Professor kevin

$KITE يتداول ضمن نمط استمرار صحي بعد أن أسس قاعدة متينة. يبقى الزخم إيجابيًا، وقد يؤدي الارتكاز الواضح فوق مستوى الدعم إلى فتح المرحلة التالية للأعلى.

EP: 0.1395–0.1420
TP: 0.1480 | 0.1550 | 0.1630
SL: 0.1345

$1000XEC ما زالت تحافظ على أدنى مستويات مرتفعة بعد توسّع قوي، مما يعكس استمرار الطلب الشرائي. إن إعادة اختبار ناجحة لمنطقة الدخول من شأنها أن تعزز احتمالية حدوث امتداد صعودي آخر.

EP: 0.00648–0.00660
TP: 0.00695 | 0.00730 | 0.00775
SL: 0.00622

$JCT يجري تجميعه فوق مستوى اختراقه، وهي إشارة إلى أن المشترين يمتصون العرض بدلًا من المطاردة وراء السعر. إن تثبيت الصفقة بشكل مؤكد من هذا النطاق يحافظ على البنية الصعودية.

سعر الدخول (EP): 0.00426–0.00434
الأهداف (TP): 0.00455 | 0.00480 | 0.00510
وقف الخسارة (SL): 0.00408

$VELVET يواصل احترام اتجاهه الصاعد مع متابعة صحية بعد الاندفاع الأخير. يظل الإعداد قويًا من الناحية الفنية، وتُعد عمليات الهبوط إلى منطقة الدخول أفضل خيار من حيث نسبة المخاطر إلى المكافأة.

EP: 0.6180–0.6260
TP: 0.6500 | 0.6750 | 0.7050
SL: 0.6020

$DODO has reclaimed a key resistance zone and is now turning it into support. السعر لا يزال هيكله إيجابيًا، مع استمرار الزخم لصالح مواصلة الاتجاه طالما أن المشترين يدافعون عن النطاق الحالي.

EP: 0.0232–0.0236
TP: 0.0248 | 0.0262 | 0.0278
SL: 0.0223

Trade Now👎

$GUA
تُظهر الأسعار علامات تراكم مع قيام المشترين بالدفاع عن القاعدة. يمكن أن يؤدي اختراقٌ واضح فوق مستوى المقاومة إلى دفع الحركة الاندفاعية التالية.
EP: 0.1090 – 0.1130
TP: 0.1220 | 0.1320 | 0.1450
SL: 0.1020

$VELVET
استمرار صعودي قوي بعد الحفاظ على دعم محوري. تتزايد الزخم، وقد يؤدي الاختراق فوق النطاق الحالي إلى توسع سريع باتجاه مستويات مقاومة أعلى.
EP: 0.5750 – 0.5850
TP: 0.6200 | 0.6650 | 0.7100
SL: 0.5480

أرى أن التمويل اللامركزي يدخل مرحلة جديدة لم يعد فيها السرعة والسيولة هما الأولويات الوحيدة. التحدي الأكبر هو التحكم. طوال سنوات، كنت أراقب المستخدمين يوافقون على العقود، ويوقّعون المعاملات، ويثقون بِنوافذ محافظ الويب المنبثقة دون أن يفهموا بالكامل ما الذي كانوا يسمحون به. يبدو هذا النموذج ضعيفًا جدًا بالنسبة للمستقبل.

لهذا السبب أعتقد أن طبقات التفويض أصبحت ضرورية. تجعل الأذونات أكثر دقة. بدلًا من منح بروتوكول ما وصولًا واسعًا، يمكنني السماح فقط بإجراءات محددة أو أصول محددة أو حدود محددة أو فترات زمنية أو استراتيجيات. تتحول التغييرات في الصلاحيات من موافقة بسيطة بنعم أو لا إلى اتفاقية مُتحكَّم فيها. هذا يحمي المستخدمين مع السماح أيضًا بالأتمتة.

تزداد أهمية ذلك أكثر مع نمو الحسابات الذكية والوكلاء على السلسلة وDAOs والخزائن المؤسسية. قد يقوم الوكيل بإعادة موازنة المراكز أو إدارة الضمانات، لكنني لا أعتقد أنه يجب أن يحصل أبدًا على سيطرة غير محدودة. كما تحتاج المؤسسات إلى أدوار وحدود إنفاق وموافقات وسجلات تدقيق وضوابط للطوارئ.

ومع ذلك، أعرف أن أنظمة التفويض يجب تصميمها بعناية. إذا كانت مربكة، فسيستغلها المهاجمون. وإذا كانت شديدة التعقيد، فقد يوافق المستخدمون على المخاطر دون وعي.

بالنسبة لي، ينتمي مستقبل التمويل اللامركزي إلى المحافظ والبروتوكولات التي تفصل بين الملكية والتشغيل. يجب أن يضع المستخدمون القواعد، لا أن يتنازلوا عن السيطرة. بهذه الطريقة يصبح التمويل اللامركزي أكثر أمانًا وقابلية للاستخدام وقابلًا للتوسع للجميع.

#newt $NEWT @NewtonProtocol

هل كنا نقيس تقدم الذكاء الاصطناعي من نقطة انطلاق خاطئة؟

عادةً ما نقارن النماذج بناءً على مدى قدرتها على الإجابة عن الأسئلة. ولكن ماذا لو كانت السؤال الأكثر أهمية هو ما الذي يُسمح لها ببنائه قبل أن تجيب؟

يمكن للعميل أن يستنتج فقط من السياق الذي يتلقاه. إذا كانت كل تفاعل يبدأ من الصفر، فإن الذكاء يقضي وقتًا مدهشًا في إعادة اكتشاف ما قد يعرفه نظام آخر بالفعل.

ثم يتبع ذلك سؤال آخر.

ماذا يحدث عندما يكون هذا السياق متاحًا وليس فقط، بل أيضًا قابلًا للتحقق؟

هنا تبدأ المحادثة في التحول بعيدًا عن جودة النموذج فقط. السجلات المشتركة، التنفيذ الموثوق، والأدلة القابلة لإعادة الاستخدام تبدأ في تقليل العمل المتكرر. الميزة ليست ببساطة إنتاج مخرجات. إنها تجنب عدم اليقين غير الضروري قبل أن تبدأ الحسابات حتى.

ثم يظهر السؤال الأكبر.

إذا أصبح السياق الموثوق جزءًا من البنية التحتية، أين تتراكم القيمة على المدى الطويل؟

أثناء استكشاف OpenGradient، كان ذلك يبدو وكأنه أحد الاتجاهات الأكثر إثارة للاهتمام. المشروع لا يفكر فقط في كيفية حساب الذكاء الاصطناعي. إنه يفكر أيضًا في كيفية نقل السياق الموثوق عبر الأنظمة دون إجبار كل مشارك على إثبات نفس الشيء مرة أخرى.

يبدو أن هذا تمييز دقيق اليوم.

ولكن إذا استمرت شبكات الذكاء الاصطناعي في النمو، فقد تصبح المشاريع التي تنظم المعرفة الموثوقة بنفس أهمية النماذج التي تولدها.

هل ستكون الميزة التنافسية التالية ذكاءً أفضل، أم أسسًا أفضل لبناء الذكاء عليها؟

#opg $OPG @OpenGradient

ماذا لو كنا نطرح السؤال الخاطئ في كل مرة نقارن فيها بنية الذكاء الاصطناعي؟

أغلب النقاشات تبدأ بالسرعة. استنتاج أسرع. تكاليف أقل. نماذج أكبر. هذه الأمور مهمة، لكن فقط إلى حد معين.

ثم بدأت أتساءل عن شيء آخر.

عندما يصبح الذكاء الاصطناعي عادياً بدلاً من استثنائياً، ماذا سيختار الناس فعلاً؟

هل سيكون النظام الذي ينتج إجابة بشكل أسرع قليلاً؟

أم الذي يمكنه شرح من أين جاءت تلك الإجابة، وإثبات كيف تم توليدها، وحماية البيانات المعنية على طول الطريق؟

يبدو أن هذه منافسة مختلفة تماماً.

كما أنها تغير كيف أنظر إلى مشاريع مثل OpenGradient.

لا أعلم ما إذا كانت التحقق ستصبح السمة المميزة لبنية الذكاء الاصطناعي. للأسواق عادة ما تكافئ الراحة قبل أن تكافئ الانضباط. ولكن عندما يبدأ الذكاء الاصطناعي في التعامل مع القرارات المالية، وسير العمل في الرعاية الصحية، والبحث، أو الوكلاء المستقلين، فإن تكلفة الثقة العمياء تستمر في الارتفاع.

ربما تكون العقبة الحقيقية ليست الذكاء.

ربما ستكون الثقة.

هل يمكن للمطورين الاعتماد على البنية التحتية دون التساؤل باستمرار عما حدث خلف الكواليس؟ هل يمكن للمستخدمين التحقق من النتائج دون مجرد أخذ كلمة شخص ما لذلك؟

تبدو هذه الأسئلة أقل إثارة بكثير من رسوم بيانية للمؤشرات.

كما أنها تبدو لي كأنها الأسئلة التي ستظل مهمة لفترة أطول.

إذا أصبح الذكاء الاصطناعي في النهاية وفيراً، قد تتوقف الثقة عن كونها ميزة وتصبح الأساس الذي يلاحظه الناس فقط عندما يكون مفقوداً.

#opg $OPG @OpenGradient

على مدى الأيام القليلة الماضية، قضيت بعض الوقت لفهم ما الذي تبنيه OpenGradient بالفعل بخلاف عناوين الذكاء الاصطناعي المعتادة.

شيء واحد لفت انتباهي:

تركيزهم ليس فقط على جعل الذكاء الاصطناعي أكثر قوة، بل على جعله أكثر موثوقية.

مع تزايد استخدام الذكاء الاصطناعي في تطبيقات العالم الحقيقي، تصبح الأسئلة المتعلقة بالخصوصية، والحوسبة الآمنة، والتنفيذ القابل للتحقق أمورًا لا يمكن تجاهلها. يجب ألا يضطر المستخدمون إلى الثقة العمياء بأن بياناتهم محمية أو أن الحوسبة التي يدفعون مقابلها تقوم بالضبط بما تم الوعد به.

هنا تشعر أن OpenGradient مختلفة.

من خلال دمج بنية تحافظ على الخصوصية مع تنفيذ آمن، يعملون نحو بيئة يمكن فيها التحقق من أحمال الذكاء الاصطناعي دون الكشف عن معلومات حساسة.

إنها نهج يضع الشفافية في المقدمة بدلاً من الاعتماد على وسطاء إضافيين.

ما جذب انتباهي أيضًا هو أنهم بالفعل يطبقون هذه الأفكار في الممارسة العملية.

لقد عالجت الشبكة ملايين طلبات الاستدلال، ويستمر النظام البيئي في النمو، والمنتجات الجديدة تظهر أن الفريق يركز على البناء وليس فقط على تقديم ادعاءات طموحة.

ساحة البنية التحتية للذكاء الاصطناعي أصبحت مزدحمة، لكن المشاريع التي تحل المشاكل الأساسية تميل إلى التميز مع مرور الوقت.

ما زلت أتابع OpenGradient عن كثب، لكن حتى الآن يبدو أنها مشروع يستثمر في الأسس التي سيحتاجها الذكاء الاصطناعي مع استمرار النمو في الاعتماد.


#opg $OPG @OpenGradient

على مدار الأسبوع الماضي، قضيت بعض الوقت في التعمق في OpenGradient.

في البداية، لم أكن متأكدًا مما إذا كان مجرد مشروع AI آخر يستفيد من السرد الأحدث أو إذا كان هناك شيء أكثر معنى وراءه.

كلما قرأت أكثر، كان هناك موضوع واحد يظهر باستمرار: الثقة.

نماذج الذكاء الاصطناعي تتطور بسرعة مذهلة، لكن هذا لا يحل تلقائيًا أكبر سؤال.
كيف تعرف أن بياناتك تبقى خاصة؟

كيف تتحقق من أن الحوسبة التي تدفع مقابلها تقوم فعلاً بما تدعي؟

هذا ما جذبني نحو OpenGradient.

بدلاً من مطالبة المستخدمين بالثقة العمياء في النظام، هم يبنون حول تنفيذ آمن وبنية تحتية تركز على الخصوصية أولاً.

الهدف هو السماح للمستخدمين، وعملاء الذكاء الاصطناعي، ومقدمي الحوسبة بالتفاعل بطريقة شفافة وقابلة للتحقق، دون الاعتماد على وسطاء غير ضروريين.

ما لفت انتباهي أيضًا هو أنهم بالفعل يبنون، وليسوا مجرد يتحدثون.

الشبكة تعاملت مع ملايين من طلبات الاستدلال، والنظام البيئي يستمر في النمو، وإطلاق المنتجات الأخيرة يشير إلى أن الفريق يركز على حل مشاكل حقيقية بدلاً من مطاردة العناوين.

مساحة الذكاء الاصطناعي مليئة بالوعود الجريئة.

لقد رأينا جميعًا مشاريع تبدو مثيرة للإعجاب على الورق ولكنها لا تتجاوز ذلك.

OpenGradient يبدو مختلفًا قليلاً.

المحادثة ليست حول الضجيج أو الادعاءات اللامعة. إنها حول بناء البنية التحتية التي سيحتاجها الذكاء الاصطناعي فعلاً إذا كانت الثقة والخصوصية ستهم.

ما زلت أتابع المشروع عن كثب، لكنه بالتأكيد أصبح واحدًا من مشاريع البنية التحتية للذكاء الاصطناعي التي أنا مهتم بمشاهدتها.


#opg $OPG @OpenGradient

#opg $OPG
ماذا لو كانت معظم أنظمة الذكاء الاصطناعي غير موثوقة فعلاً - فقط يُفترض أنها صحيحة لأنه لا يوجد طريقة سهلة للتحقق؟

إذا كان هذا صحيحًا، ماذا نشتري حقًا عندما نستخدمها كل يوم؟
معظمها هو الراحة. نحن لا نتحقق، نكتفي بقبول النتيجة ونمضي قدمًا.

لكن بعد ذلك يظهر سؤال آخر. إذا كانت النماذج المختلفة غالبًا ما تنتج إجابات مشابهة للمهام الشائعة، فلماذا لا يزال يهم أي نظام نستخدم؟
في الممارسة العملية، عادة ما يتعلق الأمر بمن يديرها، ومدى سرعة استجابتها، ومدى توافقها مع سير العمل القائم. الثقة تصبح غير مرئية، لا تُحل.

الآن ادفع هذا إلى الأمام - ماذا يحدث عندما تتوقف التنفيذ والتحقق عن كونهما نفس الشيء؟

هنا تصبح الشبكات مثل OpenGradient مثيرة للاهتمام. فكرة أن الحساب يمكن أن يحدث في مكان واحد بينما يتم التحقق من الصحة في مكان آخر تغير الهيكل بهدوء. لم يعد الأمر يتعلق فقط بتوليد النتيجة، بل حول ما إذا كانت تلك النتيجة يمكن أن تحمل المسؤولية خارج المزود.

لكن هنا الجزء غير المريح - هل نحتاج حتى إلى التحقق الكامل في معظم الأوقات؟
بالنسبة للعديد من الاستخدامات في العالم الحقيقي، تبدو الضمانات الصارمة أثقل مما يتطلبه المشكلة. قد لا تتناسب تكلفة إثبات كل شيء مع قيمة إثبات أي شيء.

لذا يصبح السؤال التالي أكثر عملية من كونه أيديولوجيًا. أين يخلق التحقق فعلاً ميزة ذات مغزى، وأين يكون مجرد عبء؟

مع الأنظمة التي تتأثر بهياكل مثل EigenLayer، تبدأ القيمة في الانجراف نحو الثقة الانتقائية - حيث لا تكون الأمان ثابتة، بل تُطبق حيث تبرر العواقب ذلك.

وربما هذا هو التحول الحقيقي: ليس الذكاء الاصطناعي المعتمد بالكامل، ولكن مساحة غير موثقة عمدًا متوازنة مع جيوب من اليقين المفروض.@OpenGradient

على مدار الأسبوع الماضي، كنت أبحث بعمق في OpenGradient، محاولاً فهم ما إذا كانت مجرد رواية AI أخرى أو مشروع يبني بنية تحتية مفيدة بالفعل.

ما وجدته هو أن الفريق يبدو مركزاً على حل مشكلة يغفلها معظم الناس: الثقة.

تزداد قدرات الذكاء الاصطناعي كل شهر، ولكن لا يزال يتعين على المستخدمين الوثوق في أن بياناتهم تتم معالجتها بشكل صحيح وأن الحساب الذي يدفعون مقابله يقوم بالضبط بما يدعي.

هنا جاء OpenGradient لجذب انتباهي.

نهجهم يجمع بين بيئات التنفيذ الآمنة وهندسة الحفاظ على الخصوصية، مما يسمح بعمليات الذكاء الاصطناعي أن تعمل دون كشف معلومات حساسة على طول الطريق.

بدلاً من إضافة المزيد من الوسطاء إلى العملية، يعملون نحو نظام حيث يمكن للمستخدمين والوكلاء ومزودي الحساب التفاعل بشكل أكثر مباشرة وقابلية للتحقق.

أجد أيضاً أنه من المثير للاهتمام أنهم لا يقتصرون على النظرية.

لقد عالجت الشبكة بالفعل ملايين طلبات الاستدلال، ويستمر نظام النماذج في التوسع.

تظهر الإطلاقات الأخيرة للمنتجات أنهم يقومون بتجارب نشطة مع التطبيقات العملية بدلاً من مجرد الحديث عن الاحتمالات المستقبلية.

قطاع الذكاء الاصطناعي مزدحم بمشاريع تعد بتكنولوجيا ثورية.

لا يزال معظمها يحاول إثبات أنه يمكنه التسليم.

يشعر OpenGradient بأنه مختلف لأن المحادثة ليست مركزه على الضجيج، بل تدور حول البنية التحتية والخصوصية والتنفيذ.

لا زلت أتابع كيف يتطور النظام البيئي، لكنه يصبح واحداً من المشاريع الأكثر إثارة للاهتمام في بنية الذكاء الاصطناعي على راداري.


#opg $OPG @OpenGradient

نماذج الذكاء الاصطناعي وراء واجهات برمجة التطبيقات ليست ملكيات، بل أذونات.
تمنح الشركات الوصول، لكن يمكنها تغيير الشروط أو إلغائها في أي لحظة.
يمكن للدول الضغط عليها من خلال الاستدعاءات، والعقوبات، وضوابط التصدير، أو الحجب الذي يسحب وصولك بناءً على الجنسية، أو السياسة، أو الجغرافيا السياسية.

ما كان شريكاً إبداعياً يمكن أن يصبح نقطة نهاية صامتة بين عشية وضحاها.

ذكاء محصور في واجهات برمجة التطبيقات يعني أنك لن تمتلك النموذج حقًا.

أنت تستأجر اتصالاً عابراً إلى صندوق أسود بعيد يقوم بتسجيل البيانات، وتصفيتها، والحفاظ عليها.

أنت لا تحمل الأوزان أو تتحكم في الاستدلال؛ أنت تعتمد على إذن يمكن سحبه عبر الحدود.

نحن نبني ذكاء اصطناعي يركز على الخصوصية حيث يتم تشغيل الاستدلال محليًا، على جهازك.

لا يمكن لأي حارس قراءة مطالباتك، ولا يمكن لأي حدود إلغاء الرياضيات.

النموذج المحلي هو ملكية مجموعة من الأوزان على جهازك.

الحوسبة تصبح فعلاً خاصًا، سياديًا وغير قابل للملاحظة.

الإنترنت تجنب الرقابة مع بروتوكولات تجد طرقًا أخرى.

الذكاء سيفعل الشيء نفسه.
نماذج الوزن المفتوحة ومحركات الاستدلال تنتشر إلى أي هواتف ذكية، أو حواسيب محمولة، أو خوادم معزولة.
لا يمكن لأي خادم ترخيص حجبها في أي مكان.

هذا الاسترداد للوكالة يعني أنك تحمل ذكاءك معك، عبر الحدود والأنظمة، دون إذن.

مستقبل الذكاء الاصطناعي هو عملية هادئة، خاصة، وسيادية لا يقرأها أي حارس، ولا تلغيها أي حدود، ولا تنتهي صلاحية أي إذن.

المعلومات التي تعلمت أن تكون حرة؛

والذكاء كذلك.......

#opg $OPG @OpenGradient

مرحبا بالجميع ....
إنه وقت الهدايا من كيفن .....
فقط
تابع
علق بـ نعم
وأعد نشره مع صديق .

حان وقت السحب .....
بس
تابع
اعجبني
علق بـ نعم

لقد كنت أراقب تطور مساحة إعادة التخزين السائلة، وبصراحة، شعرت أنها عالقة في حلقة الأصول الفردية لفترة طويلة.
معظم البروتوكولات تقوم بتحسين أداء ETH فقط، مما يجبرني على تقسيم محفظتي والتضحية باستمرار.

لهذا السبب، فكرة "السيولة بدون تنازلات" من Bedrock فعلاً نالت إعجابي.

ليست مجرد دعاية فارغة - بل هي تحدٍ حقيقي للصوامع التي كانت تعيق LRTs بهدوء.

التطور الحقيقي الذي أراه هنا هو دمج الأصول المتعددة.
أحب فكرة أن Bedrock تجمع بين ETH و BTC وغيرها من الأصول ذات العائد في طبقة إعادة تخزين واحدة شاملة.
من منظور الأمان، يبدو أن وجود مجموعة متنوعة من الضمانات أكثر مرونة من إعدادات الرموز الفردية المجزأة التي علقنا بها.

ومن تجربتي الخاصة كمستخدم، فإن هذا يبسط الكثير من التعقيد.

بدلاً من التلاعب بعصبية بالعديد من رموز الإيصالات عبر سلاسل مختلفة، سأحتفظ ببساطة برمز LRT عالمي واحد يمثل موقفي السائل والمتنوع بالكامل.

هذا النوع من القابلية للتكوين هو بالضبط ما يربط بين الزراعة الفوضوية للبيع بالتجزئة والكفاءة التي تحتاجها المؤسسات.
ليست مجرد تعديل طفيف في المنتج.

بالنسبة لي، يبدو أنها الخطوة اللازمة لنضوج LRTs إذا كانت ترغب في الخروج من غرفة الصدى واستقبال الموجة التالية من قيمة DeFi.

#bedrock $BR @Bedrock

قضيت وقتًا كافيًا في عالم الكريبتو لألاحظ نمطًا. البلوكتشين العامة رائعة للشفافية، لكنها غالبًا ما تجعل الأمر يبدو كأنك تبث خطة عملك بالكامل لأي شخص مستعد للنظر.
في نفس الوقت، لا أعتقد أن الحل يكمن في مطاردة الحلول "المجهولة" التي تترك فرق الامتثال والقانون في حالة توتر دائم. هذه ليست طريقًا مستدامًا.
ما يبدو منطقيًا لي هو تحقيق توازن بين الخصوصية والنهائية.
فكر في الأمر بهذه الطريقة. نتوقع جميعًا أن تظل محادثاتنا الخاصة خاصة. يجب أن تكون المعاملات التجارية مختلفة عن ذلك. لكنني أريد أيضًا اليقين أنه بمجرد تنفيذ شيء ما، فقد تم. لا تأخيرات. لا عدم اليقين. لا تساؤلات حول ما إذا كان سيتم عكسه لاحقًا.
لهذا السبب تبرز فكرة المعاملات السرية، والمطابقة، والنهائية.
تظل بياناتك محمية. تظل عملياتك ضمن القواعد. ومتى ما تم تسوية المعاملة، فقد تم تسويتها.
أرى هذا أقل كأداة لإخفاء المعلومات وأكثر كالبنية التحتية لتأمينها. هناك فرق كبير.
من خلال تجربتي، فإن أكثر التقنيات فائدة ليست الأكثر ضجيجًا. إنها التقنية التي تتيح لك التحرك أسرع، وتحمي ما يهم، وتركيزك على البناء دون النظر باستمرار خلفك. هذا هو نوع طبقة الخصوصية التي أود استخدامها.

#genius $GENIUS @GeniusOfficial