今天的基礎設施中，有多少實際上被用來創造價值，有多少隻是被用來建立信心？
這個問題在我探索AI和區塊鏈項目時浮現在腦海中，偶然發現了OpenGradient ($OPG )。起初，我以爲這只是另一個提高計算效率或模型性能的嘗試。但在花更多時間研究之後，我對隱藏在這些目標下的一個更安靜的問題產生了興趣。
大多數數字系統要求用戶信任結果。一個模型生成一個響應，一個平臺提供一個推薦，或者一個自動化過程得出一個結論。結果瞬間到達，但產生它的路徑往往是隱形的。我們被期望在沒有完全理解過程的情況下判斷答案。
吸引我注意的是計算本身可能需要記錄的想法。不是因爲每個輸出都是可疑的，而是因爲缺乏證據逐漸將信任轉變爲假設。系統越大越複雜，基於證據的信心和基於習慣的信心之間的區別就越難以辨別。
我開始想，這個挑戰是否遠遠超出了AI。金融市場、在線平臺和信息網絡都依賴於人們很少直接檢查的機制。也許透明性並不是揭示一切。也許它是爲了在問題最終出現時保留足夠的上下文以便驗證。
我越想越覺得，隱藏的過程塑造的決策遠比可見的結果要多得多。
@OpenGradient #OPG $OPG
這個問題在我探索AI和區塊鏈項目時浮現在腦海中，偶然發現了OpenGradient ($OPG )。起初，我以爲這只是另一個提高計算效率或模型性能的嘗試。但在花更多時間研究之後，我對隱藏在這些目標下的一個更安靜的問題產生了興趣。
大多數數字系統要求用戶信任結果。一個模型生成一個響應，一個平臺提供一個推薦，或者一個自動化過程得出一個結論。結果瞬間到達，但產生它的路徑往往是隱形的。我們被期望在沒有完全理解過程的情況下判斷答案。
吸引我注意的是計算本身可能需要記錄的想法。不是因爲每個輸出都是可疑的，而是因爲缺乏證據逐漸將信任轉變爲假設。系統越大越複雜，基於證據的信心和基於習慣的信心之間的區別就越難以辨別。
我開始想，這個挑戰是否遠遠超出了AI。金融市場、在線平臺和信息網絡都依賴於人們很少直接檢查的機制。也許透明性並不是揭示一切。也許它是爲了在問題最終出現時保留足夠的上下文以便驗證。
我越想越覺得，隱藏的過程塑造的決策遠比可見的結果要多得多。
@OpenGradient #OPG $OPG