沒人會在汽車順暢地行駛在空曠的道路上時考慮剎車。
只有在發生意外時，它們才顯得重要。
不知爲何，這個想法在我閱讀關於@OpenGradient 的內容時一直縈繞在心頭。
大多數關於AI的討論都集中在模型可以做什麼。
它的響應速度有多快。
它的執行準確度如何。
它能處理多少計算量。
這沒問題。
但我開始懷疑，能力可能只是故事的一半。
另一半可能是信心。
一開始，我以爲信任是在答案出現的那一刻建立的。
模型運行。
輸出到達。
工作完成。
簡單。
但我越是思考可驗證的AI，就越不那麼相信。
因爲答案的傳播速度快於確定性。
市場反應。
交易者執行。
協議做出決策。
與此同時，驗證仍在後臺慢慢趕上。
也許延遲很小。
也許它很少重要。
不過，這個差距感覺很重要。
並不是因爲缺少證據。
而是因爲行動可能在證據到達之前就已經依賴於假設。
而假設在系統運行良好時，往往會變得隱形。
我曾經認爲關鍵問題是AI輸出是否可以被驗證。
現在我開始認爲另一個問題更爲重要。
在驗證到達之前，系統已經有多少在運行？
有時，信任並不單單由證據定義。
它是由每個人在等待證據時發生的事情來定義的。
#VerifiableCompute #AIInfrastructure #AIAgents $TAO $ETH
#opg $OPG
只有在發生意外時，它們才顯得重要。
不知爲何，這個想法在我閱讀關於@OpenGradient 的內容時一直縈繞在心頭。
大多數關於AI的討論都集中在模型可以做什麼。
它的響應速度有多快。
它的執行準確度如何。
它能處理多少計算量。
這沒問題。
但我開始懷疑，能力可能只是故事的一半。
另一半可能是信心。
一開始，我以爲信任是在答案出現的那一刻建立的。
模型運行。
輸出到達。
工作完成。
簡單。
但我越是思考可驗證的AI，就越不那麼相信。
因爲答案的傳播速度快於確定性。
市場反應。
交易者執行。
協議做出決策。
與此同時，驗證仍在後臺慢慢趕上。
也許延遲很小。
也許它很少重要。
不過，這個差距感覺很重要。
並不是因爲缺少證據。
而是因爲行動可能在證據到達之前就已經依賴於假設。
而假設在系統運行良好時，往往會變得隱形。
我曾經認爲關鍵問題是AI輸出是否可以被驗證。
現在我開始認爲另一個問題更爲重要。
在驗證到達之前，系統已經有多少在運行？
有時，信任並不單單由證據定義。
它是由每個人在等待證據時發生的事情來定義的。
#VerifiableCompute #AIInfrastructure #AIAgents $TAO $ETH
#opg $OPG