幾天前，我花了將近40分鐘與三個不同的人工智能模型爭論。
不是因爲它們有問題。
而是因爲它們聽起來都很有道理。
我問了它們同樣的問題。一個建議了方法A。另一個堅信方法B更好。第三個不知爲何與兩者都不同意，但聽起來同樣自信。
在某個時刻，我停止了比較答案，開始考慮其他事情。
十年前，挑戰是尋找信息。
現在的挑戰是決定哪個智能值得信任。
這比任何模型發佈的變化都要大。
因爲一旦人工智能開始編寫代碼、審查想法、幫助決策、生成內容等，智能就不再是瓶頸。
信任纔是瓶頸。
這讓我開始深入研究像Bittensor和OpenGradient這樣的項目。
有趣的是，兩者都試圖解決同一個問題，但方向完全不同。
TAO將智能視爲一個市場。讓礦工競爭。讓激勵決定。讓網絡發現誰能持續產生最有價值的輸出。
OPG似乎是從不同的假設開始的。
如果智能不需要競爭來獲得信任呢？
如果它可以被驗證呢？
TEE加密區塊確保安全執行。證明系統旨在使推斷可驗證，而不僅僅是被信任。
說實話，我認爲這並不是關於人工智能模型的辯論。
更像是關於人類如何決定什麼值得信任的辯論。
一方押注於市場。
另一方押注於證明。
我不知道哪種方法會贏。
但人工智能變得越強大，我就越不在乎一個模型聽起來是否聰明。
我開始關心的是智能本身是否值得信任。
@OpenGradient $OPG #OPG $TAO