El fin de semana llevé el coche a la lavadero en la esquina, el dueño estaba agachado con una linterna revisando el chasis, buscando piedra y barro pulgada a pulgada. Yo estaba sentado en una silla de plástico mirándolo trabajar, y de repente pensé que esta escena se parecía un poco a la dirección de OpenGradient últimamente con Robotics y AI en el mundo real, donde cada movimiento de un robot en el mundo físico tiene que tener detrás un par de ojos que verifiquen que no se está haciendo el vago.
Siempre he tenido la impresión de que @OpenGradient estaba atascado en la infraestructura de inferencia de DeFi, pero al profundizar me di cuenta de que el techo narrativo se había elevado silenciosamente un poco. El dueño de la lavadero estaba usando una linterna, OpenGradient equipa a los robots con computación verificable; cada decisión, cada captura, cada giro puede dejar una firma en la cadena, y al revisar los libros después se puede analizar si fue un error del modelo o si el ejecutor falló.
Pero cuanto más precisa es esta industria de lavado, más problemas surgen. Por más que el dueño revise, solo puede garantizar que esta vez esté limpio, no puede asegurar que la próxima vez que vuelvas de la obra esté igualmente limpio. OpenGradient lleva esa verificación a los robots, comprobando que en un momento dado la inferencia no haya sido manipulada, pero el estado real cambia cada segundo; si el robot sostiene una taza que se deslizó medio centímetro, el modelo está bien, el enlace está bien, pero la taza se rompe, ¿la firma puede decirte quién tuvo la culpa? La firma solo puede indicarte que el proceso fue conforme, pero no puede decirte si el resultado es razonable. $SYN
Y otro golpe viene del modelo económico. La lavadero cobra treinta por lavada, y el dueño tiene un límite de veinte coches al día. La cantidad de llamadas de inferencia que genera un robot cada segundo es astronómica; ¿pueden soportar el gas en la cadena, el ancho de banda de TEE, y la verificación de firmas? Si no pueden, por más grande que sea la historia, seguirá siendo un PPT; si pueden sostenerlo, ¿quién pagará la cuenta, el fabricante del robot, el consumidor final, o algún subsidio invisible? $UB
El dueño terminó de limpiar el coche una vez más, se agachó y tocó otra vez el interior del aro. Cuando le pasé el dinero, le pregunté por qué se tomaba tan en serio esto; me dijo que si un cliente se va descontento, no vuelve. Pero un robot no es un lavado de coches, un robot puede fallar una vez, y eso podría ser un componente mal instalado en la línea de producción, o un anciano cayéndose en una residencia.
El dueño tiró el trapo húmedo en el cubo, el agua salpicó y me mojó el pantalón; sonrió y dijo que la próxima vez recordara reservar con anticipación. #opg $OPG
Siempre he tenido la impresión de que @OpenGradient estaba atascado en la infraestructura de inferencia de DeFi, pero al profundizar me di cuenta de que el techo narrativo se había elevado silenciosamente un poco. El dueño de la lavadero estaba usando una linterna, OpenGradient equipa a los robots con computación verificable; cada decisión, cada captura, cada giro puede dejar una firma en la cadena, y al revisar los libros después se puede analizar si fue un error del modelo o si el ejecutor falló.
Pero cuanto más precisa es esta industria de lavado, más problemas surgen. Por más que el dueño revise, solo puede garantizar que esta vez esté limpio, no puede asegurar que la próxima vez que vuelvas de la obra esté igualmente limpio. OpenGradient lleva esa verificación a los robots, comprobando que en un momento dado la inferencia no haya sido manipulada, pero el estado real cambia cada segundo; si el robot sostiene una taza que se deslizó medio centímetro, el modelo está bien, el enlace está bien, pero la taza se rompe, ¿la firma puede decirte quién tuvo la culpa? La firma solo puede indicarte que el proceso fue conforme, pero no puede decirte si el resultado es razonable. $SYN
Y otro golpe viene del modelo económico. La lavadero cobra treinta por lavada, y el dueño tiene un límite de veinte coches al día. La cantidad de llamadas de inferencia que genera un robot cada segundo es astronómica; ¿pueden soportar el gas en la cadena, el ancho de banda de TEE, y la verificación de firmas? Si no pueden, por más grande que sea la historia, seguirá siendo un PPT; si pueden sostenerlo, ¿quién pagará la cuenta, el fabricante del robot, el consumidor final, o algún subsidio invisible? $UB
El dueño terminó de limpiar el coche una vez más, se agachó y tocó otra vez el interior del aro. Cuando le pasé el dinero, le pregunté por qué se tomaba tan en serio esto; me dijo que si un cliente se va descontento, no vuelve. Pero un robot no es un lavado de coches, un robot puede fallar una vez, y eso podría ser un componente mal instalado en la línea de producción, o un anciano cayéndose en una residencia.
El dueño tiró el trapo húmedo en el cubo, el agua salpicó y me mojó el pantalón; sonrió y dijo que la próxima vez recordara reservar con anticipación. #opg $OPG
opg 的的天花板更高了
50%
一个方向都没走好就下一个了?
50%
2 Votos • Votación cerrada