Continuo a tornare su una domanda che sembra stranamente trascurata nell'AI.
Non se l'AI stia diventando più intelligente.
Se stia diventando responsabile.
La distinzione sembra piccola all'inizio. Non lo è.
La maggior parte dell'AI oggi sembra una scatola chiusa. Scrivi qualcosa, aspetti qualche secondo, ricevi una risposta e prosegui con la tua giornata. Se la risposta sembra convincente, la maggior parte delle persone non si ferma a pensare a cosa sia successo sotto il cofano.
Onestamente, anch'io facevo lo stesso.
Ma più l'AI si addentra nella ricerca e nel processo decisionale, meno confortevole diventa quel modello a scatola nera.
A un certo punto smetti di chiederti: "Mi ha dato una risposta?"
Inizi a chiederti: "Qualcuno può effettivamente verificare come è stata prodotta quella risposta?"
Questo cambiamento è ciò che mi ha spinto a dedicare più tempo a OpenGradient.
Ciò che ha catturato la mia attenzione non era un altro annuncio su modelli più veloci o dataset più grandi. Ne abbiamo già sentito abbastanza. La parte interessante era il tentativo di costruire la verifica direttamente nell'infrastruttura stessa.
La loro Architettura di Calcolo AI Ibrida separa l'esecuzione dalla verifica. In termini semplici, una parte della rete gestisce il carico di lavoro pesante dell'AI, mentre un altro strato si concentra sul dimostrare cosa è successo.
E penso che sia qui che le cose diventano interessanti.
Perché la fiducia non è realmente una sola cosa.
A volte hai bisogno di certezza crittografica.
A volte l'hardware fidato è sufficiente.
A volte la velocità conta più della verifica perfetta.
@OpenGradient non sembra assumere che ogni applicazione abbia bisogno della stessa risposta. Invece, crea uno spettro di fiducia e lascia agli utenti decidere dove vogliono posizionarsi.
Più ci penso, più questa sembra la prossima grande conversazione sull'AI.
Negli ultimi anni, tutti sono stati ossessionati dalla capacità. Modelli più intelligenti. Uscite migliori. Benchmark più grandi.
Va bene così.
Ma la capacità senza responsabilità inizia a sembrare incompleta.
Forse anche rischiosa.
La mia sensazione è che i futuri vincitori dell'AI non saranno solo sistemi che generano risposte impressionanti.
Saranno i sistemi che possono mostrare il loro lavoro.
E in questo momento, quella parte della discussione sembra enormemente sottovalutata.
#OPG $OPG
Non se l'AI stia diventando più intelligente.
Se stia diventando responsabile.
La distinzione sembra piccola all'inizio. Non lo è.
La maggior parte dell'AI oggi sembra una scatola chiusa. Scrivi qualcosa, aspetti qualche secondo, ricevi una risposta e prosegui con la tua giornata. Se la risposta sembra convincente, la maggior parte delle persone non si ferma a pensare a cosa sia successo sotto il cofano.
Onestamente, anch'io facevo lo stesso.
Ma più l'AI si addentra nella ricerca e nel processo decisionale, meno confortevole diventa quel modello a scatola nera.
A un certo punto smetti di chiederti: "Mi ha dato una risposta?"
Inizi a chiederti: "Qualcuno può effettivamente verificare come è stata prodotta quella risposta?"
Questo cambiamento è ciò che mi ha spinto a dedicare più tempo a OpenGradient.
Ciò che ha catturato la mia attenzione non era un altro annuncio su modelli più veloci o dataset più grandi. Ne abbiamo già sentito abbastanza. La parte interessante era il tentativo di costruire la verifica direttamente nell'infrastruttura stessa.
La loro Architettura di Calcolo AI Ibrida separa l'esecuzione dalla verifica. In termini semplici, una parte della rete gestisce il carico di lavoro pesante dell'AI, mentre un altro strato si concentra sul dimostrare cosa è successo.
E penso che sia qui che le cose diventano interessanti.
Perché la fiducia non è realmente una sola cosa.
A volte hai bisogno di certezza crittografica.
A volte l'hardware fidato è sufficiente.
A volte la velocità conta più della verifica perfetta.
@OpenGradient non sembra assumere che ogni applicazione abbia bisogno della stessa risposta. Invece, crea uno spettro di fiducia e lascia agli utenti decidere dove vogliono posizionarsi.
Più ci penso, più questa sembra la prossima grande conversazione sull'AI.
Negli ultimi anni, tutti sono stati ossessionati dalla capacità. Modelli più intelligenti. Uscite migliori. Benchmark più grandi.
Va bene così.
Ma la capacità senza responsabilità inizia a sembrare incompleta.
Forse anche rischiosa.
La mia sensazione è che i futuri vincitori dell'AI non saranno solo sistemi che generano risposte impressionanti.
Saranno i sistemi che possono mostrare il loro lavoro.
E in questo momento, quella parte della discussione sembra enormemente sottovalutata.
#OPG $OPG