لقد كنت أولي اهتمامًا أكبر لجزء البنية التحتية في مجال الذكاء الاصطناعي، وأعتقد أن OpenGradient واحد من أكثر المشاريع إثارة للاهتمام التي صادفتها مؤخرًا. أشعر أن الجميع يلاحق نماذج أكبر، لكنني أعود باستمرار إلى سؤال: كيف يمكن بالفعل التحقق من مخرجات الذكاء الاصطناعي على نطاق واسع؟

هناك أمر لا أراه يناقش بما يكفي وهو الاستدلال (inference). أعتقد أن هنا يمكن أن تنتهي قيمة كبيرة على المدى الطويل. إذا تمكنت من التحقق من أي نموذج هو الذي ولّد المخرج بدلًا من الاكتفاء بالثقة في خدمة مركزية، فستكون هذه خطوة ذات معنى كبير بالنسبة للذكاء الاصطناعي على السلسلة (on-chain).

كما أتابع أين ينفق المطورون وقتهم. الضجيج يجيء ويذهب، لكن نشاط المطورين عادةً يخبرني أكثر من شموع الأسعار. إذا بدأت أرى تطبيقات حقيقية تختار هذه البنية التحتية بدلًا من مجرد الحديث عنها، فسأوليها اهتمامًا أكبر.

أنا لا أتعامل مع الأمر كصفقة سريعة. أنا أراقب ما إذا كانت الشبكة تجتذب استخدامًا ثابتًا؛ لأن هذا غالبًا ما يحافظ على أهمية النظام البيئي بعد أن يخفت الحماس الأولي. هذا هو الجزء الذي يثير فضولي أكثر.
#OPG $OPG @OpenGradient
$TSLAB