Kita semua sudah melihat pola ini.
Sebuah model AI baru dirilis, media sosial dipenuhi dengan grafik benchmark, para trader mulai berdebat tentang pemenang dan pecundang, dan para investor berusaha mencari tahu bagian mana dari tumpukan AI yang akan menangkap nilai paling banyak.
Kesimpulan yang biasa cukup sederhana: model yang paling cerdas yang menang.
Selama beberapa waktu, saya juga melihatnya seperti itu.
Tapi semakin lama saya memikirkan hal ini, semakin saya bertanya-tanya apakah kecerdasan hanya setengah dari cerita.
Bayangkan sebuah dunia beberapa tahun dari sekarang di mana model-model AI ada di mana-mana. Menjalankan inferensi itu murah, menerapkan model itu mudah, dan versi baru muncul lebih cepat dari yang bisa diikuti siapa pun. Pada titik itu, menemukan kecerdasan mungkin tidak sulit sama sekali.
Mengetahui apa yang dapat dipercaya mungkin lebih sulit.
Itulah sebabnya proyek seperti @OpenGradient menarik perhatian saya bukan karena mereka membuat AI lebih kuat, tetapi karena mereka membuat saya berpikir tentang masalah yang berbeda. Dalam masa depan yang dipenuhi dengan output yang dihasilkan mesin, bagaimana pengguna, bisnis, dan pasar akan memverifikasi apa yang sebenarnya terjadi di balik layar?
Jika kecerdasan menjadi melimpah, kepercayaan mungkin menjadi sumber daya yang langka.
Dan jika kepercayaan menjadi sumber daya yang langka, apakah kita menghabiskan terlalu banyak waktu untuk mengukur kinerja model dan tidak cukup waktu untuk mengukur bukti?
#opg $OPG @OpenGradient
Sebuah model AI baru dirilis, media sosial dipenuhi dengan grafik benchmark, para trader mulai berdebat tentang pemenang dan pecundang, dan para investor berusaha mencari tahu bagian mana dari tumpukan AI yang akan menangkap nilai paling banyak.
Kesimpulan yang biasa cukup sederhana: model yang paling cerdas yang menang.
Selama beberapa waktu, saya juga melihatnya seperti itu.
Tapi semakin lama saya memikirkan hal ini, semakin saya bertanya-tanya apakah kecerdasan hanya setengah dari cerita.
Bayangkan sebuah dunia beberapa tahun dari sekarang di mana model-model AI ada di mana-mana. Menjalankan inferensi itu murah, menerapkan model itu mudah, dan versi baru muncul lebih cepat dari yang bisa diikuti siapa pun. Pada titik itu, menemukan kecerdasan mungkin tidak sulit sama sekali.
Mengetahui apa yang dapat dipercaya mungkin lebih sulit.
Itulah sebabnya proyek seperti @OpenGradient menarik perhatian saya bukan karena mereka membuat AI lebih kuat, tetapi karena mereka membuat saya berpikir tentang masalah yang berbeda. Dalam masa depan yang dipenuhi dengan output yang dihasilkan mesin, bagaimana pengguna, bisnis, dan pasar akan memverifikasi apa yang sebenarnya terjadi di balik layar?
Jika kecerdasan menjadi melimpah, kepercayaan mungkin menjadi sumber daya yang langka.
Dan jika kepercayaan menjadi sumber daya yang langka, apakah kita menghabiskan terlalu banyak waktu untuk mengukur kinerja model dan tidak cukup waktu untuk mengukur bukti?
#opg $OPG @OpenGradient
