阿羅拉

我認為，思考 @alloranetwork 最有用的方式之一是通過“意圖”的視角。 在區塊鏈上，交易是用戶必須指定以完成某項工作的明確函數調用和狀態轉換。 這並不理想：用戶必須承擔將他們的目標轉化為正確鏈上操作的重擔。 通過意圖，用戶陳述他們的目標，專門的求解市場發現並執行最佳的鏈上操作集。 這就是所有求解者的任務，因此這些求解市場非常高效；從而實現更好的執行，減少最終用戶的負擔。 今天的人工智能看起來很像意圖前的區塊鏈用戶體驗。 如今，使用人工智能涉及用戶承擔調查現有模型的重擔，並決定哪個模型最適合他們的目標。 我們稱這種人工智能用戶體驗為“模型中心的人工智能”。 像 @alloranetwork 這樣的模型協調網絡將我們帶入人工智能用戶體驗的新範式：目標中心的人工智能。 用戶不再選擇模型，而是只需指定他們的目標，以及實現該目標的良好表現是什麼樣的。 網絡圍繞該目標協調多個模型，評分它們的輸出，並返回一個智能加權的聚合結果，提取最佳貢獻。 這將模型發現和聚合的負擔轉移到一個專門為此構建的市場上，減少了最終用戶的負擔，同時改善了結果。 去中心化網絡在實例化緊密範圍、高效市場以提供資源方面表現出色。 模型協調網絡將這一點應用於高效提供最佳機器智能。 人工智能用戶體驗的未來是目標中心的。

我認為，AGI（人工通用智能），定義為機器意識，僅在漸近上是可實現的。 如今的LLM（大型語言模型）是強大的插值引擎或“單詞計算器”。 但意識不僅僅是插值；它存在於與LLM所推進的連續體不同的光譜上。 也許構建機器智能的根本不同的方法會改變這一點，但我認為，作為機器意識的AGI並不會從今天AI所處的斜率中出現。