Nimazy

#newt La partie de Newton I dont je revenais sans cesse n’était pas l’automatisation

Il y a quelques jours, je relisais Newton. J’avais vu des gens parler de sa bêta de mainnet et de nouvelles intégrations de données.

Au début, ce qui m’a semblé intéressant, c’était la partie IA. C’est généralement ce qui attire l’attention des gens.

Plus je lisais, plus je me disais que la vraie histoire se trouvait ailleurs.

La plupart des protocoles se concentrent sur le fait de s’assurer qu’une transaction peut avoir lieu.

Newton semble se concentrer sur le fait de s’assurer qu’une transaction doit avoir lieu, à l’endroit où elle se produit.

Ça paraît simple… Pensez aux compromis.

Le protocole de Newton dépend de politiques, de données externes et de ce que décident les opérateurs avant son exécution.

Certaines intégrations récentes avec des données de marché renforcent ce modèle.

Elles introduisent aussi une nouvelle dépendance.

Si l’application des politiques devient de l’infrastructure, alors la qualité des données externes devient aussi importante que le contrat intelligent lui-même.

Je me pose toujours la question :

L’ajout d’une couche qui vérifie qu’il y a “OK” réduit-il le risque ?

Ou fait-il simplement déplacer le risque à un autre endroit ?

Dans la DeFi, on suppose généralement que le code a le dernier mot.

Newton ajoute une couche supplémentaire entre ce que les gens veulent faire et ce qui se passe réellement.

Cela peut aider les institutions et les systèmes automatisés.

Mais cela crée aussi davantage de composants qui doivent fonctionner correctement.

Peut-être que c’est l’expérience ici.

Pas de savoir si l’automatisation marche.

Mais si les gens sont prêts à faire confiance à un système qui vérifie les décisions avant même qu’elles n’arrivent sur la blockchain.

Le protocole Newton dépend de choses.

Le protocole Newton vise à s’assurer que les transactions sont autorisées à avoir lieu.

La bêta du mainnet de Newton a récemment été évoquée.

Les nouvelles intégrations de données dans Newton sont intéressantes.

L’angle IA dans Newton attire l’attention.

Je pense que la vraie histoire concerne la confiance et le risque.

Le système Newton vérifie les décisions avant qu’elles n’atteignent la chaîne.

C’est ce à quoi je reviens sans cesse.

Le cœur des protocoles Newton, c’est les politiques et les données.

C’est ce qui le rend différent.
#Newt @NewtonProtocol $NEWT
$LAB
$ZEC

Je reviens sans cesse à la même question au sujet du protocole Newton

Je réfléchis au protocole Newton, et une question revient sans cesse à mon esprit.

Que se passe-t-il lorsque les règles du protocole Newton deviennent aussi importantes que la manière dont il fonctionne ?

Pendant un certain temps, la plupart des systèmes de blockchain se sont concentrés sur la question de savoir si quelque chose pouvait être fait sur le système. L’idée était simple. Si le protocole Newton le permet, alors c’est acceptable.

Plus je vois des applications réelles grandir, moins je pense que faire les choses est la partie difficile.

Il y a quelques jours, je me suis penché sur la façon dont le protocole Newton gère ses règles. Ce que j’ai remarqué n’était pas la technologie elle-même. C’était l’idée que le protocole Newton peut vérifier qui est autorisé à faire quelque chose et prendre des décisions d’affaires en dehors de l’application tout en contrôlant ce qui se passe.

Cela semble être une bonne idée, mais cela soulève aussi de nouvelles questions.

Si les règles du protocole Newton se trouvent dans une partie, qui surveille cette partie ? Que se passe-t-il lorsque les règles du protocole Newton changent plus vite que les applications ? La flexibilité rend-elle le protocole Newton plus solide ? Est-ce qu’elle crée un autre endroit où des erreurs peuvent survenir ?

La plupart des protocoles essaient de rendre les choses faciles. Le protocole Newton semble accepter que certaines choses puissent toujours être un peu difficiles, et il se concentre sur le fait de rendre ces choses gérables.

Peut-être que c’est la partie que j’observe encore.

Pas de savoir si le protocole Newton peut faire respecter ses règles.

Mais de savoir si les personnes qui conçoivent des choses pour le protocole Newton et celles qui l’utilisent font réellement confiance aux règles du protocole Newton, suffisamment pour s’y fier lorsque de l’argent réel circule à travers le réseau du protocole Newton.
#Newt @NewtonProtocol $NEWT
$ALLO
$LAB

@NewtonProtocol Je me suis surpris à prêter plus d’attention aux moments où il ne se passait rien autour de Newton qu’aux moments où tout le monde en parlait.
En parcourant différents échanges sur le marché, je tombais sans cesse sur le même schéma. L’attention arrivait vite, les avis se formaient vite, puis la plupart des gens passaient à autre chose. Ce qui restait derrière était souvent plus intéressant.
J’ai passé un moment à lire des discussions, en revisitant des idées et en comparant la façon dont les gens parlaient de Newton pendant les périodes actives et pendant les périodes plus calmes. La différence n’était pas la conviction en elle-même. La différence, c’était la façon dont la conviction se formait.
Pendant les périodes animées, je voyais souvent les gens emprunter de la confiance les uns aux autres. Pendant les périodes plus lentes, je les voyais revenir aux détails et construire leurs propres conclusions. Ces conclusions étaient généralement moins certaines, mais elles semblaient plus durables.
Cela a changé la manière dont je regardais la participation autour de Newton. J’ai cessé de considérer l’attention comme un signal de compréhension. Dans bien des cas, l’attention semblait retarder la compréhension, parce que tout le monde réagissait à tout le monde.
Même le comportement autour de la pièce semblait lié à cela. Les opinions les plus fortes ne se manifestaient pas toujours lorsque le volume des discussions était le plus élevé. Elles apparaissaient souvent plus tard, après que les gens avaient eu assez de recul pour réfléchir sans la pression d’un récit qui avance vite.
Je ne sais toujours pas exactement dans quelle mesure cela compte avec le temps, mais je me surprends de plus en plus à observer ce qui reste après le départ de l’attention, car cela révèle souvent quelque chose que la conversation active n’a jamais montré.
#Newt @NewtonProtocol $NEWT

@NewtonProtocol Je me suis mis à regarder Newton après avoir observé où les décisions se produisent réellement.

Récemment, j’ai passé un certain temps à suivre Newton et une chose n’arrêtait pas de ressortir.

La plupart des réseaux crypto se concentrent sur l’enregistrement des actions. Newton semble plutôt se concentrer sur les règles qui façonnent ces actions avant qu’elles ne se produisent.

Cela m’a amené à réfléchir à Newton.

Dans la gouvernance des systèmes, ce n’est pas vraiment visible avant qu’un problème n’apparaisse, mais avec la politique et la logique de décision de Newton, j’ai l’impression que tout cela se rapproche davantage du cœur du design de Newton.

Cela crée des opportunités pour Newton. Cela soulève aussi des questions à propos de Newton.

Que se passe-t-il lorsque les règles de Newton doivent changer

Newton peut-il rester décentralisé si davantage de responsabilités se déplacent vers la gestion des politiques pour Newton

Je ne vois pas encore de réponses concernant Newton.

Ce qui semble solide, c’est que Newton semble s’attaquer à un problème plutôt que d’en inventer un pour Newton.

À mesure que davantage d’actifs, d’applications et de systèmes automatisés arrivent on-chain, l’exécution simple des transactions ne suffira peut-être plus pour Newton.

Pourtant, je continue de me demander si le défi le plus difficile pour Newton est entièrement technique.

Et si maintenir différents participants alignés dans le temps devient le véritable test pour Newton.
#Newt @NewtonProtocol $NEWT
$LAB
$RE

@NewtonProtocol En regardant Newton, je me suis demandé ce que la crypto manque

Il y a quelques semaines, je passais en revue les mises à jour du protocole Newton tard dans la nuit. Au début, il m’a semblé qu’il s’agissait d’un autre projet cherchant à rendre la crypto plus facile à utiliser. Il y a des projets comme ça. À chaque fois que la crypto traverse un cycle, un nouveau projet apparaît en promettant de simplifier les choses.
Plus je lisais, plus je me disais que Newton était différent. Il ne s’agissait pas de rendre la crypto plus simple.
Ce qui a attiré mon attention, c’est l’idée de vérifier si une transaction est autorisée avant qu’elle n’ait lieu. La plupart des protocoles s’intéressent à la possibilité d’une transaction. Newton se demande plutôt si elle devrait avoir lieu. C’est une question. newton.xyz est intéressant.
Le hic, c’est que cela crée un compromis. La crypto a été construite pour permettre à n’importe qui de l’utiliser. Newton ajoute des vérifications de règles et des limites directement dans les transactions. Cela pourrait aider de grandes institutions à utiliser la crypto. Mais cela soulève aussi des questions : qui définit ces règles et de combien de liberté les utilisateurs disposent-ils en moins.
newton.xyz
Je continue à penser à l’équilibre.
Sans règles, les grandes institutions n’utilisent souvent pas la crypto. Avec trop de règles, la crypto commence à ressembler aux anciens systèmes qu’elle était censée remplacer.
Newton semble tester ce terrain.
J’ai l’impression que Newton essaie de trouver un équilibre.
#Newt @NewtonProtocol $NEWT

$LAB

$RE

J’ai commencé à me soucier de savoir si OpenGradient pouvait donner une réponse et, plus encore, si la réponse arrivait pendant que tout était encore identique.

Cette différence semblait minime jusqu’à ce que je me penche sur la manière dont des décisions se prennent en crypto.

Les conditions de marché changent généralement très vite. Les sentiments des gens envers le marché évoluent, l’argent circule davantage ou moins, et l’information utile plus tôt peut devenir une actualité.

En réfléchissant à OpenGradient, je n’ai cessé d’en poser une autre.

Quelle quantité de valeur se perd, du moment où nous voyons quelque chose jusqu’à celui où nous agissons ?

Une réponse peut être juste lorsqu’elle est donnée, mais moins utile plus tard. La réponse elle-même n’est peut-être pas fausse. C’est simplement la situation autour d’elle qui aurait changé.

Cela m’a amené à penser au timing comme à autre chose qu’un simple indicateur.

Plus j’observais, plus je voyais que les gens ne se contentaient pas de rivaliser pour l’information. Ils rivalisaient pour une information qui restait suffisamment utile pour être utilisée.

Dans ce contexte, la vérification des faits m’a semblé différente.

J’ai cessé de la voir comme un contrôle et commencé à la voir comme une façon de garder la situation claire. Si un résultat peut être vérifié avec les conditions dans lesquelles il a été produit, la réponse conserve davantage de sa signification.

Même certains comportements autour de la pièce OpenGradient semblaient liés à cette idée. Les gens paraissaient convaincus en discutant de la façon dont les processus s’emboîtent, pas seulement en se concentrant sur des résultats individuels.

C’est ce qui m’est resté.

Après avoir passé du temps avec le réseau, je vois le timing, la vérification des faits et la situation comme des éléments du même problème, pas comme des choses séparées ; mais je ne suis toujours pas sûr de l’endroit où cela s’arrête.
#OPG @OpenGradient $OPG
$LAB
$RE

@OpenGradient Le retour en arrière a été facile à effectuer. Expliquer ce qui s’est passé avant est beaucoup plus difficile.

Je n’ai remarqué le retour en arrière qu’après que les sorties ont cessé de changer tout le temps.

C’était la partie en question.

Le modèle s’est remis à fonctionner, mais je n’avais pas l’impression que tout était vraiment OK. La plupart des systèmes considèrent qu’un retour en arrière marque la fin du problème. Quelque chose ne va pas, une ancienne version revient. Tout le monde passe à autre chose.

Ce qui m’a semblé intéressant avec OpenGradient, c’est ce qui restait après le retour en arrière.

Certains enregistrements montraient encore que la nouvelle version était utilisée. Un agent avait déjà modifié son workflow pour s’adapter au comportement qui a ensuite été trouvé comme étant erroné. Un paiement a aussi été effectué à ce moment-là. Le problème technique a été corrigé,. Ce qui s’est produit dans le passé comptait encore.

C’est là que le retour en arrière devient un problème.

La question n’est pas de savoir si l’ancien modèle fonctionne ou non. La question est de savoir si le système peut indiquer quelle version a produit quelle sortie, à un instant donné.

Dans les systèmes où une personne est aux commandes, les gens acceptent généralement n’importe quelle explication qu’on leur donne ensuite. Dans un système où tout peut être vérifié, ce n’est pas suffisant. Les enregistrements doivent correspondre à ce qui s’est réellement passé.

Je repense sans cesse au problème réel : est-il difficile de se remettre d’une erreur ? Est-ce encore plus difficile de maintenir la confiance des gens dans la chronologie ?

Parce qu’une fois que les gens prennent des décisions, que des paiements sont effectués et que des agents automatisés commencent à utiliser les sorties, revenir en arrière ne veut pas dire que les conséquences disparaissent.
#OPG @OpenGradient $OPG $RE $LAB

Je faisais attention à la durée qu’il fallait pour que les décisions soient tranchées au sein d’OpenGradient. Cela a changé ma façon de percevoir le réseau.

Dans certaines parties du monde de la crypto, les gens veulent que l’incertitude disparaisse rapidement. Ils se précipitent vers des conclusions, parce que l’attention va vite et que l’attente peut sembler coûteuse.

Autour des discussions d’OpenGradient, j’ai vu des personnes se dire qu’il valait mieux retarder leur jugement jusqu’à disposer de plus d’informations.

* Ce qui ressortait, c’était la patience, pas l’accord.

Je voyais une affirmation et, au lieu de l’accepter ou de la rejeter, les gens la laissaient ouverte un moment. La conversation restait active sans se précipiter vers une conclusion. Au début, cela m’a semblé inefficace.

Avec le temps, cela ressemblait à une autre manière de coordonner.

La partie intéressante, c’est que l’incertitude elle-même devenait une information.

Le fait qu’un point ne soit pas résolu signifiait quelque chose.

Les gens pouvaient voir où la confiance était forte, faible, ou où ils avaient besoin de vérifications.

C’était différent des environnements crypto, où la confiance vient avant les preuves.

Dans OpenGradient, je me suis concentré sur les écarts entre les conclusions, plutôt que sur les conclusions elles-mêmes.

Avec le jeton OPG, ce schéma apparaissait parfois.

L’adhésion se construisait progressivement, d’un coup.

On aurait dit que les participants réagissaient à un processus de validation, plutôt qu’à un seul moment excitant.

Je ne sais pas si cela sera une caractéristique durable d’OpenGradient ou simplement une phase.

Mais plus je suivais ces interactions, plus je me disais que gérer l’incertitude pourrait être un signal, au sein d’OpenGradient.
#OPG @OpenGradient $OPG

#opg $OPG Je me suis surpris à passer moins de temps à juger les sorties des modèles et plus de temps à observer qui était prêt à les vérifier, et cela a changé la façon dont je regardais OpenGradient.
La plupart des discussions crypto autour de l’IA semblent se concentrer sur ce qui est produit. En suivant OpenGradient, je me suis peu à peu orienté vers une autre couche du processus. Le point intéressant n’était pas la réponse elle-même, mais l’effort supplémentaire nécessaire pour rendre une réponse responsable.
Ce qui m’a marqué, c’est la manière dont la vérification modifie discrètement le comportement des participants. Quand la vérification existe comme option, on dirait que les gens deviennent plus sélectifs quant à ce qu’ils choisissent de valider. Tous les résultats ne reçoivent pas la même attention. Certaines sorties attirent l’examen, tandis que d’autres passent sans être touchées.
Cela m’a amené à une observation à laquelle je ne m’attendais pas. La vérification ne sert pas seulement à mesurer les calculs. Elle révèle aussi où les participants pensent que l’incertitude vaut la peine qu’on y consacre des ressources.
En suivant les conversations autour de la pièce OpenGradient, j’ai remarqué que la conviction se formait souvent autour de cette décision cachée plutôt que sur des affirmations techniques seules. La volonté de vérifier semblait agir comme un signal en elle-même.
Plus je regardais, plus j’avais l’impression que le réseau exposait non seulement ce que les gens croient, mais aussi ce qu’ils jugent suffisamment important pour être contrôlé.
#OPG @OpenGradient $OPG

@OpenGradient J'ai commencé à remarquer que ceux qui s’étaient mis à ne plus participer comptaient davantage que ceux qui venaient d’arriver, et cela a changé ma vision d’OpenGradient.

La plupart des discussions de marché se concentrent sur l’attention : les nouveaux acheteurs et les nouvelles histoires. Quand j’ai suivi OpenGradient, je me suis surpris à regarder des participants qui, en silence, ont cessé de s’engager après avoir fait partie du réseau.

* Ce qui ressortait, c’est que les discussions devenaient moins des jugements et davantage une façon de réduire l’incertitude au fil du temps.

Ça paraît subtil. Je pense que ça change le comportement.

Quand les gens ne peuvent pas juger immédiatement un système, ils restent souvent actifs plus longtemps afin d’accumuler des preuves.

Je l’ai vu dans la manière dont les opinions se formaient : les plus solides n’arrivaient que rarement les premières. Elles apparaissaient souvent après que les gens aient observé le réseau pendant un moment, en comprenant comment ses différentes parties interagissaient.

Ils ne se contentaient pas de réagir à une seule mise à jour ou à une seule histoire.

Ce schéma a attiré mon attention, parce que les marchés crypto récompensent généralement la rapidité.

Les décisions sont souvent prises avant que toutes les informations soient disponibles.

Avec OpenGradient, j’ai vu des conversations où les participants étaient à l’aise de laisser des questions sans réponse, en attendant des signaux.

Même la discussion autour de la pièce semblait liée à ce comportement.

Les personnes les plus engagées parlaient souvent moins des résultats immédiats et davantage de la question de savoir si le réseau produisait une information fiable au fil du temps.

Je ne suis pas sûr que ce type de participation se voie sur un graphique. Je ne suis pas sûr que chaque participant au marché l’apprécie autant.

Je trouvais juste intéressant que, plus je suivais OpenGradient, plus l’absence de conclusions hâtives faisait partie de l’histoire elle-même.

OpenGradient semblait être une affaire de patience et de confiance.

OpenGradient était différent des marchés que j’ai vus.

Les personnes, dans OpenGradient, étaient prêtes à attendre et à observer.

OpenGradient accordait de la considération.
#OPG @OpenGradient $OPG

@OpenGradient La barre de progression est revenue en arrière et cela a changé ce que je regardais

Alors que je testais OpenGradient, j'ai trouvé quelque chose de plus intéressant que le téléchargement de fichiers.

Un des nœuds a simplement cessé de fonctionner.

Le client a réessayé. La barre de progression est vraiment revenue en arrière. Ce n'était pas un retour significatif, mais suffisant pour que je cesse de regarder le téléchargement et que je commence à observer le trafic réseau à la place.

Je pensais que la partie difficile serait de stocker le modèle. C'est parce que les fichiers plus volumineux nécessitent de la puissance de calcul, plus d'équipement et plus d'infrastructure. Cela semble simple.

Ce qui a vraiment attiré mon attention, c'est tout ce qui se passait autour du stockage du modèle.

La plupart des systèmes ne vous montrent pas quand quelque chose ne va pas. Si quelque chose casse, vous ne le voyez pas ou vous recevez un message d'erreur général. Ici, le client qui a réessayé m'a montré quelque chose de différent. Le réseau essayait toujours de trouver un moyen de fonctionner même quand une partie a cessé de fonctionner.

Cela me fait me demander une chose.

Quand les gens parlent d'OpenGradient et d'infrastructure IA décentralisée, pensent-ils en termes de conditions ou de conditions réelles ?

Un réseau n'est pas bon quand chaque nœud fonctionne parfaitement. Un réseau est bon quand un nœud cesse de fonctionner ou quand il faut du temps pour obtenir une réponse ou quand les données arrivent dans le désordre.

Ce qui est intéressant, ce n'est pas que le client ait réessayé. Ce qui est intéressant, c'est qu'OpenGradient semble être conçu pour s'attendre à devoir essayer.

Peut-être que c'est le problème.

Ne pas stocker le modèle. Gérer les moments où le réseau vous rappelle que c'est un réseau.
#OPG @OpenGradient $OPG $LAB $NES

#opg $OPG @OpenGradient Plus je regarde la vérification, moins je pense que "Plus" est toujours mieux

Je pensais auparavant que la vérification par IA signifiait avoir plus de preuves, plus de sécurité et plus de confiance.

Mais plus je regarde les projets d'infrastructure, moins je crois que c'est toujours le cas.

Ce que je trouve intéressant à propos d'OpenGradient, c'est que la vérification peut être sur un spectre.

Certaines actions peuvent ne pas nécessiter d'assurance tandis que d'autres peuvent nécessiter des vérifications plus approfondies.

Le coût de la vérification dépend de la conséquence.

Ça a l'air simple. La plupart des systèmes obligent les utilisateurs à suivre un chemin standard.

Tout le monde paie pour le niveau de certitude, que ce soit nécessaire ou non.

L'approche de vérification à trois niveaux d'OpenGradient est différente car elle comprend que les charges de travail de l'IA varient.

Une inférence occasionnelle et une inférence de haute valeur ne sont pas les mêmes.

Je pense constamment au jeton OPG.

Il fonctionne sur tout le spectre, pas seulement un niveau de vérification.

Cela crée une connexion entre l'activité du réseau et l'utilité du jeton.

Cependant, une question demeure :

Les utilisateurs choisiront-ils la vérification lorsqu'ils verront les vrais coûts ?

La plupart des activités resteront-elles dans les couches moins chères, rendant la vérification lourde une fonctionnalité de niche ?

Je ne suis pas sûr que quelqu'un connaisse encore la réponse.

Le design semble réfléchi. Le comportement réel des utilisateurs décidera quelles hypothèses survivent.
@OpenGradient #OPG $OPG

@OpenGradient L'avis des bâtisseurs après l'avoir utilisé

J'ai pris un peu de temps cette semaine pour regarder le SDK Python d'OpenGradients. Ce qui m'a vraiment frappé, ce n'est pas la rapidité ou la simplicité d'utilisation.

C'est la friction.

La plupart des systèmes qui fonctionnent sur une blockchain obligent les bâtisseurs à penser à la blockchain tout le temps. Ils doivent se soucier des frais, des transactions, des signatures et des confirmations. Ces éléments ne sont pas mauvais. Ils font partie du système... Mais ils entravent la construction.

C'est là que le SDK Python d'OpenGradients semble crucial.

Pas parce qu'il élimine l'OPG. Ce n'est pas le cas. Le token est toujours là pour gérer le côté financier des demandes. On peut toujours voir cette couche.

Ce qui change, c'est la fréquence à laquelle les développeurs doivent s'arrêter et s'en occuper directement.

Peut-être que cela ne semble pas être un problème.

Je pense souvent à combien de bonnes idées ne deviennent jamais des produits. La raison en est que l'infrastructure continue d'exiger de l'attention.

La vraie question est de savoir si rendre les choses plus abstraites aide les gens à les utiliser davantage. Si les bâtisseurs ne remarquent plus le système, cela rend-il le réseau plus fort ou plus faible ?

Je ne connais pas encore la réponse.

Je pense juste que c'est l'un des choix intéressants que les concepteurs font autour de l'infrastructure AI en ce moment.
#OPG @OpenGradient $OPG $SPCXB $MUB

#opg @OpenGradient Plus je regarde OpenGradient, moins cela ressemble à un projet IA typique

J'ai beaucoup exploré OpenGradient dernièrement. J'essaie de comprendre ce qu'ils construisent vraiment.

Au début, je pensais que c'était un autre projet axé sur l'amélioration de l'IA, plus rapide ou moins cher.

Après avoir lu tout ça, il ne semble pas que ce soit le but principal.

Ce qui ressort, c'est l'accent mis sur l'infrastructure autour de l'IA, pas sur la sortie elle-même.

La plupart des systèmes aujourd'hui demandent aux utilisateurs de faire confiance à un modèle qui a fonctionné correctement.

Le processus est caché aux utilisateurs.

OpenGradient semble explorer ce qui se passe lorsque certaines parties de ce processus sont visibles et vérifiables.

Cela semble utile... Je me demande encore quels sont les compromis.

* La vérification fonctionne-t-elle toujours lorsque de nombreux modèles et contributeurs interagissent en même temps ?

* La transparence ralentit-elle les choses ?

* Combien de ces informations intéresseront réellement les utilisateurs ?

L'idée semble solide.

Je surveille encore comment cela est exécuté.

L'infrastructure semble généralement simple jusqu'à ce qu'elle soit réellement utilisée par des gens.
#OPG @OpenGradient $OPG $SYN $TNSR

https://www.bnappweb.black/fr/support/announcement/detail/c8720852824a4ea48043d4fcf1f59375?utm_source=new_share&ref=CPA_00K11PEO3T