Tôi cứ nghĩ về OpenGradient theo một cách lặng lẽ hơn so với hầu hết mọi người dường như đang làm.
Ban đầu, nó trông giống như một nỗ lực khác nhằm kết nối AI với crypto.
Đó là kết luận dễ dàng.
Tôi không nghĩ đó là kết luận hữu ích.
Thứ mà tôi cứ quay lại chính là sự tin cậy.
Không phải phiên bản ồn ào của sự tin cậy mà người ta hay nói trên mạng.
Mà là phiên bản đơn giản.
AI có thực sự làm đúng những gì nó đã tuyên bố không?
Câu hỏi này nghe có vẻ nhỏ cho đến khi tiền bạc được liên quan.
Hoặc dữ liệu cá nhân.
Hoặc một tác nhân đưa ra quyết định mà không cần chờ một con người.
Khi đó, nó trở nên nặng nề.
Trước đây tôi nghĩ vấn đề nằm ở việc đưa AI lên onchain.
Giờ tôi nghĩ cách đặt vấn đề đó lại bỏ lỡ điểm chính.
AI không thể “nhét gọn” một cách gọn gàng vào blockchain.
Các mô hình quá lớn.
Công việc trên GPU quá tốn kém.
Các đầu vào riêng tư không thể cứ đem ra phơi cho tất cả mọi người xem.
Vì vậy, ý tưởng cũ rằng mọi validator sẽ kiểm tra mọi thứ bắt đầu cảm thấy gượng ép.
Đây là lúc OpenGradient đối với tôi có cảm giác khác.
Nó dường như không yêu cầu một máy phải trở thành tất cả.
Điều đó quan trọng.
Các node GPU có thể chạy mô hình.
Các full node có thể kiểm tra bằng chứng.
Các data node có thể giúp làm cho các đầu vào bên ngoài bớt mù mờ.
Storage có thể lưu giữ những thứ mà việc đặt trực tiếp lên onchain sẽ chẳng có ý nghĩa gì.
Không có gì trong tất cả chuyện này nghe có vẻ “thần kỳ”.
Có lẽ vì thế mà tôi thấy nó thú vị hơn.
Nó giống như một lời thừa nhận rằng các hệ thống AI thì lộn xộn, và blockchain cần xác minh đúng phần cần thiết thay vì cố gắng gánh cả cỗ máy.
Dù vậy, tôi vẫn không thấy mọi thứ đã được giải quyết triệt để.
Data nodes vẫn chưa thực sự hoạt động “trực tiếp” hoàn toàn.
ZKML vẫn khó ở quy mô lớn.
Các hệ thống dựa trên TEE vẫn mang theo các giả định về phần cứng.
Ở đâu cũng có sự đánh đổi.
Nhưng đó cũng là hình dạng trung thực của bài toán này.
Tương lai của AI onchain có lẽ sẽ không đến từ việc cố gắng giả vờ rằng mọi đầu ra đều hoàn toàn không cần tin cậy.
Nó có thể đến từ việc biết chính xác sự tin cậy xâm nhập vào hệ thống ở chỗ nào, và xây dựng dựa trên điểm yếu đó.
#OPG @OpenGradient $OPG
Ban đầu, nó trông giống như một nỗ lực khác nhằm kết nối AI với crypto.
Đó là kết luận dễ dàng.
Tôi không nghĩ đó là kết luận hữu ích.
Thứ mà tôi cứ quay lại chính là sự tin cậy.
Không phải phiên bản ồn ào của sự tin cậy mà người ta hay nói trên mạng.
Mà là phiên bản đơn giản.
AI có thực sự làm đúng những gì nó đã tuyên bố không?
Câu hỏi này nghe có vẻ nhỏ cho đến khi tiền bạc được liên quan.
Hoặc dữ liệu cá nhân.
Hoặc một tác nhân đưa ra quyết định mà không cần chờ một con người.
Khi đó, nó trở nên nặng nề.
Trước đây tôi nghĩ vấn đề nằm ở việc đưa AI lên onchain.
Giờ tôi nghĩ cách đặt vấn đề đó lại bỏ lỡ điểm chính.
AI không thể “nhét gọn” một cách gọn gàng vào blockchain.
Các mô hình quá lớn.
Công việc trên GPU quá tốn kém.
Các đầu vào riêng tư không thể cứ đem ra phơi cho tất cả mọi người xem.
Vì vậy, ý tưởng cũ rằng mọi validator sẽ kiểm tra mọi thứ bắt đầu cảm thấy gượng ép.
Đây là lúc OpenGradient đối với tôi có cảm giác khác.
Nó dường như không yêu cầu một máy phải trở thành tất cả.
Điều đó quan trọng.
Các node GPU có thể chạy mô hình.
Các full node có thể kiểm tra bằng chứng.
Các data node có thể giúp làm cho các đầu vào bên ngoài bớt mù mờ.
Storage có thể lưu giữ những thứ mà việc đặt trực tiếp lên onchain sẽ chẳng có ý nghĩa gì.
Không có gì trong tất cả chuyện này nghe có vẻ “thần kỳ”.
Có lẽ vì thế mà tôi thấy nó thú vị hơn.
Nó giống như một lời thừa nhận rằng các hệ thống AI thì lộn xộn, và blockchain cần xác minh đúng phần cần thiết thay vì cố gắng gánh cả cỗ máy.
Dù vậy, tôi vẫn không thấy mọi thứ đã được giải quyết triệt để.
Data nodes vẫn chưa thực sự hoạt động “trực tiếp” hoàn toàn.
ZKML vẫn khó ở quy mô lớn.
Các hệ thống dựa trên TEE vẫn mang theo các giả định về phần cứng.
Ở đâu cũng có sự đánh đổi.
Nhưng đó cũng là hình dạng trung thực của bài toán này.
Tương lai của AI onchain có lẽ sẽ không đến từ việc cố gắng giả vờ rằng mọi đầu ra đều hoàn toàn không cần tin cậy.
Nó có thể đến từ việc biết chính xác sự tin cậy xâm nhập vào hệ thống ở chỗ nào, và xây dựng dựa trên điểm yếu đó.
#OPG @OpenGradient $OPG