哇小姐
16.4k Publicaciones
哇小姐
Abrir operación
Trader frecuente
4.7 meses
154 Siguiendo
4.5K+ Seguidores
2.5K+ Me gusta
Publicaciones
Cartera
Todo
Cotizaciones
Directo
Volví una y otra vez a algo pequeño en Newton Protocol ($NEWT ) que casi ignoré al principio.
Es la forma en que las políticas dentro de Vaults no solo tratan sobre *qué* puede hacer un agente, sino también sobre *cuándo* deja de estar permitido para actuar.
Hay un énfasis silencioso en la caducidad, los umbrales y las condiciones de invalidación. No solo permisos, sino degradación.
Eso se puede pasar por alto fácilmente, pero cambia cómo se comporta todo el sistema.
La mayoría de los sistemas de permisos en cripto son binarios. Concedes acceso y se mantiene válido hasta que lo revocas. Newton parece tratar los permisos como algo temporal de forma predeterminada, moldeado por el tiempo o por entradas cambiantes como los datos de RedStone.
No estoy del todo seguro de si los usuarios notarán esto de manera consciente, pero introduce una especie de escepticismo incorporado hacia las acciones. Nada está permitido de forma permanente: todo tiene una ventana de contexto.
Podría ser una salvaguarda sutil. O simplemente complejidad adicional que solo importa en casos extremos.
Desde fuera, da la impresión de que el protocolo está menos interesado en el control y más interesado en limitar cuánto tiempo dura el control.
Eso me hace preguntarme: ¿la innovación real aquí son los permisos… o la idea de que los permisos deberían caducar de forma natural?
@NewtonProtocol #newt $NEWT
Es la forma en que las políticas dentro de Vaults no solo tratan sobre *qué* puede hacer un agente, sino también sobre *cuándo* deja de estar permitido para actuar.
Hay un énfasis silencioso en la caducidad, los umbrales y las condiciones de invalidación. No solo permisos, sino degradación.
Eso se puede pasar por alto fácilmente, pero cambia cómo se comporta todo el sistema.
La mayoría de los sistemas de permisos en cripto son binarios. Concedes acceso y se mantiene válido hasta que lo revocas. Newton parece tratar los permisos como algo temporal de forma predeterminada, moldeado por el tiempo o por entradas cambiantes como los datos de RedStone.
No estoy del todo seguro de si los usuarios notarán esto de manera consciente, pero introduce una especie de escepticismo incorporado hacia las acciones. Nada está permitido de forma permanente: todo tiene una ventana de contexto.
Podría ser una salvaguarda sutil. O simplemente complejidad adicional que solo importa en casos extremos.
Desde fuera, da la impresión de que el protocolo está menos interesado en el control y más interesado en limitar cuánto tiempo dura el control.
Eso me hace preguntarme: ¿la innovación real aquí son los permisos… o la idea de que los permisos deberían caducar de forma natural?
@NewtonProtocol #newt $NEWT
Al principio asumí que el Protocolo Newton ($NEWT ) trataba principalmente de hacer que los agentes de IA fueran más seguros de usar con capital.
Esa es la narrativa obvia. Bóvedas, motor de políticas, guardarraíles: todo apunta en esa dirección.
Pero cuanto más lo miraba, más me parecía que el sistema en realidad no está reduciendo la complejidad. La está trasladando.
En lugar de preocuparte por lo que podría hacer un agente en tiempo real, ahora piensas en todos los casos límite de antemano. Qué condiciones deberían activar una acción, qué límites deberían aplicarse, qué fuentes de datos (como RedStone o Credora) deberían considerarse confiables.
Es una carga de otro tipo.
No estoy del todo seguro de que esto coincida con lo que la mayoría de la gente espera cuando escucha “automatización más segura”. Hay una suposición implícita de que la seguridad simplifica las cosas. Aquí, la seguridad parece venir de ser más preciso, no de estar menos involucrado.
Podría ser un intercambio necesario. O podría significar que el producto resulta más atractivo para un grupo especializado que se siente cómodo diseñando sistemas, no solo usándolos.
Desde fuera, se siente menos como un sistema plug-and-play y más como infraestructura con mucha configuración.
Entonces la pregunta es: ¿los usuarios realmente buscan seguridad, o buscan simplicidad?#newt $NEWT @NewtonProtocol
Esa es la narrativa obvia. Bóvedas, motor de políticas, guardarraíles: todo apunta en esa dirección.
Pero cuanto más lo miraba, más me parecía que el sistema en realidad no está reduciendo la complejidad. La está trasladando.
En lugar de preocuparte por lo que podría hacer un agente en tiempo real, ahora piensas en todos los casos límite de antemano. Qué condiciones deberían activar una acción, qué límites deberían aplicarse, qué fuentes de datos (como RedStone o Credora) deberían considerarse confiables.
Es una carga de otro tipo.
No estoy del todo seguro de que esto coincida con lo que la mayoría de la gente espera cuando escucha “automatización más segura”. Hay una suposición implícita de que la seguridad simplifica las cosas. Aquí, la seguridad parece venir de ser más preciso, no de estar menos involucrado.
Podría ser un intercambio necesario. O podría significar que el producto resulta más atractivo para un grupo especializado que se siente cómodo diseñando sistemas, no solo usándolos.
Desde fuera, se siente menos como un sistema plug-and-play y más como infraestructura con mucha configuración.
Entonces la pregunta es: ¿los usuarios realmente buscan seguridad, o buscan simplicidad?#newt $NEWT @NewtonProtocol
Al principio asumí que Newton Protocol sería otro proyecto más donde la historia central fuera la capa de IA. Después de leer con más atención, me encontré prestando más atención a la elección de los proveedores de datos externos y de riesgo, en particular RedStone y Credora.
Ese detalle parece fácil de pasar por alto, pero cambia cómo pienso sobre el protocolo. En lugar de intentar controlar cada parte del stack, Newton parece apoyarse en infraestructura especializada donde realmente importa. RedStone aporta datos, mientras que Credora aporta contexto relacionado con el riesgo. Si esas integraciones se llegan a incorporar profundamente, el valor de la red podría surgir tanto de la coordinación entre componentes ya establecidos como de cualquier característica individual.
Desde una perspectiva de ecosistema, eso me suena como una señal más silenciosa que anunciar otra asociación con fines de marketing. Sugiere la suposición de que la automatización inteligente solo será tan fiable como las entradas y las evaluaciones que la respaldan. En otras palabras, la red circundante podría volverse igual de importante que el propio protocolo.
No estoy del todo seguro de si estas relaciones evolucionarán hasta convertirse en ventajas duraderas o si integraciones comparables se volverán estándar en proyectos competidores. Desde fuera, es difícil separar elecciones de infraestructura que realmente importan de la convergencia esperada de la industria.
Si los protocolos nativos de IA dependen cada vez más de datos compartidos y capas de riesgo, ¿de dónde proviene la diferenciación duradera: del agente, de la infraestructura o del ecosistema construido alrededor de ambos?#newt $NEWT
@NewtonProtocol
Ese detalle parece fácil de pasar por alto, pero cambia cómo pienso sobre el protocolo. En lugar de intentar controlar cada parte del stack, Newton parece apoyarse en infraestructura especializada donde realmente importa. RedStone aporta datos, mientras que Credora aporta contexto relacionado con el riesgo. Si esas integraciones se llegan a incorporar profundamente, el valor de la red podría surgir tanto de la coordinación entre componentes ya establecidos como de cualquier característica individual.
Desde una perspectiva de ecosistema, eso me suena como una señal más silenciosa que anunciar otra asociación con fines de marketing. Sugiere la suposición de que la automatización inteligente solo será tan fiable como las entradas y las evaluaciones que la respaldan. En otras palabras, la red circundante podría volverse igual de importante que el propio protocolo.
No estoy del todo seguro de si estas relaciones evolucionarán hasta convertirse en ventajas duraderas o si integraciones comparables se volverán estándar en proyectos competidores. Desde fuera, es difícil separar elecciones de infraestructura que realmente importan de la convergencia esperada de la industria.
Si los protocolos nativos de IA dependen cada vez más de datos compartidos y capas de riesgo, ¿de dónde proviene la diferenciación duradera: del agente, de la infraestructura o del ecosistema construido alrededor de ambos?#newt $NEWT
@NewtonProtocol
Algo me sigue molestando sobre la conversación con el agente de IA y no he podido dejar de pensarlo.
Todo el mundo se centra en los agentes en sí. La autonomía, la toma de decisiones, la idea de que algo puede observar un mercado y responder más rápido que cualquier ser humano. Y quizá todo eso sea verdad. No lo estoy descartando. Pero sigo pensando en lo que hay debajo de todo eso, y si alguien realmente está prestando atención.
Porque esto es lo que he notado después de observar este espacio durante un tiempo. La capa de inteligencia se lleva toda la atención. La capa de ejecución se ignora hasta que algo falla.
Un mercado de IA, que es parte de lo que el Protocolo Newton está construyendo, suena interesante en el papel. Desarrolladores implementando agentes, compartiendo estrategias, otras personas ejecutándolos. Pero en el momento en que entran en juego activos reales, las preguntas cambian. No solo si el agente es inteligente. Si el entorno dentro del cual se ejecuta puede realmente confiarse. Si los permisos son correctos. Si alguien puede verificar qué ocurrió y por qué.
Esas no son preguntas emocionantes. Nadie crea expectación en torno a ellas. Pero son las que importan cuando los mercados dejan de comportarse de forma normal, cuando desaparece la liquidez, cuando un agente hace exactamente lo que se supone que debía hacer y, aun así, el resultado sigue estando mal.
No sé si el lado de la infraestructura se está tomando lo bastante en serio en general. Algunos proyectos parecen entender el problema. Si realmente lo han resuelto, es otra pregunta completamente distinta.
Esa parte suele volverse clara solo más tarde.
#newt @NewtonProtocol $NEWT
Todo el mundo se centra en los agentes en sí. La autonomía, la toma de decisiones, la idea de que algo puede observar un mercado y responder más rápido que cualquier ser humano. Y quizá todo eso sea verdad. No lo estoy descartando. Pero sigo pensando en lo que hay debajo de todo eso, y si alguien realmente está prestando atención.
Porque esto es lo que he notado después de observar este espacio durante un tiempo. La capa de inteligencia se lleva toda la atención. La capa de ejecución se ignora hasta que algo falla.
Un mercado de IA, que es parte de lo que el Protocolo Newton está construyendo, suena interesante en el papel. Desarrolladores implementando agentes, compartiendo estrategias, otras personas ejecutándolos. Pero en el momento en que entran en juego activos reales, las preguntas cambian. No solo si el agente es inteligente. Si el entorno dentro del cual se ejecuta puede realmente confiarse. Si los permisos son correctos. Si alguien puede verificar qué ocurrió y por qué.
Esas no son preguntas emocionantes. Nadie crea expectación en torno a ellas. Pero son las que importan cuando los mercados dejan de comportarse de forma normal, cuando desaparece la liquidez, cuando un agente hace exactamente lo que se supone que debía hacer y, aun así, el resultado sigue estando mal.
No sé si el lado de la infraestructura se está tomando lo bastante en serio en general. Algunos proyectos parecen entender el problema. Si realmente lo han resuelto, es otra pregunta completamente distinta.
Esa parte suele volverse clara solo más tarde.
#newt @NewtonProtocol $NEWT
Sigo atrapándome rodando los ojos cada vez que la IA y las criptomonedas terminan en la misma frase. Tal vez es simplemente lo que pasa después de ver cómo ambos mundos reciclan las mismas promesas con nombres distintos durante años. Modelos más inteligentes. Cadenas más rápidas. Mejor automatización. De alguna manera, la parte difícil siempre parece empujarse un poco más abajo por la carretera.
Últimamente he estado pensando menos en si una IA puede idear una estrategia de trading y más en lo que ocurre después. La ejecución siempre ha sonado aburrida en comparación con la inteligencia, pero deja de parecer aburrida cuando el software puede mover activos reales por sí solo. Ese es un tipo diferente de problema de confianza.
Me topé con Newton Protocol mientras reflexionaba sobre esa brecha. No porque afirme que hace a los agentes más inteligentes, sino porque parece más interesado en la capa donde las decisiones se convierten en acciones. Un rollup seguro, un entorno donde las estrategias de IA y los agentes puedan operar realmente, compartirse y rendir cuentas en alguna forma. Eso se siente más cerca de la pregunta alrededor de la cual he estado dando vueltas.
Aun así, los mercados para agentes autónomos traen sus propias complicaciones. Los incentivos se desvían. La responsabilidad se vuelve borrosa. La verificación es fácil de elogiar hasta que los mercados se vuelven caóticos.
Quizá los modelos seguirán mejorando pase lo que pase. Estoy menos seguro de que la infraestructura que los rodea esté avanzando al mismo ritmo, y aún no sé qué parte importará más.@NewtonProtocol #newt $NEWT
Últimamente he estado pensando menos en si una IA puede idear una estrategia de trading y más en lo que ocurre después. La ejecución siempre ha sonado aburrida en comparación con la inteligencia, pero deja de parecer aburrida cuando el software puede mover activos reales por sí solo. Ese es un tipo diferente de problema de confianza.
Me topé con Newton Protocol mientras reflexionaba sobre esa brecha. No porque afirme que hace a los agentes más inteligentes, sino porque parece más interesado en la capa donde las decisiones se convierten en acciones. Un rollup seguro, un entorno donde las estrategias de IA y los agentes puedan operar realmente, compartirse y rendir cuentas en alguna forma. Eso se siente más cerca de la pregunta alrededor de la cual he estado dando vueltas.
Aun así, los mercados para agentes autónomos traen sus propias complicaciones. Los incentivos se desvían. La responsabilidad se vuelve borrosa. La verificación es fácil de elogiar hasta que los mercados se vuelven caóticos.
Quizá los modelos seguirán mejorando pase lo que pase. Estoy menos seguro de que la infraestructura que los rodea esté avanzando al mismo ritmo, y aún no sé qué parte importará más.@NewtonProtocol #newt $NEWT
Me sorprendo una y otra vez sintiéndome un poco incómodo, y no estoy seguro de que sea por los modelos ya.
Durante mucho tiempo, la IA y las criptomonedas parecían estar resolviendo problemas distintos. La IA perseguía mejores resultados. Las criptomonedas daban vueltas en torno a la confianza, la verificación y quién controla el sistema subyacente. Últimamente esas conversaciones parecen estar chocando, y no creo que sea una casualidad.
Cuanto más útil se vuelve la IA, menos parece que sé sobre lo que ocurre por debajo de la superficie. Hago una pregunta, obtengo una respuesta convincente y sigo adelante. La mayoría de los días no podría decirte de dónde salió esa respuesta, qué infraestructura la produjo o si alguien más podría verificarla de forma independiente. Eso se siente como un problema más grande que la capacidad bruta.
Por eso, en parte, OpenGradient ($OPG ) me hizo detenerme. No porque suponga que la infraestructura descentralizada es la respuesta, sino porque llama la atención sobre la parte de la IA que normalmente queda fuera de la vista: alojar modelos, ejecutar inferencias y hacer que esos procesos sean más transparentes y verificables. Que eso funcione realmente a escala es otra cuestión.
He visto suficientes sistemas centralizados volverse invisibles hasta que, de repente, se convirtieron en el único punto del que todos dependían. La infraestructura rara vez se comenta hasta que algo se rompe.
Quizá sea posible la "inteligencia abierta". Quizá no. La apertura, la propiedad y la verificación no siempre tiran en la misma dirección cuando los incentivos se vuelven reales.
Sigo preguntándome si el problema más difícil ahora no es construir una IA más inteligente, sino averiguar quién puede verificarla antes de que los sistemas que hay debajo se vuelvan demasiado opacos como para cuestionarlos.#opg $OPG @OpenGradient
Durante mucho tiempo, la IA y las criptomonedas parecían estar resolviendo problemas distintos. La IA perseguía mejores resultados. Las criptomonedas daban vueltas en torno a la confianza, la verificación y quién controla el sistema subyacente. Últimamente esas conversaciones parecen estar chocando, y no creo que sea una casualidad.
Cuanto más útil se vuelve la IA, menos parece que sé sobre lo que ocurre por debajo de la superficie. Hago una pregunta, obtengo una respuesta convincente y sigo adelante. La mayoría de los días no podría decirte de dónde salió esa respuesta, qué infraestructura la produjo o si alguien más podría verificarla de forma independiente. Eso se siente como un problema más grande que la capacidad bruta.
Por eso, en parte, OpenGradient ($OPG ) me hizo detenerme. No porque suponga que la infraestructura descentralizada es la respuesta, sino porque llama la atención sobre la parte de la IA que normalmente queda fuera de la vista: alojar modelos, ejecutar inferencias y hacer que esos procesos sean más transparentes y verificables. Que eso funcione realmente a escala es otra cuestión.
He visto suficientes sistemas centralizados volverse invisibles hasta que, de repente, se convirtieron en el único punto del que todos dependían. La infraestructura rara vez se comenta hasta que algo se rompe.
Quizá sea posible la "inteligencia abierta". Quizá no. La apertura, la propiedad y la verificación no siempre tiran en la misma dirección cuando los incentivos se vuelven reales.
Sigo preguntándome si el problema más difícil ahora no es construir una IA más inteligente, sino averiguar quién puede verificarla antes de que los sistemas que hay debajo se vuelvan demasiado opacos como para cuestionarlos.#opg $OPG @OpenGradient
Noté algo recientemente que no puedo dejar de pensar.
Estaba usando una herramienta de IA, obteniendo respuestas útiles, casi sin detenerme a preguntarme de dónde salía todo eso. Y me di cuenta de lo completamente que la parte de la confianza ha sido delegada. No sé qué modelo generó esas respuestas. No sé dónde ocurrió el cómputo. No tengo forma de verificar si el sistema que usé hoy es el mismo que existía la semana pasada. Simplemente lo acepté.
Ese patrón me resulta familiar del mundo cripto, pero por razones diferentes. Antes la obsesión era eliminar la confianza de la ecuación. Que todo sea verificable. No confiar en promesas. A veces era tedioso, pero la intuición tenía sentido.
Ahora tenemos a la IA convirtiéndose en infraestructura invisible para millones de personas, y esa misma intuición parece haberse desvanecido.
OpenGradient ($OPG ) ha estado rondando mis pensamientos porque parece estar intentando devolver esa intuición. No como ideología, sino como infraestructura. Alojar modelos, ejecutar inferencias, hacer que el proceso sea comprobable. No sé si eso será suficiente de verdad.
Lo que sí sé es que la apertura, la propiedad y la verificación tienden a chocar cuando se involucran dinero real y poder real. La infraestructura se pone a prueba con la presión, no con las promesas.
Quizá descubramos quién merece verificar los sistemas de los que estamos aprendiendo a depender. O quizá esa pregunta también se vuelva evidente, pero demasiado tarde.@OpenGradient #opg $OPG
Estaba usando una herramienta de IA, obteniendo respuestas útiles, casi sin detenerme a preguntarme de dónde salía todo eso. Y me di cuenta de lo completamente que la parte de la confianza ha sido delegada. No sé qué modelo generó esas respuestas. No sé dónde ocurrió el cómputo. No tengo forma de verificar si el sistema que usé hoy es el mismo que existía la semana pasada. Simplemente lo acepté.
Ese patrón me resulta familiar del mundo cripto, pero por razones diferentes. Antes la obsesión era eliminar la confianza de la ecuación. Que todo sea verificable. No confiar en promesas. A veces era tedioso, pero la intuición tenía sentido.
Ahora tenemos a la IA convirtiéndose en infraestructura invisible para millones de personas, y esa misma intuición parece haberse desvanecido.
OpenGradient ($OPG ) ha estado rondando mis pensamientos porque parece estar intentando devolver esa intuición. No como ideología, sino como infraestructura. Alojar modelos, ejecutar inferencias, hacer que el proceso sea comprobable. No sé si eso será suficiente de verdad.
Lo que sí sé es que la apertura, la propiedad y la verificación tienden a chocar cuando se involucran dinero real y poder real. La infraestructura se pone a prueba con la presión, no con las promesas.
Quizá descubramos quién merece verificar los sistemas de los que estamos aprendiendo a depender. O quizá esa pregunta también se vuelva evidente, pero demasiado tarde.@OpenGradient #opg $OPG
La semana pasada, vi un segmento de noticias donde el presentador citó un "pronóstico impulsado por IA" como si fuera una fuerza natural, como el clima. Nadie en el set preguntó qué modelo, qué datos o quién era responsable de la predicción. Ese silencio me pareció una nueva normalidad.
Sigo preguntándome cuándo decidimos que la procedencia de la inteligencia importa menos que su fluidez. En algún momento, la cadena de custodia para una respuesta—desde el anfitrión hasta la inferencia y la verificación—empezó a sentirse como un detalle de implementación en lugar de un fundamento de confianza. Lo que me molesta es cuán perfectamente la inteligencia se ha convertido en una utilidad que usamos sin inspeccionar las tuberías.
Es en ese hueco donde algo como OpenGradient cobra sentido, no como una aplicación, sino como una pregunta silenciosa sobre la infraestructura. El problema más profundo podría ser que para que la inteligencia sea colectiva, primero necesita ser coordinada, auditada y soportada por una red en lugar de una caja negra. Se trata menos de crear una IA más inteligente y más de construir el sustrato donde la inteligencia pueda ser transportada y verificada abiertamente.
No estoy completamente convencido de que la verdadera apertura y los incentivos alineados puedan coexistir fácilmente, o de que hayamos resuelto la tensión entre la conveniencia escalable y la verificación significativa. Sospecho que apenas comenzamos a entender que la confianza en un mundo automatizado no se concede; se ingeniaría, capa por capa, bajo la superficie.
Quizás los sistemas más importantes del futuro no serán aquellos que produzcan respuestas, sino los que nos permitan escrutar de dónde vinieron esas respuestas—y decidir, juntos, si eran dignas de credibilidad.
#opg $OPG @OpenGradient
Sigo preguntándome cuándo decidimos que la procedencia de la inteligencia importa menos que su fluidez. En algún momento, la cadena de custodia para una respuesta—desde el anfitrión hasta la inferencia y la verificación—empezó a sentirse como un detalle de implementación en lugar de un fundamento de confianza. Lo que me molesta es cuán perfectamente la inteligencia se ha convertido en una utilidad que usamos sin inspeccionar las tuberías.
Es en ese hueco donde algo como OpenGradient cobra sentido, no como una aplicación, sino como una pregunta silenciosa sobre la infraestructura. El problema más profundo podría ser que para que la inteligencia sea colectiva, primero necesita ser coordinada, auditada y soportada por una red en lugar de una caja negra. Se trata menos de crear una IA más inteligente y más de construir el sustrato donde la inteligencia pueda ser transportada y verificada abiertamente.
No estoy completamente convencido de que la verdadera apertura y los incentivos alineados puedan coexistir fácilmente, o de que hayamos resuelto la tensión entre la conveniencia escalable y la verificación significativa. Sospecho que apenas comenzamos a entender que la confianza en un mundo automatizado no se concede; se ingeniaría, capa por capa, bajo la superficie.
Quizás los sistemas más importantes del futuro no serán aquellos que produzcan respuestas, sino los que nos permitan escrutar de dónde vinieron esas respuestas—y decidir, juntos, si eran dignas de credibilidad.
#opg $OPG @OpenGradient
La semana pasada, mi sobrino me preguntó por qué su app de tareas "sabía" la respuesta a un problema que su maestro no pudo resolver al instante. Le di una respuesta a medias sobre servidores y datos, y él asintió como si eso lo solucionara. Para mí, no resolvió nada. Me di cuenta de que tampoco podía explicar realmente de dónde venía esa respuesta — no realmente, no más allá de la cómoda ficción que nos contamos sobre "la nube" haciendo el pensamiento.
En algún momento, dejamos de preguntarnos dónde vive la inteligencia. Ahora le preguntamos cosas a la IA constantemente, pero rara vez preguntamos quién está alojando el modelo que respondió, qué hardware ejecutó la inferencia, si la salida podría ser verificada contra algo en absoluto. Sigo preguntándome cuándo decidimos colectivamente que no saber estaba bien. Lo que me molesta es cuán rápido la invisibilidad se convirtió en la textura predeterminada de la confianza — confiamos en la respuesta porque la interfaz es fluida, no porque alguien pudiera verificarla.
Aquí es donde algo como OpenGradient se vuelve interesante para mí, no como un producto, sino como una pregunta estructural. Trata la inteligencia como algo que debe ser coordinado, alojado y verificado, no solo generado y enviado. Se sitúa debajo del modelo, no dentro de él — infraestructura para la verificación en lugar de otra voz que afirme saber cosas.
Pero no estoy del todo convencido de que la verificación y la escala realmente deseen el mismo futuro. Cuanto más abierto se vuelve un sistema, más difícil es definir la propiedad. Cuanto más descentralizado es el alojamiento, más incentivos tienen que hacer el trabajo que solía hacer la confianza. Tal vez estemos haciendo la pregunta equivocada cuando preguntamos si la IA es precisa, cuando la verdadera pregunta es si alguien puede verificar.
El problema más profundo podría ser que nunca construimos confianza para la inteligencia a esta escala — solo la tomamos prestada de sistemas que nunca fueron solicitados a verificarse a sí mismos. Sospecho que apenas estamos comenzando a entender lo que sacrificamos al no preguntar.
#opg $OPG @OpenGradient
En algún momento, dejamos de preguntarnos dónde vive la inteligencia. Ahora le preguntamos cosas a la IA constantemente, pero rara vez preguntamos quién está alojando el modelo que respondió, qué hardware ejecutó la inferencia, si la salida podría ser verificada contra algo en absoluto. Sigo preguntándome cuándo decidimos colectivamente que no saber estaba bien. Lo que me molesta es cuán rápido la invisibilidad se convirtió en la textura predeterminada de la confianza — confiamos en la respuesta porque la interfaz es fluida, no porque alguien pudiera verificarla.
Aquí es donde algo como OpenGradient se vuelve interesante para mí, no como un producto, sino como una pregunta estructural. Trata la inteligencia como algo que debe ser coordinado, alojado y verificado, no solo generado y enviado. Se sitúa debajo del modelo, no dentro de él — infraestructura para la verificación en lugar de otra voz que afirme saber cosas.
Pero no estoy del todo convencido de que la verificación y la escala realmente deseen el mismo futuro. Cuanto más abierto se vuelve un sistema, más difícil es definir la propiedad. Cuanto más descentralizado es el alojamiento, más incentivos tienen que hacer el trabajo que solía hacer la confianza. Tal vez estemos haciendo la pregunta equivocada cuando preguntamos si la IA es precisa, cuando la verdadera pregunta es si alguien puede verificar.
El problema más profundo podría ser que nunca construimos confianza para la inteligencia a esta escala — solo la tomamos prestada de sistemas que nunca fueron solicitados a verificarse a sí mismos. Sospecho que apenas estamos comenzando a entender lo que sacrificamos al no preguntar.
#opg $OPG @OpenGradient
Normalmente solo paso de largo los anuncios de "crypto se encuentra con AI" ahora. Han sido años de ver cómo estos dos mundos funcionan en pistas de hype paralelas, y verlos chocar últimamente se siente agotador. Todos quieren un modelo más inteligente. Pero sigo pensando en cuán ciegos estamos realmente cuando los usamos. Obtenemos una respuesta y simplemente... confiamos en ella. Es un hábito incómodo.
Estaba leyendo sobre OpenGradient ($OPG ) antes. Están tratando de construir una red descentralizada para alojar y verificar modelos de AI. Ejecutar la inferencia a la vista de todos, demostrar que el modelo hizo lo que se suponía que debía hacer. Tiene sentido, supongo. La verificación está comenzando a sentirse mucho más importante que la inteligencia bruta. Cuando unas pocas entidades grandes controlan las cajas negras, la brecha entre la creación de AI y la responsabilidad de AI se vuelve incómodamente amplia.
Pero no lo sé. La infraestructura de AI es frágil incluso en condiciones perfectas. ¿Descentralizarla para que no se rompa bajo presión? Eso es difícil. OpenGradient está apostando a que la confianza en AI es un problema de infraestructura ahora, en lugar de ser solo un problema de modelo. Podrían tener razón. Solo me pregunto si a alguien realmente le importa lo suficiente como para verificar las salidas, o si ya estamos demasiado acostumbrados a la oscuridad.
#opg $OPG @OpenGradient
Estaba leyendo sobre OpenGradient ($OPG ) antes. Están tratando de construir una red descentralizada para alojar y verificar modelos de AI. Ejecutar la inferencia a la vista de todos, demostrar que el modelo hizo lo que se suponía que debía hacer. Tiene sentido, supongo. La verificación está comenzando a sentirse mucho más importante que la inteligencia bruta. Cuando unas pocas entidades grandes controlan las cajas negras, la brecha entre la creación de AI y la responsabilidad de AI se vuelve incómodamente amplia.
Pero no lo sé. La infraestructura de AI es frágil incluso en condiciones perfectas. ¿Descentralizarla para que no se rompa bajo presión? Eso es difícil. OpenGradient está apostando a que la confianza en AI es un problema de infraestructura ahora, en lugar de ser solo un problema de modelo. Podrían tener razón. Solo me pregunto si a alguien realmente le importa lo suficiente como para verificar las salidas, o si ya estamos demasiado acostumbrados a la oscuridad.
#opg $OPG @OpenGradient
Ya no estoy seguro de confiar en hacia dónde se dirige todo esto.
No exactamente en los modelos en sí. Siguen mejorando, claro. Salidas más suaves, menos errores evidentes. Pero al mismo tiempo, se está volviendo más difícil saber con qué estoy interactuando… o de dónde viene todo esto. Esa parte se siente como si se estuviera desvaneciendo en silencio.
Solíamos discutir sobre la precisión. Ahora es más bien... ¿proveniencia? ¿Verificación? Y hasta esas palabras se sienten un poco forzadas.
Ver a la IA y a las criptos crecer por separado era más simple. La IA perseguía el rendimiento. Las criptos estaban obsesionadas con la confianza y la coordinación. Problemas diferentes, públicos diferentes. Ahora están comenzando a superponerse de una manera incómoda, y no puedo decir si es convergencia o solo confusión compartida.
Porque el verdadero problema ya no es solo la inteligencia. Es quién lo maneja, quién lo aloja, quién puede verificarlo. Y quizás más importante, quién no puede.
La infraestructura solía ser aburrida. Oculta. Algo que asumías que se mantendría. Pero últimamente se siente frágil. Concentrada en lugares que no se alinean del todo con las narrativas que se cuentan sobre ellas.
He visto algunos proyectos girando en torno a esta idea, OpenGradient siendo uno de ellos. No de una manera ruidosa. Más bien como un intento de lidiar con algo que la mayoría de la gente todavía no ha reconocido completamente.
Aún así, “abierto” suena bien hasta que aparece la escala. Hasta que se involucran los incentivos. Hasta que la verificación se vuelve política.
Y sigo preguntándome si estamos resolviendo la capa correcta… o solo notándolo demasiado tarde.
#opg $OPG @OpenGradient
No exactamente en los modelos en sí. Siguen mejorando, claro. Salidas más suaves, menos errores evidentes. Pero al mismo tiempo, se está volviendo más difícil saber con qué estoy interactuando… o de dónde viene todo esto. Esa parte se siente como si se estuviera desvaneciendo en silencio.
Solíamos discutir sobre la precisión. Ahora es más bien... ¿proveniencia? ¿Verificación? Y hasta esas palabras se sienten un poco forzadas.
Ver a la IA y a las criptos crecer por separado era más simple. La IA perseguía el rendimiento. Las criptos estaban obsesionadas con la confianza y la coordinación. Problemas diferentes, públicos diferentes. Ahora están comenzando a superponerse de una manera incómoda, y no puedo decir si es convergencia o solo confusión compartida.
Porque el verdadero problema ya no es solo la inteligencia. Es quién lo maneja, quién lo aloja, quién puede verificarlo. Y quizás más importante, quién no puede.
La infraestructura solía ser aburrida. Oculta. Algo que asumías que se mantendría. Pero últimamente se siente frágil. Concentrada en lugares que no se alinean del todo con las narrativas que se cuentan sobre ellas.
He visto algunos proyectos girando en torno a esta idea, OpenGradient siendo uno de ellos. No de una manera ruidosa. Más bien como un intento de lidiar con algo que la mayoría de la gente todavía no ha reconocido completamente.
Aún así, “abierto” suena bien hasta que aparece la escala. Hasta que se involucran los incentivos. Hasta que la verificación se vuelve política.
Y sigo preguntándome si estamos resolviendo la capa correcta… o solo notándolo demasiado tarde.
#opg $OPG @OpenGradient
No estoy del todo convencido de que el mayor problema de la IA por delante sea la inteligencia.
Suena raro decirlo después de años viendo a la industria perseguir modelos mejores, modelos más grandes, modelos más rápidos. Pero últimamente me encuentro mirando hacia otro lado.
Hacia la infraestructura.
Lo incómodo de la IA es lo rápido que nos acostumbramos a confiar en ella. Aparece un resultado, parece útil, y seguimos adelante. La mayoría de nosotros no sabe dónde ocurrió el cálculo, qué modelo generó el resultado, o si el proceso puede ser verificado de manera independiente. Confiamos porque el sistema es conveniente.
Quizás eso sea normal.
Aún así, después de pasar años en el mundo cripto, es difícil no notar el contraste. Cripto pasó una década discutiendo sobre la verificación y las suposiciones de confianza. La IA pasó una década mejorando su capacidad. Ahora esas dos conversaciones parecen estar colisionando en tiempo real.
Cuanto más importante se vuelve la IA, más las capas ocultas comienzan a importar. Hosting. Acceso. Cálculo. Verificación. Las partes a las que nadie presta atención hasta que algo cambia.
Esa es en parte la razón por la que OpenGradient ($OPG ) ha sido interesante de observar.
No porque piense que la infraestructura descentralizada automáticamente soluciona la responsabilidad. He visto suficientes ciclos para ser escéptico de cualquier cosa presentada como una respuesta completa. Pero porque parece enfocarse en una pregunta que se siente cada vez más relevante: ¿cómo verificas sistemas que se están volviendo cada vez más difíciles de ver?
Tengo curiosidad sobre la idea de la inteligencia abierta.
También tengo dudas sobre cómo la apertura sobrevive una vez que la propiedad, los incentivos y la escala comienzan a tirar en diferentes direcciones.
Cuanto más pienso en ello, más siento que la confianza en la IA puede convertirse en un problema de infraestructura mucho antes de que se convierta en un problema de modelo.
Y todavía estoy tratando de averiguar qué significa eso en realidad.@OpenGradient #opg $OPG
Suena raro decirlo después de años viendo a la industria perseguir modelos mejores, modelos más grandes, modelos más rápidos. Pero últimamente me encuentro mirando hacia otro lado.
Hacia la infraestructura.
Lo incómodo de la IA es lo rápido que nos acostumbramos a confiar en ella. Aparece un resultado, parece útil, y seguimos adelante. La mayoría de nosotros no sabe dónde ocurrió el cálculo, qué modelo generó el resultado, o si el proceso puede ser verificado de manera independiente. Confiamos porque el sistema es conveniente.
Quizás eso sea normal.
Aún así, después de pasar años en el mundo cripto, es difícil no notar el contraste. Cripto pasó una década discutiendo sobre la verificación y las suposiciones de confianza. La IA pasó una década mejorando su capacidad. Ahora esas dos conversaciones parecen estar colisionando en tiempo real.
Cuanto más importante se vuelve la IA, más las capas ocultas comienzan a importar. Hosting. Acceso. Cálculo. Verificación. Las partes a las que nadie presta atención hasta que algo cambia.
Esa es en parte la razón por la que OpenGradient ($OPG ) ha sido interesante de observar.
No porque piense que la infraestructura descentralizada automáticamente soluciona la responsabilidad. He visto suficientes ciclos para ser escéptico de cualquier cosa presentada como una respuesta completa. Pero porque parece enfocarse en una pregunta que se siente cada vez más relevante: ¿cómo verificas sistemas que se están volviendo cada vez más difíciles de ver?
Tengo curiosidad sobre la idea de la inteligencia abierta.
También tengo dudas sobre cómo la apertura sobrevive una vez que la propiedad, los incentivos y la escala comienzan a tirar en diferentes direcciones.
Cuanto más pienso en ello, más siento que la confianza en la IA puede convertirse en un problema de infraestructura mucho antes de que se convierta en un problema de modelo.
Y todavía estoy tratando de averiguar qué significa eso en realidad.@OpenGradient #opg $OPG
¿Quién posee realmente la capa de inteligencia?
Solía pensar que el verdadero problema era construir IA que funcionara. Resulta que esa era la parte fácil.
El problema más difícil — el que me mantiene despierto por la noche — es qué pasa con la inteligencia una vez que se convierte en infraestructura. Porque la infraestructura, históricamente, no se mantiene abierta. Se vuelve propiedad. Y quien la posee decide quién tiene acceso, en qué términos, a qué precio y con cuánta transparencia. Usualmente, la respuesta a esa última es: ninguna.
En este momento, la pila de IA se está consolidando en silencio de una manera que la mayoría de la gente no está prestando atención. Un pequeño número de empresas controla dónde viven los modelos, cómo se sirve la inferencia, y si alguno de ello es verificable. Consultas un modelo, obtienes una respuesta, y no tienes una forma real de confirmar qué fue lo que realmente se ejecutó detrás. Eso no es apertura. Eso es dependencia con una interfaz amigable.
Por eso me encuentro genuinamente interesado en lo que OpenGradient está tratando de construir — no porque la propuesta sea convincente, sino porque el problema que está abordando es real. Infraestructura descentralizada para alojar, ejecutar y verificar modelos de IA a gran escala. La pieza de verificación es lo que más me importa. Inteligencia abierta sin ejecución verificable es solo un ejercicio de marca.
Soy lo suficientemente escéptico como para saber que los sistemas descentralizados tienen sus propios compromisos. Pero también tengo suficiente experiencia en este espacio para saber que si nadie construye la capa abierta ahora, los defaults centralizados tienden a convertirse en permanentes.
#opg $OPG @OpenGradient
Solía pensar que el verdadero problema era construir IA que funcionara. Resulta que esa era la parte fácil.
El problema más difícil — el que me mantiene despierto por la noche — es qué pasa con la inteligencia una vez que se convierte en infraestructura. Porque la infraestructura, históricamente, no se mantiene abierta. Se vuelve propiedad. Y quien la posee decide quién tiene acceso, en qué términos, a qué precio y con cuánta transparencia. Usualmente, la respuesta a esa última es: ninguna.
En este momento, la pila de IA se está consolidando en silencio de una manera que la mayoría de la gente no está prestando atención. Un pequeño número de empresas controla dónde viven los modelos, cómo se sirve la inferencia, y si alguno de ello es verificable. Consultas un modelo, obtienes una respuesta, y no tienes una forma real de confirmar qué fue lo que realmente se ejecutó detrás. Eso no es apertura. Eso es dependencia con una interfaz amigable.
Por eso me encuentro genuinamente interesado en lo que OpenGradient está tratando de construir — no porque la propuesta sea convincente, sino porque el problema que está abordando es real. Infraestructura descentralizada para alojar, ejecutar y verificar modelos de IA a gran escala. La pieza de verificación es lo que más me importa. Inteligencia abierta sin ejecución verificable es solo un ejercicio de marca.
Soy lo suficientemente escéptico como para saber que los sistemas descentralizados tienen sus propios compromisos. Pero también tengo suficiente experiencia en este espacio para saber que si nadie construye la capa abierta ahora, los defaults centralizados tienden a convertirse en permanentes.
#opg $OPG @OpenGradient
La inteligencia se está convirtiendo en una utilidad. Eso debería preocuparte.
Hay un momento en cada ciclo tecnológico donde la pregunta cambia de "¿podemos construir esto?" a "¿quién tiene el control?" Ya pasamos ese momento con la IA hace un tiempo. La mayoría de la gente simplemente no se dio cuenta.
He estado observando este espacio el tiempo suficiente para sentir el peso de esa transición. Los modelos existen. Las capacidades son reales. Pero la infraestructura que está detrás de todo esto — el alojamiento, las redes de inferencia, la capa de ejecución — se está consolidando rápidamente. Silenciosamente. En las mismas pocas manos que ya controlan la mayor parte de la infraestructura digital.
Y aquí está lo que más me molesta: no hay verificación. Envías una consulta, recibes una salida, y en algún punto intermedio una caja negra tomó decisiones que no puedes auditar, desafiar, o incluso observar. Se les está pidiendo a los desarrolladores que construyan sobre sistemas en los que fundamentalmente no pueden confiar. Eso no es una nota técnica menor. Es un problema fundamental.
Los modelos de código abierto ayudan en los bordes, pero la apertura en la capa del modelo no significa nada si la infraestructura que ejecuta la inferencia sigue siendo centralizada y opaca. Necesitas que toda la pila sea confiable, no solo la parte que es conveniente para el código abierto.
OpenGradient es uno de los pocos proyectos que he visto que parece entender esta distinción. Infraestructura descentralizada para alojar y ejecutar modelos de IA, con ejecución verificable integrada — eso está abordando el problema real, no el visible.
Si escalará lo suficiente como para importar sigue siendo una pregunta abierta. Pero al menos está haciendo la correcta.#opg $OPG @OpenGradient
Hay un momento en cada ciclo tecnológico donde la pregunta cambia de "¿podemos construir esto?" a "¿quién tiene el control?" Ya pasamos ese momento con la IA hace un tiempo. La mayoría de la gente simplemente no se dio cuenta.
He estado observando este espacio el tiempo suficiente para sentir el peso de esa transición. Los modelos existen. Las capacidades son reales. Pero la infraestructura que está detrás de todo esto — el alojamiento, las redes de inferencia, la capa de ejecución — se está consolidando rápidamente. Silenciosamente. En las mismas pocas manos que ya controlan la mayor parte de la infraestructura digital.
Y aquí está lo que más me molesta: no hay verificación. Envías una consulta, recibes una salida, y en algún punto intermedio una caja negra tomó decisiones que no puedes auditar, desafiar, o incluso observar. Se les está pidiendo a los desarrolladores que construyan sobre sistemas en los que fundamentalmente no pueden confiar. Eso no es una nota técnica menor. Es un problema fundamental.
Los modelos de código abierto ayudan en los bordes, pero la apertura en la capa del modelo no significa nada si la infraestructura que ejecuta la inferencia sigue siendo centralizada y opaca. Necesitas que toda la pila sea confiable, no solo la parte que es conveniente para el código abierto.
OpenGradient es uno de los pocos proyectos que he visto que parece entender esta distinción. Infraestructura descentralizada para alojar y ejecutar modelos de IA, con ejecución verificable integrada — eso está abordando el problema real, no el visible.
Si escalará lo suficiente como para importar sigue siendo una pregunta abierta. Pero al menos está haciendo la correcta.#opg $OPG @OpenGradient
Inteligencia Abierta o Inteligencia Controlada — Esa es la Verdadera Pregunta
En algún momento, la conversación sobre la IA cambió. Dejamos de preguntar si las máquinas podían pensar y empezamos a aceptar que un puñado de empresas decidiría quién tiene acceso a ese pensamiento. Sucedió en silencio, como la mayoría de las cosas peligrosas.
He visto cómo tanto el cripto como la IA han madurado en los últimos años, y el patrón se siente familiar. La tecnología llega abierta, experimental, accesible. Luego, la infraestructura se consolida. Después, emergen los guardianes. Luego estás alquilando acceso a algo que nunca se suponía que debía ser propiedad de alguien.
La incómoda realidad con la IA hoy no es la capacidad. Los modelos son impresionantes. El problema está en lo de abajo — quién los alberga, quién ejecuta la inferencia, quién decide si una salida puede ser verificada o simplemente confiada por fe. En este momento, la respuesta a las tres preguntas es más o menos la misma para tres o cuatro empresas.
Eso me molesta más que cualquier ciclo de hype.
Aquí es donde algo como OpenGradient comienza a tener sentido para mí, no como un discurso de producto, sino como una cuestión de infraestructura que vale la pena tomar en serio. La idea de una red descentralizada donde los modelos de IA puedan ser alojados, ejecutados y verificados a gran escala sin depender de proveedores centralizados — eso no es emocionante porque suena novedoso. Es significativo porque la alternativa es que la inteligencia se convierta en un servicio que alguien más controla.
La ejecución de IA verificable no debería ser una característica premium. Debería ser una suposición básica.
Si OpenGradient cumple con eso sigue siendo una pregunta abierta. Pero la pregunta en sí finalmente se siente como la correcta.
#opg $OPG @OpenGradient
En algún momento, la conversación sobre la IA cambió. Dejamos de preguntar si las máquinas podían pensar y empezamos a aceptar que un puñado de empresas decidiría quién tiene acceso a ese pensamiento. Sucedió en silencio, como la mayoría de las cosas peligrosas.
He visto cómo tanto el cripto como la IA han madurado en los últimos años, y el patrón se siente familiar. La tecnología llega abierta, experimental, accesible. Luego, la infraestructura se consolida. Después, emergen los guardianes. Luego estás alquilando acceso a algo que nunca se suponía que debía ser propiedad de alguien.
La incómoda realidad con la IA hoy no es la capacidad. Los modelos son impresionantes. El problema está en lo de abajo — quién los alberga, quién ejecuta la inferencia, quién decide si una salida puede ser verificada o simplemente confiada por fe. En este momento, la respuesta a las tres preguntas es más o menos la misma para tres o cuatro empresas.
Eso me molesta más que cualquier ciclo de hype.
Aquí es donde algo como OpenGradient comienza a tener sentido para mí, no como un discurso de producto, sino como una cuestión de infraestructura que vale la pena tomar en serio. La idea de una red descentralizada donde los modelos de IA puedan ser alojados, ejecutados y verificados a gran escala sin depender de proveedores centralizados — eso no es emocionante porque suena novedoso. Es significativo porque la alternativa es que la inteligencia se convierta en un servicio que alguien más controla.
La ejecución de IA verificable no debería ser una característica premium. Debería ser una suposición básica.
Si OpenGradient cumple con eso sigue siendo una pregunta abierta. Pero la pregunta en sí finalmente se siente como la correcta.
#opg $OPG @OpenGradient
La carrera que nadie está mirando
He pasado suficiente tiempo en la intersección entre crypto y AI para notar cuando un problema realmente importante se entierra bajo ruido. En este momento, el ruido se centra en las capacidades de los modelos. El problema importante es la propiedad de la infraestructura. Y casi nadie fuera de un pequeño círculo lo está tratando con la seriedad que merece.
Aquí es a lo que sigo volviendo. Liberar los pesos del modelo de manera abierta significa muy poco si las capas de hosting, inferencia y acceso siguen controladas por un conjunto reducido de proveedores. La inteligencia se convierte en una utilidad. Las utilidades tienen porteros. Los porteros tienen incentivos que no siempre se alinean con las personas que dependen de ellos. Ya hemos visto esta dinámica en la infraestructura en la nube. La AI simplemente está ejecutando el mismo patrón más rápido y con mayores riesgos.
Lo que hace esto particularmente espinoso es la verificación. Los desarrolladores que consumen inferencia hoy en día no pueden confirmar que la ejecución se haya realizado correctamente, de manera transparente o sin modificaciones. Aceptan los resultados porque la infraestructura no ofrece alternativas. Eso no es apertura. Eso es dependencia con mejor branding.
OpenGradient ($OPG ) está abordando este problema más seriamente que la mayoría. El proyecto está construyendo infraestructura descentralizada para alojar modelos de AI, ejecutando inferencias a gran escala y verificando la ejecución de maneras que no requieren confiar en un solo proveedor centralizado. La ambición no es perseguir el modelo más inteligente. Es construir la capa debajo que haga posible la inteligencia abierta de manera estructural en lugar de solo retóricamente atractiva.
¿Puede la infraestructura descentralizada competir realmente aquí? Estoy genuinamente incierto. Los desafíos técnicos y de coordinación son significativos.
Pero cada vez creo más que la pregunta más significativa no es cuál modelo gana. Es si la inteligencia misma se mantiene abierta una vez que se entrelaza con todo.
@OpenGradient #opg $OPG
He pasado suficiente tiempo en la intersección entre crypto y AI para notar cuando un problema realmente importante se entierra bajo ruido. En este momento, el ruido se centra en las capacidades de los modelos. El problema importante es la propiedad de la infraestructura. Y casi nadie fuera de un pequeño círculo lo está tratando con la seriedad que merece.
Aquí es a lo que sigo volviendo. Liberar los pesos del modelo de manera abierta significa muy poco si las capas de hosting, inferencia y acceso siguen controladas por un conjunto reducido de proveedores. La inteligencia se convierte en una utilidad. Las utilidades tienen porteros. Los porteros tienen incentivos que no siempre se alinean con las personas que dependen de ellos. Ya hemos visto esta dinámica en la infraestructura en la nube. La AI simplemente está ejecutando el mismo patrón más rápido y con mayores riesgos.
Lo que hace esto particularmente espinoso es la verificación. Los desarrolladores que consumen inferencia hoy en día no pueden confirmar que la ejecución se haya realizado correctamente, de manera transparente o sin modificaciones. Aceptan los resultados porque la infraestructura no ofrece alternativas. Eso no es apertura. Eso es dependencia con mejor branding.
OpenGradient ($OPG ) está abordando este problema más seriamente que la mayoría. El proyecto está construyendo infraestructura descentralizada para alojar modelos de AI, ejecutando inferencias a gran escala y verificando la ejecución de maneras que no requieren confiar en un solo proveedor centralizado. La ambición no es perseguir el modelo más inteligente. Es construir la capa debajo que haga posible la inteligencia abierta de manera estructural en lugar de solo retóricamente atractiva.
¿Puede la infraestructura descentralizada competir realmente aquí? Estoy genuinamente incierto. Los desafíos técnicos y de coordinación son significativos.
Pero cada vez creo más que la pregunta más significativa no es cuál modelo gana. Es si la inteligencia misma se mantiene abierta una vez que se entrelaza con todo.
@OpenGradient #opg $OPG
Inicia sesión para explorar más contenidos