@OpenGradient
Jedna rzecz, którą ciągle zauważam w AI, to jak rozproszone są rzeczywiste cykle życia modeli, nawet gdy ich możliwości wciąż się poprawiają.
Większość dyskusji koncentruje się na tym, co modele mogą zrobić. Ale bardzo mało uwagi poświęca się temu, jak one faktycznie istnieją po ich zbudowaniu - gdzie są przechowywane, jak są aktualizowane i jak są dostępne w różnych systemach.
Ukryta napięcie polega na tym, że AI staje się coraz szerzej stosowane, ale infrastruktura stojąca za modelami nadal jest kontrolowana przez rozproszone systemy i izolowane platformy.
To tworzy lukę między tworzeniem a realizacją. Model jest trenowany w jednym miejscu, przechowywany gdzie indziej, a następnie wdrażany przez całkowicie różne pipeline'y, z każdą z własnymi zasadami i ograniczeniami.
To tutaj robi się interesująco.
Nie tylko z punktu widzenia wnioskowania, ale również z tego, jak strukturyzowane są własność modeli i dostęp w różnych systemach.
Model Hub OpenGradient wydaje się podchodzić do tego inaczej. Zamiast modeli rozproszonych po chmurze, zamkniętych platformach, istnieją one w repozytorium bez zezwolenia, gdzie każdy może przesyłać, wersjonować i udostępniać je do wnioskowania bez bramek. Każdy model jest zorganizowany jako repozytorium z aktualizacjami i śledzalną historią, wspierany przez zdecentralizowane przechowywanie, takie jak Walrus.
To, co wyróżnia się dla mnie, to nie tylko decentralizacja, ale również jednoczesna standaryzacja. Modele nie tylko są przechowywane, ale są gotowe do wykonania w formatach takich jak ONNX i mogą być uruchamiane w różnych trybach, w tym wnioskowania opartego na ZKML lub procesów LLM. To zmienia sposób, w jaki modele poruszają się przez systemy.
Nawet sposób, w jaki modele są zorganizowane - repozytoria, wydania wersji - zaczyna wyglądać mniej jak przechowywanie, a bardziej jak infrastruktura koordynacyjna.
Przemiana ta może nie dotyczyć tylko lepszych modeli.
Może dotyczyć tego, czy modele mogą istnieć w współdzielonym, weryfikowalnym i kompozycyjnym systemie domyślnie.
Nie jestem do końca pewny, jak wcześnie to jest, ale wydaje się to być jednym z tych zmian, które wyglądają oczywiście dopiero gdy wszystko już zostało zreorganizowane wokół tego.
#opg $OPG #OPG
Jedna rzecz, którą ciągle zauważam w AI, to jak rozproszone są rzeczywiste cykle życia modeli, nawet gdy ich możliwości wciąż się poprawiają.
Większość dyskusji koncentruje się na tym, co modele mogą zrobić. Ale bardzo mało uwagi poświęca się temu, jak one faktycznie istnieją po ich zbudowaniu - gdzie są przechowywane, jak są aktualizowane i jak są dostępne w różnych systemach.
Ukryta napięcie polega na tym, że AI staje się coraz szerzej stosowane, ale infrastruktura stojąca za modelami nadal jest kontrolowana przez rozproszone systemy i izolowane platformy.
To tworzy lukę między tworzeniem a realizacją. Model jest trenowany w jednym miejscu, przechowywany gdzie indziej, a następnie wdrażany przez całkowicie różne pipeline'y, z każdą z własnymi zasadami i ograniczeniami.
To tutaj robi się interesująco.
Nie tylko z punktu widzenia wnioskowania, ale również z tego, jak strukturyzowane są własność modeli i dostęp w różnych systemach.
Model Hub OpenGradient wydaje się podchodzić do tego inaczej. Zamiast modeli rozproszonych po chmurze, zamkniętych platformach, istnieją one w repozytorium bez zezwolenia, gdzie każdy może przesyłać, wersjonować i udostępniać je do wnioskowania bez bramek. Każdy model jest zorganizowany jako repozytorium z aktualizacjami i śledzalną historią, wspierany przez zdecentralizowane przechowywanie, takie jak Walrus.
To, co wyróżnia się dla mnie, to nie tylko decentralizacja, ale również jednoczesna standaryzacja. Modele nie tylko są przechowywane, ale są gotowe do wykonania w formatach takich jak ONNX i mogą być uruchamiane w różnych trybach, w tym wnioskowania opartego na ZKML lub procesów LLM. To zmienia sposób, w jaki modele poruszają się przez systemy.
Nawet sposób, w jaki modele są zorganizowane - repozytoria, wydania wersji - zaczyna wyglądać mniej jak przechowywanie, a bardziej jak infrastruktura koordynacyjna.
Przemiana ta może nie dotyczyć tylko lepszych modeli.
Może dotyczyć tego, czy modele mogą istnieć w współdzielonym, weryfikowalnym i kompozycyjnym systemie domyślnie.
Nie jestem do końca pewny, jak wcześnie to jest, ale wydaje się to być jednym z tych zmian, które wyglądają oczywiście dopiero gdy wszystko już zostało zreorganizowane wokół tego.
#opg $OPG #OPG