#opg $OPG 我最近在觀察加密和人工智能時注意到的一件事：
人們喜歡談論智能。
幾乎沒有人談論信任。
不是因爲它不重要。
而是因爲它不夠刺激。
一個模型給出答案後，大家就走開了。
直到答案真的重要的時候。
那一刻，談話就會改變。
我最近在研究OpenGradient，留給我印象最深的部分不是模型、基礎設施，甚至不是規模。
而是一個更安靜的想法。
這個網絡建立在一個假設上：驗證不應該需要重複整個計算過程。
乍一看，這聽起來很明顯。
然後你會想起，加密的很多東西都是建立在每個人獨立檢查一切的基礎上。
人工智能並不完全適應這個世界。
大型模型成本高昂。推理需要真實的資源。一次又一次地重新運行同樣的工作負載，只是爲了證明第一個結果的存在，開始感覺不再像安全，而更像是一種儀式。
這就是我認爲大多數人錯過的細節。
挑戰不再是生成智能。
而是圍繞智能建立信心。
這兩個問題截然不同。
OpenGradient似乎將證明視爲其自身的產品。
答案到來了。
證據隨後而至。
不知爲何，這似乎更接近現實世界的運作方式。
我們大多數人並不親自見證每一個過程。我們依賴收據、記錄、簽名、審計和可以在需要時檢查的痕跡。
信任很少來自於觀看所有事情的發生。
信任來自於知道當問題出現時，有辦法去驗證。
這就是爲什麼這個想法一直在我腦海中盤旋。
不是因爲它炫酷。
不是因爲它是革命性的。
而是因爲它感覺實用。
隨着人工智能深入市場、應用和自主系統，最棘手的問題可能不是模型是否能思考。
而是有沒有人能證明思考結束後發生了什麼。
@OpenGradient #OPG $OPG
人們喜歡談論智能。
幾乎沒有人談論信任。
不是因爲它不重要。
而是因爲它不夠刺激。
一個模型給出答案後，大家就走開了。
直到答案真的重要的時候。
那一刻，談話就會改變。
我最近在研究OpenGradient，留給我印象最深的部分不是模型、基礎設施，甚至不是規模。
而是一個更安靜的想法。
這個網絡建立在一個假設上：驗證不應該需要重複整個計算過程。
乍一看，這聽起來很明顯。
然後你會想起，加密的很多東西都是建立在每個人獨立檢查一切的基礎上。
人工智能並不完全適應這個世界。
大型模型成本高昂。推理需要真實的資源。一次又一次地重新運行同樣的工作負載，只是爲了證明第一個結果的存在，開始感覺不再像安全，而更像是一種儀式。
這就是我認爲大多數人錯過的細節。
挑戰不再是生成智能。
而是圍繞智能建立信心。
這兩個問題截然不同。
OpenGradient似乎將證明視爲其自身的產品。
答案到來了。
證據隨後而至。
不知爲何，這似乎更接近現實世界的運作方式。
我們大多數人並不親自見證每一個過程。我們依賴收據、記錄、簽名、審計和可以在需要時檢查的痕跡。
信任很少來自於觀看所有事情的發生。
信任來自於知道當問題出現時，有辦法去驗證。
這就是爲什麼這個想法一直在我腦海中盤旋。
不是因爲它炫酷。
不是因爲它是革命性的。
而是因爲它感覺實用。
隨着人工智能深入市場、應用和自主系統，最棘手的問題可能不是模型是否能思考。
而是有沒有人能證明思考結束後發生了什麼。
@OpenGradient #OPG $OPG