#opg $OPG @OpenGradient
這週我開了一個小的$OPG 倉位,原因跟誰的AI最聰明毫無關聯。
大家都瘋狂地想讓模型變得更強大。
我開始對另一個問題更感興趣:
我們怎麼知道AI的輸出可以被信任?
隨著AI開始處理資本配置、自動化、研究和關鍵決策,原始的智慧僅僅是方程式的一部分。真正的挑戰是問責制。
OpenGradient引起了我的注意,因為它專注於大多數人忽略的事情:推斷層的驗證。
這樣想:
AI變得越強大,我們就越不願意接受「相信我們」作為答案。
一個模型可能很出色,但如果沒有人能獨立驗證輸出的產生方式,信任就成了瓶頸。
區塊鏈花了多年時間解決交易的這個問題。
AI最終可能需要一個類似的智慧驗證層。
我上週考慮增加我的倉位,但我忍住了。對於去中心化的驗證是否能有效擴展以支持現實世界的AI需求,仍然有很多大問題。
即便如此,我無法擺脫這種感覺:最大的AI機會可能不是創造更聰明的模型。
而是建立信任基礎設施,使強大的AI能夠大規模使用。
這就是我最密切關注的AI堆疊部分。
這週我開了一個小的$OPG 倉位,原因跟誰的AI最聰明毫無關聯。
大家都瘋狂地想讓模型變得更強大。
我開始對另一個問題更感興趣:
我們怎麼知道AI的輸出可以被信任?
隨著AI開始處理資本配置、自動化、研究和關鍵決策,原始的智慧僅僅是方程式的一部分。真正的挑戰是問責制。
OpenGradient引起了我的注意,因為它專注於大多數人忽略的事情:推斷層的驗證。
這樣想:
AI變得越強大,我們就越不願意接受「相信我們」作為答案。
一個模型可能很出色,但如果沒有人能獨立驗證輸出的產生方式,信任就成了瓶頸。
區塊鏈花了多年時間解決交易的這個問題。
AI最終可能需要一個類似的智慧驗證層。
我上週考慮增加我的倉位,但我忍住了。對於去中心化的驗證是否能有效擴展以支持現實世界的AI需求,仍然有很多大問題。
即便如此,我無法擺脫這種感覺:最大的AI機會可能不是創造更聰明的模型。
而是建立信任基礎設施,使強大的AI能夠大規模使用。
這就是我最密切關注的AI堆疊部分。