大多數人認爲AI的價值來自於產生答案。我認爲，當智能系統產生分歧時，更大的市場就會出現。
隨着AI模型能力的提升，它們不一定會達成相同的結論。在許多情況下，它們會對相同的信息生成多個可信的解讀。這就產生了新的瓶頸。問題不再是獲取智能，問題是決定哪種智能值得信任。
這就是我對@OpenGradient 的不同看法。OpenGradient Chat不僅僅是另一個生成輸出的界面。它可以被視爲在一個競爭的AI系統持續產生相互矛盾但合理的答案的世界中，建立信任的基礎設施。
系統層面的原因很簡單：智能的擴展速度超過了確定性。隨着能夠使用的模型數量增加，分歧的數量也會增加。驗證變得比生成更具經濟價值。
這意味着，AI中一些最持久的價值可能會集中在幫助用戶解決不確定性而不是創造更多內容的機制上。$OPG #OPG
隨着AI模型能力的提升，它們不一定會達成相同的結論。在許多情況下，它們會對相同的信息生成多個可信的解讀。這就產生了新的瓶頸。問題不再是獲取智能，問題是決定哪種智能值得信任。
這就是我對@OpenGradient 的不同看法。OpenGradient Chat不僅僅是另一個生成輸出的界面。它可以被視爲在一個競爭的AI系統持續產生相互矛盾但合理的答案的世界中，建立信任的基礎設施。
系統層面的原因很簡單：智能的擴展速度超過了確定性。隨着能夠使用的模型數量增加，分歧的數量也會增加。驗證變得比生成更具經濟價值。
這意味着，AI中一些最持久的價值可能會集中在幫助用戶解決不確定性而不是創造更多內容的機制上。$OPG #OPG