Crypto enthusiast exploring the world of blockchain, DeFi, and NFTs. Always learning and connecting with others in the space. Let’s build the future of finance
الجميع يشعر بالحماس عندما تبدأ أنظمة الذكاء الاصطناعي في إنتاج نتائج تبدو بشرية.
هذا هو الجزء السهل في الملاحظة.
ما يتم تجاهله عادة هو كل ما يتطلبه الأمر لجعل تلك النتائج موثوقة بمجرد أن تبدأ آلاف التفاعلات في الحدوث في نفس الوقت.
نظام بيئي مثل @OpenLedger لا يقوم فقط بإنتاج مخرجات.
بل ينشئ علاقات بين البيانات، والنماذج، والمستخدمين، والمدفوعات، والنسب، والتنفيذ.
ومع مرور الوقت، يخلق ذلك تعقيدًا تشغيليًا لا يراه معظم الناس من الخارج.
التحدي لم يعد مجرد بناء الذكاء.
التحدي يصبح في الحفاظ على التنسيق بين جميع الأجزاء المتحركة دون فقدان الشفافية أو الموثوقية.
لهذا، تعتبر البنية التحتية أكثر أهمية مما يعتقد الناس.
ليس لأن الأمر يبدو مثيرًا للإعجاب، ولكن لأن الأنظمة في النهاية تصبح محدودة بما يمكن أن تدعمه أساسها.
إذا كانت الطبقات الأساسية لا يمكنها معالجة، أو تخزين، أو التحقق من، أو تسوية النشاط بشكل موثوق، فإن فكرة "اقتصاد الذكاء الاصطناعي المفتوح" تبدأ في أن تصبح صعبة الاستدامة في الممارسة العملية.
بالنسبة لي، هذا هو ما يجعل #OpenLedger مثيرًا للاهتمام.
قد تجذب الطبقة المرئية الانتباه أولاً.
لكن الأنظمة غير المرئية في الأسفل هي التي تحدد على الأرجح ما إذا كان يمكن للشبكة أن تنضج بالفعل مع مرور الوقت. $OPEN $H $LAB
أخطر طبقة في OpenLedger تبدأ عندما يحصل الذكاء على إذن للعمل
لا يزال الناس يتحدثون عن الذكاء الاصطناعي كما لو أن القصة تنتهي عند الإجابة. إجابة جيدة، إجابة سيئة، مخرجات ذكية، هلوسة، ثقة، دقة. على مدى سنوات، كان هذا الإطار منطقيًا لأن معظم النماذج كانت تعيش داخل حلقة غير ضارة: إدخال، مخرجات. قالت النموذج شيئًا، ربما أحرج نفسه، ربما أعجب شخصًا ما، ربما بدأ جدلًا على الإنترنت، ثم انتهت التفاعل إلى حد كبير هناك. بقيت المخرجات لغة. داخل OpenLedger، لا أعتقد أن هذا الافتراض سيثبت لفترة طويلة.
أغرب شيء عن @OpenLedger هو أن الناتج الفردي لا يشعر أبدًا بأنه فردي.
ترى استجابة واحدة على الشاشة، إجابة نظيفة واحدة، نتيجة مرئية واحدة، لكن في الأسفل، أنظمة متعددة تتشابك بالفعل داخل تلك اللحظة.
قبل أن يوجد الناتج حتى، قد تكون Datanet قد حددت بالفعل المعلومات التي كانت تستحق التعلم منها. قد تكون ModelFactory قد شكلت مسار التدريب قبل أن يبدأ الاستدلال. ثم في وقت التشغيل، قد تضيق OpenLoRA النموذج نحو سلوك دقيق واحد تمامًا عندما تتطلبه الطلبات.
لذا بحلول الوقت الذي تظهر فيه الإجابة، يحتوي الناتج بالفعل على طبقات من التأثيرات المخفية خلفه.
وإذا تحرك ذلك الناتج عبر مسار OctoClaw إلى تنفيذ العميل، فإنه يتغير مرة أخرى. يتوقف عن التصرف كنص ثابت ويبدأ في أن يصبح عمليًا. شيء قادر على تحفيز الإجراءات، لمس البروتوكولات، التحرك عبر مسارات EVM، منطق الجسر، أو حتى تدفقات خزائن ERC-4626.
هنا، #OpenLedger تتوقف عن الشعور كأنها مجموعة ذكاء اصطناعي عادية بالنسبة لي.
لأن السؤال الحقيقي يصبح:
ما الذي يستحق فعلاً النسبة؟
هل القيمة تُخلق من خلال الاستجابة النهائية نفسها؟ من البيانات التي شكلت الأوزان في وقت سابق؟ من المحول الذي عدل السلوك أثناء الاستدلال؟ من طبقة التنفيذ التي حملت الناتج إلى العالم الحقيقي؟
داخل OpenLedger، كل ناتج يخلق نزاعًا صامتًا بين الطبقات التي تحته.
طبقة البيانات، طبقة الحوسبة، طبقة الاستدلال، طبقة التنفيذ وطبقة التسوية كلها تدعي ضمنيًا أنها ساهمت في الناتج.
وProof of Attribution يجلس في المنتصف يحاول حل هذا النزاع، متخذًا قرارًا بشأن أي المساهمات تستمر لفترة كافية لتستحق الائتمان، الوزن، وفي النهاية تسوية OpenLedger.
لذا، لم يعد الناتج يشعر كنقطة نهاية.
إنه يشعر كدليل.
أثر مرئي للأنظمة المتعددة التي تنسق تحت السطح، جميعها تحاول إثبات أنها كانت جزءًا من الناتج. $OPEN $HEI $ALLO كيف يبدو السوق؟
أفكر باستمرار في كيف أن العملات المشفرة خلقت عن غير قصد واحدة من أكثر البيئات السلوكية عدوانية على الإنترنت.
في البداية، كانت الشفافية على السلسلة تبدو مُمكِّنة. أحب الناس فكرة أنه يمكن التحقق من كل شيء بشكل علني. لا توجد ميزانيات مخفية. لا توجد أنشطة غير مرئية. فقط أنظمة مفتوحة ومشاركة مرئية.
لكن الأسواق لا تترك المعلومات القيمة غير مستخدمة لفترة طويلة.
في النهاية، توقفت الشفافية عن العمل كمساءلة وبدأت تعمل كرقابة. ليس بالمعنى الدرامي، ولكن بالمعنى الهيكلي. بدأت كل معاملة تغذي أنظمة مصممة لفهم الناس بشكل أفضل مع مرور الوقت.
تعلمت السوق من يتفاعل عاطفياً. من يتتبع الزخم. من يفقد القناعة أثناء عدم اليقين. من يكرر نفس الأنماط السلوكية تحت الضغط.
والغريب هو أن معظم المتداولين تكيفوا مع هذه البيئة دون أن يدركوا مقدار المعلومات التي كانوا يسرّبونها باستمرار.
هذا يغير طبيعة المنافسة تمامًا.
لأنه في اللحظة التي تفهم فيها السوق كيف تتصرف، تتوقف قراراتك عن الشعور بالخصوصية. تصبح أنماطًا قابلة للقياس. وأنماط قابلة للقياس تصبح في النهاية قابلة للاستغلال.
#genius تبدو أقل كمنتج تداول تقليدي وأكثر كاستجابة للعواقب النفسية للأسواق فائقة الشفافية. الفكرة الأعمق وراء Genius Terminal ليست فقط كفاءة التنفيذ. بل هي تقليل التعرض السلوكي غير الضروري في نظام بيئي مبني حول استخراج الإشارات من المشاركين.
تركز معظم المنصات على مساعدة المتداولين لرؤية المزيد.
تبدو Genius Terminal مركزة على مساعدة المتداولين على كشف أقل.
وبصراحة، أعتقد أن هذه الفروق ستكون ذات أهمية أكبر بكثير في المستقبل مما يتوقعه معظم الناس. #genius $GENIUS $ALLO $IO رسم السوق المفتوح يبدو
معظم الناس يصفون OpenLoRA داخل @OpenLedger كترقية بسيطة للبنية التحتية. محولات أصغر، تخصص أرخص، تكاليف حسابية أقل، كفاءة أفضل. وبصراحة، هذا الشرح صحيح. الذكاء الاصطناعي اللامركزي لم يكن ليكبر أبداً إذا كانت كل قدرة متخصصة تحتاج إلى نموذج مستقل ضخم خاص بها. تكاليف GPU مهمة. تكاليف الذاكرة مهمة. إذا استمر التخصص مكلفاً إلى الأبد، فإن الاقتصاد المفتوح للذكاء الاصطناعي سينهار في النهاية نحو نفس مشكلة المركزية حيث لا يمكن سوى لمالكي البنية التحتية الضخمة تحمل الدقة على نطاق واسع.
الناس يستمرون في التعامل مع جسر EVM داخل @OpenLedger كما لو كان الأمر متعلقًا بالاتصال فقط.
المزيد من الشبكات. المزيد من السيولة. المزيد من التوافق.
لكن أعتقد أن الجسر يغير شيئًا أكبر بكثير.
قبل تلك النقطة، كانت OpenLedger لا تزال تبدو مكتفية ذاتيًا. تقوم Datanets بتنظيم المعلومات، ويتولى ModelFactory التعامل مع النشر، وتتكيف OpenLoRA مع سلوكيات متخصصة، ويتعقب Proof of Attribution التأثير بعد إنشاء المخرجات.
كل شيء يبقى داخل نفس النظام الداخلي.
ثم الجسر يربط OpenLedger بسكك EVM، وفجأة لم تعد مخرجات الذكاء الاصطناعي معزولة.
يمكنها التفاعل مع العقود. تحفيز التنفيذ. التحرك عبر الخزائن. التأثير على الحالة على السلسلة خارج المنصة نفسها.
هنا تصبح البنية التحتية جدية.
أنظمة الذكاء الاصطناعي القديمة تنتهي عادةً بعد التوليد. كنت تسأل سؤالًا، وتستقبل إجابة، وتتوقف التفاعلات هناك.
لكن #OpenLedger تخلق إمكانية استمرار المخرجات بعد النموذج نفسه. يمكن لوكيل التصرف بناءً عليها. يمكن لعقد الاستجابة لها. يمكن لنظام مالي دمجها.
عند تلك النقطة، يتوقف الجسر عن الظهور كهيكل أساسي بسيط.
يبدأ في الظهور كطبقة حيث تكتسب الذكاء عواقب اقتصادية حقيقية عبر أنظمة مفتوحة.
وبصراحة، قد تكون تلك اللحظة هي التي يتوقف فيها الذكاء الاصطناعي عن الشعور بالعزلة ويبدأ في أن يصبح جزءًا من الواقع نفسه. $OPEN $ESPORTS $ALLO سوق مفتوحة؟
@GeniusOfficial أظل أفكر في كيف أصبحت التعرض السلوكي أمرًا طبيعيًا في عالم الكريبتو.
في البداية، كانت الشفافية تشعر وكأنها حرية. كل شيء كان مرئيًا. كل محفظة. كل صفقة. كل حركة.
كان الناس يرون في ذلك دليلاً على أن النظام عادل.
لكن الأسواق تتكيف بسرعة مع المعلومات القيمة.
وفي النهاية، توقفت الشفافية على السلسلة عن كونها مجرد شفافية. أصبحت معلومات استخباراتية.
لأن المحفظة لم تعد تظهر المعاملات فقط. بل تظهر السلوك.
ما هي الروايات التي تؤثر عليك. كم من الوقت تتغير فيه قراراتك بسبب الخوف. مدة استمرار الاقتناع تحت الضغط. ما نوع المتداول الذي تصبح عليه عندما تصل التقلبات.
الجزء الغريب هو كيف قبلت الصناعة هذا بهدوء.
أصبح تتبع المحافظ أمرًا طبيعيًا. أصبح التحليل السلوكي بنية تحتية. تم بناء أنظمة كاملة حول دراسة المشاركين في الوقت الفعلي.
في مرحلة ما، توقفت السوق عن مجرد التفاعل مع المتداولين وبدأت تتعلم منهم.
وأعتقد أن ذلك غيّر التداول أكثر مما يدركه معظم الناس.
لأنه بمجرد أن يصبح السلوك قابلًا للتنبؤ، يصبح قابلًا للاستغلال.
لهذا السبب تشعر #genius terminal بأنها مهمة بالنسبة لي.
ليس لأنها تحاول أن تصبح منصة أخرى تتنافس على الانتباه. الكريبتو لديها بالفعل ما يكفي من تلك.
ما يجعلها مثيرة هو الإدراك الأعمق الذي يكمن وراء ذلك:
المتداولون العصريون لم يعودوا يحميون رأس المال فقط. بل يحميون إشارات سلوكية.
قد لا تأتي الميزة التالية في التداول من رؤية أكثر مما يراه الجميع.
قد تأتي من فهم مقدار ما يجب أن لا يراه السوق منك في المقام الأول. $XLM $GUA $GENIUS مخطط السوق العبقري؟
OpenLedger بهدوء تحول سلوك المساهمين إلى ذاكرة اقتصادية
لا يزال معظم الناس يتحدثون عن بيانات الذكاء الاصطناعي كما لو أن الشيء الوحيد الذي يهم هو الحجم. المزيد من مجموعات البيانات. المزيد من السحب. المزيد من المدخلات. المزيد من الرموز المدفوعة في الآلة. داخل معظم أنظمة الذكاء الاصطناعي، الافتراض بسيط: إذا دخلت كمية كافية من البيانات إلى الأنبوب، فإن الذكاء يظهر في النهاية من الحجم فقط. لكن كلما تعمقت في @OpenLedger ، قلت اعتقادي أن التغيير الحقيقي يتعلق بكمية البيانات على الإطلاق. التغيير الحقيقي هو الذاكرة. ليس ذاكرة النموذج. ليس نوافذ السياق. ليس التجسيدات. ذاكرة سلوكية. لأنه بمجرد أن يبدأ إثبات الانتماء في تتبع كيفية تشكيل المخرجات، أي مجموعات بيانات أثرت على الاستدلال، أي مساهمين شكلوا النتائج، أي مدخلات أنتجت إشارات باستمرار بدلاً من الضجيج - يتوقف النظام عن تذكر البيانات فقط.
لا يزال الناس يصفون إثبات الانتساب داخل @OpenLedger كما لو أنه مجرد ميزة شفافية. ذكاء عادل. مساهمات قابلة للتتبع. توزيع مكافآت أفضل من خلال OpenLedger.
لكن كلما تعمقت في الأمر، كلما شعرت أن إثبات الانتساب لا يتعلق بالأخلاقيات بقدر ما يتعلق بعملية محاسبة الذكاء.
أنظمة الذكاء الاصطناعي القديمة لم تهتم بمصدر التأثير. النموذج أنتج إجابة، والشركة استحوذت على القيمة، وكل مساهم اختفى في الصندوق الأسود.
داخل مجموعته، يقوم ModelFactory بنشر النماذج، و OpenLoRA تعيد تشكيل السلوك في الوقت الحقيقي، و Datanets تغذي النظام بالسياق، والسوق يوجه الطلب عبر الشبكة.
ثم يجب على إثبات الانتساب حل الجزء الأصعب:
ما الذي أثر فعلاً على الناتج بما يكفي ليستحق الاعتراف الاقتصادي؟
ليس ائتمان رمزي. تسوية فعلية.
ومتى بدأت الوكلاء في التنفيذ عبر OctoClaw عبر الأنظمة المتسلسلة، يتوقف الانتساب عن كونه ميزة لطيفة.
يصبح طبقة الإيصال للذكاء نفسه.
لأنه إذا كان بإمكان الذكاء خلق قيمة بشكل مستقل، لكن لا يمكن لأحد تتبع مصدر تلك القيمة، فإن الملكية تختفي معها.
لهذا السبب يشعر إثبات الانتساب بأنه أكبر مما يدركه الناس.
إنه ليس مجرد تتبع للمساهمة.
إنه يقرر ما تعترف به الشبكة على أنه حقيقي اقتصاديًا. $OPEN $GUA $SKYAI سوق مفتوحة؟
يتعامل مع المشاركة على السلسلة من منظور يبدو ضروريًا بشكل متزايد مع نضوج الكريبتو، واحد حيث لا تُعتبر الخصوصية ميزة ترف، بل كجزء من الحفاظ على قيمة التنفيذ الذكي نفسه.
قد لا تنتمي مستقبل الأسواق على السلسلة إلى المتداولين الذين لديهم النشاط الأكثر وضوحًا.
قد تنتمي إلى أولئك الذين لا يمكن قراءة استراتيجياتهم قبل أن تتكشف. $GENIUS $RIF $LUNC ما هو الاتجاه العبقري للسوق؟
OpenLedger تحول الذكاء الاصطناعي من صندوق أسود إلى سطح مسؤولية
لا يزال معظم الناس يحددون إثبات الملكية داخل @OpenLedger كطريقة أنظف لتوزيع القيمة عبر الذكاء الاصطناعي. البيانات تساهم في نتيجة، نموذج يعالجها، يحدث استنتاج، المكافآت تتحرك عبر الشبكة وأخيراً يحصل المساهمون على تعويض مرتبط بتأثيرهم. هذه الرواية صحيحة، لكنها أيضاً تبدو غير مكتملة. كلما فكرت في معمارية OpenLedger، أصبح نموذج إثبات الملكية (PoA) أقل شيوعًا كآلية دفع وأصبح أكثر شبهاً بنظام مصمم للحفاظ على المساءلة.
الشيء الغريب في الذكاء الاصطناعي هو أن معظم الناس لا يزالون يعتقدون أن الإجابة هي المنتج. الإدخال في. الإخراج خارج. تم الانتهاء.
لكن @OpenLedger يجعل هذا النموذج يبدو غير مكتمل لأن الإجابة لم تعد الحدث المهم حقًا.
إن المحاسبة وراء الإجابة هي الأهم.
أي داتانيت أثرت على الاستنتاج؟ أي مسار حمل أكبر وزن؟ هل قام محول OpenLoRA بتغيير النتيجة؟ أي المساهمين قاموا فعلاً بتغيير النتيجة بما يكفي للحصول على النسبة؟
الأنظمة القديمة كانت تخفي كل هذه التعقيدات. كان النموذج يستجيب واختفى العملية.
#OpenLedger يحول الطبقة المخفية إلى القصة الرئيسية.
لأنه بمجرد حدوث الاستنتاج، يجب على النظام الآن قياس التأثير والنسبة والتوجيه وخلق القيمة في الوقت الحقيقي. فجأة، لم تعد الاستجابة البسيطة مجرد نص على الشاشة.
تتحول إلى حدث تسوية.
يرى المستخدم إجابة واحدة. ترى الشبكة سلسلة كاملة من المساهمين في انتظار معرفة ما إذا كانت أدوارهم كانت مؤثرة.
هذا يغير معنى الاستنتاج تمامًا.
ربما لم تكن الاستجابة هي المنتج النهائي في المقام الأول.
ربما تكون الاستجابة مجرد إيصال. $OPEN $BSB $WLD تبدو Open char
كان يُمدح الكريبتو في البداية لشفافيته، لكن بمرور الوقت، توقفت الشفافية عن كونها مجرد ميزة في الشبكة وبدأت تصبح نقطة ضعف للأشخاص الذين يستخدمونها.
أصبحت المحافظ سهلة المراقبة. أصبحت الاستراتيجيات مرئية في الوقت الحقيقي. أصبح المتداولون المربحون أهدافًا للتتبع والتحليل السلوكي.
لقد تم تطبيع هذه الفكرة في السوق لدرجة أن معظم الناس توقفوا عن التساؤل عنها.
@GeniusOfficial يبدو مختلفًا لأنه يتناول المشكلة من زاوية أخرى تمامًا.
بدلاً من الافتراض بأن المستخدمين يجب أن يتكيفوا مع التعرض المستمر، فإنه يعامل الخصوصية والتنفيذ الذكي كالبنية التحتية الضرورية للمرحلة التالية من النشاط على السلسلة.
هذا التحول مهم أكثر مما يدركه الناس.
لأنه بمجرد أن تصبح كل حركة قابلة للملاحظة، تختفي الاستراتيجية الحقيقية ببطء. تتوقف الأسواق عن مكافأة القناعة وتبدأ في مكافأة من يشاهد الأسرع.
المشاريع التي تهم على المدى الطويل لن تحسن فقط الوصول إلى الكريبتو. بل ستعمل على تحسين كيفية وجود الناس داخلها.
ضحك الجميع على $LUNC بعد الانهيار. قالوا إنه انتهى. ميت. مدفونة إلى الأبد. لكن هنا الحقيقة المزعجة: أغلب مشاريع الكريبتو لا تموت بسبب انهيارات الأسعار. يموتون لأن الناس يتوقفون عن الاكتراث. وبطريقة ما… $LUNC لم تفقد الانتباه.
هذا ما يجعلها خطيرة. ليس الرسم البياني. ليس الحرق. ليس الضجيج.
المجتمع.
بعد سنوات، لا يزال الناس يتناقشون حولها. لا يزالون يتداولونها. لا يزالون يبنون حولها. لا يزالون يراقبون كل حركة.
في الكريبتو، الانتباه هو البقاء. و $LUNC رفضت أن تختفي.
في هذه النقطة، LUNC لم تعد مجرد توكن بعد الآن.
إنها دليل على أنه في عالم الكريبتو، يمكن لمجتمع أن يحافظ على شيء حي لفترة طويلة بعد أن أعلن السوق أنه ميت.
يقال إن الجيش الأمريكي قد قام بتوجيه ضربة جوية في جنوب إيران وقد أكدت وزارة الدفاع الأمريكية العملية.
تنتشر هذه الأخبار بسرعة مع تصاعد التوترات في الشرق الأوسط. يتابع المتداولون والمستثمرون حول العالم الوضع عن كثب لأن الأحداث العالمية الكبرى يمكن أن تؤثر على البيتكوين، والعملات المشفرة، والنفط، والأسواق المالية.
ابقَ في حالة تأهب وتداول بحذر حيث قد يصبح السوق شديد التقلب.
لماذا قد يكون التوجيه هو الطبقة الأقوى داخل OpenLedger
كلما تعمقت أكثر في @OpenLedger ، زادت قناعتي بأن الجزء الأكثر أهمية في النظام ليس النماذج أو البيانات أو حتى الاستدلال نفسه. بل هي الطبقة التي تسبق كل ذلك: التوجيه. في البداية، يبدو أن التوجيه هو عملية تقنية بسيطة، فقط الشبكة تختار كيف يتم تنفيذ الاستدلال. ولكن كلما فكرت في الأمر أكثر، كلما شعرت أن الأمر أقل "تقنيًا" وبدأ يبدو أكثر كأنه المحرك الاقتصادي الخفي وراء النظام البيئي بأكمله. لأن OpenLedger لا يكتفي فقط بتوليد الإجابات. بل يقرر أي مسار من ModelFactory يتم تفعيله، أي محول OpenLoRA يتم تحميله، أي إشارات Datanet يتم تضمينها، وأي أثر تنفيذ يصبح صالحًا بما يكفي ليتم التعرف عليه ومكافأته من خلال إثبات الانتماء.
كلما قضيت وقتًا أطول في فهم @OpenLedger ، كلما أدركت أنه ليس مصممًا حول "كل شيء يستحق الانتباه".
في البداية، يبدو النظام البيئي ضخمًا ويتوسع باستمرار، حيث تجمع Datanets المعلومات، وتولد ModelFactory نماذج الذكاء الاصطناعي، ويفعل OpenLoRA تخصصات لا نهاية لها. من الخارج، يبدو كآلة مصممة لتعظيم المساهمة.
لكن هذه ليست الجزء المثير للاهتمام حقًا.
معظم ما يوجد داخل OpenLedger قد لا يكون له أي قيمة ما لم يكن هناك طلب عليه.
هذه هي النقلة التي غيرت كيف أرى النظام كله.
في OpenLedger، القيمة لا تظهر لأن شيئًا ما تم رفعه أو إنشاؤه. القيمة تظهر في اللحظة التي يحتاج فيها وكيل، أو استعلام، أو مهمة حقيقية إلى استجابة دقيقة. فقط عندها يقوم الشبكة بتنشيط البيانات الدقيقة، أو النموذج، أو المحول المطلوب لتلك الحالة.
كل شيء آخر ببساطة ينتظر.
Datanets ليست تقاتل من أجل الرؤية، بل تنتظر المناسبة. نماذج ModelFactory ليست مضمونة الاستخدام، بل هي احتمالات حتى يختارها الطلب. يمكن أن توجد آلاف المحولات من OpenLoRA، لكن عددًا قليلًا فقط يتم تحميله عندما تكون سلوك معين مطلوب.
عملية التصفية دقيقة، شبه غير مرئية.
لا شيء يتم رفضه بصوت عالٍ. الشبكة ببساطة تتجاهل ما لا تحتاجه.
وبصراحة، هذا يجعل OpenLedger يشعر بأنه مختلف جدًا عن معظم أنظمة الذكاء الاصطناعي.
لأن إثبات الملكية لا يكافئ الجهد وحده. إنه يتتبع ما تم استخدامه حقًا عندما كانت الشبكة مضطرة لإنتاج إجابة، أو إكمال مهمة، أو تشغيل تفاعل وكيل.