#OPG
$OPG
كان الجميع يطاردون أداء النموذج. معايير قياس أكبر، نوافذ سياق أوسع، واستدلال أدق. كانت السردية نظيفة، لذلك تبعتها الأرقام بالرأسمال.
لكنني بدأت أطرح سؤالاً مختلفاً: ماذا يحدث بعد أن يتم توليد الإجابة؟
هذا ما دفعني نحو @OpenGradient نعم، إنها تقدم تنفيذاً موثَّقاً بالذكاء الاصطناعي، حيث تُثبت الحسابات بدلاً من مجرد الوثوق بها. لكن الجزء الذي ينام عليه معظم الناس هو الذاكرة.
يُستهلك الذكاء مرة واحدة. الذاكرة تتضاعف إلى ما لا نهاية.
إذا كان بإمكان الوكلاء الاحتفاظ بسياق موثوق، وتذكر الإجراءات السابقة، والبناء على القرارات الماضية، فإن الذاكرة تتوقف عن كونها مجرد ميزة وتتحول إلى بنية تحتية. النوع الذي لا يتخلى عنه المطورون، بل يوسّعونه.
لقد راقبت دوراتٍ كافية لأعرف أن السرديات دون احتفاظ هي مجرد ضوضاء. الإشارة التي أراقبها بسيطة: هل يعود المستخدمون ويدفعون للقيام بذلك مرة أخرى؟
إذا كانوا يفعلون، فإن $OPG ليس مجرد بداية مبكرة، بل هو أساس.

#BinanceSquareTalks
في بنية الذكاء الاصطناعي التحتية، ما الذي يدفع القيمة على المدى الطويل؟