Fase pemungutan suara kedua adalah hal pertama yang membuatku berhenti menggulir.
Setelah menggunakan chat.opengradient.ai, aku menelusuri alur konsensus OpenGradient dan menyadari bahwa aku mengira satu supermayoritas saja sudah cukup.
Alurnya tidak setuju.
Ajukan.
Prevote.
Precommit.
Commit.
Supermayoritas pertama ternyata bukan finalitas.
Itu membuat pemungutan suara berikutnya menjadi mungkin.
Sebuah bukti bisa sudah memiliki dua pertiga prevote sementara jaringan masih menunggu dua pertiga precommit.
Protokol memisahkan kesepakatan dari commit.
Itu keadaan yang berbeda.
$OPG hanya jadi menarik bagiku kalau para pembangun terus memperlakukan commit, bukan ambang batas pertama, sebagai titik ketika perangkat lunak menjadi aman untuk dibangun.
Sinyal yang sedang aku pantau bukanlah apakah supermayoritas pertama itu datang.
Melainkan apakah sistem produksi terus menunggu commit bahkan ketika ambang sebelumnya sudah terlihat meyakinkan.
Saya memberi tanda centang pada validator pertama.
Satu menit kemudian, saya mencoret tanda itu.
Setelah menggunakan chat.opengradient.ai, saya menelusuri alur penyelesaian bukti OpenGradient dan tanpa sadar menandai bukti tersebut sudah selesai setelah persetujuan pertama.
Whitepaper terus berlanjut.
Satu validator menerima bukti.
Jaringan terus menghitung.
Itulah kesalahan yang telah saya buat.
Saya sedang mencari konfirmasi pertama.
OpenGradient menunggu ambang batas.
Jaringan tidak meminjam kepastian dari persetujuan pertamanya.
Jaringan mengumpulkan kesepakatan sampai finalitas ada.
Itu mengubah tempat saya mulai mencari keputusan.
Sebuah bukti bisa saja sudah mendapat dukungan validator sementara jaringan belum selesai memutuskan.
Keadaan itu berbeda.
Sebuah aplikasi yang bergerak setelah persetujuan pertama bisa berakhir bertindak sementara protokol masih menyelesaikan konsensus.
Aplikasinya sudah bergerak.
Jaringannya belum.
$OPG hanya menjadi menarik bagi saya jika para pembangun terus memperlakukan finalitas jaringan, bukan persetujuan awal, sebagai titik ketika keputusan menjadi aman untuk dibangun.
Ujiannya bukan apakah para validator terus menyetujui.
Melainkan apakah para pembangun terus menunggu jaringan sebelum menganggap sebuah bukti sudah selesai.
Saya mencoret catatan saya sendiri di tengah-tengah dokumen inferensi.
Saya menulis satu kata di margin.
Konteks.
Itu tidak seharusnya ada di sana.
Setelah menghabiskan waktu di chat.opengradient.ai, saya kembali mencari tempat di mana interaksi sebelumnya tetap hidup.
Kalimat yang membuat saya menghapus catatan itu singkat.
Node inferensi adalah node pekerja yang stateless.
Saya terus membaca.
Permintaan terus berubah.
Node itu tidak.
Permintaan demi permintaan melewati arsitektur yang sama.
Tidak ada dari mereka yang meninggalkan state.
Itu bukan sistem yang saya pikir sedang saya cari.
Saya sedang mencari kontinuitas di dalam lapisan inferensi.
Arsitektur itu sudah memindahkannya ke tempat lain.
Lapisan inferensi menghitung.
Kontinuitas harus berasal dari lapisan yang berbeda.
Itu bukan pekerjaan yang saling bersaing.
Itu tanggung jawab yang terpisah.
Kebanyakan diskusi tentang memori AI dimulai dari penyimpanan.
Desain ini diam-diam dimulai dengan pemisahan.
$OPG hanya menjadi menarik bagi saya jika para pengembang terus menghormati batas itu, alih-alih mengharapkan infrastruktur inferensi menjadi sistem memori secara tidak sengaja.
Aplikasi pertama yang mengasumsikan bahwa kemarin hidup di dalam inferensi hari ini tidak akan mengekspos kelemahan pada node.
Ia akan mengungkap adanya salah paham terhadap arsitektur.
Saya terus memperlakukan percakapan sebagai memori.
MemSync tidak.
Saat saya menyadari itu dalam contoh awal yang cepat.
Seorang pengguna berbicara tentang bekerja sebagai insinyur perangkat lunak di Google, membangun sistem pembelajaran mesin, dan menghabiskan waktu luang mendaki dan mengambil foto.
Percakapan itu ada di sana.
Tetapi itu bukan yang menjadi memori.
Apa yang terbentuk adalah satu fakta yang diekstraksi.
Saya berhenti di sana.
Percakapan itu terjadi sekali.
Memori harus diproduksi.
Saya kembali melalui alur.
Lapisan penyimpanan bukanlah bagian yang menarik.
Lapisan ekstraksi yang menarik.
Saya telah menganggap memori dimulai setelah sesuatu sudah layak untuk diingat.
MemSync dimulai lebih awal.
Lapisan penyimpanan tidak memutuskan apa yang diingat.
Ia hanya menerima apa yang sudah diekstraksi.
Itu mengubah cara saya membaca seluruh sistem.
Percakapan adalah bahan mentah.
Memori adalah artefak.
Kebanyakan diskusi memori AI fokus pada di mana memori tinggal.
Pertanyaan yang lebih menarik di sini adalah kapan sesuatu menjadi memori sama sekali.
Bukan di mana ia disimpan.
Apakah ia dibuat.
Itu adalah langkah yang belum saya perhatikan.
$OPG hanya menjadi menarik bagi saya jika para pengembang akhirnya mempercayai lapisan ekstraksi itu sebanyak lapisan penyimpanan yang mengikutinya.
Ujiannya sederhana.
Apakah tim mempercayai ekstraksi cukup untuk menghapus lapisan memori cadangan?
Atau apakah mereka menyimpan catatan kedua karena mereka tidak mempercayai apa yang diingat?
Hal pertama yang biasanya saya asumsikan setelah mendapatkan respons adalah transaksi sudah selesai.
Ternyata ini tidak.
Setelah menghabiskan waktu di chat.opengradient.ai, saya masuk ke alur penyelesaian untuk memahami apa yang terjadi setelah respons dikembalikan.
Urutannya terlihat biasa-biasa saja sampai saya memetakan tahap penyelesaian berdampingan.
Saat itulah pemesanan mulai tidak masuk akal.
Saya sadar saya telah menempatkan endpoint di tempat yang salah.
Inference berjalan.
Respons kembali.
Pengguna mendapatkan apa yang mereka minta.
Sebagian besar orang akan berhenti di situ.
Saya hampir melakukannya.
Protokol tidak.
Penyelesaian pembayaran.
Usulan blok.
Kesepakatan validator.
Pencatatan permanen.
Jawabannya sudah disampaikan.
Jaringan masih mengejar untuk itu.
Itulah bagian yang terasa terbalik.
Bukan karena konsensus menghilang.
Karena hal yang saya anggap bergantung pada konsensus sudah terjadi sebelum konsensus tiba.
Respons muncul lebih dulu.
Kesepakatan datang setelahnya.
Saya terus kembali ke urutan itu.
Respons bukanlah titik akhir.
Ini adalah hal pertama yang menjadi terlihat.
Semua yang terjadi setelahnya masih mengubah visibilitas menjadi finalitas.
Sebagian besar pengguna tidak akan pernah menyadari celah tersebut.
Mengapa mereka harus?
Mereka sudah memiliki jawabannya.
Pertanyaan yang lebih menarik adalah apakah para pembangun tetap nyaman mengabaikannya.
$OPG hanya menjadi menarik bagi saya jika celah itu tetap cukup kecil sehingga tidak ada yang merasa terpaksa untuk memikirkannya secara eksplisit.
Saat pertama kali saya melihat seorang pembangun memperhitungkan penyelesaian secara terpisah dari pengiriman, saya akan tahu celah itu tidak lagi tersembunyi.
Hal pertama yang biasanya saya cari dalam sistem eksekusi adalah di mana ia terblokir.
PIPE bikin saya bingung karena saya tidak bisa menemukan blok di mana saya mengharapkannya.
Saya tidak sedang menguji produk.
Saya sedang melacak jalur transaksi di whitepaper.
Di situlah urutannya berhenti masuk akal.
Sebuah transaksi dikirim.
PIPE mengekstrak permintaan inferensi dan mendistribusikannya ke node inferensi sebelum transaksi dilanjutkan.
Transaksi itu menunggu.
Saya kembali dan membaca urutannya lagi karena saya pikir saya melewatkan sesuatu.
Saya tidak melewatkan.
Transaksi itu tidak menunggu respons.
Respons itu menjadi bagian dari transaksi itu sendiri.
Perbedaan itu butuh waktu sejenak untuk saya pahami.
Saya telah memperlakukan eksekusi seperti jalur yang terus menerus.
Kirim.
Eksekusi.
Selesai.
PIPE tampaknya menjaga hasil sambil diam-diam mengubah jalur.
Transaksi itu maju.
Berhenti.
Lepaskan tanggung jawab.
Pekerjaan terjadi di tempat lain.
Kemudian kembali dengan hasil yang tidak ada saat dimulai.
Dari luar, semua ini tidak terlihat.
Satu transaksi masuk.
Satu transaksi selesai.
Simpangan menghilang.
Itu yang tersisa dalam ingatan saya.
Bukan inferensi.
Bukan paralelisme.
Fakta bahwa interupsi itu tersembunyi.
Atomisitas bertahan.
Keteraturan tidak.
Sebagian besar pengguna tidak akan pernah menyadari pengalihan itu.
Sebagian besar pengembang mungkin juga tidak.
Setidaknya tidak pada awalnya.
Mungkin itu semua tujuan dari ini.
Saya tidak yakin.
Pertama kali saya melihat seorang pembangun secara eksplisit memperhitungkan jeda daripada memperlakukannya sebagai tidak terlihat, saya akan membaca PIPE dengan cara yang sangat berbeda.
$OPG hanya penting di sini jika pengalihan itu terus menghilang ke latar belakang.
Jika tim akhirnya harus merancang di sekitar jeda, maka abstraksi itu menyelesaikan masalah yang berbeda dari yang terlihat hari ini.
Aku terus berharap urutan ini berakhir di penolakan.
Ternyata tidak.
Aku mencoba mencari tahu di mana hukuman sebenarnya dimulai.
Bukti yang tidak valid ditolak.
Hasilnya tidak pernah mendarat.
Jaringan melindungi dirinya sendiri.
Selesai.
Setidaknya itu yang aku pikirkan.
Kemudian aku terkena aturan pemotongan.
Seorang validator bisa kehilangan staked $OPG karena mengajukan bukti yang tidak valid.
Aku berhenti di situ.
Kembali lagi.
Baca urutan itu lagi.
Bukti itu sudah hilang.
Jaringan sudah melindungi dirinya sendiri.
Jadi kenapa masih ada konsekuensi lain yang menunggu setelahnya?
Itulah bagian yang tidak bisa aku lewati.
Bukti yang ditolak bukanlah hal yang masih dievaluasi.
Validator-nya yang dievaluasi.
Bukti menghilang seketika.
Perilaku yang memproduksinya tidak.
Aku menyebutnya penegakan yang diingat.
Bukti menghilang.
Konsekuensinya tidak.
Aku terus berharap urutan ini berakhir di penolakan.
@OpenGradient sepertinya memperlakukan penolakan lebih seperti serah terima.
Satu masalah terpecahkan.
Masalah lain dimulai.
Bukti yang gagal ditangani segera.
Keputusan di baliknya tidak.
Itu lebih mengejutkanku daripada pemotongan itu sendiri.
Kebanyakan orang yang membaca alur ini mungkin berhenti di penolakan.
Aku hampir melakukannya.
Pertanyaan menariknya bukan apakah bukti buruk ditolak.
Mereka seharusnya.
Pertanyaannya adalah apakah validator mulai berperilaku berbeda jauh sebelum pemotongan menjadi hal yang biasa.
Jika mekanisme ini berfungsi, penalti seharusnya lebih diperhatikan daripada sering digunakan.
Itu yang aku amati.
$OPG hanya menjadi menarik bagiku jika stake di belakang jaringan tetap cukup besar sehingga validator terus mengubah perilaku sebelum penalti perlu diterapkan secara sering.
Pemotongan pertama tidak akan memberitahuku banyak.
Sinyal yang lebih menarik adalah apakah jaringan mencapai titik di mana ancaman lebih penting daripada kejadian itu sendiri.
Pertama kali saya melihat saldo saya sebelum memilih model, ada yang terasa aneh.
Bukan karena saya kehabisan kredit.
Tapi karena saya sadar saya belum pernah melakukan itu sebelumnya.
Saya berpindah-pindah antara model di chat.opengradient.ai ketika saya melihat angka di sudut.
915 kredit.
Saya hampir mengabaikannya.
Lalu saya membuka halaman kredit.
Saya mengharapkan tumpukan langganan biasa.
Basic.
Pro.
Unlimited.
Tidak ada salah satunya.
Hanya saldo yang dibagi.
Halaman itu seharusnya tidak mengubah apa pun.
Tapi itu memang mengubahnya.
ChatGPT.
Claude.
Gemini.
Hermes.
Saldo yang sama.
Tarikan yang berbeda.
Sebelum halaman itu, saya berpindah model tanpa berpikir.
Setelah halaman itu, saya memeriksa saldo dulu.
Saya tidak menyangka halaman itu mengubah perilaku saya.
Kebanyakan produk menyembunyikan perbedaan antara model di balik biaya tetap.
Pilihan yang mahal terasa gratis.
Pilihan yang murah terasa gratis.
Keputusan menghilang.
Ini tidak.
Saldo berada di bawah setiap pilihan.
Diam-diam.
Setiap model bersaing untuk hal yang sama.
Bukan perhatian.
Bukan preferensi.
Saldo yang sama.
Saya menyebutnya kelangkaan bersama.
Setiap model menarik dari satu saldo daripada berpura-pura gratis.
Saya tidak tahu apa yang terjadi ketika lebih banyak model ditambahkan.
Saya tidak tahu apa yang terjadi ketika orang mulai kehabisan kredit.
Apakah mereka terus memilih model yang mereka percayai paling?
Atau apakah mereka mulai memilih model yang bisa mereka justifikasi?
$OPG hanya menjadi menarik bagi saya jika sistem saldo-bersama menjaga tradeoff itu tetap terlihat saat jaringan tumbuh daripada meratakan segalanya di belakang langganan nanti.
Ujiannya bukan apakah orang suka memiliki akses ke setiap model.
Tapi apakah saldo terus memengaruhi keputusan setelah orang berhenti memperhatikannya.