Recentelijk is de aandacht voor @inference_labs duidelijk toegenomen. Het is niet vanwege de prijs of evenementen, maar omdat ze steeds vaker verschijnen in kringen die niet tot de cryptowereld behoren. Een paar dagen geleden zag ik dat Inference Labs door een zakelijk medium zoals 《Entrepreneur》 apart werd besproken, niet over hoe krachtig AI is, maar over een heel reëel probleem: Wanneer AI begint met het nemen van onafhankelijke beslissingen, wie is er dan verantwoordelijk? Hoe kan men verantwoordelijk worden gehouden? In het artikel wordt het voorbeeld van een luchthaven gebruikt als een hoge druk omgeving — meerdere systemen die samenwerken, onbetrouwbare netwerken, en niemand die in real-time ingrijpt. In zo'n situatie, als de conclusies die AI geeft fout zijn, is het "juiste resultaat" niet genoeg; het moet kunnen uitleggen "waarom dit zo is gedaan". Dit raakt eigenlijk de grootste zwakte van AI nu: De meeste redeneerprocessen zijn een black box. Je kunt alleen de output zien, niet het proces, en je kunt het ook niet verifiëren. Als AI alleen inhoud genereert, is dat niet zo'n probleem; maar zodra het begint met het op de blockchain zetten, het beheren van fondsen, het uitvoeren van protocollen, en als Agent automatisch transacties uitvoert, is deze ondoorzichtigheid bijna dodelijk. Dit is ook de reden waarom ik Inference Labs echt interessant vind. Ze zijn niet bezig met het vergelijken van modelparameters, en ze blazen niet over prestaties, maar leggen de nadruk op: 👉 Hoe de redeneerprocessen van AI "verifieerbaar, controleerbaar en verantwoordelijk" kunnen worden gemaakt. Recentelijk hebben ze acties ondernomen binnen het Bittensor-ecosysteem, die precies op dit punt aansluiten. Bijzonder is de lancering van Subnet 2: DSperse. Wat DSperse doet is heel direct: AI-redenering is niet "geloof me", maar elke output heeft een ingebouwde zk-bewijs, het proces is op de blockchain, verifieerbaar en onveranderlijk. Nog belangrijker is dat de modelgewichten versleuteld gedeeld kunnen worden — anderen kunnen jouw model gebruiken, maar zien je kernparameters niet. Dit is een zeer reële doorbraak voor degenen die echt modellen maken:...