我曾經認爲AI可怕的部分是答案。
然後我想象了一個借貸按鈕。
用戶想要以抵押品進行借貸。這個應用在後臺運行一個模型。分數剛好高到足夠。限額發生變化。路徑開啓。交易可以進行。
現在，AI的輸出不僅僅是屏幕上的一些東西。
它觸及了狀態。
這就是我一直回到OpenGradient的那個界限。不是“AI給出了一個結果。”這部分很容易說。更難的是，當一個應用把模型的結果視爲足夠安全以在資金或鏈上狀態變化之前執行時。
我稱之爲狀態線。
在那條線之前，一個錯誤的輸出是答案問題。
在那條線之後，它變成了一個行動問題。
如果分數是錯誤的、不可驗證的，或者與產生它的運行脫節，那麼構建者不僅僅是在解釋爲什麼模型回答得不好。他們是在解釋爲什麼借貸限額發生了變化，爲什麼路徑開啓了，以及爲什麼應用像是結果有效一樣行動。
這就是證明必須真正發揮作用的地方。
模型不能只生產一個數字。應用必須知道什麼被運行過，以及這個結果是否足夠安全以在借貸流程繼續之前使用。
用戶可能只看到一個乾淨的借貸流程。
構建者正在承擔隱藏的交接。
快速推理是有用的。但真正的壓力開始於推理變成執行時。
#OPG $OPG @OpenGradient $HEI $DEXE