#opg $OPG
@OpenGradient
Semakin aku mengikuti ruang AI, semakin aku merasa kita terobsesi dengan apa yang bisa dilakukan model hari ini dan sangat sedikit memperhatikan apa yang mereka ingat besok.
Setiap rilis baru tampaknya mengikuti pola yang sama. Model yang lebih kuat tiba, benchmark meningkat, semua orang bergerak maju, dan versi sebelumnya memudar ke latar belakang. Apa yang hilang di sepanjang jalan adalah catatan tentang bagaimana sistem-sistem itu membuat keputusan, seberapa dapat diandalkan mereka, dan apakah output mereka mendapatkan ujian waktu.
Itu mungkin tidak terlalu penting ketika AI menghasilkan konten biasa. Tapi begitu sistem-sistem ini terlibat dalam area di mana akuntabilitas penting, percakapan berubah. Tidak cukup bagi AI untuk memberikan jawaban. Kita butuh cara untuk memahami dari mana jawaban itu berasal, memverifikasinya nanti, dan menghubungkannya dengan sejarah yang tepercaya.
Itu salah satu alasan mengapa OpenGradient menarik perhatianku.
Apa yang membuat ide ini menarik bukan hanya eksekusi AI. Ini adalah fokus pada menciptakan jejak yang dapat diverifikasi seputar inferensi, memori, dan keadaan. Alih-alih memperlakukan output sebagai peristiwa yang dapat dibuang, infrastruktur bertujuan untuk menjadikannya bagian dari catatan yang persisten dan dapat diaudit.
Tentu saja, ada trade-off. Menyimpan sejarah, mempertahankan verifikasi, dan melestarikan konteks semua memperkenalkan biaya tambahan. Pertanyaannya adalah apakah pengembang akan melihat cukup nilai dalam kepercayaan jangka panjang untuk membenarkan biaya tersebut.
Aku terus kembali ke pemikiran yang sama: fase berikutnya dari AI mungkin tidak ditentukan oleh siapa yang menghasilkan jawaban tercepat. Itu mungkin ditentukan oleh siapa yang dapat membuktikan bahwa jawaban tersebut masih layak dipercaya jauh setelah mereka dibuat.
$DEXE
$SIREN
Apa yang hilang dari AI saat ini?
@OpenGradient
Semakin aku mengikuti ruang AI, semakin aku merasa kita terobsesi dengan apa yang bisa dilakukan model hari ini dan sangat sedikit memperhatikan apa yang mereka ingat besok.
Setiap rilis baru tampaknya mengikuti pola yang sama. Model yang lebih kuat tiba, benchmark meningkat, semua orang bergerak maju, dan versi sebelumnya memudar ke latar belakang. Apa yang hilang di sepanjang jalan adalah catatan tentang bagaimana sistem-sistem itu membuat keputusan, seberapa dapat diandalkan mereka, dan apakah output mereka mendapatkan ujian waktu.
Itu mungkin tidak terlalu penting ketika AI menghasilkan konten biasa. Tapi begitu sistem-sistem ini terlibat dalam area di mana akuntabilitas penting, percakapan berubah. Tidak cukup bagi AI untuk memberikan jawaban. Kita butuh cara untuk memahami dari mana jawaban itu berasal, memverifikasinya nanti, dan menghubungkannya dengan sejarah yang tepercaya.
Itu salah satu alasan mengapa OpenGradient menarik perhatianku.
Apa yang membuat ide ini menarik bukan hanya eksekusi AI. Ini adalah fokus pada menciptakan jejak yang dapat diverifikasi seputar inferensi, memori, dan keadaan. Alih-alih memperlakukan output sebagai peristiwa yang dapat dibuang, infrastruktur bertujuan untuk menjadikannya bagian dari catatan yang persisten dan dapat diaudit.
Tentu saja, ada trade-off. Menyimpan sejarah, mempertahankan verifikasi, dan melestarikan konteks semua memperkenalkan biaya tambahan. Pertanyaannya adalah apakah pengembang akan melihat cukup nilai dalam kepercayaan jangka panjang untuk membenarkan biaya tersebut.
Aku terus kembali ke pemikiran yang sama: fase berikutnya dari AI mungkin tidak ditentukan oleh siapa yang menghasilkan jawaban tercepat. Itu mungkin ditentukan oleh siapa yang dapat membuktikan bahwa jawaban tersebut masih layak dipercaya jauh setelah mereka dibuat.
$DEXE
$SIREN
Apa yang hilang dari AI saat ini?
Trust
60%
Memory
20%
Speed
7%
Transparency
13%
15 Voting • Voting ditutup