在1980年，理查德·斯托曼試圖修改麻省理工學院的一臺施樂打印機驅動程序，以便在紙張卡住時提醒用戶。施樂拒絕分享源代碼。這個拒絕並不是因爲價格，而是關乎誰有權檢查和修改他們所依賴的軟件。
我上週讀到這個故事，當時我依賴的一個模型返回了錯誤的答案，我沒有辦法理解原因。權重是不可見的，架構也是不可見的。我唯一能做的就是嘗試不同的提示。
這就是現代AI訪問的隱祕形態。你並不是在使用一個工具，而是在租賃一個你無法檢查、無法追蹤、也無法獨立運行的系統的行爲。使用某樣東西和理解它的運行原理之間的差距，正是1980年代爭論再次出現的地方。
第二個問題是具體的。一個基於租賃推理構建產品的團隊，不僅僅依賴於運行時間。它還依賴於提供者不會默默改變模型，不會重新定價計算，也不會棄用已經驗證的版本。這些風險在API響應中是看不到的。
這個模式是結構性的。當你無法檢查你所依賴的東西時，你也無法知道何時會發生變化。1980年代的專有軟件也有相同的特徵，而答案並不是更好的許可，而是你自己運行和修改軟件的權利。
OpenGradient內部的模型中心是對此論點的直接回應。這個中心是無權限的，意味着沒有審批隊列，也沒有守門人決定哪些模型可以運行。每次推理都會產生一個加密證明，清晰地顯示執行的是哪個模型，因此任何應用都可以在不信任主機的情況下進行驗證。
如果斯托曼能夠修補那個打印機驅動程序，他可能不會花費四十年時間來構建軟件自由的基礎設施。現在對於構建者來說問題更簡單了。如果你真的能夠打開運行該模型的程序，你會改變你使用AI的方式嗎？在下面留下你的答案，並關注@OpenGradient $OPG 獲取更多信息。
#OPG $TNSR $ALICE
我上週讀到這個故事，當時我依賴的一個模型返回了錯誤的答案，我沒有辦法理解原因。權重是不可見的，架構也是不可見的。我唯一能做的就是嘗試不同的提示。
這就是現代AI訪問的隱祕形態。你並不是在使用一個工具，而是在租賃一個你無法檢查、無法追蹤、也無法獨立運行的系統的行爲。使用某樣東西和理解它的運行原理之間的差距，正是1980年代爭論再次出現的地方。
第二個問題是具體的。一個基於租賃推理構建產品的團隊，不僅僅依賴於運行時間。它還依賴於提供者不會默默改變模型，不會重新定價計算，也不會棄用已經驗證的版本。這些風險在API響應中是看不到的。
這個模式是結構性的。當你無法檢查你所依賴的東西時，你也無法知道何時會發生變化。1980年代的專有軟件也有相同的特徵，而答案並不是更好的許可，而是你自己運行和修改軟件的權利。
OpenGradient內部的模型中心是對此論點的直接回應。這個中心是無權限的，意味着沒有審批隊列，也沒有守門人決定哪些模型可以運行。每次推理都會產生一個加密證明，清晰地顯示執行的是哪個模型，因此任何應用都可以在不信任主機的情況下進行驗證。
如果斯托曼能夠修補那個打印機驅動程序，他可能不會花費四十年時間來構建軟件自由的基礎設施。現在對於構建者來說問題更簡單了。如果你真的能夠打開運行該模型的程序，你會改變你使用AI的方式嗎？在下面留下你的答案，並關注@OpenGradient $OPG 獲取更多信息。
#OPG $TNSR $ALICE