在過去幾個月裏，我注意到每當人們討論AI時，總會出現一些有趣的事情。
大多數對話最終都會回到同樣的問題。
哪個模型更聰明？
哪個公司發展得最快？
我曾經認爲這就是整個競爭。
但我越是深入瞭解頭條新聞，越感覺到另一場競爭正在悄然形成。
這不僅僅是智力的競爭。
還是信任的競爭。
今天，大多數AI系統基於我所稱的經驗信任運行。我們相信輸出，因爲該公司聲譽良好。因爲有才華的研究人員構建了模型。因爲答案通常看起來合理。
但這也有其侷限。
想想在線銀行。
你並不是因爲銀行的某個人告訴你賬戶餘額是正確的就信任它。
你信任它是因爲記錄、審計和驗證系統獨立於任何人的聲譽存在。
對於AI來說，這種基礎設施纔剛剛開始出現。
這就是爲什麼像可信執行環境（TEE）和零知識機器學習（ZKML）這樣的想法引起了我的注意。
TEE有助於確保模型在隔離環境中執行，這樣計算就無法被祕密更改。
ZKML使得可以證明一個模型產生了特定結果，而不暴露模型本身。
它們一起形成了AI在很大程度上缺乏的東西：
一個智能的驗證層。
OpenGradient正在圍繞這個想法構建基礎設施，通過去中心化、可驗證的AI執行。
當然，每種方法都有其權衡。
基於證明的系統不會在一夜之間取代基於信任的系統。
未來可能需要兩者結合。
這讓我想知道下一個AI的競爭是否不僅僅是關於誰構建了最聰明的模型。
它可能是關於誰構建了不再要求人們單純相信的智能。
OpenAI正在探索智能的前沿。
OpenGradient正在探索證明的前沿。
但只有其中一個讓我覺得這是我們剛開始進行的對話。
@OpenGradient #OPG $OPG
大多數對話最終都會回到同樣的問題。
哪個模型更聰明？
哪個公司發展得最快？
我曾經認爲這就是整個競爭。
但我越是深入瞭解頭條新聞，越感覺到另一場競爭正在悄然形成。
這不僅僅是智力的競爭。
還是信任的競爭。
今天，大多數AI系統基於我所稱的經驗信任運行。我們相信輸出，因爲該公司聲譽良好。因爲有才華的研究人員構建了模型。因爲答案通常看起來合理。
但這也有其侷限。
想想在線銀行。
你並不是因爲銀行的某個人告訴你賬戶餘額是正確的就信任它。
你信任它是因爲記錄、審計和驗證系統獨立於任何人的聲譽存在。
對於AI來說，這種基礎設施纔剛剛開始出現。
這就是爲什麼像可信執行環境（TEE）和零知識機器學習（ZKML）這樣的想法引起了我的注意。
TEE有助於確保模型在隔離環境中執行，這樣計算就無法被祕密更改。
ZKML使得可以證明一個模型產生了特定結果，而不暴露模型本身。
它們一起形成了AI在很大程度上缺乏的東西：
一個智能的驗證層。
OpenGradient正在圍繞這個想法構建基礎設施，通過去中心化、可驗證的AI執行。
當然，每種方法都有其權衡。
基於證明的系統不會在一夜之間取代基於信任的系統。
未來可能需要兩者結合。
這讓我想知道下一個AI的競爭是否不僅僅是關於誰構建了最聰明的模型。
它可能是關於誰構建了不再要求人們單純相信的智能。
OpenAI正在探索智能的前沿。
OpenGradient正在探索證明的前沿。
但只有其中一個讓我覺得這是我們剛開始進行的對話。
@OpenGradient #OPG $OPG