In letzter Zeit hat die Aufmerksamkeit für @inference_labs deutlich zugenommen. Es liegt nicht an den Preisen oder Aktivitäten, sondern daran, dass sie zunehmend in kleinen Kreisen außerhalb der Krypto-Community auftauchen. Vor ein paar Tagen habe ich gesehen, dass Inference Labs von Medien wie 《Entrepreneur》 hervorgehoben wurde, und das Thema war nicht, wie stark AI ist, sondern eine sehr reale Frage: Wenn AI beginnt, Entscheidungen unabhängig zu treffen, wer ist dann verantwortlich? Wie kann man zur Rechenschaft gezogen werden? Im Artikel wird das Beispiel eines Flughafens als Hochdruckszenario verwendet — mehrere Systeme arbeiten zusammen, das Netzwerk ist instabil, niemand greift in Echtzeit ein. In diesem Fall, wenn die AI zu einem Schluss kommt und etwas schiefgeht, „das Ergebnis ist korrekt“ reicht nicht aus, es muss erklärt werden, „warum so gehandelt wurde“. Das trifft eigentlich den größten Schwachpunkt der aktuellen AI: Die meisten Schlussfolgerungsprozesse sind Black Boxes. Man sieht nur die Ausgabe, nicht den Prozess, und kann ihn erst recht nicht verifizieren. Wenn AI nur Inhalte generiert, ist das nicht so problematisch; aber sobald sie beginnt, auf die Blockchain zu gehen, Gelder zu verwalten, Protokolle auszuführen, als Agent automatisch Transaktionen durchzuführen, dann ist diese Intransparenz fast tödlich. Das ist auch der Grund, warum ich Inference Labs wirklich interessant finde. Sie vergleichen nicht Modellparameter, sie prahlen nicht mit Leistung, sondern legen den Fokus darauf: 👉 Wie man den Schlussfolgerungsprozess von AI in ein „verifizierbares, prüfbares, verantwortliches“ Faktum verwandelt. Kürzlich haben sie im Bittensor-Ökosystem genau an diesem Punkt gearbeitet. Insbesondere mit dem Start von Subnet 2: DSperse. Was DSperse tut, ist sehr direkt: AI-Schlussfolgerungen sind nicht „vertraue mir“, sondern jede Ausgabe bringt einen zk-Beweis mit, der Prozess wird auf die Blockchain geschrieben, kann überprüft und nicht manipuliert werden. Noch wichtiger ist, dass die Modellgewichte verschlüsselt geteilt werden können — andere können dein Modell verwenden, sehen aber nicht deine Kernparameter. Das ist ein sehr realistischer Durchbruch für diejenigen, die tatsächlich Modelle erstellen:...