Reizēm grūti ir nevis radīt Mākslīgo Inteliģenci, bet pierādīt, kas notika.
Es pavadīju kādu laiku, skatoties uz OpenGradient nesen. Viena lieta, kas man nepārtraukti nāca prātā.
Lielākā daļa Mākslīgās Inteliģences projektu šķiet koncentrēti uz ātrumu, modeļa kvalitāti vai lietotāja pieredzi. OpenGradient, šķiet, uzdod jautājumu.
Kas, ja patiesā problēma ir uzticēšanās?
Šodien lielākā daļa Mākslīgās Inteliģences sistēmu darbojas kā kastes. Tu ieliec kaut ko iekšā, saņem atbildi un uzticies, ka Mākslīgās Inteliģences process bija pareizs. Lielākā daļa lietotāju nekad neredz, kas notika aizkulisēs.
OpenGradient cenšas būvēt ap uzticēšanās verifikāciju. Tas izklausās noderīgi. Tas arī rada jautājumus.
Cik daudz cilvēku patiesībā rūp verifikācija, kad viss darbojas labi ar Mākslīgās Inteliģences sistēmu?
Interesantā daļa ir tirdzniecības attiecības ar Mākslīgās Inteliģences sistēmu. Verifikācija ir vērtīga. Tā reti ir bez maksas. Papildu pierādījumi bieži nozīmē sarežģītību, izmaksas vai lēnāku Mākslīgās Inteliģences procesu.
Vai Mākslīgās Inteliģences sistēma var palikt efektīva, kamēr katru reizi pierāda, kas notika ar Mākslīgās Inteliģences procesu?
Vai izstrādātāji var ātri rīkoties, kad ar Mākslīgās Inteliģences sistēmu pastāv vēl viens validācijas slānis?
Es esmu redzējis daudzas kripto projektus, kas koncentrējas uz lietotāju piesaisti un problēmu risināšanu vēlāk. OpenGradient, šķiet, pieņem pieeju, būvējot Mākslīgās Inteliģences infrastruktūru pirms pieprasījums pilnībā ierodas.
Varbūt tā ir kustība Mākslīgās Inteliģences sistēmai.
Varbūt Mākslīgās Inteliģences tehnoloģija būs gatava ilgi pirms tirgus nolemj, ka tai ir nepieciešama Mākslīgās Inteliģences sistēma.
Tā ir daļa, par kuru es turpinu domāt attiecībā uz Mākslīgo Inteliģenci.
#OPG @OpenGradient $OPG $ADX $CHIP
Es pavadīju kādu laiku, skatoties uz OpenGradient nesen. Viena lieta, kas man nepārtraukti nāca prātā.
Lielākā daļa Mākslīgās Inteliģences projektu šķiet koncentrēti uz ātrumu, modeļa kvalitāti vai lietotāja pieredzi. OpenGradient, šķiet, uzdod jautājumu.
Kas, ja patiesā problēma ir uzticēšanās?
Šodien lielākā daļa Mākslīgās Inteliģences sistēmu darbojas kā kastes. Tu ieliec kaut ko iekšā, saņem atbildi un uzticies, ka Mākslīgās Inteliģences process bija pareizs. Lielākā daļa lietotāju nekad neredz, kas notika aizkulisēs.
OpenGradient cenšas būvēt ap uzticēšanās verifikāciju. Tas izklausās noderīgi. Tas arī rada jautājumus.
Cik daudz cilvēku patiesībā rūp verifikācija, kad viss darbojas labi ar Mākslīgās Inteliģences sistēmu?
Interesantā daļa ir tirdzniecības attiecības ar Mākslīgās Inteliģences sistēmu. Verifikācija ir vērtīga. Tā reti ir bez maksas. Papildu pierādījumi bieži nozīmē sarežģītību, izmaksas vai lēnāku Mākslīgās Inteliģences procesu.
Vai Mākslīgās Inteliģences sistēma var palikt efektīva, kamēr katru reizi pierāda, kas notika ar Mākslīgās Inteliģences procesu?
Vai izstrādātāji var ātri rīkoties, kad ar Mākslīgās Inteliģences sistēmu pastāv vēl viens validācijas slānis?
Es esmu redzējis daudzas kripto projektus, kas koncentrējas uz lietotāju piesaisti un problēmu risināšanu vēlāk. OpenGradient, šķiet, pieņem pieeju, būvējot Mākslīgās Inteliģences infrastruktūru pirms pieprasījums pilnībā ierodas.
Varbūt tā ir kustība Mākslīgās Inteliģences sistēmai.
Varbūt Mākslīgās Inteliģences tehnoloģija būs gatava ilgi pirms tirgus nolemj, ka tai ir nepieciešama Mākslīgās Inteliģences sistēma.
Tā ir daļa, par kuru es turpinu domāt attiecībā uz Mākslīgo Inteliģenci.
#OPG @OpenGradient $OPG $ADX $CHIP