معظم الناس ينظرون إلى الستاكينغ السائل كوسيلة لكسب عائدات سلبية، لكن أعتقد أن المرحلة التالية تتعلق بجعل هذا رأس المال يعمل بجد أكبر عبر طبقات متعددة من النظام البيئي.
كانت الفكرة الأصلية قوية بالفعل. فتح السيولة مع الحفاظ على إنتاجية الأصول. لكن Bedrock 2.0 يبدو وكأنه خطوة أكبر نحو بنية تحتية موحدة للعائد حيث لا يُجبر المستخدمون على الاختيار بين الأمان والمرونة والكفاءة.
ما يبرز لي هو التركيز على إنشاء نظام بيئي قابل للتوسع حول إعادة الستاكينغ السائل وكفاءة رأس المال. في سوق تتواجد فيه مليارات الدولارات بشكل غير مستغل أو م fragmented عبر بروتوكولات مختلفة، فإن القدرة على تجميع القيمة وتحسين استخدام الأصول قد تصبح واحدة من أهم السرديات في هذه الدورة.
تتحدث العديد من المشاريع عن تعظيم العوائد، لكن النمو المستدام يأتي من بناء أنظمة تجذب المشاركة على المدى الطويل. يبدو أن Bedrock 2.0 يتجه نحو هذا الاتجاه من خلال توسيع الاستخدام، وتحسين خيارات السيولة، وخلق تأثيرات شبكة أقوى حول الأصول المكدسة.
مع استمرار تطور قطاع إعادة الستاكينغ، أعتقد أن المشاريع التي تبسط تجربة المستخدم بينما تزيد من إنتاجية رأس المال ستجذب أكبر قدر من الانتباه. Bedrock يضع نفسه في وسط هذه الفرصة.
أتابع عن كثب لرؤية كيف سيتطور النظام البيئي من هنا.
ما يبرز لي هو أن المشروع لا يحاول أن يكون مجرد لوحة تحكم تداول أخرى. الرؤية تبدو أوسع بكثير.
بدلاً من إرغام المستخدمين على القفز بين منصات متعددة، محافظ، أدوات تحليلات، منصات إطلاق، ومحطات تداول، تقوم Genius ببناء بيئة حيث يمكن أن يحدث الاكتشاف، التنفيذ، إدارة المحافظ، وتتبع الفرص في مكان واحد.
أعتقد أيضًا أن الخصوصية ستصبح موضوعًا أكبر في الكريبتو خلال السنوات القليلة القادمة.
مع نضوج الأسواق، سيرغب المزيد من المتداولين في التحكم بشكل أفضل في كيفية رؤية نشاطهم وتتبعهم على السلسلة.
الأدوات التي تركز على تنفيذ أذكى والتحكم من قبل المستخدم يمكن أن تصبح أكثر قيمة بشكل متزايد.
OpenLedger لا تبني الذكاء الاصطناعي فقط. إنها تبني سوقًا للذكاء.
تتركز معظم المناقشات حول الذكاء الاصطناعي على النماذج. الناس يقارنون المعايير. يقارنون قدرات التفكير. يقارنون السرعة، نوافذ السياق، ونقاط الأداء. الافتراض هو أن النماذج الأفضل تخلق تلقائيًا نتائج أفضل. لكن كل ما أطلت النظر في تطور صناعة الذكاء الاصطناعي، أعتقد أن هناك شيء مهم يتم التغاضي عنه. النماذج هي فقط جزء من المعادلة. ما يهم بنفس القدر هو النظام المحيط بها. من أين تأتي البيانات؟ من يساهم بالمعرفة؟
معظم المتداولين يركزون على العثور على الفرصة الكبيرة التالية.
قليلون جدًا يركزون على كيفية تنفيذ أوامرهم بالفعل.
هذه واحدة من الأسباب التي جعلتني أتابع @GeniusOfficial ونمو نظام $GENIUS .
مع تزايد تنافسية الأسواق، أصبحت جودة التنفيذ أكثر أهمية من أي وقت مضى. يمكن لفكرة تداول جيدة أن تنتج نتائج سيئة إذا كان التنفيذ غير فعال، أو مرئي للسوق في وقت مبكر جدًا، أو معرض لانزلاق غير ضروري.
ما يثير اهتمامي حول Genius هو تركيزه على إنشاء بيئة تداول أكثر تقدمًا حيث يمكن للمستخدمين التفاعل مع الأسواق على السلسلة بينما يحتفظون بتحكم أكبر على كيفية نشر رأس المال.
لقد قضت الصناعة سنوات في تحسين الوصول إلى التداول. قد تكون المرحلة التالية هي تحسين جودة التنفيذ نفسها.
المشاريع التي تساعد المتداولين على تقليل الاحتكاك، وحماية الاستراتيجيات، والتنقل في الأسواق بشكل أكثر كفاءة قد تصبح أكثر قيمة مع تزايد التبني.
بالنسبة لي، Genius ليس مجرد أدوات تداول. إنه يتعلق ببناء بنية تحتية تمنح المستخدمين طريقة أذكى للتشغيل في الأسواق اللامركزية.
بالتأكيد مشروع يستحق المتابعة بينما يستمر النظام البيئي في التطور.
OpenLedger تبني الطبقة الاقتصادية المفقودة للذكاء الاصطناعي.
كل ثورة تكنولوجية كبيرة تخلق قيمة قبل فترة طويلة من تحقيق العدالة. الإنترنت ربط المعلومات ولكنه ركز الأرباح في عدد قليل من المنصات. وسائل التواصل الاجتماعي أعطت الجميع صوتًا ولكن الملكية ظلت مركزية. الذكاء الاصطناعي الآن يتبع مسارًا مشابهًا. ملايين الناس يساهمون بالبيانات، والملاحظات، والمعرفة، والتحفيزات، والتصحيحات، والخبرات المتخصصة التي تساعد في تدريب وتحسين أنظمة الذكاء الاصطناعي كل يوم. ومع ذلك، فإن معظم المساهمين لا يتلقون أي اعتراف بالقيمة التي يخلقونها. عملهم يختفي في مجموعات البيانات، والنماذج، وأنابيب التدريب حيث يصبح تتبع الفضل صعبًا أو مستحيلًا.
واحدة من الأشياء التي أجدها مثيرة للاهتمام حول الذكاء الاصطناعي اليوم هي أن البيانات تخلق قيمة، لكن الأشخاص الذين يساهمون في تلك البيانات نادراً ما يحصلون على أي جزء منها.
كل طلب، مجموعة بيانات، تصحيح، وتحسين نموذج يساعد في دفع الذكاء الاصطناعي للأمام، ومع ذلك غالباً ما تختفي النسبة في مكان ما في العملية. مع زيادة قوة الذكاء الاصطناعي، يصبح من الصعب تجاهل هذا الانفصال.
لهذا السبب كنت أتابع @OpenLedger والرؤية وراء $OPEN .
بدلاً من التعامل مع البيانات كمدخلات قابلة للاستهلاك، تبني OpenLedger نظاماً بيئياً حيث يمكن تتبع المساهمات، ونسبتها، ومكافأتها. مفهوم إثبات النسبة يخلق ارتباطاً أقوى بين المبدعين والقيمة الناتجة من عملهم.
ما يبرز بالنسبة لي هو أن هذه ليست مجرد رواية أخرى عن الذكاء الاصطناعي. إنها تركز على واحدة من أكبر التحديات التي تواجه الصناعة: إنشاء حوافز اقتصادية شفافة للأشخاص الذين يساعدون في بناء أنظمة الذكاء الاصطناعي.
مع تسارع اعتماد الذكاء الاصطناعي على مستوى العالم، قد تصبح النسبة بنفس أهمية الحسابات والبنية التحتية.
المشاريع التي تحل هذه المشكلة اليوم قد تصبح قطعاً حاسمة في اقتصاد الذكاء الاصطناعي غداً.
كلما شاهدت تطور الذكاء الاصطناعي، قل تفكيري في أن التحدي الأكبر هو الذكاء.
النماذج تستمر في أن تصبح أذكى. الحوسبة تستمر في أن تصبح أرخص. الاكتشافات الجديدة تصل تقريبًا كل أسبوع.
ما لا يتحسن بنفس السرعة هو المساءلة.
عندما ينتج نظام ذكاء اصطناعي مخرجات، من أين جاءت المعلومات؟ من ساهم في البيانات؟ من يجب أن يحصل على الفضل إذا خلقت تلك المخرجات قيمة؟
تلك الأسئلة تصبح أكثر أهمية مع تقدم الذكاء الاصطناعي في المالية، البحث، إنشاء المحتوى، واتخاذ القرار.
هذه واحدة من الأسباب التي جعلت @OpenLedger في دائرة اهتمامي مؤخرًا.
بدلاً من التركيز فقط على أداء النموذج، تقوم OpenLedger ببناء نظام حول قابلية التتبع ونسبة المساهمة. الفكرة أن البيانات، والمشاركة، وخلق القيمة يجب أن تظل مرتبطة تبدو أكثر أهمية لمستقبل اقتصاد الذكاء الاصطناعي.
مع اتساع وتعقيد شبكات الذكاء الاصطناعي، قد تصبح الثقة بنفس قدر قيمة الذكاء نفسه.
openledger ومستقبل المساءلة في الذكاء الاصطناعي: لماذا قد تصبح القابلية للتتبع أكثر قيمة من.
عندما يتحدث الناس عن مستقبل الذكاء الاصطناعي، عادة ما تدور المحادثة حول نماذج أكبر، واستدلال أسرع، وقوة حوسبة أكبر، وتكاليف أقل. تلك الأمور مهمة. لكن كلما شاهدت الذكاء الاصطناعي ينتقل من التجريب إلى البنية التحتية في العالم الحقيقي، زادت قناعتي بأن التحدي الكبير التالي ليس الذكاء على الإطلاق. إنه المساءلة. لسنوات، كانت الصناعة تركز على جعل النماذج أذكى. كان يتم قياس كل إنجاز من خلال درجات المعايير، وقدرات التفكير، ونوافذ السياق، أو الكفاءة الحاسوبية. كانت الفرضية بسيطة: إذا أصبحت الذكاء الاصطناعي ذكيًا بما فيه الكفاية، فسيتبع كل شيء آخر بشكل طبيعي.
معظم الناس ينظرون إلى برامج المكافآت ويرون فقط الحوافز قصيرة الأجل.
ما أجد مثيرًا للاهتمام حول @GeniusOfficial هو كيف أن المشاركة نفسها أصبحت تدريجيًا جزءًا من الهيكل الشبكي.
الموسم الثاني ليس مجرد جمع النقاط. إنه يخلق سجلًا لمن يظهر باستمرار، يستكشف الميزات، يتداول، يتعلم، ويساهم في المنصة مع مرور الوقت.
في عالم الكريبتو، تتحرك الانتباه بسرعة. تنمو المجتمعات غالبًا بسرعة وتختفي بنفس السرعة. المشاريع التي تنجو هي عادة تلك التي تجد طريقة لتحويل النشاط إلى مواءمة طويلة الأجل.
لهذا السبب أتابع $GENIUS عن كثب.
السؤال الحقيقي ليس عدد المستخدمين الذين ينضمون اليوم. إنه عدد المستخدمين الذين يبقون متفاعلين عندما يكون لديهم سبب للاستمرار في بناء مراكزهم داخل النظام البيئي.
أقوى المجتمعات نادرًا ما تُنشأ بين عشية وضحاها. إنها تُبنى من خلال المشاركة المتكررة، وهذا بالضبط الاتجاه الذي يبدو أن Genius تشجعه.
متحمس لرؤية كيف ستتطور الأمور مع تزايد نشاط المستخدمين في الموسم الثاني.
الكل يتحدث عن وكلاء الذكاء الاصطناعي، لكن القليل من الناس يتحدث عن الوقود الذي يغذيهم: البيانات.
وكيل الذكاء الاصطناعي جيد فقط بقدر المعلومات التي يمكنه الوصول إليها والتعلم منها. المشكلة هي أن معظم البيانات القيمة اليوم موجودة داخل أنظمة مغلقة حيث نادراً ما يشارك المساهمون في القيمة التي يساعدون في إنشائها.
هذه واحدة من الأسباب التي تجعلني أجد @OpenLedger مثيرة للاهتمام.
بدلاً من التركيز فقط على مخرجات الذكاء الاصطناعي، تقوم OpenLedger ببناء بنية تحتية حيث يمكن للبيانات والنماذج والوكلاء التفاعل داخل اقتصاد أكثر شفافية ومحفزات. الفكرة بسيطة: إذا كانت البيانات تخلق قيمة، يجب أن يتمكن المساهمون من المشاركة في تلك القيمة.
مع تسارع اعتماد الذكاء الاصطناعي، قد تصبح البيانات الموثوقة والتوزيع العادل بنفس أهمية أداء النموذج نفسه. المشاريع التي تبني تلك الأسس اليوم يمكن أن تصبح لاعبين رئيسيين في اقتصاد الذكاء الاصطناعي غداً.
OpenLedger تبني شيئًا بهدوء لا تملكه معظم مشاريع الذكاء الاصطناعي حتى الآن.
عندما يسمع معظم الناس عبارة "ثورة الذكاء الاصطناعي"، فإنهم يفكرون مباشرة في الدردشة الآلية. يفكرون في طرح الأسئلة، توليد الصور، كتابة المحتوى، أو أتمتة المهام البسيطة. لكن مؤخرًا قضيت المزيد من الوقت أفكر في شيء آخر. ماذا يحدث خلف الكواليس؟ من أين تحصل الذكاء الاصطناعي على معرفتها؟ من يمتلك البيانات؟ من يحصل على المكافأة عندما يصبح نموذج الذكاء الاصطناعي ذا قيمة؟ وربما الأهم من ذلك: لماذا يكون الأشخاص الذين يقدمون البيانات عادة هم الأقل أجرًا؟
المشروع يقوم ببناء أدوات تساعد المستخدمين في التفاعل مع الأسواق على السلسلة بطريقة أكثر عملية. بدلاً من التحقق يدوياً من العشرات من لوحات المعلومات، يمكن لوكلاء الذكاء الاصطناعي مراقبة الظروف، وتتبع الفرص، والمساعدة في أتمتة أجزاء من عملية اتخاذ القرار.
مع تعقيد العملات الرقمية، يصبح الانتباه مورداً نادراً. المنصات التي تساعد المستخدمين على معالجة المعلومات بشكل أسرع والتصرف بكفاءة يمكن أن تكون لها ميزة كبيرة.
تتنافس العديد من المشاريع على الانتباه، لكن التنفيذ هو ما يهم في النهاية. إذا أصبح الذكاء الاصطناعي طبقة تنفيذ حقيقية للتمويل اللامركزي، فإن مشاريع مثل Genius يمكن أن تكون في قلب هذا التحول.
أشعر بالفضول لرؤية كيف سيتطور هذا على مدى الأشهر القادمة.
لا تزال معظم أنظمة الذكاء الاصطناعي اليوم تبدو مجزأة. نادرًا ما يحقق المساهمون في البيانات قيمة طويلة الأجل، ويكافح المطورون الأصغر مع تكاليف البنية التحتية، وتستمر المنصات المركزية في التحكم في التوزيع والتسويق.
OpenLedger تتعامل مع هذا بشكل مختلف.
بدلاً من التعامل مع الذكاء الاصطناعي كمنتجات معزولة، يبني المشروع طبقة اقتصادية حيث يمكن لمجموعات البيانات، والنماذج، والعوامل التفاعل بشكل أكثر انفتاحًا بينما تظل اقتصادية مفيدة للمساهمين.
أعتقد أن هذا الأمر مهم أكثر مما يدركه الناس.
مع نمو الذكاء الاصطناعي، تصبح التنسيق بنفس أهمية الذكاء نفسه. ستصبح خدمة النماذج بكفاءة، والملكية اللامركزية، والحوافز الشفافة، والبنية التحتية القابلة للتوسع أجزاء كبيرة من دورة الذكاء الاصطناعي القادمة.
الجزء المثير هو أن OpenLedger يبدو أنها تركز على حل تعقيد البنية التحتية بدلاً من السعي وراء روايات الضجيج القصير الأجل فقط.
يمكن أن تخلق عوامل الذكاء الاصطناعي، وأنظمة الحوسبة المشتركة، والنماذج القابلة للتعديل، والأصول الذكائية القابلة للتسويق اقتصادات رقمية جديدة تمامًا.
وبصراحة، يبدو أن العملات المشفرة في وضع طبيعي لدعم هذا الانتقال.
ما زال مبكرًا، لكنه بالتأكيد واحد من أكثر مشاريع بنية الذكاء الاصطناعي المثيرة للاهتمام لمشاهدتها الآن.
صناعة الذكاء الاصطناعي لديها مشكلة خفية وقد يكون OpenLedger يحلها.
لا يزال معظم الناس ينظرون إلى الذكاء الاصطناعي كسباق نماذج. نموذج أكبر. بطاقات رسومية أسرع. تمويل أكثر. معايير أفضل. لكن كلما تعمقت في هذا المجال، شعرت أكثر أن عنق الزجاجة الحقيقي ليس في الذكاء نفسه. بل هو التنسيق. حالياً، بنية الذكاء الاصطناعي تبدو مجزأة في كل مكان. البيانات تعيش في مكان واحد. النماذج تعيش في مكان آخر. الاستدلال يحدث في أنظمة معزولة. المساهمون نادراً ما يحصلون على مكافآت عادلة. والمطورون الأصغر يتنافسون باستمرار ضد شركات تمتلك مزايا حوسبة هائلة.
لا يزال معظم الناس ينظرون إلى AMMs كأنها آلات تبادل بسيطة.
لكن ما تبنيه @GeniusOfficial مع GeniusFi يبدو أقرب إلى محرك سيولة كامل مصمم لكيفية تصرف الأسواق الحديثة على السلسلة.
الجزء المثير هو ليس فقط نموذج PropAMM نفسه. بل التوقيت.
تدخل شبكة BNB عصر التنفيذ الأسرع حيث تبدأ أنظمة السيولة التقليدية في إظهار قيود خلال فترات التدفق العالي. تحاول GeniusFi حل ذلك من خلال بناء بنية تحتية مُحسّنة خصيصًا للتوجيه العميق، وتحريك السيولة بكفاءة، والتعامل بشكل أفضل مع نشاط التداول على نطاق واسع.
ما جذب انتباهي هو فكرة أن مليارات من التدفقات السنوية لا تزال تُعالج من خلال هياكل AMM القديمة التي لم تُبنى حقًا لهذا البيئة.
هذا يخلق فرصة.
إذا نفذت Genius بشكل صحيح، فقد تصبح واحدة من أهم طبقات السيولة داخل نظام BNB مع مرور الوقت، خاصة مع استمرار نشاط التداول على السلسلة في النمو.
يبدو أن السوق لا يزال يستهين بمدى كبر بنية السيولة الفعالة التي يمكن أن تصبح خلال دورة التوسع القادمة.
لا تزال معظم AMMs التقليدية تعتمد على نماذج السيولة السلبية التي تم تصميمها منذ سنوات. إنها تعمل، لكنها أيضاً تُنتج عدم كفاءة هائل بمجرد أن يبدأ حجم التداول وتعقيد السوق في التوسع.
يقترب Genius من هذا بشكل مختلف مع نموذج PropAMM على سلسلة BNB.
بدلاً من التعامل مع السيولة كأنها رأس مال ثابت داخل المجمعات، تبدو الفكرة أكثر تركيزاً على تحسين التدفق النشط، وكفاءة تنفيذ أعمق، وتوجيه سيولة أكثر ذكاءً لنشاط التداول الكبير على السلسلة.
ما لفت انتباهي هو كيف يتماشى هذا الاتجاه مع الاتجاه العام للأسواق على السلسلة.
تنفيذ أسرع. بنية تحتية تجارية أكثر احترافية. كفاءة رأسمالية أعلى. سيولة أقل تجزئة.
لقد شهدنا بالفعل أنظمة السيولة المعتمدة على Solana تتطور بسرعة خلال الدورة الأخيرة، والآن يبدو أن سلسلة BNB تدخل مرحلة بنية تحتية مشابهة.
إذا استمر تداول السلسلة في النمو بالوتيرة الحالية، فقد تصبح البروتوكولات التي تعمل على تحسين تنسيق السيولة خلف الكواليس أكثر أهمية مما يتوقعه معظم الناس.
لا يزال الوقت مبكراً، ولكنه بالتأكيد واحد من المشاريع الأكثر جدية التي تركز على البنية التحتية في هذا المجال حالياً.
الجميع يتحدث عن قوة الذكاء الاصطناعي المتزايدة، لكن القليل من الناس يسأل السؤال الأكبر:
من يملك فعلاً البيانات التي تعزز هذه الأنظمة؟
هذا أحد الأسباب التي جعلت @OpenLedger تبدأ في الظهور لي مؤخرًا.
بدلاً من بناء سرد قصير المدى آخر حول الذكاء الاصطناعي، يبدو أن التركيز أعمق بكثير حول إنشاء طبقة اقتصادية مفتوحة حيث يمكن للمساهمين، ومجموعات البيانات، والنماذج، وعملاء الذكاء الاصطناعي التفاعل بشكل شفاف على السلسلة.
الجزء المثير للاهتمام هو كيف تتعامل OpenLedger مع تنسيق الذكاء الاصطناعي من خلال Datanets.
في أنظمة الذكاء الاصطناعي التقليدية، تساهم المجتمعات بكميات هائلة من القيمة لكن نادرًا ما تشارك في العائدات. يتم استخراج البيانات، وتدريب النماذج، وتلتقط المنصات المركزية معظم المكافآت.
تحاول OpenLedger قلب هذا الهيكل من خلال جعل النسب، والملكية، والت monetization أكثر شفافية للمساهمين داخل اقتصاد الذكاء الاصطناعي.
مع تسارع اعتماد الذكاء الاصطناعي عالميًا، قد تصبح البنية التحتية حول الحوافز، وتنسيق البيانات، والمشاركة المفتوحة أكثر أهمية بكثير مما يدركه معظم الناس حاليًا.
لهذا السبب، تبدو المشاريع التي تركز على الطبقة الاقتصادية الخلفية للذكاء الاصطناعي جديرة بالاهتمام في الوقت الحالي.
OpenLedger تبني بهدوء الطبقة الاقتصادية المفقودة للذكاء الاصطناعي
لا يزال معظم الناس ينظرون إلى الذكاء الاصطناعي من منظور بسيط جدًا. هم يرون روبوتات الدردشة. مولدات الصور. أدوات الأتمتة. ربما حتى وكلاء الذكاء الاصطناعي. لكن القليل من الناس يولون اهتمامًا للبنية الاقتصادية الفعلية تحت كل هذا. هذا هو الجزء الذي يهم أكثر على المدى الطويل. لأن اقتصاد الذكاء الاصطناعي في المستقبل لن يعتمد فقط على نماذج تصبح أذكى. بل سيعتمد على من يمتلك البيانات، ومن يتحكم في الحوافز، ومن يحصل على المكافآت، وكيفية تدفق القيمة بين المساهمين، والبنائين، والنماذج، والمستخدمين.
الجميع يتحدث عن نماذج الذكاء الاصطناعي، لكن القليل من الناس يتحدث عن اقتصاد البيانات وراءها.
هذه واحدة من الأسباب التي تجعل @OpenLedger تزداد إثارة للاهتمام في الفترة الأخيرة.
تُبنى معظم أنظمة الذكاء الاصطناعي اليوم على كميات هائلة من بيانات المستخدمين، ومع ذلك، نادرًا ما يستفيد الأشخاص الذين يساهمون في هذه القيمة منها مباشرة. يحاول OpenLedger بناء نموذج مختلف حيث يمكن أن تصبح البيانات والنماذج وعوامل الذكاء الاصطناعي جزءًا من نظام بيئي مفتوح وقابل للت monetization بدلاً من أن تبقى مقفلة داخل منصات مركزية.
يبرز مفهوم Datanet بشكل خاص بالنسبة لي لأنه يحول مساهمة الذكاء الاصطناعي من مشاركة سلبية إلى شيء يمكن للمجتمعات تنظيمه وكسبه معًا.
ما يبدو أيضًا مهمًا هو الزاوية الخاصة بالبنية التحتية. لا تسعى OpenLedger فقط وراء ضجيج الذكاء الاصطناعي. إنها تبني حول الملكية، ونسبة الفضل، والشفافية، والسيولة للأصول الذكية، مما قد يصبح حديثًا أكبر بكثير مع استمرار تسارع اعتماد الذكاء الاصطناعي على مستوى العالم.
لا يزال الأمر مبكرًا، لكنه بالتأكيد واحد من أكثر السرد الفريدة في عالم بلوكتشين الذكاء الاصطناعي في الوقت الحالي.
لا يزال معظم الناس يتحدثون عن الذكاء الاصطناعي كما لو كان يتعلق فقط بروبوتات المحادثة، مولدات الصور، أو أدوات الأتمتة.
لكن السؤال الأعمق أصبح أكثر أهمية الآن: من الذي يمتلك البيانات التي تدعم الذكاء الاصطناعي حقًا؟ هذه هي النقطة في المحادثة التي أعتقد أن السوق تجاهلها لفترة طويلة، وهذا أيضًا هو السبب في أن @OpenLedger بدأت تبرز مؤخرًا. لسنوات، كانت منصات الإنترنت تجمع بيانات المستخدمين تقريبًا بصمت. كل نقرة، بحث، محادثة، تفضيل، ونمط سلوك أصبح وقودًا لأنظمة التوصية ونماذج التعلم الآلي. الشركات أنشأت أعمالًا بمليارات الدولارات باستخدام تلك البيانات بينما الأشخاص الذين أنشأوا القيمة نادرًا ما حصلوا على أي شيء في المقابل.