@OpenGradient
我曾經認爲，AI中最重要的問題是模型是否變得更聰明。
最近，我在思考一個不同的問題。
當AI成爲我們每天依賴的東西時，會發生什麼？
不是作爲聊天機器人。也不是作爲演示。
而是作爲研究、交易、軟件開發、內容創作和決策系統的一部分。
隨着AI越來越多地融入真實工作流程，討論就不再僅僅是關於能力。
它開始變成一個關於信任的問題。
我們大多數人很少考慮AI響應是如何產生的。我們看到一個答案，決定它是否看起來有用，然後繼續前進。
這在輸出影響某些重要事物之前是有效的。
此時，一個奇怪的差距變得顯而易見。
我們可以評估結果，但通常無法獨立驗證它是如何生成的，是什麼過程產生了它，或者在過程中是否發生了變化。
在探索OpenGradient時，這個差距對我來說成了項目中最有趣的部分。#opg
這個項目並不僅僅關注於構建或託管AI模型，而是專注於可驗證的AI執行。
這個想法很簡單：超越“信任提供者”，讓驗證成爲基礎設施的一部分。
我並不確定每個AI應用程序都需要那種透明度。
便利性是強大的，大多數用戶自然會選擇最簡單的選項。
但歷史表明，重要系統往往朝着同一方向演變。首先是功能性，接下來是問責制。
這就是我認爲更大的討論不是AI與加密、中心化與去中心化，甚至不是哪個模型最聰明。
而是未來的AI系統是僅建立在信任之上，還是證明最終變得同樣重要。
隨着AI越來越深入日常決策，這種區別感覺越來越難以忽視。
#OPG #OpenGradient $OPG
我曾經認爲，AI中最重要的問題是模型是否變得更聰明。
最近，我在思考一個不同的問題。
當AI成爲我們每天依賴的東西時，會發生什麼？
不是作爲聊天機器人。也不是作爲演示。
而是作爲研究、交易、軟件開發、內容創作和決策系統的一部分。
隨着AI越來越多地融入真實工作流程，討論就不再僅僅是關於能力。
它開始變成一個關於信任的問題。
我們大多數人很少考慮AI響應是如何產生的。我們看到一個答案，決定它是否看起來有用，然後繼續前進。
這在輸出影響某些重要事物之前是有效的。
此時，一個奇怪的差距變得顯而易見。
我們可以評估結果，但通常無法獨立驗證它是如何生成的，是什麼過程產生了它，或者在過程中是否發生了變化。
在探索OpenGradient時，這個差距對我來說成了項目中最有趣的部分。#opg
這個項目並不僅僅關注於構建或託管AI模型，而是專注於可驗證的AI執行。
這個想法很簡單：超越“信任提供者”，讓驗證成爲基礎設施的一部分。
我並不確定每個AI應用程序都需要那種透明度。
便利性是強大的，大多數用戶自然會選擇最簡單的選項。
但歷史表明，重要系統往往朝着同一方向演變。首先是功能性，接下來是問責制。
這就是我認爲更大的討論不是AI與加密、中心化與去中心化，甚至不是哪個模型最聰明。
而是未來的AI系統是僅建立在信任之上，還是證明最終變得同樣重要。
隨着AI越來越深入日常決策，這種區別感覺越來越難以忽視。
#OPG #OpenGradient $OPG