我上個月讀了一份團隊的提案，他們把自己的人工智能產品描述爲專有的。這個提案很不錯。然後我發現了三個頁面後的API密鑰。

這個細節讓我思考了比我預期的更久。一家公司可以支付培訓費用，圍繞模型建立路線圖，僱傭相關人員，但如果訪問權限消失，仍然不能擁有任何重要的東西。這種安排看起來像是擁有，直到不再是。

讓我思考的，是底層的結構。人工智能的所有權並不是一回事。它是三個或四個不同方同時持有的獨立權利。訓練數據可以屬於一個實體，模型權重存在於另一家公司控制的服務器上，而部署權利則在原始訓練者編寫並可以修訂的許可證中。
當有人說他們構建了一個人工智能產品時，這些權利並不會自動轉移。

因此，失去API訪問權限的公司並不會失去一個產品。它失去了擁有一個產品的幻覺。模型從未在它的保管之中。權重一直在別處。來源從未以它控制的任何形式記錄。

這就是第二序列問題出現的地方。如果所有權如此脆弱，那麼圍繞專有人工智能建立的估值部分是在衡量訪問而非佔有。訪問是一種關係，而不是資產。當關繫結束時，這種區別顯得尤爲重要。

我一直迴歸的基礎設施方法是從一個不同的前提出發。如果權重保管、數據來源和部署權利在協議層面被追蹤，而不是埋藏在單一公司內部，所有權將變得可證明而非假定。這是模型保管運作方式的結構性轉變。

被稱爲專有人工智能的往往更接近借用的人工智能。各個部分總是散落在某個地方，權重在這裏，數據權利在那裏，部署權限在團隊中無人閱讀的許可證內。你是否擁有模型或僅僅是訪問它的問題往往沒有被提出。然後訪問消失，答案便在沒有被邀請的情況下到來了。

@OpenGradient $OPG #OPG $TNSR $BULLA