量一些更困難的東西：可以被證明、驗證並在網絡中重複使用的智能。乍一聽，這聽起來很抽象。但實際上，許多AI系統仍然依賴於信息披露。一個模型聲稱它表現良好。一個提供商發佈基準測試。用戶決定是否信任這些信息。證明往往是在決策之後到來的。
一個智能經濟的證明將會有所不同。它不會獎勵那些發出最大聲音的聲明，而是獎勵那些能夠在可驗證的條件下反覆展示有用智能的個體。重複的表現開始比一個令人印象深刻的結果更重要。穩定性變得比市場營銷更有價值。
不過，我並不相信這種轉變是自動的。激勵智能和需求智能並不總是相同的東西。網絡可以產生活動而不產生信任。它們可以獎勵參與而不證明有用性。
我一直在回想的問題是，智能是否可以像流動性或計算能力一樣，成爲一種經濟原始性。而如果可以，誰首先決定什麼算作智能呢？
#OPG #Opg #opg $OPG @OpenGradient
讓我對OpenGradient感興趣的不是模型本身，而是它試圖衡量一些更困難的東西：可以被證明、驗證並在網絡中重複使用的智能。乍一聽，這聽起來很抽象。但實際上，許多AI系統仍然依賴於信息披露。一個模型聲稱它表現良好。一個提供商發佈基準測試。用戶決定是否信任這些信息。證明往往是在決策之後到來的。
一個智能經濟的證明將會有所不同。它不會獎勵那些發出最大聲音的聲明，而是獎勵那些能夠在可驗證的條件下反覆展示有用智能的個體。重複的表現開始比一個令人印象深刻的結果更重要。穩定性變得比市場營銷更有價值。
不過，我並不相信這種轉變是自動的。激勵智能和需求智能並不總是相同的東西。網絡可以產生活動而不產生信任。它們可以獎勵參與而不證明有用性。
我一直在回想的問題是，智能是否可以像流動性或計算能力一樣，成爲一種經濟原始性。而如果可以，誰首先決定什麼算作智能呢？
#OPG #Opg #opg $OPG @OpenGradient