@OpenGradient 每個人似乎都在專注於打造更快、更大、更便宜的 AI。我懂為什麼。這些指標很容易拿來比較。但老實說，我覺得他們漏掉了更困難的問題。

當一個 AI 系統犯錯之後，會發生什麼事？

修復程式錯誤只是故事的一部分。若成千上萬的自主代理已經使用了這些輸出、付款已完成、而且應用程式也根據這些結果採取了行動，你就不能假裝什麼都沒發生。真正的挑戰在於，證明究竟發生了什麼，並在不改寫歷史的前提下維持信任。

因此，我特別在意像是「可驗證推論（Verifiable Inference）」、「稽核軌跡（Audit Trails）」、「Blob IDs」以及「Proof Paths」這類概念。它們提供了一種方式，讓你能驗證：是哪一個模型產生了特定輸出、當下的執行狀態是什麼，以及該輸出如何在網路中流轉。這種透明度，比多數人想像的更重要。

對我而言，去中心化 AI 的未來不會由誰打造最大的模型來決定。它將由誰打造出人們能在事情未如預期時，獨立驗證的基礎設施來決定。

這是一個更難的挑戰，我也相信它才是最關鍵的那一個。

@OpenGradient #OPG $OPG

$ORDI


$VELVET