今天研究一些人工智能基礎設施項目時，我發現自己在@OpenGradient 上花了比預期更多的時間。不是因爲那些常見的性能聲明，而是因爲一個潛藏在整個概念下面的問題。

當智能本身成爲基礎設施時，信任一個人工智能系統意味着什麼？

關於人工智能的對話大多集中在構建更好的模型上。而OpenGradient似乎對稍微不同的事情感興趣：創建一個可以託管、使用和驗證模型的網絡，而不依賴於單一的運營商。乍一看，這聽起來像是一個技術細節。越想越覺得這並不是一個簡單的問題。

在加密領域，我們學會了擁有權的重要性。在人工智能中，驗證似乎同樣重要。如果一個模型產生了輸出，我們怎麼知道是哪個模型生成的，是否被修改，或者這個過程是否如聲稱的那樣發生？當人工智能開始影響決策、市場和數字經濟時，這些問題變得更加重要。

讓我注意到的是，OpenGradient幾乎將人工智能推理視爲一種公共服務，而不是私人服務。這個想法不僅是運行智能，而是讓智能的執行可觀察和可驗證。

當然，我一直在想這在現實中能擴展多遠。驗證往往會引入複雜性，而複雜性會減緩系統的速度。還有一個問題是，用戶是否會足夠關心透明度，以接受這些權衡。

儘管如此，這個項目讓我思考了一個更廣泛的轉變。也許未來人工智能的競爭不僅僅在於誰構建了最聰明的模型。也許在於誰能夠圍繞這些模型創建最值得信賴的環境。

這完全是一個不同的問題——可能比最初看起來更重要。
#OPG $OPG @OpenGradient