Akhir-akhir ini, saya berpikir tentang seberapa banyak percakapan mengenai AI berputar di sekitar model-model itu sendiri. Orang sering bertanya model mana yang lebih pintar, lebih cepat, atau lebih mampu, seolah-olah masa depan AI akan ditentukan terutama oleh performa.
Asumsi itu masuk akal di permukaan. Kecerdasan yang lebih baik mudah untuk diperhatikan. Tetapi saya mendapati diri saya bertanya tentang lapisan berbeda dari sistem ini.
Bagaimana jika pertanyaan yang lebih penting bukan tentang bagaimana kecerdasan diciptakan, tetapi bagaimana ia dihosting, diverifikasi, dan dipercaya setelah ia ada?
Saat AI semakin tertanam dalam lebih banyak keputusan, interaksi, dan layanan, infrastruktur di baliknya mulai menjadi penting. Jaringan seperti OpenGradient mengeksplorasi gagasan bahwa kecerdasan mungkin memerlukan mekanisme terbuka untuk inferensi, verifikasi, dan koordinasi daripada sepenuhnya bergantung pada sistem terpusat.
Apa yang menarik bagi saya adalah tradeoff yang diciptakan ini. Sentralisasi sering membawa kesederhanaan dan efisiensi. Keterbukaan dapat memperkenalkan kompleksitas, tetapi mungkin juga menciptakan jaminan yang lebih kuat tentang transparansi dan kepercayaan.
Paradoksnya adalah semakin kuat AI, semakin penting sistem tak terlihat di sekitarnya. Kecerdasan mendapatkan perhatian, sementara verifikasi diam-diam menentukan kepercayaan.
Dalam jangka panjang, apakah tantangan terbesar adalah membangun AI yang lebih pintar, atau membangun sistem yang memungkinkan orang untuk mempercayai apa yang dilakukan AI dan mengapa?
@OpenGradient
#OPG
$OPG
Asumsi itu masuk akal di permukaan. Kecerdasan yang lebih baik mudah untuk diperhatikan. Tetapi saya mendapati diri saya bertanya tentang lapisan berbeda dari sistem ini.
Bagaimana jika pertanyaan yang lebih penting bukan tentang bagaimana kecerdasan diciptakan, tetapi bagaimana ia dihosting, diverifikasi, dan dipercaya setelah ia ada?
Saat AI semakin tertanam dalam lebih banyak keputusan, interaksi, dan layanan, infrastruktur di baliknya mulai menjadi penting. Jaringan seperti OpenGradient mengeksplorasi gagasan bahwa kecerdasan mungkin memerlukan mekanisme terbuka untuk inferensi, verifikasi, dan koordinasi daripada sepenuhnya bergantung pada sistem terpusat.
Apa yang menarik bagi saya adalah tradeoff yang diciptakan ini. Sentralisasi sering membawa kesederhanaan dan efisiensi. Keterbukaan dapat memperkenalkan kompleksitas, tetapi mungkin juga menciptakan jaminan yang lebih kuat tentang transparansi dan kepercayaan.
Paradoksnya adalah semakin kuat AI, semakin penting sistem tak terlihat di sekitarnya. Kecerdasan mendapatkan perhatian, sementara verifikasi diam-diam menentukan kepercayaan.
Dalam jangka panjang, apakah tantangan terbesar adalah membangun AI yang lebih pintar, atau membangun sistem yang memungkinkan orang untuk mempercayai apa yang dilakukan AI dan mengapa?
@OpenGradient
#OPG
$OPG