我注意到，開始一個羣聊很容易。
讓人們在六個月後保持參與就困難得多。
我越是研究去中心化的人工智能，我越覺得這個行業可能面臨同樣的問題。
如果智能不再是最難構建的東西呢？
模型正在迅速改進。計算能力變得更易獲得。開源能力持續縮小那些曾看似不可能跨越的差距。
技術吸引注意。
但網絡的存活依賴於人們在技術不再感覺新鮮後繼續貢獻。
有人必須提供計算能力。有人必須貢獻模型。有人必須建立應用程序、驗證系統和基礎設施，使網絡比昨天更有用。
這就是我對@OpenGradient 產生興趣的原因。
讓我印象深刻的不是智能本身，而是一個網絡能否在最初的興奮消退後繼續吸引貢獻者。超過263,500個錢包與網絡互動，超過100名開發者貢獻了模型，已經託管了超過2,000個模型。
這些指標並不能告訴我哪個模型是最聰明的。
它們告訴我一些可能更重要的事情：參與是複合的。
隱含的權衡是，智能通常可以通過更多的計算、更多的數據和更好的模型進行擴展。協調是不同的。它需要激勵、信任、驗證，以及參與者之間的長期對齊，而這些參與者可能永遠不會相互認識。
悖論在於，如果人工智能成功地使智能變得豐富，智能本身可能會成爲一種商品。
協調可能成爲決定哪些人工智能網絡存活的層。
歷史充滿了成功的技術。那些轉變行業的技術成爲了像Opengradient這樣的生態系統。
因此，隨着去中心化人工智能的發展，我們是否應該少花時間問哪個模型最聰明，而更多地問哪個網絡可以在下一個十年中維持參與？
#OPG $OPG $SYN $BEL