ほとんどの人は、AIの最大の問題は精度だと思っています。
私は、属性だと思い始めています。
AIがあなたに答えを出すとき、実際に何を信頼していますか？
モデル？データ？インフラ？それを運営している会社？
AIが金融、医療、研究、教育、そして個人の意思決定の一部となるにつれて、この質問はますます重要になります。
それが私が $OPG に注目している理由の一つです。
AI業界は、より大きなモデルの構築に執着していますが、単に知性があるだけでは信頼の問題は解決しません。
AIにスマートコントラクトを分析させたり、医療データをレビューさせたり、何年もの個人情報のパターンを特定させたりすることを想像してみてください。
その答えは素晴らしいかもしれません。
しかし、どうやって確認しますか：
✓ どのモデルが生成したのか？ ✓ 出力が修正されたかどうか？ ✓ 計算が主張通りに行われたか？ ✓ 使用されたコンテキストが本物であったか？
ここで、OpenGradientのビジョンが異なると感じる理由です。
このプロジェクトは単にAIの出力に焦点を当てているわけではありません。
知性を監査可能にすることに焦点を当てています。
特に興味深いのは、これがしばしば別々に議論されるいくつかのトレンドをどのように結びつけるかです：
• 検証可能な推論 • ユーザー所有のメモリ • 属性 • 分散型モデル実行 • 持続的なAIコンテキスト
個別に見ると、これらは有用です。
一緒になると、より大きなものを形成し始めます：
知性が盲目的に信頼されるのではなく、検査できるインフラ層。
私は単純な考えに戻り続けています。
インターネットは世界に情報へのアクセスを提供しました。
AIは世界に知性へのアクセスを提供します。
次の課題は、その知性がどこから来たのかを証明することかもしれません。
そして、AIが重要なインフラとなると、検証は最終的にはパフォーマンスと同じくらい重要になるかもしれません。
人々がAIを信頼しないからではなく。
知性は監査可能であるときに、はるかに価値が高くなるからです。
私がOpenGradientに最も興味を持っているのは、この問題にアプリケーション層ではなくインフラ層からアプローチしていることです。
それは、今日の多くの人々が気づいているよりもはるかに大きな機会のように感じます。
#OPG #OpenGradient #VerifiableAI @OpenGradient