我認爲人工智能面臨的最大挑戰之一不是創造更智能的模型。#OPG
而是創建人們可以真正理解和信任他們所使用的智能系統。
如今大多數關於人工智能的討論都集中在性能上:更好的答案、更快的生成、更大的模型。但隨着人工智能進入金融、應用程序和自主工作流程等領域,另一個問題變得重要。
誰控制智能背後的背景?
人類智能不僅僅是由信息構成的。它來自於經驗、歷史,以及將過去事件與未來決策聯繫起來的能力。沒有上下文,即使是一個強大的系統也可能錯過更大的畫面。
這就是像@OpenGradient 這樣的項目探索有趣方向的地方。
去中心化基礎設施、可驗證計算和用戶控制的人工智能環境的結合創造了一種不同的方法。不是將人工智能視爲一個簡單的工具來提供輸出,而是將重點轉向構建系統,使開發者和用戶可以更清楚地瞭解這些輸出是如何產生的。
重要的轉變可能不僅僅是替換當前的人工智能模型。
它可能是在創建一個基礎,使智能能夠以更透明、安全和擁有權的方式運作。
隨着人工智能成爲更多關鍵決策的一部分,獲勝的系統可能不僅僅是那些最有能力的。
它們可能是那些能夠證明其工作原理、保留有意義的上下文並在時間中贏得信任的系統。
@OpenGradient #opg $OPG
而是創建人們可以真正理解和信任他們所使用的智能系統。
如今大多數關於人工智能的討論都集中在性能上:更好的答案、更快的生成、更大的模型。但隨着人工智能進入金融、應用程序和自主工作流程等領域,另一個問題變得重要。
誰控制智能背後的背景?
人類智能不僅僅是由信息構成的。它來自於經驗、歷史,以及將過去事件與未來決策聯繫起來的能力。沒有上下文,即使是一個強大的系統也可能錯過更大的畫面。
這就是像@OpenGradient 這樣的項目探索有趣方向的地方。
去中心化基礎設施、可驗證計算和用戶控制的人工智能環境的結合創造了一種不同的方法。不是將人工智能視爲一個簡單的工具來提供輸出,而是將重點轉向構建系統,使開發者和用戶可以更清楚地瞭解這些輸出是如何產生的。
重要的轉變可能不僅僅是替換當前的人工智能模型。
它可能是在創建一個基礎,使智能能夠以更透明、安全和擁有權的方式運作。
隨着人工智能成爲更多關鍵決策的一部分,獲勝的系統可能不僅僅是那些最有能力的。
它們可能是那些能夠證明其工作原理、保留有意義的上下文並在時間中贏得信任的系統。
@OpenGradient #opg $OPG