@OpenGradient 我發現，要對其中任何一部分聽起來足夠自信，變得越來越難。
幾年前，這段對話主要還在討論如何構建更好的模型。在那之前，在加密領域，它大多圍繞信任以及誰掌控基礎設施的“軌道（rails）”。我在這兩者之間待過足夠久，已經能看出每一輪週期都會發展出自己最偏愛的敘事。最終敘事會變化，但底層的問題並不會。
困擾我的，是如今有多少人工智能依賴着我們大多數人從未見過的基礎設施。我們會問一個答案是否有用，但很少追問它從哪裏來，究竟是誰實際運行了計算，或者是否有人能夠在別處驗證得到同樣的結果。系統越強大，它們似乎就越不顯眼。
這或許也是爲什麼“OpenGradient（$OPG ）”一直在我腦海後面徘徊。不是因爲我認爲去中心化的基礎設施就會自動成爲答案。我已經學會對那些過於簡單的解釋保持謹慎。儘管如此，將模型託管起來、運行推理，並讓這些過程變得可驗證，確實像是在迴應堆棧中某一部分——它在不知不覺中變得太重要了，已經無法繼續忽視。
我也並不確信，當激勵、所有權和規模開始朝不同方向拉扯時，“開放智能（open intelligence）”還能繼續保持開放。我們不想讓這些矛盾消失，它們也不會消失。
也許，對人工智能的信任最終與其說取決於模型本身，不如說取決於那些讓模型能夠被問責的系統。我猜想，我們纔剛剛開始意識到，這個問題究竟有多難。#opg $OPG
幾年前，這段對話主要還在討論如何構建更好的模型。在那之前，在加密領域，它大多圍繞信任以及誰掌控基礎設施的“軌道（rails）”。我在這兩者之間待過足夠久，已經能看出每一輪週期都會發展出自己最偏愛的敘事。最終敘事會變化，但底層的問題並不會。
困擾我的，是如今有多少人工智能依賴着我們大多數人從未見過的基礎設施。我們會問一個答案是否有用，但很少追問它從哪裏來，究竟是誰實際運行了計算，或者是否有人能夠在別處驗證得到同樣的結果。系統越強大，它們似乎就越不顯眼。
這或許也是爲什麼“OpenGradient（$OPG ）”一直在我腦海後面徘徊。不是因爲我認爲去中心化的基礎設施就會自動成爲答案。我已經學會對那些過於簡單的解釋保持謹慎。儘管如此，將模型託管起來、運行推理，並讓這些過程變得可驗證，確實像是在迴應堆棧中某一部分——它在不知不覺中變得太重要了，已經無法繼續忽視。
我也並不確信，當激勵、所有權和規模開始朝不同方向拉扯時，“開放智能（open intelligence）”還能繼續保持開放。我們不想讓這些矛盾消失，它們也不會消失。
也許，對人工智能的信任最終與其說取決於模型本身，不如說取決於那些讓模型能夠被問責的系統。我猜想，我們纔剛剛開始意識到，這個問題究竟有多難。#opg $OPG