#opg $OPG
我讀的關於人工智能的資料越多，就越會回到一個問題。每個人都在談論更好的模型，但這些模型到底在哪裏運行？如果答案仍然是一小撮集中式服務器，那麼每當人工智能做出重要事情時，我們仍然在依賴別人。
這也是 OpenGradient 吸引我的原因之一。
這個想法不只是把 AI 和區塊鏈連接起來。它更是在構建一種網絡：讓 AI 模型能夠託管、運行，並在去中心化的基礎設施上被驗證，而不是依賴單一提供商。若這個願景如項目所述那樣實現，開發者就可以少花時間擔心計算資源由誰掌控，而把更多時間投入到構建有用的應用上。該項目將自己描述爲面向開放智能（Open Intelligence）的網絡，重點在於以規模化方式託管、運行推理（inference）並驗證 AI 模型。（來源：OpenGradient 文檔。）
我們經常聽到去中心化，但計算資源仍然是最重要、且往往保持集中化的部分之一。這讓我覺得，真正的挑戰並不是再做一個 AI 應用。而是要創建人們願意信任的基礎設施。
我很期待在接下來的幾年裏，這個領域會如何發展。
對你來說更重要的是：擁有最聰明的 AI，還是知道並理解那套 AI 具體是如何運行、運行在哪裏？
@OpenGradient #OpenGradient
我讀的關於人工智能的資料越多，就越會回到一個問題。每個人都在談論更好的模型，但這些模型到底在哪裏運行？如果答案仍然是一小撮集中式服務器，那麼每當人工智能做出重要事情時，我們仍然在依賴別人。
這也是 OpenGradient 吸引我的原因之一。
這個想法不只是把 AI 和區塊鏈連接起來。它更是在構建一種網絡：讓 AI 模型能夠託管、運行，並在去中心化的基礎設施上被驗證，而不是依賴單一提供商。若這個願景如項目所述那樣實現，開發者就可以少花時間擔心計算資源由誰掌控，而把更多時間投入到構建有用的應用上。該項目將自己描述爲面向開放智能（Open Intelligence）的網絡，重點在於以規模化方式託管、運行推理（inference）並驗證 AI 模型。（來源：OpenGradient 文檔。）
我們經常聽到去中心化，但計算資源仍然是最重要、且往往保持集中化的部分之一。這讓我覺得，真正的挑戰並不是再做一個 AI 應用。而是要創建人們願意信任的基礎設施。
我很期待在接下來的幾年裏，這個領域會如何發展。
對你來說更重要的是：擁有最聰明的 AI，還是知道並理解那套 AI 具體是如何運行、運行在哪裏？
@OpenGradient #OpenGradient