#opg $OPG
$BNB
關於“鏈上AI”的討論大多都歸結於同一個點：速度、可擴展性和更高的性能指標。我覺得更有趣的是一個很少受到應有關注的問題：當工作由AI完成時，系統如何贏得信任？
這是我在閱讀OpenGradient時不斷思考的內容。
很長一段時間，區塊鏈遵循的是一個簡單的模式。發生某件事，網絡進行驗證，只有這樣它才被視爲真實。這是一個建立在確定性基礎上的模型，原因很充分。但確定性是有代價的，尤其是在AI工作負載方面。
讓我對OpenGradient印象深刻的是，它似乎準備挑戰這一順序。
與其讓每個AI操作等待整個驗證過程，不如在專門爲AI設計的基礎設施上首先進行推斷。響應迅速，而驗證則在後臺進行，並在之後在鏈上進行規範化。
這個想法似乎很技術性，但其含義卻出奇地人性化。
我們常常假設信任必須在行動之前存在。OpenGradient反轉了這一點，並提出了一個不同的問題。
我越是思考，它就越有趣。
不是因爲它承諾更快的系統。許多項目都承諾這一點。
真正突出的是挑戰一個已經在區塊鏈設計中根深蒂固的假設的意願。那就是執行和證明總是必須一起進行的信念。#op🔥🔥 #OPG
$BNB
關於“鏈上AI”的討論大多都歸結於同一個點：速度、可擴展性和更高的性能指標。我覺得更有趣的是一個很少受到應有關注的問題：當工作由AI完成時，系統如何贏得信任？
這是我在閱讀OpenGradient時不斷思考的內容。
很長一段時間，區塊鏈遵循的是一個簡單的模式。發生某件事，網絡進行驗證，只有這樣它才被視爲真實。這是一個建立在確定性基礎上的模型，原因很充分。但確定性是有代價的，尤其是在AI工作負載方面。
讓我對OpenGradient印象深刻的是，它似乎準備挑戰這一順序。
與其讓每個AI操作等待整個驗證過程，不如在專門爲AI設計的基礎設施上首先進行推斷。響應迅速，而驗證則在後臺進行，並在之後在鏈上進行規範化。
這個想法似乎很技術性，但其含義卻出奇地人性化。
我們常常假設信任必須在行動之前存在。OpenGradient反轉了這一點，並提出了一個不同的問題。
我越是思考，它就越有趣。
不是因爲它承諾更快的系統。許多項目都承諾這一點。
真正突出的是挑戰一個已經在區塊鏈設計中根深蒂固的假設的意願。那就是執行和證明總是必須一起進行的信念。#op🔥🔥 #OPG