@OpenGradient
最近我開始質疑一些我曾經視為理所當然的事情。
每當一個AI系統給我答案時，我很少會去思考其背後的過程。
我專注於結果。
如果輸出看起來合理，我就繼續前進。
也許大多數人都是這樣。
奇怪的是，其他系統從未以這種方式構建。
金融市場依賴於記錄。
支付依賴於結算。
公司依賴於審計。
關鍵基礎設施依賴於證據。
隨著時間的推移，整個行業學會了信任和驗證解決不同的問題。
然而，AI似乎在向相反的方向發展。
模型變得更強大。
應用變得更重要。
但計算本身往往仍然隱形。
這種脫節開始讓我感到困擾。
在閱讀OpenGradient的時候，我最初認為可驗證執行只是一個技術能力。
我越是深入了解，它就越不像是一個功能。
它更像是一種架構選擇。
系統不再假設信任，而是將驗證視為過程的一部分。
這一區別似乎很重要。
關於AI的討論大部分圍繞著規模。
更大的模型。
更低的延遲。
更好的基準。
我很少聽到關於問責的對話。
不是答案是否看起來有說服力。
而是是否有證據顯示結果是如何產生的。
我不確定普通用戶會有多在意。
便利性通常會取勝。
直到它不再如此。
歷史似乎充滿了那些在變得必要之前看似不必要的技術。
我一直在想，AI是否會走上同樣的道路。
隨著智能系統在重要決策中變得越來越重要，或許僅僅是性能是不夠的。
也許下一個要求不是更大的模型。
也許是證據。
#OPG $OPG
最近我開始質疑一些我曾經視為理所當然的事情。
每當一個AI系統給我答案時，我很少會去思考其背後的過程。
我專注於結果。
如果輸出看起來合理，我就繼續前進。
也許大多數人都是這樣。
奇怪的是，其他系統從未以這種方式構建。
金融市場依賴於記錄。
支付依賴於結算。
公司依賴於審計。
關鍵基礎設施依賴於證據。
隨著時間的推移，整個行業學會了信任和驗證解決不同的問題。
然而，AI似乎在向相反的方向發展。
模型變得更強大。
應用變得更重要。
但計算本身往往仍然隱形。
這種脫節開始讓我感到困擾。
在閱讀OpenGradient的時候，我最初認為可驗證執行只是一個技術能力。
我越是深入了解，它就越不像是一個功能。
它更像是一種架構選擇。
系統不再假設信任，而是將驗證視為過程的一部分。
這一區別似乎很重要。
關於AI的討論大部分圍繞著規模。
更大的模型。
更低的延遲。
更好的基準。
我很少聽到關於問責的對話。
不是答案是否看起來有說服力。
而是是否有證據顯示結果是如何產生的。
我不確定普通用戶會有多在意。
便利性通常會取勝。
直到它不再如此。
歷史似乎充滿了那些在變得必要之前看似不必要的技術。
我一直在想，AI是否會走上同樣的道路。
隨著智能系統在重要決策中變得越來越重要，或許僅僅是性能是不夠的。
也許下一個要求不是更大的模型。
也許是證據。
#OPG $OPG