我們是否曾停下來問過：人工智能真正的稀缺性不再是智能本身，而是證據嗎？
當我在探索區塊鏈基礎設施項目並對比它們如何構建信任時，我萌生了這個想法。在那次搜索中，我遇到了 OpenGradient（$OPG ），它把我的注意力意外地引向了另一個方向。我不再去思考人工智能能產出什麼，而開始思考人工智能還能留下什麼。
大多數討論從輸出開始。我們衡量準確性，比較性能，並爭論某個模型是否比另一個更好。然而，這些比較往往暗含一個前提：只要答案足夠令人信服就夠了。可我越想越覺得，這個假設並不牢靠。在經濟的許多領域，信心並不是僅由結果本身創造的。它來自於保留一份記錄，讓他人能夠理解結果是如何得來的。
這種視角讓 OpenGradient 對我來說變得很有意思。它似乎並沒有把驗證當作次要問題來對待；相反，它在探索這樣一種觀念：計算本身應當伴隨證據。我不認爲這只是一個純粹的技術改進。它更像是在嘗試重新思考數字信任是如何被搭建起來的。
我思考得越久，就越能察覺到一種更廣泛的模式。技術不斷讓信息更容易生成，但要在彼此之間獨立地確認這些信息，往往仍然昂貴或不切實際。也許，這兩種趨勢值得被放在一起討論，而不是各自爲政。
我帶着一個不同於起初問題離開了研究。也許，人工智能基礎設施下一次面臨的挑戰並不是創造更多答案，而是讓答案攜帶足夠的上下文，從而在它們被產出很久之後仍然保持有意義。
@OpenGradient #opg $OPG
當我在探索區塊鏈基礎設施項目並對比它們如何構建信任時，我萌生了這個想法。在那次搜索中，我遇到了 OpenGradient（$OPG ），它把我的注意力意外地引向了另一個方向。我不再去思考人工智能能產出什麼，而開始思考人工智能還能留下什麼。
大多數討論從輸出開始。我們衡量準確性，比較性能，並爭論某個模型是否比另一個更好。然而，這些比較往往暗含一個前提：只要答案足夠令人信服就夠了。可我越想越覺得，這個假設並不牢靠。在經濟的許多領域，信心並不是僅由結果本身創造的。它來自於保留一份記錄，讓他人能夠理解結果是如何得來的。
這種視角讓 OpenGradient 對我來說變得很有意思。它似乎並沒有把驗證當作次要問題來對待；相反，它在探索這樣一種觀念：計算本身應當伴隨證據。我不認爲這只是一個純粹的技術改進。它更像是在嘗試重新思考數字信任是如何被搭建起來的。
我思考得越久，就越能察覺到一種更廣泛的模式。技術不斷讓信息更容易生成，但要在彼此之間獨立地確認這些信息，往往仍然昂貴或不切實際。也許，這兩種趨勢值得被放在一起討論，而不是各自爲政。
我帶着一個不同於起初問題離開了研究。也許，人工智能基礎設施下一次面臨的挑戰並不是創造更多答案，而是讓答案攜帶足夠的上下文，從而在它們被產出很久之後仍然保持有意義。
@OpenGradient #opg $OPG