När modellen blir större och mer kapabel uppstår ett problem som blir allt tydligare, och verifieringshastigheten kan inte alls hänga med komplexiteten och hastigheten i slutningen När resonemangsprocessen blir mer och mer lik en svart låda, modellens källa är oklar och exekveringsvägen inte kan återskapas fullt ut, börjar förtroendet att svikta. Inte för att det måste vara fel, utan för att vi helt enkelt inte kan bevisa att det är rätt Detta kallas verifieringsgapet. AI är inte tillräckligt smart, men saknar ett pålitligt sätt för alla att bekräfta vilken modell resultatet kom ifrån, i vilken miljö och om det strikt utfördes enligt reglerna Det Inference Labs vill göra är faktiskt ganska enkelt, att varje AI-utgång ska levereras med ett krypterat digitalt fingeravtryck. Det är inte en förklaring i efterhand, och det bygger inte heller på tillverkarens garanti, utan på ett certifikat som vem som helst kan verifiera och permanent verifiera, och identitet, källa och exekveringsintegritet är alla låsta vid utmatningen Endast när systemet är granskabart kan det verkligen litas på, och endast när förtroendet är bevisbart kan autonom AI säkert implementeras i stor skala. Det är den riktningen de driver på #KaitoYap @KaitoAI #Yap @inference_labs