大多數人開關的時候從來不考慮電力。
期望很簡單。
按下按鈕。
得到結果。
這個期望在我閱讀關於 @OpenGradient 的時候一直陪伴着我。
可驗證的 AI 在紙面上看起來很簡單。
一個 AI 生成一個答案。
一個證明確認執行。
一切都沒問題。
至少我想象中是這樣。
但是速度和驗證不一定是並行的。
推理想要快。
證明生成仍然消耗資源。
也許這不是問題。
也許這個差距僅僅是幾秒鐘。
也許用戶根本不會注意到。
不過,我還是不斷回到那個時期。
應用可能已經在根據輸出採取行動。
決策可能已經做出。
市場可能已經在反應。
與此同時,驗證仍然在追趕。
也許這完全正常。
大多數基礎設施之所以運作,是因爲不確定性在幕後得到了管理。
我理解得較少的是,在證明生成仍在進行時,誰承擔了那份不確定性。
我越是思考可驗證的 AI,就越不關注證明本身。
而越是關注它到來之前的時間。
#opg $OPG #AIInfrastructure #TrustlessAI $EVAA
期望很簡單。
按下按鈕。
得到結果。
這個期望在我閱讀關於 @OpenGradient 的時候一直陪伴着我。
可驗證的 AI 在紙面上看起來很簡單。
一個 AI 生成一個答案。
一個證明確認執行。
一切都沒問題。
至少我想象中是這樣。
但是速度和驗證不一定是並行的。
推理想要快。
證明生成仍然消耗資源。
也許這不是問題。
也許這個差距僅僅是幾秒鐘。
也許用戶根本不會注意到。
不過,我還是不斷回到那個時期。
應用可能已經在根據輸出採取行動。
決策可能已經做出。
市場可能已經在反應。
與此同時,驗證仍然在追趕。
也許這完全正常。
大多數基礎設施之所以運作,是因爲不確定性在幕後得到了管理。
我理解得較少的是,在證明生成仍在進行時,誰承擔了那份不確定性。
我越是思考可驗證的 AI,就越不關注證明本身。
而越是關注它到來之前的時間。
#opg $OPG #AIInfrastructure #TrustlessAI $EVAA