我曾經認爲人工智能的難點在於模型本身——堆疊參數，擠出幾個百分點的準確率。在看了多年這個領域和加密貨幣的週期後，我現在覺得這種狹隘的觀點真是愚蠢。真正的問題不是更大的模型，而是誰能夠運行、驗證和打包它們的輸出。當託管、推理和訪問都掌握在少數幾個提供者手中，智能就變成了一項你需要訂閱的服務，而不是公共資源。
這種集中化悄悄地重寫了所有權。如果少數雲端守門人控制着模型的存放位置和響應方式，我們能信任這些輸出嗎？如果你無法觀察執行過程，驗證就變得學術化。開放智能這個概念改變了問題的方向：我們如何保持模型行爲的可觀察性、可審計性和可擴展性？在這裏，基礎設施的重要性超越了原始模型的大小。
OpenGradient感覺像是對這種挫敗感的迴應。這不是一個頭條新聞；而是試圖將去中心化的託管、推理網絡和可驗證的執行結合起來，以便人工智能能夠被分配而不是被囤積。我對此持懷疑態度——去中心化有額外的負擔，激勵機制也很複雜——但我們應該爲可信的智能構建基礎設施的想法是值得共鳴的。
如果我們現在不構建這些層，誰會擁有公衆的思維？這個問題似乎值得我們認真對待，而不是草草了事。#opg $OPG @OpenGradient