阿罗拉

我认为，思考 @alloranetwork 最有用的方式之一是通过“意图”的视角。 在区块链上，交易是用户必须指定以完成某项工作的明确函数调用和状态转换。 这并不理想：用户必须承担将他们的目标转化为正确链上操作的重担。 通过意图，用户陈述他们的目标，专门的求解市场发现并执行最佳的链上操作集。 这就是所有求解者的任务，因此这些求解市场非常高效；从而实现更好的执行，减少最终用户的负担。 今天的人工智能看起来很像意图前的区块链用户体验。 如今，使用人工智能涉及用户承担调查现有模型的重担，并决定哪个模型最适合他们的目标。 我们称这种人工智能用户体验为“模型中心的人工智能”。 像 @alloranetwork 这样的模型协调网络将我们带入人工智能用户体验的新范式：目标中心的人工智能。 用户不再选择模型，而是只需指定他们的目标，以及实现该目标的良好表现是什么样的。 网络围绕该目标协调多个模型，评分它们的输出，并返回一个智能加权的聚合结果，提取最佳贡献。 这将模型发现和聚合的负担转移到一个专门为此构建的市场上，减少了最终用户的负担，同时改善了结果。 去中心化网络在实例化紧密范围、高效市场以提供资源方面表现出色。 模型协调网络将这一点应用于高效提供最佳机器智能。 人工智能用户体验的未来是目标中心的。

我认为，AGI（人工通用智能），定义为机器意识，仅在渐近上是可实现的。 如今的LLM（大型语言模型）是强大的插值引擎或“单词计算器”。 但意识不仅仅是插值；它存在于与LLM所推进的连续体不同的光谱上。 也许构建机器智能的根本不同的方法会改变这一点，但我认为，作为机器意识的AGI并不会从今天AI所处的斜率中出现。