Houria-
2.7k منشورات
Houria-
NEW IN CRYPTO .Content Creator. HODLER Mindset. X:@itxCrypto_Queen
فتح تداول
مُتداول مُتكرر
1.4 سنوات
210 تتابع
2.8K+ المتابعون
4.3K+ إعجاب
منشورات
الحافظة الاستثمارية
الكل
اقتباسات
مقاطع فيديو
Live
@OpenGradient يأخذ الذكاء الاصطناعي كل الاهتمام، لكن لا أحد يسأل ماذا يتذكر نظام الذكاء الاصطناعي عن أفعاله السابقة. لا يستطيع معظمهم حتى إثبات ما فعلوه قبل خمس دقائق.
هذه هي المشكلة الأكثر هدوءًا. نلاحق نماذج أذكى وننسى أن الثقة لا تُبنى على الذكاء؛ بل تُبنى على سجل يمكن لشخص ما التحقق منه فعليًا.
لقد قام OpenGradient بمعالجة أكثر من 2 مليون عملية استدلال (inferences)، يمكن التحقق من كل واحدة منها عبر TEEs وzkML. هذه ليست ادعاءً بمدى ذكاء النظام. إنها سجّل بما فعله بالفعل، ويمكن إثباته بعد وقوعه.
لقد استخدمت أدوات الذكاء الاصطناعي لسنوات ولم أتمكن مرة واحدة من العودة والتأكد مما الذي تم تشغيله فعليًا. إما أن تثق بالسجل، أو لا.
ما زلت لا أعرف ما إذا كان أحد سيهتم بهذه الذاكرة للتاريخ عندما تصبح الأمور سريعة ومريحة مرة أخرى.
@OpenGradient يراهن على أن ذاكرة الفعل أهم مما سبق أن كان عليه أي ناتج خام.
#OPG $OPG
$VELVET
$PIEVERSE
هذه هي المشكلة الأكثر هدوءًا. نلاحق نماذج أذكى وننسى أن الثقة لا تُبنى على الذكاء؛ بل تُبنى على سجل يمكن لشخص ما التحقق منه فعليًا.
لقد قام OpenGradient بمعالجة أكثر من 2 مليون عملية استدلال (inferences)، يمكن التحقق من كل واحدة منها عبر TEEs وzkML. هذه ليست ادعاءً بمدى ذكاء النظام. إنها سجّل بما فعله بالفعل، ويمكن إثباته بعد وقوعه.
لقد استخدمت أدوات الذكاء الاصطناعي لسنوات ولم أتمكن مرة واحدة من العودة والتأكد مما الذي تم تشغيله فعليًا. إما أن تثق بالسجل، أو لا.
ما زلت لا أعرف ما إذا كان أحد سيهتم بهذه الذاكرة للتاريخ عندما تصبح الأمور سريعة ومريحة مرة أخرى.
@OpenGradient يراهن على أن ذاكرة الفعل أهم مما سبق أن كان عليه أي ناتج خام.
#OPG $OPG
$VELVET
$PIEVERSE
🧠 Raw Intelligence
📜 Memory of Action
⚖️ Both Equally
🤷🏻♀️ Still Unsure
1 يوم (أيام) مُتبقية
@OpenGradient عادةً ما تتحرك رؤوس الأموال أسرع من الفهم. يمول المستثمرون ما يمكن قياسه قبل أن يوافق أي أحد على ما الذي يهم فعلًا.
لهذا تبدو طبقة التحقق التي تدعمها <a> a16z وCoinbase</a> مختلفة عن دعم نموذج آخر. الحوسبة سهلة التسعير — السرعة والمعلمات والمعايير. الثقة بين البشر والذكاء الاصطناعي ليس لها مخطط ولا مضاعفات، لذا يتجاهلها السوق غالبًا حتى يحدث عطل.
يتم تمويل @OpenGradient للجزء الذي لا يَسَعَره أحد بعد — إثبات أن الاستدلال حدث بالطريقة التي يدّعيها، عبر TEEs وzkML، وليس مجرد إخراج سريع.
لقد رأيتُ رؤوس الأموال تطارد الذكاء من قبل ثم تتجاهل مواءمته إلى أن تُجبر قرصنة أو كذبة السؤال. تتعلم الأموال بالطريقة الصعبة، في كل دورة.
لا أعرف إن كانت مشكلات التنسيق هذه يمكن تسعيرها بشكل واضح يومًا، أم أنها تُحتمل فقط حتى تكلف أكثر من اللازم.
ربما لا تكون $OPG رهانا على ذكاء اصطناعي أكثر. ربما هي رهان على ذكاء اصطناعي يمكننا أخيرًا التحقق منه.
#OPG
$AGLD
$VELVET
لهذا تبدو طبقة التحقق التي تدعمها <a> a16z وCoinbase</a> مختلفة عن دعم نموذج آخر. الحوسبة سهلة التسعير — السرعة والمعلمات والمعايير. الثقة بين البشر والذكاء الاصطناعي ليس لها مخطط ولا مضاعفات، لذا يتجاهلها السوق غالبًا حتى يحدث عطل.
يتم تمويل @OpenGradient للجزء الذي لا يَسَعَره أحد بعد — إثبات أن الاستدلال حدث بالطريقة التي يدّعيها، عبر TEEs وzkML، وليس مجرد إخراج سريع.
لقد رأيتُ رؤوس الأموال تطارد الذكاء من قبل ثم تتجاهل مواءمته إلى أن تُجبر قرصنة أو كذبة السؤال. تتعلم الأموال بالطريقة الصعبة، في كل دورة.
لا أعرف إن كانت مشكلات التنسيق هذه يمكن تسعيرها بشكل واضح يومًا، أم أنها تُحتمل فقط حتى تكلف أكثر من اللازم.
ربما لا تكون $OPG رهانا على ذكاء اصطناعي أكثر. ربما هي رهان على ذكاء اصطناعي يمكننا أخيرًا التحقق منه.
#OPG
$AGLD
$VELVET
@OpenGradient لم تكن تتحقق فعليًا من النموذج الذي أجابك. ولو مرة واحدة. أنت فقط قرأت الاسم الظاهر على الشاشة وتابعت.
هذه هي النقطة التي لا يتحدث عنها أحد. لقد بنينا صناعة كاملة على الثقة بالملصقات.
@OpenGradient يحاول سد هذه الفجوة. باستخدام TEEs وzkML، تأتي الاستدلالات مرفقة بإثبات — ليس كلام شركة، بل تحقق تشفيرّي حقيقي. هذه فئة مختلفة تمامًا من الثقة عما اعتدنا عليه.
تعرضت للحرق مبكرًا بسبب مشروع ادّعى أنه أجرى تدقيقات لم تكن لديه. ومنذ ذلك الحين وأنا أتحقق قبل أن أصدق أي شيء.
ما زلت لا أعرف كيف يستمر هذا عندما تصبح الأحمال كبيرة وتحتاج الإثباتات إلى العمل بسرعة، لا مجرد العمل.
ومع ذلك، يبقى السؤال الذي يثيره هذا معي — إذا لم يكن هناك شيء مُتحقق منه، فهل كان ذلك أصلًا ذكاءً اصطناعيًا، أم مجرد تخمين يرتدي ملصقًا.
$OPG #OPG
$AIN
$G
هذه هي النقطة التي لا يتحدث عنها أحد. لقد بنينا صناعة كاملة على الثقة بالملصقات.
@OpenGradient يحاول سد هذه الفجوة. باستخدام TEEs وzkML، تأتي الاستدلالات مرفقة بإثبات — ليس كلام شركة، بل تحقق تشفيرّي حقيقي. هذه فئة مختلفة تمامًا من الثقة عما اعتدنا عليه.
تعرضت للحرق مبكرًا بسبب مشروع ادّعى أنه أجرى تدقيقات لم تكن لديه. ومنذ ذلك الحين وأنا أتحقق قبل أن أصدق أي شيء.
ما زلت لا أعرف كيف يستمر هذا عندما تصبح الأحمال كبيرة وتحتاج الإثباتات إلى العمل بسرعة، لا مجرد العمل.
ومع ذلك، يبقى السؤال الذي يثيره هذا معي — إذا لم يكن هناك شيء مُتحقق منه، فهل كان ذلك أصلًا ذكاءً اصطناعيًا، أم مجرد تخمين يرتدي ملصقًا.
$OPG #OPG
$AIN
$G
تمّ التحقق
@OpenGradient الحقيقة غير المريحة هي أن معظم الناس يفترضون أن الشفافية والثقة هما نفس الشيء.
ليست كذلك.
يمكن أن يخبرك النظام بما حدث. لكن هذا لا يعني أنه يمكنه إثبات ذلك.
بدأت الذكاء الاصطناعي تؤثر على القرارات، وأعمال التدفق، والمعلومات التي يعتمد عليها الناس كل يوم. مع حدوث ذلك، قد تصبح الفجوة بين الشفافية والتحقق أكثر أهمية من الفجوة بين نموذج وآخر.
هذا جزء مما يجعل @OpenGradient مثيرًا للاهتمام بالنسبة لي. من خلال TEEs و zkML، يركز على الاستنتاج القابل للتحقق بدلاً من التفسيرات فقط. لقد تم معالجة أكثر من 2 مليون استنتاج عبر شبكة تدعم أكثر من 2000 نموذج حي.
لقد قضيت سنوات كافية في عالم الكريبتو لأعرف أن الثقة هي الأقوى عندما تعتمد أقل على الوعود.
لا أعرف مدى سرعة بدء المستخدمين في المطالبة بإثبات من أنظمة الذكاء الاصطناعي.
لكن التقنيات غالبًا ما تغير اتجاهها عندما يتوقف الناس عن السؤال عما هو ممكن ويبدؤون في السؤال عما هو قابل للإثبات.
#OPG $OPG
$BAS
$SLX
ليست كذلك.
يمكن أن يخبرك النظام بما حدث. لكن هذا لا يعني أنه يمكنه إثبات ذلك.
بدأت الذكاء الاصطناعي تؤثر على القرارات، وأعمال التدفق، والمعلومات التي يعتمد عليها الناس كل يوم. مع حدوث ذلك، قد تصبح الفجوة بين الشفافية والتحقق أكثر أهمية من الفجوة بين نموذج وآخر.
هذا جزء مما يجعل @OpenGradient مثيرًا للاهتمام بالنسبة لي. من خلال TEEs و zkML، يركز على الاستنتاج القابل للتحقق بدلاً من التفسيرات فقط. لقد تم معالجة أكثر من 2 مليون استنتاج عبر شبكة تدعم أكثر من 2000 نموذج حي.
لقد قضيت سنوات كافية في عالم الكريبتو لأعرف أن الثقة هي الأقوى عندما تعتمد أقل على الوعود.
لا أعرف مدى سرعة بدء المستخدمين في المطالبة بإثبات من أنظمة الذكاء الاصطناعي.
لكن التقنيات غالبًا ما تغير اتجاهها عندما يتوقف الناس عن السؤال عما هو ممكن ويبدؤون في السؤال عما هو قابل للإثبات.
#OPG $OPG
$BAS
$SLX
@OpenGradient الحقائق المزعجة هي أن التمويل لا يخلق الثقة.
إنه فقط يمنح الفريق المزيد من الفرص لكسبها.
لدى العملات الرقمية تاريخ طويل من المشاريع التي جمعت مبالغ كبيرة من رأس المال قبل إثبات قدرتها على التعامل مع الاستخدام الحقيقي. يمكن أن يسرع المال التقدم، لكنه لا يمكن أن يحل محل الموثوقية.
وهذا جزء من السبب الذي يجعلني أجد @OpenGradient مثيرًا للاهتمام. شبكة الذكاء الاصطناعي القابلة للتحقق لا تحكم بناءً على المبلغ الذي تجمعه. بل تُحكم على ما إذا كانت عمليات الاستدلال تعمل، وما إذا كانت الأدلة تتحقق، وما إذا كان بإمكان المطورين الاعتماد على النتيجة غدًا كما هو الحال اليوم. لقد تمت معالجة أكثر من 2 مليون استدلال بالفعل، وهو ما يهمني أكثر من معظم عناوين التمويل.
لقد شاهدت ما يكفي من المشاريع الممولة بشكل جيد تكافح عندما وصلت المستخدمين الحقيقيين.
لا أعلم أي من شبكات الذكاء الاصطناعي ستفوز في النهاية.
لكن في البنية التحتية، يجذب رأس المال الانتباه أولاً. الموثوقية هي ما يتذكره الناس. $OPG #OPG #Megadrop #meme板块关注热点 #campaigns #OPG
$BEAT
$SLX
إنه فقط يمنح الفريق المزيد من الفرص لكسبها.
لدى العملات الرقمية تاريخ طويل من المشاريع التي جمعت مبالغ كبيرة من رأس المال قبل إثبات قدرتها على التعامل مع الاستخدام الحقيقي. يمكن أن يسرع المال التقدم، لكنه لا يمكن أن يحل محل الموثوقية.
وهذا جزء من السبب الذي يجعلني أجد @OpenGradient مثيرًا للاهتمام. شبكة الذكاء الاصطناعي القابلة للتحقق لا تحكم بناءً على المبلغ الذي تجمعه. بل تُحكم على ما إذا كانت عمليات الاستدلال تعمل، وما إذا كانت الأدلة تتحقق، وما إذا كان بإمكان المطورين الاعتماد على النتيجة غدًا كما هو الحال اليوم. لقد تمت معالجة أكثر من 2 مليون استدلال بالفعل، وهو ما يهمني أكثر من معظم عناوين التمويل.
لقد شاهدت ما يكفي من المشاريع الممولة بشكل جيد تكافح عندما وصلت المستخدمين الحقيقيين.
لا أعلم أي من شبكات الذكاء الاصطناعي ستفوز في النهاية.
لكن في البنية التحتية، يجذب رأس المال الانتباه أولاً. الموثوقية هي ما يتذكره الناس. $OPG #OPG #Megadrop #meme板块关注热点 #campaigns #OPG
$BEAT
$SLX
#opg $OPG @OpenGradient
الحقيقة المزعجة هي أن الأسواق عادةً ما تكافئ الكفاءة قبل أن تكافئ الموثوقية.
لقد رأينا ذلك في عالم الكريبتو. السرعة جذبت الانتباه. الثقة أصبحت مهمة لاحقًا.
قد تتبع الذكاء الاصطناعي نفس المسار.
تتركز معظم المناقشات على ما يمكن أن تفعله النماذج. عدد أقل بكثير يركز على ما إذا كان يمكن التحقق من مخرجاتها. ومع ذلك، مع دخول الذكاء الاصطناعي في القرارات اليومية، قد تصبح المساءلة أكثر أهمية من الذكاء الخام.
هذا هو ما يجعل @OpenGradient مثيرة للاهتمام بالنسبة لي. من خلال الاستنتاج القابل للتحقق باستخدام TEEs و zkML، تبني بنية تحتية حيث يمكن التحقق من مخرجات الذكاء الاصطناعي بدلاً من مجرد الوثوق بها. لقد تمت معالجة أكثر من 2 مليون استنتاج عبر شبكة تدعم أكثر من 2000 نموذج حي.
لقد قضيت سنوات كافية في الكريبتو لأعرف أن الوعود تتسارع أسرع من الإثبات.
لا أعرف متى ستصبح عملية التحقق متطلبًا بدلاً من ميزة.
لكن التاريخ يشير إلى أن الثقة تصبح أكثر قيمة في اللحظة التي يدرك فيها الناس أنها كانت مفقودة.
#OPG
$DEXE
$FOLKS
الحقيقة المزعجة هي أن الأسواق عادةً ما تكافئ الكفاءة قبل أن تكافئ الموثوقية.
لقد رأينا ذلك في عالم الكريبتو. السرعة جذبت الانتباه. الثقة أصبحت مهمة لاحقًا.
قد تتبع الذكاء الاصطناعي نفس المسار.
تتركز معظم المناقشات على ما يمكن أن تفعله النماذج. عدد أقل بكثير يركز على ما إذا كان يمكن التحقق من مخرجاتها. ومع ذلك، مع دخول الذكاء الاصطناعي في القرارات اليومية، قد تصبح المساءلة أكثر أهمية من الذكاء الخام.
هذا هو ما يجعل @OpenGradient مثيرة للاهتمام بالنسبة لي. من خلال الاستنتاج القابل للتحقق باستخدام TEEs و zkML، تبني بنية تحتية حيث يمكن التحقق من مخرجات الذكاء الاصطناعي بدلاً من مجرد الوثوق بها. لقد تمت معالجة أكثر من 2 مليون استنتاج عبر شبكة تدعم أكثر من 2000 نموذج حي.
لقد قضيت سنوات كافية في الكريبتو لأعرف أن الوعود تتسارع أسرع من الإثبات.
لا أعرف متى ستصبح عملية التحقق متطلبًا بدلاً من ميزة.
لكن التاريخ يشير إلى أن الثقة تصبح أكثر قيمة في اللحظة التي يدرك فيها الناس أنها كانت مفقودة.
#OPG
$DEXE
$FOLKS
#opg $OPG @OpenGradient
الحقيقة المزعجة هي أن السوق عادةً ما يُقيم التكنولوجيا قبل أن يُقيم الثقة.
لقد رأينا ذلك في الكريبتو. كانت السلاسل السريعة تجذب الانتباه أولاً. السؤال الأصعب كان ما إذا كان بإمكان الناس الاعتماد عليها مع مرور الوقت.
قد تتبع الذكاء الاصطناعي نفس المسار.
تتركز معظم المناقشات على أداء النماذج، ولكن مع تحول الذكاء الاصطناعي إلى جزء من القرارات اليومية، قد تكون التحديات الأكبر هي المساءلة. ليس ما إذا كانت الإجابة جيدة، بل ما إذا كان من الممكن التحقق من مصدرها.
لهذا السبب يبرز @OpenGradient بالنسبة لي. من خلال TEEs و zkML، يركز على الاستنتاج القابل للتحقق بدلاً من الثقة العمياء. تم بالفعل معالجة أكثر من 2 مليون استنتاج عبر شبكة تدعم أكثر من 2000 نموذج حي.
لقد خسرت أموالاً في المراهنة على روايات بدت حتمية.
لا أعرف كم سيهتم المستخدمون بالتحقق اليوم.
لكن بعض التقنيات تصبح قيمة فقط عندما يدرك الناس أن الثقة كانت المنتج طوال الوقت.
$SYN
$ID
#OPG
الحقيقة المزعجة هي أن السوق عادةً ما يُقيم التكنولوجيا قبل أن يُقيم الثقة.
لقد رأينا ذلك في الكريبتو. كانت السلاسل السريعة تجذب الانتباه أولاً. السؤال الأصعب كان ما إذا كان بإمكان الناس الاعتماد عليها مع مرور الوقت.
قد تتبع الذكاء الاصطناعي نفس المسار.
تتركز معظم المناقشات على أداء النماذج، ولكن مع تحول الذكاء الاصطناعي إلى جزء من القرارات اليومية، قد تكون التحديات الأكبر هي المساءلة. ليس ما إذا كانت الإجابة جيدة، بل ما إذا كان من الممكن التحقق من مصدرها.
لهذا السبب يبرز @OpenGradient بالنسبة لي. من خلال TEEs و zkML، يركز على الاستنتاج القابل للتحقق بدلاً من الثقة العمياء. تم بالفعل معالجة أكثر من 2 مليون استنتاج عبر شبكة تدعم أكثر من 2000 نموذج حي.
لقد خسرت أموالاً في المراهنة على روايات بدت حتمية.
لا أعرف كم سيهتم المستخدمون بالتحقق اليوم.
لكن بعض التقنيات تصبح قيمة فقط عندما يدرك الناس أن الثقة كانت المنتج طوال الوقت.
$SYN
$ID
#OPG
#opg $OPG @OpenGradient
الحقائق غير المريحة هي أن معظم الذكاء الاصطناعي اليوم يعتمد على الثقة.
أنت تثق في الشركة. أنت تثق في النموذج. أنت تثق أن ما حدث خلف المخرجات هو ما يقولون أنه حدث.
هذا يعمل حتى يبدأ الذكاء الاصطناعي في التعامل مع أمور فعلاً مهمة.
ما لفت انتباهي حول @OpenGradient هو أنه يتعامل مع المشكلة بشكل مختلف. من خلال الاستنتاج القابل للتحقق باستخدام TEEs و zkML، الهدف ليس طلب المزيد من الثقة من المستخدمين، بل تقليل كمية الثقة المطلوبة في المقام الأول. تم معالجة أكثر من 2 مليون استنتاج بالفعل عبر شبكة تدعم أكثر من 2000 نموذج حي.
علمتني العملات المشفرة أن الأنظمة الموثوقة تتوسع حتى لا تفعل.
لا أعرف كم من الوقت سيستغرق الذكاء الاصطناعي القابل للتحقق ليصبح مهماً للمستخدمين اليوميين.
ولكن كلما طالعت هذا الفضاء، زادت قناعتي أن الفرق في المستقبل قد لا يكون من يملك أذكى ذكاء اصطناعي، بل من يمكنه إثبات أنه تصرف كما هو مدعى. $OPG
#OPG
الحقائق غير المريحة هي أن معظم الذكاء الاصطناعي اليوم يعتمد على الثقة.
أنت تثق في الشركة. أنت تثق في النموذج. أنت تثق أن ما حدث خلف المخرجات هو ما يقولون أنه حدث.
هذا يعمل حتى يبدأ الذكاء الاصطناعي في التعامل مع أمور فعلاً مهمة.
ما لفت انتباهي حول @OpenGradient هو أنه يتعامل مع المشكلة بشكل مختلف. من خلال الاستنتاج القابل للتحقق باستخدام TEEs و zkML، الهدف ليس طلب المزيد من الثقة من المستخدمين، بل تقليل كمية الثقة المطلوبة في المقام الأول. تم معالجة أكثر من 2 مليون استنتاج بالفعل عبر شبكة تدعم أكثر من 2000 نموذج حي.
علمتني العملات المشفرة أن الأنظمة الموثوقة تتوسع حتى لا تفعل.
لا أعرف كم من الوقت سيستغرق الذكاء الاصطناعي القابل للتحقق ليصبح مهماً للمستخدمين اليوميين.
ولكن كلما طالعت هذا الفضاء، زادت قناعتي أن الفرق في المستقبل قد لا يكون من يملك أذكى ذكاء اصطناعي، بل من يمكنه إثبات أنه تصرف كما هو مدعى. $OPG
#OPG
#opg $OPG @OpenGradient
واحدة من الأشياء التي علمتني إياها العملات الرقمية هي أن الناس نادرًا ما يقدرون الذاكرة حتى يفقدوها.
قد يحدث الشيء نفسه مع الذكاء الاصطناعي.
اليوم، تذهب معظم الأنظار إلى أداء النماذج. أي نموذج أسرع. أي نموذج يحصل على درجات أعلى. أي نموذج يولد إجابات أفضل.
لكن مع مرور الوقت، قد تكون الأصول الأكبر هي السياق المتراكم بين البشر والذكاء الاصطناعي. كل تفاعل ينشئ فهمًا وتفضيلات وتاريخًا. يمكن نسخ الذكاء. العلاقات أصعب في التكرار.
هذا جزء مما يجعل @OpenGradient مثيرًا للاهتمام بالنسبة لي. بينما يركز الكثير من الصناعة على توليد المخرجات، فإنها تبني بنية تحتية يمكن أن تستضيف، وتشغل، وتحقق في الذكاء الاصطناعي من خلال TEEs و zkML. لقد تم معالجة أكثر من 2 مليون استنتاج عبر شبكة بها أكثر من 2000 نموذج حي.
لقد شاهدت ما يكفي من الروايات في العملات الرقمية لأعرف أن ما يبدو قيمًا اليوم ليس دائمًا ما يهم غدًا.
لا أعرف ما إذا كانت الحواجز المستقبلية للذكاء الاصطناعي ستكون الحوسبة.
لكنني أستمر في التساؤل عما إذا كانت أنظمة الذكاء الاصطناعي الأكثر قيمة ستكون تلك التي تتذكر. $OPG
#OPG
واحدة من الأشياء التي علمتني إياها العملات الرقمية هي أن الناس نادرًا ما يقدرون الذاكرة حتى يفقدوها.
قد يحدث الشيء نفسه مع الذكاء الاصطناعي.
اليوم، تذهب معظم الأنظار إلى أداء النماذج. أي نموذج أسرع. أي نموذج يحصل على درجات أعلى. أي نموذج يولد إجابات أفضل.
لكن مع مرور الوقت، قد تكون الأصول الأكبر هي السياق المتراكم بين البشر والذكاء الاصطناعي. كل تفاعل ينشئ فهمًا وتفضيلات وتاريخًا. يمكن نسخ الذكاء. العلاقات أصعب في التكرار.
هذا جزء مما يجعل @OpenGradient مثيرًا للاهتمام بالنسبة لي. بينما يركز الكثير من الصناعة على توليد المخرجات، فإنها تبني بنية تحتية يمكن أن تستضيف، وتشغل، وتحقق في الذكاء الاصطناعي من خلال TEEs و zkML. لقد تم معالجة أكثر من 2 مليون استنتاج عبر شبكة بها أكثر من 2000 نموذج حي.
لقد شاهدت ما يكفي من الروايات في العملات الرقمية لأعرف أن ما يبدو قيمًا اليوم ليس دائمًا ما يهم غدًا.
لا أعرف ما إذا كانت الحواجز المستقبلية للذكاء الاصطناعي ستكون الحوسبة.
لكنني أستمر في التساؤل عما إذا كانت أنظمة الذكاء الاصطناعي الأكثر قيمة ستكون تلك التي تتذكر. $OPG
#OPG
#opg $OPG @OpenGradient
شيء واحد علمته العملات الرقمية هو أن الشبكات الأكثر قيمة ليست دائمًا تلك التي لديها أكبر قدر من النشاط. إنها تلك التي تحتفظ بأكبر قدر من السياق.
قد تسير الذكاء الاصطناعي في مسار مشابه. اليوم، يركز معظم الناس على أداء النماذج، ولكن مع مرور الوقت، قد تكون الأصول الأكبر هي العلاقة المتراكمة بين البشر والذكاء الاصطناعي. كل تفاعل يضيف سياقًا وتفضيلات وفهمًا لا يمكن استبداله بسهولة.
هذا جزء مما يجعل @OpenGradient مثيرًا للاهتمام بالنسبة لي. استنتاجات موثوقة من خلال TEEs وzkML، أكثر من 2 مليون استنتاج تم معالجته، ومركز نماذج يحتوي على أكثر من 2000 نموذج حي يشير إلى بنية تحتية مصممة للحفاظ على الثقة مع تكامل الذكاء الاصطناعي في الحياة اليومية. $OPG يجلس في قلب تلك النشاط المتزايد.
لقد شاهدت الأسواق تكرر تسعير ما هو سهل القياس بينما تتجاهل ما يتراكم بهدوء.
ما زلت لا أعرف كيف ستكون قيمة الاصطفاف المتراكم.
لكن خندق الذكاء الاصطناعي في المستقبل قد يكون السياق الذي ينمو مع مرور الوقت، وليس الذكاء الذي يمكن نسخه بين عشية وضحاها.
#OPG
شيء واحد علمته العملات الرقمية هو أن الشبكات الأكثر قيمة ليست دائمًا تلك التي لديها أكبر قدر من النشاط. إنها تلك التي تحتفظ بأكبر قدر من السياق.
قد تسير الذكاء الاصطناعي في مسار مشابه. اليوم، يركز معظم الناس على أداء النماذج، ولكن مع مرور الوقت، قد تكون الأصول الأكبر هي العلاقة المتراكمة بين البشر والذكاء الاصطناعي. كل تفاعل يضيف سياقًا وتفضيلات وفهمًا لا يمكن استبداله بسهولة.
هذا جزء مما يجعل @OpenGradient مثيرًا للاهتمام بالنسبة لي. استنتاجات موثوقة من خلال TEEs وzkML، أكثر من 2 مليون استنتاج تم معالجته، ومركز نماذج يحتوي على أكثر من 2000 نموذج حي يشير إلى بنية تحتية مصممة للحفاظ على الثقة مع تكامل الذكاء الاصطناعي في الحياة اليومية. $OPG يجلس في قلب تلك النشاط المتزايد.
لقد شاهدت الأسواق تكرر تسعير ما هو سهل القياس بينما تتجاهل ما يتراكم بهدوء.
ما زلت لا أعرف كيف ستكون قيمة الاصطفاف المتراكم.
لكن خندق الذكاء الاصطناعي في المستقبل قد يكون السياق الذي ينمو مع مرور الوقت، وليس الذكاء الذي يمكن نسخه بين عشية وضحاها.
#OPG
#opg $OPG @OpenGradient
الحقيقة غير المريحة هي أن معظم بنية الذكاء الاصطناعي لا تزال تُقيَّم بناءً على الوعود.
الفرق تتحدث عن النماذج، الأداء، والمقياس. لكن القليل من الناس يسألون سؤالًا أبسط: هل هناك أحد يستخدمها بالفعل؟
هذه واحدة من الأسباب التي تجعلني أتابع @OpenGradient . بينما لا تزال العديد من مشاريع الذكاء الاصطناعي تتحدث عن اعتماد المستقبل، فإن هذه الشبكة قد عالجت بالفعل أكثر من 2 مليون استنتاج. بالنسبة لي، هذه نقطة مهمة لأن البنية التحتية تصبح حقيقية فقط عندما يعتمد عليها الناس.
الشبكة تستضيف، وتشغل، وتتحقق من نماذج الذكاء الاصطناعي على نطاق واسع من خلال TEEs وzkML. تدعم أكثر من 2000 نموذج حي من خلال مركز النماذج الخاص بها، وتقدم دردشة OpenGradient، وهي مبنية على Base. دور $OPG يصبح أكثر إثارة للاهتمام في هذا السياق لأن النشاط مرتبط بشبكة تعمل بدلاً من كونها مفهومًا على خارطة الطريق.
لقد كنت في عالم الكريبتو لفترة كافية لرؤية المنتجات تجذب الانتباه قبل أن تجذب المستخدمين. الطلب نادرًا ما يعمل بشكل جيد.
ما زلت لا أعرف ما إذا كانت عملية تحقق الذكاء الاصطناعي ستصبح توقعًا قياسيًا أو ستظل شيئًا يهتم به المستخدمون الفنيون فقط.
لكن عندما أعود إلى المشاريع التي نجت، كانت النمط الشائع بسيطًا: في النهاية، كانت الواقع أكثر أهمية من القصة.
#OPG
الحقيقة غير المريحة هي أن معظم بنية الذكاء الاصطناعي لا تزال تُقيَّم بناءً على الوعود.
الفرق تتحدث عن النماذج، الأداء، والمقياس. لكن القليل من الناس يسألون سؤالًا أبسط: هل هناك أحد يستخدمها بالفعل؟
هذه واحدة من الأسباب التي تجعلني أتابع @OpenGradient . بينما لا تزال العديد من مشاريع الذكاء الاصطناعي تتحدث عن اعتماد المستقبل، فإن هذه الشبكة قد عالجت بالفعل أكثر من 2 مليون استنتاج. بالنسبة لي، هذه نقطة مهمة لأن البنية التحتية تصبح حقيقية فقط عندما يعتمد عليها الناس.
الشبكة تستضيف، وتشغل، وتتحقق من نماذج الذكاء الاصطناعي على نطاق واسع من خلال TEEs وzkML. تدعم أكثر من 2000 نموذج حي من خلال مركز النماذج الخاص بها، وتقدم دردشة OpenGradient، وهي مبنية على Base. دور $OPG يصبح أكثر إثارة للاهتمام في هذا السياق لأن النشاط مرتبط بشبكة تعمل بدلاً من كونها مفهومًا على خارطة الطريق.
لقد كنت في عالم الكريبتو لفترة كافية لرؤية المنتجات تجذب الانتباه قبل أن تجذب المستخدمين. الطلب نادرًا ما يعمل بشكل جيد.
ما زلت لا أعرف ما إذا كانت عملية تحقق الذكاء الاصطناعي ستصبح توقعًا قياسيًا أو ستظل شيئًا يهتم به المستخدمون الفنيون فقط.
لكن عندما أعود إلى المشاريع التي نجت، كانت النمط الشائع بسيطًا: في النهاية، كانت الواقع أكثر أهمية من القصة.
#OPG
#opg $OPG @OpenGradient
الحقيقة المزعجة هي أن الشفافية والتحقق ليسا نفس الشيء.
يمكن للشركة أن تخبرك بالنموذج الذكي الذي استخدمته. يمكنها نشر الوثائق. يمكنها شرح عمليتها. لكنك لا تزال مطالبًا بالثقة بأن كل شيء حدث بالضبط كما تم وصفه.
لهذا السبب فإن النهج من @OpenGradient يثير اهتمامي. بدلاً من التوقف عند الشفافية، يركز على الاستنتاج القابل للتحقق من خلال TEEs و zkML. الهدف بسيط: جعل من الممكن إثبات كيفية توليد مخرجات الذكاء الاصطناعي بدلاً من الاعتماد على الوعود.
يدعم الشبكة بالفعل أكثر من 2000 نموذج حي من خلال مركز النماذج الخاص بها وقد عالجت أكثر من 2 مليون استنتاج. مبنية على القاعدة ومدعومة من a16z Crypto و Coinbase Ventures، تقوم ببناء بنية تحتية حول مشكلة لا يفكر فيها معظم المستخدمين بعد.
لقد قضيت سنوات كافية في عالم الكريبتو لأعرف أن الثقة عادة ما تكون وفيرة قبل أن تختفي.
ما زلت لا أعرف كم من التحقق سيطلبه المستخدمون العاديون من منتجات الذكاء الاصطناعي. الراحة غالبًا ما تفوز على المدى القصير.
لكن الفارق بين الذكاء الاصطناعي الموثوق والذكاء الاصطناعي القابل للتحقق يبدو مشابهًا للفارق بين المالية التقليدية وبلوكشين. واحد يطلب منك أن تصدق. الآخر يتيح لك التحقق.
#OPG $OPG
الحقيقة المزعجة هي أن الشفافية والتحقق ليسا نفس الشيء.
يمكن للشركة أن تخبرك بالنموذج الذكي الذي استخدمته. يمكنها نشر الوثائق. يمكنها شرح عمليتها. لكنك لا تزال مطالبًا بالثقة بأن كل شيء حدث بالضبط كما تم وصفه.
لهذا السبب فإن النهج من @OpenGradient يثير اهتمامي. بدلاً من التوقف عند الشفافية، يركز على الاستنتاج القابل للتحقق من خلال TEEs و zkML. الهدف بسيط: جعل من الممكن إثبات كيفية توليد مخرجات الذكاء الاصطناعي بدلاً من الاعتماد على الوعود.
يدعم الشبكة بالفعل أكثر من 2000 نموذج حي من خلال مركز النماذج الخاص بها وقد عالجت أكثر من 2 مليون استنتاج. مبنية على القاعدة ومدعومة من a16z Crypto و Coinbase Ventures، تقوم ببناء بنية تحتية حول مشكلة لا يفكر فيها معظم المستخدمين بعد.
لقد قضيت سنوات كافية في عالم الكريبتو لأعرف أن الثقة عادة ما تكون وفيرة قبل أن تختفي.
ما زلت لا أعرف كم من التحقق سيطلبه المستخدمون العاديون من منتجات الذكاء الاصطناعي. الراحة غالبًا ما تفوز على المدى القصير.
لكن الفارق بين الذكاء الاصطناعي الموثوق والذكاء الاصطناعي القابل للتحقق يبدو مشابهًا للفارق بين المالية التقليدية وبلوكشين. واحد يطلب منك أن تصدق. الآخر يتيح لك التحقق.
#OPG $OPG
#opg $OPG @OpenGradient
الحقائق المزعجة هي أن معظم أدوات الذكاء الاصطناعي تطلب منك الثقة بها دون أن تقدم لك وسيلة للتحقق من أي شيء.
عندما ينتج نموذج الذكاء الاصطناعي إجابة، معظم المستخدمين ليس لديهم فكرة عن النموذج الذي تم تشغيله بالفعل، سواء تم تعديل النتيجة، أو كيف تم إنتاج المخرجات. هذا التصميم المغلق يعمل حتى يبدأ الذكاء الاصطناعي في اتخاذ قرارات مهمة.
هذا هو الجزء من @OpenGradient الذي أعود إليه مرارًا وتكرارًا. بدلاً من مطالبة المستخدمين بالثقة في النظام، يركز على الاستنتاج القابل للتحقق من خلال TEEs و zkML حتى يمكن التحقق من المخرجات بشكل مستقل. لقد قامت الشبكة بالفعل بمعالجة أكثر من 2 مليون استنتاج، وتدعم نموذج هاب مع أكثر من 2000 نموذج مباشر، وتبني بنية تحتية تعالج التحقق كميزة أساسية بدلاً من كونها فكرة لاحقة.
لقد كنت في عالم الكريبتو لفترة طويلة بما يكفي لرؤية عدد لا يحصى من المشاريع تبيع السرديات بينما تتجنب المسؤولية. التحقق هو واحد من القلائل التي يمكن أن تقطع من خلال التسويق.
ما زلت لا أعرف ما إذا كان المستخدمون في النهاية سيطالبون بإثبات من كل تفاعل مع الذكاء الاصطناعي أم فقط في حالات الاستخدام عالية القيمة.
لكن إذا أصبح الذكاء الاصطناعي جزءًا من الحياة اليومية، فإن الفرق بين "ثق بي" و "أثبت ذلك" قد يصبح أكثر أهمية من النموذج نفسه.
#OPG
الحقائق المزعجة هي أن معظم أدوات الذكاء الاصطناعي تطلب منك الثقة بها دون أن تقدم لك وسيلة للتحقق من أي شيء.
عندما ينتج نموذج الذكاء الاصطناعي إجابة، معظم المستخدمين ليس لديهم فكرة عن النموذج الذي تم تشغيله بالفعل، سواء تم تعديل النتيجة، أو كيف تم إنتاج المخرجات. هذا التصميم المغلق يعمل حتى يبدأ الذكاء الاصطناعي في اتخاذ قرارات مهمة.
هذا هو الجزء من @OpenGradient الذي أعود إليه مرارًا وتكرارًا. بدلاً من مطالبة المستخدمين بالثقة في النظام، يركز على الاستنتاج القابل للتحقق من خلال TEEs و zkML حتى يمكن التحقق من المخرجات بشكل مستقل. لقد قامت الشبكة بالفعل بمعالجة أكثر من 2 مليون استنتاج، وتدعم نموذج هاب مع أكثر من 2000 نموذج مباشر، وتبني بنية تحتية تعالج التحقق كميزة أساسية بدلاً من كونها فكرة لاحقة.
لقد كنت في عالم الكريبتو لفترة طويلة بما يكفي لرؤية عدد لا يحصى من المشاريع تبيع السرديات بينما تتجنب المسؤولية. التحقق هو واحد من القلائل التي يمكن أن تقطع من خلال التسويق.
ما زلت لا أعرف ما إذا كان المستخدمون في النهاية سيطالبون بإثبات من كل تفاعل مع الذكاء الاصطناعي أم فقط في حالات الاستخدام عالية القيمة.
لكن إذا أصبح الذكاء الاصطناعي جزءًا من الحياة اليومية، فإن الفرق بين "ثق بي" و "أثبت ذلك" قد يصبح أكثر أهمية من النموذج نفسه.
#OPG
#opg $OPG @OpenGradient
الذكاء الاصطناعي أصبح أكثر قوة في اللحظة التي تصبح فيها بنيته التحتية أكثر تركيزًا.
معظم الناس يركزون على من يبني أفضل النماذج. لكن القليل منهم يهتم بمن يتحكم في الاستنتاج. ومع ذلك، فإن الاستنتاج هو المكان الذي يصبح فيه الذكاء مفيدًا. إنه يحدد ما إذا كان يمكن الوصول إلى نموذج، وكيف يتم استخدامه، وما إذا كانت مخرجاته يمكن التحقق منها بشكل مستقل.
هذه الاعتمادية من السهل تجاهلها بينما تعمل الأنظمة بسلاسة. ولكن مع تزايد دمج الذكاء الاصطناعي في الأعمال والخدمات الرقمية، تبدأ الاعتماد على عدد قليل من المزودين في أن يبدو أقل كملاءمة وأكثر كخطر هيكلي.
لقد رأيت نسخة من هذا خلال دورة تكنولوجية سابقة. جذبت البروتوكولات المفتوحة الانتباه، لكن السيطرة غالبًا ما تراكمت حول البنية التحتية التي اعتمد عليها الناس كل يوم.
هذا هو ما يجعل @OpenGradient مثيرًا للاهتمام. رؤيته للذكاء المفتوح مبنية حول الاستضافة اللامركزية، والاستنتاج، والتحقق بدلاً من الاعتماد تمامًا على المشغلين المركزيين.
التحقق هو الجزء الذي أعتقد أن الكثيرين يستهينون به. مع تزايد اعتماد الذكاء الاصطناعي، يصبح الثقة أصعب في التوسع. ستحتاج المنظمات بشكل متزايد إلى الثقة بأن المخرجات أصلية وأن العمليات الأساسية لم يتم تعديلها.
"كلما زاد الذكاء الذي نستهلكه، قل ما يمكننا تحمله لقبوله على الثقة."
بالطبع، لا يزال الاستنتاج اللامركزي يواجه تحديات حول الكفاءة، والتنسيق، والاقتصاد. تبقى الأنظمة المركزية أسرع ومتجذرة بعمق.
لكن إذا أصبح الذكاء الاصطناعي طبقة أساسية من الاقتصاد الرقمي، فقد لا تكون السؤال على المدى الطويل هو من يخلق الذكاء، ولكن من يمكنه إثباته. هذه هي النقطة التي قد يتم اختبار أهمية $OPG في النهاية.
الذكاء الاصطناعي أصبح أكثر قوة في اللحظة التي تصبح فيها بنيته التحتية أكثر تركيزًا.
معظم الناس يركزون على من يبني أفضل النماذج. لكن القليل منهم يهتم بمن يتحكم في الاستنتاج. ومع ذلك، فإن الاستنتاج هو المكان الذي يصبح فيه الذكاء مفيدًا. إنه يحدد ما إذا كان يمكن الوصول إلى نموذج، وكيف يتم استخدامه، وما إذا كانت مخرجاته يمكن التحقق منها بشكل مستقل.
هذه الاعتمادية من السهل تجاهلها بينما تعمل الأنظمة بسلاسة. ولكن مع تزايد دمج الذكاء الاصطناعي في الأعمال والخدمات الرقمية، تبدأ الاعتماد على عدد قليل من المزودين في أن يبدو أقل كملاءمة وأكثر كخطر هيكلي.
لقد رأيت نسخة من هذا خلال دورة تكنولوجية سابقة. جذبت البروتوكولات المفتوحة الانتباه، لكن السيطرة غالبًا ما تراكمت حول البنية التحتية التي اعتمد عليها الناس كل يوم.
هذا هو ما يجعل @OpenGradient مثيرًا للاهتمام. رؤيته للذكاء المفتوح مبنية حول الاستضافة اللامركزية، والاستنتاج، والتحقق بدلاً من الاعتماد تمامًا على المشغلين المركزيين.
التحقق هو الجزء الذي أعتقد أن الكثيرين يستهينون به. مع تزايد اعتماد الذكاء الاصطناعي، يصبح الثقة أصعب في التوسع. ستحتاج المنظمات بشكل متزايد إلى الثقة بأن المخرجات أصلية وأن العمليات الأساسية لم يتم تعديلها.
"كلما زاد الذكاء الذي نستهلكه، قل ما يمكننا تحمله لقبوله على الثقة."
بالطبع، لا يزال الاستنتاج اللامركزي يواجه تحديات حول الكفاءة، والتنسيق، والاقتصاد. تبقى الأنظمة المركزية أسرع ومتجذرة بعمق.
لكن إذا أصبح الذكاء الاصطناعي طبقة أساسية من الاقتصاد الرقمي، فقد لا تكون السؤال على المدى الطويل هو من يخلق الذكاء، ولكن من يمكنه إثباته. هذه هي النقطة التي قد يتم اختبار أهمية $OPG في النهاية.
سجّل الدخول لاستكشاف المزيد من المُحتوى