#opg $OPG

@OpenGradient
我越關注AI領域，就越覺得我們對模型今天能做什麼着迷，卻很少關注它們明天能記住什麼。

每次新版本發佈似乎都遵循同樣的模式。一個更強大的模型問世，基準值提高，大家都轉向新版本，之前的版本漸漸被遺忘。沿途失去的是這些系統如何做出決策的記錄，它們的可靠性如何，以及它們的輸出是否經得起時間的考驗。

當AI生成隨意內容時，這可能沒什麼大不了。但一旦這些系統涉及到問責制很重要的領域，討論就會改變。AI提供一個答案是不夠的。我們需要一種方法來理解這個答案的來源，稍後驗證它，並將其與可信的歷史聯繫起來。

這就是OpenGradient引起我注意的原因之一。

這個想法之所以有趣，不僅僅在於AI的執行。更在於圍繞推理、記憶和狀態創建可驗證路徑的重點。基礎設施旨在使輸出成爲持久和可審計記錄的一部分，而不是將其視爲一次性事件。

當然，這也有權衡。存儲歷史、維護驗證和保留上下文都會帶來額外的成本。問題是開發者是否會看到長期信任的足夠價值，以證明這些成本是合理的。

我不斷回到同一個想法：AI的下一個階段可能不是由誰生成答案最快來定義的，而是由誰能證明那些答案在創建很久之後仍然值得信任來定義的。

$DEXE

$SIREN
今天的AI缺少什麼？