Binance Square

BNB收藏家

فتح تداول
مُتداول مُتكرر
4.7 سنوات
373 تتابع
18.9K+ المتابعون
1.7K+ إعجاب
64 تمّت مُشاركتها
منشورات
الحافظة الاستثمارية
PINNED
·
--
مقالة
ما يمكن أن يكون ذا قيمة حقيقية في الذكاء الاصطناعي، قد لا يكون النموذج بعد الآن#openledger المجمع أنا كنت أفكر سابقًا، أن الذكاء الاصطناعي في النهاية يعتمد على كمية معلمات النموذج. من لديه معلمات أكبر، يركض أسرع، ومن ينتج مخرجات أجمل في جولة واحدة، هذه هي الأشياء التي تحدد الفائز والخاسر. لاحقًا، قال أحدهم شيئًا، وكلما فكرت فيه أكثر، شعرت أنه غير صحيح. فريقهم ساعد مكتب محاماة متوسط الحجم في أتمتة مراجعة العقود. النموذج العام جرب جولة واحدة، ويستطيع التعرف على بنود المخاطر، وتحديدها بالأحمر، وتصنيفها. خلال العرض، كان المسؤول يومئ برأسه باستمرار. لكن عند الاستخدام الفعلي، لا يزال المسؤول القانوني يطلب من الناس طباعة العقود ورقة ورقة، ويستخدم قلم أحمر لتحديد النقاط.

ما يمكن أن يكون ذا قيمة حقيقية في الذكاء الاصطناعي، قد لا يكون النموذج بعد الآن

#openledger المجمع أنا كنت أفكر سابقًا، أن الذكاء الاصطناعي في النهاية يعتمد على كمية معلمات النموذج.
من لديه معلمات أكبر، يركض أسرع، ومن ينتج مخرجات أجمل في جولة واحدة، هذه هي الأشياء التي تحدد الفائز والخاسر.
لاحقًا، قال أحدهم شيئًا، وكلما فكرت فيه أكثر، شعرت أنه غير صحيح.
فريقهم ساعد مكتب محاماة متوسط الحجم في أتمتة مراجعة العقود. النموذج العام جرب جولة واحدة، ويستطيع التعرف على بنود المخاطر، وتحديدها بالأحمر، وتصنيفها. خلال العرض، كان المسؤول يومئ برأسه باستمرار.
لكن عند الاستخدام الفعلي، لا يزال المسؤول القانوني يطلب من الناس طباعة العقود ورقة ورقة، ويستخدم قلم أحمر لتحديد النقاط.
#genius $GENIUS كنت أعتقد سابقًا أن قواعد الإيهام (airdrop) كانت مثيرة للجدل، وأقصى ما يمكن أن يحصل هو زر خروج إضافي. لكن بعد ما شاهدت GENIUS، أدركت أن استرداد الأموال ليس استرداداً لحصة التوزيع، بل هو استرداد "الرسوم الصافية". التفاصيل هنا: خلال 48 ساعة بعد TGE، يمكن للمستخدمين اختيار حرق (burn) جميع توزيعات GENIUS، واسترداد الرسوم الصافية الفعلية التي حصلت عليها منصة Genius. المفتاح هنا ليس "إجمالي الرسوم"، بل "الرسوم الصافية" - الأجزاء التي تم ردها للمستخدمين، مكافآت الإحالة، والرسوم التي تأخذها بروتوكولات DEX الأخرى، كلها ليست ضمن نطاق الاسترداد. يعني، الحصة التي تخرج بها ستصبح صفر، وما يمكنك استرداده هو فقط تلك النسبة الصغيرة التي استلمتها المنصة فعلاً. ما وراء ذلك هو أن GENIUS قدمت مخرجًا بعد جدل الإيهام. لقد قدمت فعلاً خيارًا ثالثًا للمستخدمين: إذا لم ترغب في الحصول على 30%، ولم ترغب في الانتظار لمدة عام، يمكنك الخروج مباشرة. لكن هذا المخرج ليس بدون تكلفة، بل يتطلب استبدال جميع حصص الإيهام مقابل الرسوم الصافية. {spot}(GENIUSUSDT) لذا، عندما تنظر إلى GENIUS، لا تنظر فقط إلى كيفية توزيع الإيهام، بل أيضًا إلى كيفية تعاملها مع المستخدمين الذين لا يرغبون في الاستمرار بعد الجدل. تم إطلاق تداول Binance الفوري، وقد فُتحت أبواب السوق؛ لكن نافذة الاسترداد مفتوحة فقط لمدة 48 ساعة. بعد ذلك، ستغلق الأبواب. من يبقى بعد 48 ساعة هم الذين يواصلون اتخاذ خياراتهم الحقيقية. @GeniusOfficial
#genius $GENIUS كنت أعتقد سابقًا أن قواعد الإيهام (airdrop) كانت مثيرة للجدل، وأقصى ما يمكن أن يحصل هو زر خروج إضافي. لكن بعد ما شاهدت GENIUS، أدركت أن استرداد الأموال ليس استرداداً لحصة التوزيع، بل هو استرداد "الرسوم الصافية".

التفاصيل هنا: خلال 48 ساعة بعد TGE، يمكن للمستخدمين اختيار حرق (burn) جميع توزيعات GENIUS، واسترداد الرسوم الصافية الفعلية التي حصلت عليها منصة Genius. المفتاح هنا ليس "إجمالي الرسوم"، بل "الرسوم الصافية" - الأجزاء التي تم ردها للمستخدمين، مكافآت الإحالة، والرسوم التي تأخذها بروتوكولات DEX الأخرى، كلها ليست ضمن نطاق الاسترداد. يعني، الحصة التي تخرج بها ستصبح صفر، وما يمكنك استرداده هو فقط تلك النسبة الصغيرة التي استلمتها المنصة فعلاً.

ما وراء ذلك هو أن GENIUS قدمت مخرجًا بعد جدل الإيهام. لقد قدمت فعلاً خيارًا ثالثًا للمستخدمين: إذا لم ترغب في الحصول على 30%، ولم ترغب في الانتظار لمدة عام، يمكنك الخروج مباشرة. لكن هذا المخرج ليس بدون تكلفة، بل يتطلب استبدال جميع حصص الإيهام مقابل الرسوم الصافية.


لذا، عندما تنظر إلى GENIUS، لا تنظر فقط إلى كيفية توزيع الإيهام، بل أيضًا إلى كيفية تعاملها مع المستخدمين الذين لا يرغبون في الاستمرار بعد الجدل. تم إطلاق تداول Binance الفوري، وقد فُتحت أبواب السوق؛ لكن نافذة الاسترداد مفتوحة فقط لمدة 48 ساعة. بعد ذلك، ستغلق الأبواب.

من يبقى بعد 48 ساعة هم الذين يواصلون اتخاذ خياراتهم الحقيقية.
@GeniusOfficial
#openledger $OPEN AI أكبر تغيير، قد لا يكون في قوة النموذج المتزايدة، بل في أن قدرة النموذج أصبحت أصعب في التمييز. ما بدأ يصبح غالي الثمن حقًا، هو البيانات المتخصصة والخبرة في المجال. محامي قديم في مكتب محاماة، بمجرد قلب عدة صفحات من العقد يعرف أين تكمن المشكلة. هذه الأمور لم تُكتب في أي عملية، لكن من الصعب على النموذج أن يتعلمها من العدم. Datanets من OpenLedger ليست مجرد مجموعة بيانات، بل تشبه تسجيل مسارات الخبرة المهنية: من الذي ساهم في البيانات، وهل تم تدريبها أو استنتاجها أو استدعاء خدمات الوكيل، وهل يمكن للنظام التعرف على المساهمة. فقط البيانات المتخصصة التي يتم استدعاؤها باستمرار، يمكن أن تدخل في سلسلة الاستخدام الحقيقية لـ $OPEN . {future}(OPENUSDT) لكن التحدي يكمن هناك: البيانات التي تساوي الكثير، غالبًا ما تكون الأكثر ترددًا في الانفتاح عليها. @Openledger
#openledger $OPEN AI أكبر تغيير، قد لا يكون في قوة النموذج المتزايدة، بل في أن قدرة النموذج أصبحت أصعب في التمييز.

ما بدأ يصبح غالي الثمن حقًا، هو البيانات المتخصصة والخبرة في المجال. محامي قديم في مكتب محاماة، بمجرد قلب عدة صفحات من العقد يعرف أين تكمن المشكلة. هذه الأمور لم تُكتب في أي عملية، لكن من الصعب على النموذج أن يتعلمها من العدم.

Datanets من OpenLedger ليست مجرد مجموعة بيانات، بل تشبه تسجيل مسارات الخبرة المهنية: من الذي ساهم في البيانات، وهل تم تدريبها أو استنتاجها أو استدعاء خدمات الوكيل، وهل يمكن للنظام التعرف على المساهمة.

فقط البيانات المتخصصة التي يتم استدعاؤها باستمرار، يمكن أن تدخل في سلسلة الاستخدام الحقيقية لـ $OPEN .


لكن التحدي يكمن هناك: البيانات التي تساوي الكثير، غالبًا ما تكون الأكثر ترددًا في الانفتاح عليها.
@OpenLedger
🎙️ السوق نازل، هل الكل قاعد ياكل لحم ولا محبوسين؟
avatar
إنهاء
04 ساعة 45 دقيقة 05 ثانية
27.6k
32
40
#openledger $OPEN كنت أعتقد في السابق أن أكبر مشكلة في الذكاء الاصطناعي هي عدم كفاية البيانات. لكن بعد ذلك اكتشفت أن الكثير من البيانات القيمة حقًا هي الأكثر صعوبة في المشاركة. بيانات طبية، سير العمل الداخلية للشركات، سلوك المستخدم على المدى الطويل، هذه البيانات غالبًا ما تكون هي الأفضل لتدريب نماذج ذات قيمة، لكنها أيضًا الأكثر حساسية وخصوصية. المشكلة ليست في أن أحدًا لا يعرف أنها ذات قيمة، بل في أن أحدًا لا يرغب في تسليمها بسهولة. {future}(OPENUSDT) لذلك الآن أتابع Datanets من OpenLedger، وأصبح أكثر اهتمامًا ليس بـ"كمية البيانات"، بل بما إذا كانت ستسمح بتسجيل مسارات المساهمة، الاستخدام، والوصول للبيانات بشكل مستمر. فقط عندما يكون مالك البيانات مستعدًا لفتحها، يمكن أن تحدث عمليات التدريب والاستدعاء الحقيقية. @Openledger
#openledger $OPEN كنت أعتقد في السابق أن أكبر مشكلة في الذكاء الاصطناعي هي عدم كفاية البيانات.
لكن بعد ذلك اكتشفت أن الكثير من البيانات القيمة حقًا هي الأكثر صعوبة في المشاركة.
بيانات طبية، سير العمل الداخلية للشركات، سلوك المستخدم على المدى الطويل، هذه البيانات غالبًا ما تكون هي الأفضل لتدريب نماذج ذات قيمة، لكنها أيضًا الأكثر حساسية وخصوصية.
المشكلة ليست في أن أحدًا لا يعرف أنها ذات قيمة، بل في أن أحدًا لا يرغب في تسليمها بسهولة.


لذلك الآن أتابع Datanets من OpenLedger، وأصبح أكثر اهتمامًا ليس بـ"كمية البيانات"، بل بما إذا كانت ستسمح بتسجيل مسارات المساهمة، الاستخدام، والوصول للبيانات بشكل مستمر. فقط عندما يكون مالك البيانات مستعدًا لفتحها، يمكن أن تحدث عمليات التدريب والاستدعاء الحقيقية.
@OpenLedger
#genius $GENIUS جامع أنا كنت أعتقد في السابق أن زيادة حجم التداول على السلسلة كانت من أجل الحصول على الإيصالات. لكن بعد ما شفت GENIUS اكتشفت أن الإيصالات الحقيقية ليست مجرد مكافآت، بل هي اختبار صبر واختيار صعب.\n\n التفاصيل المحددة هي: افترض أنك ضخت حجم تداول لعدة أشهر، الصفحة تظهر أن لديك 100 قطعة مخصصة. بعد TGE، تفتح صفحة الاستلام، وما يواجهك ليس مجرد "استلام" بسيط، بل خيارين: الاستلام الفوري، حيث يتم حرق 70% تلقائيًا، ولن تحصل إلا على 30 قطعة؛ إذا لم تختار الاستلام الفوري، فستدخل في قفل لمدة عام، وبعد ذلك ستحصل على الكمية كاملة.\n\n هذا يعكس منطق تصميم الإيصالات لـ GENIUS. هي تريد تصفية المشاركين على المدى الطويل، كما تريد تقليل ضغط البيع في البداية. من يرغب في جني الفوائد سريعًا عليه أن يقبل حرق 70%؛ ومن يرغب في الانتظار، عليه أن يقفل السيولة لمدة عام. ليس الجميع مناسبين للدخول في هذا النظام، حيث أنها تفصل بين من يخرج على المدى القصير ومن ينتظر على المدى الطويل.\n\n {spot}(GENIUSUSDT)\n\n لذا عند النظر إلى GENIUS، لا تنظر فقط إلى حجم التداول الذي قمت به، بل أيضًا إلى الخيار الذي اتخذته خلال فترة الـ 7 أيام بعد TGE. التداول الفوري على بينانس أصبح متاحًا، ومدخل السوق مفتوح؛ لكن هل يمكن أن تتحول حصص الإيصالات إلى رموز قابلة للاستخدام بسرعة، يعتمد على الزر الذي تضغط عليه بنفسك.\n\n بعد عام، كم ستصبح هذه الـ 100 قطعة، لا أحد يعرف. الإيصالات ليست مجانية، بل هي فرصة للتصويت لمدة 365 يومًا.\n\n @GeniusOfficial
#genius $GENIUS جامع أنا كنت أعتقد في السابق أن زيادة حجم التداول على السلسلة كانت من أجل الحصول على الإيصالات. لكن بعد ما شفت GENIUS اكتشفت أن الإيصالات الحقيقية ليست مجرد مكافآت، بل هي اختبار صبر واختيار صعب.\n\n التفاصيل المحددة هي: افترض أنك ضخت حجم تداول لعدة أشهر، الصفحة تظهر أن لديك 100 قطعة مخصصة. بعد TGE، تفتح صفحة الاستلام، وما يواجهك ليس مجرد "استلام" بسيط، بل خيارين: الاستلام الفوري، حيث يتم حرق 70% تلقائيًا، ولن تحصل إلا على 30 قطعة؛ إذا لم تختار الاستلام الفوري، فستدخل في قفل لمدة عام، وبعد ذلك ستحصل على الكمية كاملة.\n\n هذا يعكس منطق تصميم الإيصالات لـ GENIUS. هي تريد تصفية المشاركين على المدى الطويل، كما تريد تقليل ضغط البيع في البداية. من يرغب في جني الفوائد سريعًا عليه أن يقبل حرق 70%؛ ومن يرغب في الانتظار، عليه أن يقفل السيولة لمدة عام. ليس الجميع مناسبين للدخول في هذا النظام، حيث أنها تفصل بين من يخرج على المدى القصير ومن ينتظر على المدى الطويل.\n\n \n\n لذا عند النظر إلى GENIUS، لا تنظر فقط إلى حجم التداول الذي قمت به، بل أيضًا إلى الخيار الذي اتخذته خلال فترة الـ 7 أيام بعد TGE. التداول الفوري على بينانس أصبح متاحًا، ومدخل السوق مفتوح؛ لكن هل يمكن أن تتحول حصص الإيصالات إلى رموز قابلة للاستخدام بسرعة، يعتمد على الزر الذي تضغط عليه بنفسك.\n\n بعد عام، كم ستصبح هذه الـ 100 قطعة، لا أحد يعرف. الإيصالات ليست مجانية، بل هي فرصة للتصويت لمدة 365 يومًا.\n\n @GeniusOfficial
مقالة
لاحقًا اكتشفت أن ما ينقص AI حقًا قد لا يكون البيانات، بل البيانات التي يجرؤ الناس على استخدامها.#openledger كان الجامع يعتقد سابقًا أن أكبر مشكلة في AI هي نقص البيانات. لاحقًا اكتشفوا أن المشكلة ليست في عدم وجود بيانات، بل في عدم وجود من يجرؤ على استخدامها مباشرة. كان هناك فريق يعمل في AI الطبي، حصلوا على مجموعة من بيانات الحالات. رد فعل المسؤول الأول لم يكن حماسًا، بل كان شكًا. هل المصدر موثوق؟ من قام بوضع العلامات؟ هل المعايير متسقة؟ هل هناك بيانات قديمة مختلطة؟ إذا لم تكن هناك إجابات موثوقة لهذه المشاكل، فلن يجرؤ الفريق على البدء في التدريب على الفور. لاحقًا، قاموا بسحب جزء من البيانات لإعادة النظر. كانت هناك بعض الصور التي تم وضع علامات عليها بطرق مختلفة، لنفس نوع الآفة، بعض الأطباء قاموا بتحديدها بدقة، بينما قام آخرون بوضع علامات عامة فقط. كما أن هناك بعض الحقول في الجدول لم تتطابق.

لاحقًا اكتشفت أن ما ينقص AI حقًا قد لا يكون البيانات، بل البيانات التي يجرؤ الناس على استخدامها.

#openledger كان الجامع يعتقد سابقًا أن أكبر مشكلة في AI هي نقص البيانات.
لاحقًا اكتشفوا أن المشكلة ليست في عدم وجود بيانات، بل في عدم وجود من يجرؤ على استخدامها مباشرة.
كان هناك فريق يعمل في AI الطبي، حصلوا على مجموعة من بيانات الحالات. رد فعل المسؤول الأول لم يكن حماسًا، بل كان شكًا.
هل المصدر موثوق؟ من قام بوضع العلامات؟ هل المعايير متسقة؟ هل هناك بيانات قديمة مختلطة؟
إذا لم تكن هناك إجابات موثوقة لهذه المشاكل، فلن يجرؤ الفريق على البدء في التدريب على الفور.
لاحقًا، قاموا بسحب جزء من البيانات لإعادة النظر. كانت هناك بعض الصور التي تم وضع علامات عليها بطرق مختلفة، لنفس نوع الآفة، بعض الأطباء قاموا بتحديدها بدقة، بينما قام آخرون بوضع علامات عامة فقط. كما أن هناك بعض الحقول في الجدول لم تتطابق.
#openledger $OPEN كنت أعتقد في الماضي أن العديد من الشركات تتردد في استخدام الذكاء الاصطناعي لأن النماذج ليست ذكية بما فيه الكفاية. لكن بعد ما قال لي دالي، الموضوع مو كذا. فريق قانوني استخدم الذكاء الاصطناعي لمراجعة العقود، العرض كان سلس، لكن لما بدأوا العمل بشكل رسمي، كانوا لا زالوا يطبعون العقود ويصححونها بقلم أحمر. هم مو خايفين من عدم قدرة الذكاء الاصطناعي على الرد، لكن من المسؤولية اللي ممكن تنشأ بعد وقوع مشكلة. بعد ما استخدمت ديلويت الذكاء الاصطناعي التوليدي في تقرير مشروع حكومي، ظهر في التقرير اقتباسات خاطئة ومعلومات غير موجودة، وفي النهاية اضطروا يعطون العميل جزء من المبلغ كاسترداد. لذا، عندما أنظر إلى PoA من OpenLedger، أنا أكثر اهتمامًا بقدرته على تسجيل البيانات والنماذج ومسارات الاستدلال خلف الذكاء الاصطناعي. فقط عندما يمكن استعادة سلسلة المسؤولية، يمكن لـ $OPEN الدخول في استدعاء وتسوية هذه الروابط الحقيقية. @Openledger
#openledger $OPEN كنت أعتقد في الماضي أن العديد من الشركات تتردد في استخدام الذكاء الاصطناعي لأن النماذج ليست ذكية بما فيه الكفاية.

لكن بعد ما قال لي دالي، الموضوع مو كذا. فريق قانوني استخدم الذكاء الاصطناعي لمراجعة العقود، العرض كان سلس، لكن لما بدأوا العمل بشكل رسمي، كانوا لا زالوا يطبعون العقود ويصححونها بقلم أحمر.

هم مو خايفين من عدم قدرة الذكاء الاصطناعي على الرد، لكن من المسؤولية اللي ممكن تنشأ بعد وقوع مشكلة. بعد ما استخدمت ديلويت الذكاء الاصطناعي التوليدي في تقرير مشروع حكومي، ظهر في التقرير اقتباسات خاطئة ومعلومات غير موجودة، وفي النهاية اضطروا يعطون العميل جزء من المبلغ كاسترداد.

لذا، عندما أنظر إلى PoA من OpenLedger، أنا أكثر اهتمامًا بقدرته على تسجيل البيانات والنماذج ومسارات الاستدلال خلف الذكاء الاصطناعي. فقط عندما يمكن استعادة سلسلة المسؤولية، يمكن لـ $OPEN الدخول في استدعاء وتسوية هذه الروابط الحقيقية.

@OpenLedger
#genius $GENIUS كنت أعتقد سابقًا أنه يجب الابتعاد عن المشاريع التي تحمل "علامة البذور". لكن بعد أن رأيت GENIUS يُدرج في بينانس مع إضافة هذه العلامة، شعرت أن وجود علامة أفضل من عدمها. التفاصيل الدقيقة هي: إذا كنت تريد التداول في GENIUS، لا يمكنك فقط رؤية زر التداول والاندفاع للداخل. الأصول التي تحمل علامة Seed Tag تعني عادةً تقلبًا أعلى ومخاطر، ويجب على المستخدمين إكمال اختبار المخاطر، وقبول الشروط ذات الصلة، كما ستظهر تحذيرات المخاطر على الصفحة. بعض الناس قد يتوقفون عند هذه النقطة، بينما قد يجدها آخرون مزعجة، لكن هذه الخطوة نفسها تُذكرك: هذه ليست أصولًا ناضجة تم التحقق منها بشكل كامل من قبل السوق. هذا يعكس الوضع الحقيقي لـ GENIUS. إنها محطة تداول على السلسلة في مرحلة مبكرة، تسعى لجمع التنفيذ والخصوصية وتجربة متعددة السلاسل في نقطة دخول واحدة، لكن هل يمكن أن تتحول سردية المنتج إلى استخدام طويل الأمد، لا يزال يحتاج إلى وقت للتحقق. لم تخفِ بينانس المخاطر، بل استخدمت Seed Tag لرسم خط أولًا: على الجانب الآخر من الخط، ليس هناك فرصة مؤكدة، بل هو ما إذا كنت مستعدًا لتحمل المجهول. لذلك، عندما أنظر إلى GENIUS، لا أرى فقط الصعود والهبوط بعد الإدراج، بل أرى ما إذا كانت تستطيع أن تُظهر تداولًا حقيقيًا ومستخدمين حقيقيين تحت هذه العلامة المخاطر. {spot}(GENIUSUSDT) ستمر الحماسة لفترة، لكن تحذيرات المخاطر لن تتخذ القرارات للناس. الشيء الحقيقي الذي يجب النظر إليه هو الوقت. @GeniusOfficial
#genius $GENIUS كنت أعتقد سابقًا أنه يجب الابتعاد عن المشاريع التي تحمل "علامة البذور".

لكن بعد أن رأيت GENIUS يُدرج في بينانس مع إضافة هذه العلامة، شعرت أن وجود علامة أفضل من عدمها.

التفاصيل الدقيقة هي: إذا كنت تريد التداول في GENIUS، لا يمكنك فقط رؤية زر التداول والاندفاع للداخل. الأصول التي تحمل علامة Seed Tag تعني عادةً تقلبًا أعلى ومخاطر، ويجب على المستخدمين إكمال اختبار المخاطر، وقبول الشروط ذات الصلة، كما ستظهر تحذيرات المخاطر على الصفحة. بعض الناس قد يتوقفون عند هذه النقطة، بينما قد يجدها آخرون مزعجة، لكن هذه الخطوة نفسها تُذكرك: هذه ليست أصولًا ناضجة تم التحقق منها بشكل كامل من قبل السوق.

هذا يعكس الوضع الحقيقي لـ GENIUS. إنها محطة تداول على السلسلة في مرحلة مبكرة، تسعى لجمع التنفيذ والخصوصية وتجربة متعددة السلاسل في نقطة دخول واحدة، لكن هل يمكن أن تتحول سردية المنتج إلى استخدام طويل الأمد، لا يزال يحتاج إلى وقت للتحقق. لم تخفِ بينانس المخاطر، بل استخدمت Seed Tag لرسم خط أولًا: على الجانب الآخر من الخط، ليس هناك فرصة مؤكدة، بل هو ما إذا كنت مستعدًا لتحمل المجهول.

لذلك، عندما أنظر إلى GENIUS، لا أرى فقط الصعود والهبوط بعد الإدراج، بل أرى ما إذا كانت تستطيع أن تُظهر تداولًا حقيقيًا ومستخدمين حقيقيين تحت هذه العلامة المخاطر.

ستمر الحماسة لفترة، لكن تحذيرات المخاطر لن تتخذ القرارات للناس. الشيء الحقيقي الذي يجب النظر إليه هو الوقت.

@GeniusOfficial
مقالة
اكتشفت لاحقاً أن ما تفتقر إليه أنظمة الذكاء الاصطناعي ليس الإجابات، بل "من المسؤول".#openledger جامع التحف كان يعتقد سابقاً أن العديد من الشركات لا تجرؤ على استخدام الذكاء الاصطناعي بعمق، لأن النماذج لم تكن ذكية بما فيه الكفاية. لاحقاً قال دالي: لا، ليس كذلك. قال إنه في مرة، فريق قانوني قام بمراجعة عقود الذكاء الاصطناعي. أثناء العرض، النموذج كان يعمل بسلاسة: التعرف التلقائي على المخاطر، وضع علامة حمراء تلقائياً، وتصنيف تلقائي. رئيس الفريق القانوني نظر وكان راضياً جداً، وقال إن هذا سيوفر الكثير من الجهد. لكن عند الإطلاق الفعلي، القانونيون أعادوا طباعة جميع العقود، ورسموا دائرة حول كل واحدة بقلم أحمر. دالي سأل لماذا. الطرف الآخر قال: إذا فاتته نقطة خطر رئيسية، من المسؤول؟

اكتشفت لاحقاً أن ما تفتقر إليه أنظمة الذكاء الاصطناعي ليس الإجابات، بل "من المسؤول".

#openledger جامع التحف كان يعتقد سابقاً أن العديد من الشركات لا تجرؤ على استخدام الذكاء الاصطناعي بعمق، لأن النماذج لم تكن ذكية بما فيه الكفاية.
لاحقاً قال دالي: لا، ليس كذلك.
قال إنه في مرة، فريق قانوني قام بمراجعة عقود الذكاء الاصطناعي. أثناء العرض، النموذج كان يعمل بسلاسة: التعرف التلقائي على المخاطر، وضع علامة حمراء تلقائياً، وتصنيف تلقائي. رئيس الفريق القانوني نظر وكان راضياً جداً، وقال إن هذا سيوفر الكثير من الجهد.
لكن عند الإطلاق الفعلي، القانونيون أعادوا طباعة جميع العقود، ورسموا دائرة حول كل واحدة بقلم أحمر.
دالي سأل لماذا.
الطرف الآخر قال: إذا فاتته نقطة خطر رئيسية، من المسؤول؟
#genius $GENIUS كنت أعتقد سابقًا أن اليوم الأول من إطلاق العملة الجديدة على بينانس هو الأهم فيما يتعلق بالارتفاع والانخفاض. لكن شخصيًا، أشرت إلى أن الحركة السعرية هي مجرد ضجيج، بينما المدخل هو ما يحدث التغيير الحقيقي. بعد ذلك، عندما نظرت إلى GENIUS، لم أعد أركز فقط على السعر. إذا فتحت بينانس، وبحثت عن $GENIUS، ستجد مدخلات التداول الفوري، ويمكنك أيضًا الوصول إليها من خلال شراء العملات أو التبادل السريع. بالنسبة للمستخدم العادي، هذه الخطوة حاسمة: لم تعد مجرد نقطة نقاش في المجتمع، بل أصبحت أصلًا يمكن التعامل معه مباشرة. لكن ما يهمني أكثر هو لماذا تريد GENIUS إنشاء نقطة دخول لتداولات السلاسل. هناك بعض المشاكل طويلة الأمد في تداول السلاسل: التحويل بين السلاسل متقطع جدًا، ومسارات التداول متفرقة، وسلوك المحفظة شفاف بشكل مفرط. ما تسعى GENIUS لتحقيقه هو ليس فقط جمع المداخل معًا، بل دمج التنفيذ والخصوصية وتجربة التفاعل بين السلاسل في نفس المنصة. بالطبع، ذكرني Seed Tag أيضًا أن هذه أصول مبكرة وعالية التقلب، لذا لا يمكن الاعتماد فقط على الضجة. ما يجب أن نراقبه حقًا هو الثلاثة أشهر التي تلي إدراجها على بينانس، هل سيستمر المستخدمون في فتحها بسبب تجربة التداول. @GeniusOfficial
#genius $GENIUS كنت أعتقد سابقًا أن اليوم الأول من إطلاق العملة الجديدة على بينانس هو الأهم فيما يتعلق بالارتفاع والانخفاض.

لكن شخصيًا، أشرت إلى أن الحركة السعرية هي مجرد ضجيج، بينما المدخل هو ما يحدث التغيير الحقيقي.

بعد ذلك، عندما نظرت إلى GENIUS، لم أعد أركز فقط على السعر. إذا فتحت بينانس، وبحثت عن $GENIUS ، ستجد مدخلات التداول الفوري، ويمكنك أيضًا الوصول إليها من خلال شراء العملات أو التبادل السريع. بالنسبة للمستخدم العادي، هذه الخطوة حاسمة: لم تعد مجرد نقطة نقاش في المجتمع، بل أصبحت أصلًا يمكن التعامل معه مباشرة.

لكن ما يهمني أكثر هو لماذا تريد GENIUS إنشاء نقطة دخول لتداولات السلاسل. هناك بعض المشاكل طويلة الأمد في تداول السلاسل: التحويل بين السلاسل متقطع جدًا، ومسارات التداول متفرقة، وسلوك المحفظة شفاف بشكل مفرط. ما تسعى GENIUS لتحقيقه هو ليس فقط جمع المداخل معًا، بل دمج التنفيذ والخصوصية وتجربة التفاعل بين السلاسل في نفس المنصة.

بالطبع، ذكرني Seed Tag أيضًا أن هذه أصول مبكرة وعالية التقلب، لذا لا يمكن الاعتماد فقط على الضجة. ما يجب أن نراقبه حقًا هو الثلاثة أشهر التي تلي إدراجها على بينانس، هل سيستمر المستخدمون في فتحها بسبب تجربة التداول.

@GeniusOfficial
#openledger $OPEN كنت أعتقد سابقًا أن أكبر مشكلة في وكيل الذكاء الاصطناعي هي عدم الكفاءة. حتى قال لي "دا لي" إنه ساعد فريقًا في إنشاء خدمة عملاء تلقائية، وكانت التجربة تسير بسلاسة، وبعد شهر أوقف مدير خدمة العملاء النظام. كانت هناك طلبات متراكمة في الخلفية لم تتم مزامنتها، وتم تصنيف طلبات الاسترداد بشكل خاطئ. ليست المشكلة في القدرة على الاستخدام، بل في عدم وجود الجرأة للاستمرار في تشغيله. الشركات لا تشتري عرضًا واحدًا، بل تبحث عن تقليل الأخطاء اليومية. لذا، فإن الجامعين الآن ينظرون إلى AI Studio من OpenLedger، ويهتمون أكثر بقدرته على تسجيل مسارات استدعاء الوكلاء باستمرار. فقط مع الاستدعاء المستمر، سيصبح OPEN جزءًا من الوصول إلى API وخدمات الاستدلال في هذه الروابط الحقيقية. {spot}(OPENUSDT) ولكن الشرط الأساسي لا يزال هو: بعد شهر، هل سيظل ذلك النظام مفتوحًا؟ @Openledger
#openledger $OPEN كنت أعتقد سابقًا أن أكبر مشكلة في وكيل الذكاء الاصطناعي هي عدم الكفاءة.

حتى قال لي "دا لي" إنه ساعد فريقًا في إنشاء خدمة عملاء تلقائية، وكانت التجربة تسير بسلاسة، وبعد شهر أوقف مدير خدمة العملاء النظام.
كانت هناك طلبات متراكمة في الخلفية لم تتم مزامنتها، وتم تصنيف طلبات الاسترداد بشكل خاطئ. ليست المشكلة في القدرة على الاستخدام، بل في عدم وجود الجرأة للاستمرار في تشغيله.

الشركات لا تشتري عرضًا واحدًا، بل تبحث عن تقليل الأخطاء اليومية.

لذا، فإن الجامعين الآن ينظرون إلى AI Studio من OpenLedger، ويهتمون أكثر بقدرته على تسجيل مسارات استدعاء الوكلاء باستمرار. فقط مع الاستدعاء المستمر، سيصبح OPEN جزءًا من الوصول إلى API وخدمات الاستدلال في هذه الروابط الحقيقية.


ولكن الشرط الأساسي لا يزال هو: بعد شهر، هل سيظل ذلك النظام مفتوحًا؟
@OpenLedger
مقالة
أكبر مشكلة في كثير من وكلاء الذكاء الاصطناعي مو إنهم ما يقدروا يشتغلوا، لكن ما في أحد يستخدمهم باستمرار.#OpenLedger كان جامعي سابق يعتقد أن أكبر مشكلة في كثير من وكلاء الذكاء الاصطناعي هي قلة القدرة. بعدها، الكبير قال، لا، مو كذا. كثير من الوكلاء قدروا يعرضوا النظام لأول مرة، لكن المشكلة الحقيقية هي إذا كانوا يقدروا يشتغلوا بدون توقف. قبل فترة، هو ساعد فريق ناشئ في بناء عملية خدمة عملاء تلقائية باستخدام الذكاء الاصطناعي. ردود تلقائية على الرسائل، ووضع علامات تلقائية على الطلبات، وتحويل المشاكل المعقدة للبشر. يوم العرض، كل شيء مشي بسلاسة، والمسؤول كان يومها يوافق، وقال إن تكاليف خدمة العملاء هتنخفض بشكل كبير. بعد شهر، راح الكبير يشوف النظام مرة ثانية. في الخلفية، فيه شوية أوامر ما تم مزامنتها. العلامات التلقائية قسمت مرتين أوامر الاسترداد ضمن الطلبات الطبيعية. مدير خدمة العملاء قرر يوقف التوزيع التلقائي وخلى الموظفين يتعاملوا يدوي.

أكبر مشكلة في كثير من وكلاء الذكاء الاصطناعي مو إنهم ما يقدروا يشتغلوا، لكن ما في أحد يستخدمهم باستمرار.

#OpenLedger كان جامعي سابق يعتقد أن أكبر مشكلة في كثير من وكلاء الذكاء الاصطناعي هي قلة القدرة.
بعدها، الكبير قال، لا، مو كذا.
كثير من الوكلاء قدروا يعرضوا النظام لأول مرة، لكن المشكلة الحقيقية هي إذا كانوا يقدروا يشتغلوا بدون توقف.
قبل فترة، هو ساعد فريق ناشئ في بناء عملية خدمة عملاء تلقائية باستخدام الذكاء الاصطناعي. ردود تلقائية على الرسائل، ووضع علامات تلقائية على الطلبات، وتحويل المشاكل المعقدة للبشر. يوم العرض، كل شيء مشي بسلاسة، والمسؤول كان يومها يوافق، وقال إن تكاليف خدمة العملاء هتنخفض بشكل كبير.
بعد شهر، راح الكبير يشوف النظام مرة ثانية.
في الخلفية، فيه شوية أوامر ما تم مزامنتها. العلامات التلقائية قسمت مرتين أوامر الاسترداد ضمن الطلبات الطبيعية. مدير خدمة العملاء قرر يوقف التوزيع التلقائي وخلى الموظفين يتعاملوا يدوي.
مقالة
الكثير من النماذج الاحترافية لا تفشل قبل التدريب، بل تفشل في تكاليف النشر.#OpenLedger قبل فترة، ساعدت فريق صغير في عمل نموذج خدمة عملاء متخصص. أداء النموذج كان جيد، ومرحلة الاختبار سارت بسلاسة. المشكلة الحقيقية تظهر بعد الإطلاق. كل عميل يريد نسخته الخاصة: التجارة الإلكترونية تريد تغيير النصوص، القطاع المالي يريد إضافة فحص الامتثال، وقطاع التعليم يحتاج مجموعة أخرى من حدود الأسئلة والأجوبة. المشكلة ليست في أن النموذج غير قابل للاستخدام، بل أنه مع كل نسخة مخصصة، تزداد تكاليف النشر والخدمات الطويلة الأمد. بالنسبة للفريق الصغير، النموذج ليس تسليم لمرة واحدة، بل هو خدمة طويلة الأمد. كلما زاد عدد العملاء، إذا كان كل إصدار يحتاج إلى موارد GPU منفصلة، فالإيرادات لم تتزايد بعد، لكن التكاليف زادت أولاً. التدريب تم مرة واحدة، لكن النشر يحتاج إلى تكرار عدة مرات، والفريق الصغير يمكن أن يتعثر بسهولة في هذه النقطة.

الكثير من النماذج الاحترافية لا تفشل قبل التدريب، بل تفشل في تكاليف النشر.

#OpenLedger قبل فترة، ساعدت فريق صغير في عمل نموذج خدمة عملاء متخصص.
أداء النموذج كان جيد، ومرحلة الاختبار سارت بسلاسة. المشكلة الحقيقية تظهر بعد الإطلاق. كل عميل يريد نسخته الخاصة: التجارة الإلكترونية تريد تغيير النصوص، القطاع المالي يريد إضافة فحص الامتثال، وقطاع التعليم يحتاج مجموعة أخرى من حدود الأسئلة والأجوبة. المشكلة ليست في أن النموذج غير قابل للاستخدام، بل أنه مع كل نسخة مخصصة، تزداد تكاليف النشر والخدمات الطويلة الأمد.
بالنسبة للفريق الصغير، النموذج ليس تسليم لمرة واحدة، بل هو خدمة طويلة الأمد. كلما زاد عدد العملاء، إذا كان كل إصدار يحتاج إلى موارد GPU منفصلة، فالإيرادات لم تتزايد بعد، لكن التكاليف زادت أولاً. التدريب تم مرة واحدة، لكن النشر يحتاج إلى تكرار عدة مرات، والفريق الصغير يمكن أن يتعثر بسهولة في هذه النقطة.
مقالة
اكتشفت لاحقاً أن الكثير من الفرق الصغيرة مو ناقصها البيانات، لكن ناقصها المدخل لتحويل البيانات لنموذج.#OpenLedger اكتشف الجامع أنه يوجد فريق صغير متخصص في تنظيم العقود القانونية، وعندهم كمية كبيرة من نماذج العقود، تصنيفات الشروط، وجداول تصنيف المخاطر. هم فاهمين في البزنس، وعارفين أي الشروط ممكن تسبب مشاكل. عدد العملاء في تزايد، لكن كل مراجعة لا تزال تعتمد على الناس للتنقل بين الجداول، بالاعتماد على الخبرة في مراجعة كل شيء، البيانات ما تحولت لقدرة نموذج قابلة لإعادة الاستخدام، وكلما زاد عدد الأفراد، زادت التكاليف. الموضوع مو أنهم مو محترفين، لكن فيه فجوة بين الخبرة الصناعية والنموذج. كنت في السابق أركز على قدرة النماذج عند النظر في مشاريع الذكاء الاصطناعي. لكن بعدين اكتشفت أن الكثير من الفرق الصغيرة ذات الخبرة عالقة مش بسبب نقص البيانات، لكن لأن البيانات محصورة في جداول ومستندات وعمليات يدوية، وما تتحول لقدر نموذج قابل للاستخدام المتكرر.

اكتشفت لاحقاً أن الكثير من الفرق الصغيرة مو ناقصها البيانات، لكن ناقصها المدخل لتحويل البيانات لنموذج.

#OpenLedger اكتشف الجامع أنه يوجد فريق صغير متخصص في تنظيم العقود القانونية، وعندهم كمية كبيرة من نماذج العقود، تصنيفات الشروط، وجداول تصنيف المخاطر. هم فاهمين في البزنس، وعارفين أي الشروط ممكن تسبب مشاكل. عدد العملاء في تزايد، لكن كل مراجعة لا تزال تعتمد على الناس للتنقل بين الجداول، بالاعتماد على الخبرة في مراجعة كل شيء، البيانات ما تحولت لقدرة نموذج قابلة لإعادة الاستخدام، وكلما زاد عدد الأفراد، زادت التكاليف.
الموضوع مو أنهم مو محترفين، لكن فيه فجوة بين الخبرة الصناعية والنموذج.
كنت في السابق أركز على قدرة النماذج عند النظر في مشاريع الذكاء الاصطناعي. لكن بعدين اكتشفت أن الكثير من الفرق الصغيرة ذات الخبرة عالقة مش بسبب نقص البيانات، لكن لأن البيانات محصورة في جداول ومستندات وعمليات يدوية، وما تتحول لقدر نموذج قابل للاستخدام المتكرر.
#openledger $OPEN كثير من مشاريع الذكاء الاصطناعي تتحدث عن “أصول البيانات”، ولكن إذا لم تتمكن البيانات من دخول نموذج الإنتاج، فهي مجرد مكان آخر للنوم. ما يعيق الكثير من الفرق الصغيرة غالباً ليس نقص الخبرة في الصناعة، بل إن هذه الخبرة تظل محصورة في الجداول، الوثائق، والعمليات اليدوية، ولا يمكن تحويلها إلى قدرات نمذجة قابلة للوصول، الاستنتاج، والخدمة المستمرة. مصنع النماذج في OpenLedger يستحق المشاهدة، ليس فقط لأنه يوفر “تعديل بدون كود”، بل لأنه يمكنه دفع البيانات المتخصصة من Datanets فعلاً نحو إنتاج النماذج، مما يمنح البيانات الفرصة الأولى للتحول من معلومات إلى نماذج. {spot}(OPENUSDT) بالنسبة لـ $OPEN ، المفتاح ليس ما إذا كانت الأدوات قد أُصدرت أم لا، بل ما إذا كان هناك استدعاء حقيقي للنموذج لاحقاً. فقط عندما تدخل البيانات في النموذج، ويستخدم النموذج، تبدأ سلسلة القيمة الحقيقية. @Openledger
#openledger $OPEN كثير من مشاريع الذكاء الاصطناعي تتحدث عن “أصول البيانات”، ولكن إذا لم تتمكن البيانات من دخول نموذج الإنتاج، فهي مجرد مكان آخر للنوم.

ما يعيق الكثير من الفرق الصغيرة غالباً ليس نقص الخبرة في الصناعة، بل إن هذه الخبرة تظل محصورة في الجداول، الوثائق، والعمليات اليدوية، ولا يمكن تحويلها إلى قدرات نمذجة قابلة للوصول، الاستنتاج، والخدمة المستمرة.

مصنع النماذج في OpenLedger يستحق المشاهدة، ليس فقط لأنه يوفر “تعديل بدون كود”، بل لأنه يمكنه دفع البيانات المتخصصة من Datanets فعلاً نحو إنتاج النماذج، مما يمنح البيانات الفرصة الأولى للتحول من معلومات إلى نماذج.


بالنسبة لـ $OPEN ، المفتاح ليس ما إذا كانت الأدوات قد أُصدرت أم لا، بل ما إذا كان هناك استدعاء حقيقي للنموذج لاحقاً. فقط عندما تدخل البيانات في النموذج، ويستخدم النموذج، تبدأ سلسلة القيمة الحقيقية.

@OpenLedger
#openledger $OPEN كثير من مشاريع الذكاء الاصطناعي تفتقر إلى الدورة القيمة، وليس فقط النماذج. قبل عدة أيام، تحدثنا عن "من يجب تسجيله، ومن يجب أن يشارك في التوزيع". ولكن ما يستحق المشاهدة اليوم هو، بعد التسجيل، هل يمكن للقيمة أن تستمر في التدفق. OpenLedger تحاول ربط Datanets، النماذج، الوكلاء، استدعاءات الاستدلال ومكافآت المساهمة في سلسلة متصلة. النقطة الحقيقية للمراقبة في $OPEN ليست ما إذا كان بإمكانها المشاركة في دفعة واحدة، ولكن ما إذا كان بالإمكان التدوير عدة مرات بين البيانات، النماذج، الاستدلال، الوكلاء والمكافآت. {spot}(OPENUSDT) إذا كانت هذه المراحل تحدث بشكل حقيقي وتستمر في العمل، فإن $OPEN ليست مجرد علامة ذكاء اصطناعي، بل هي وحدة تسوية في دورة القيمة الخاصة بالذكاء الاصطناعي. @Openledger
#openledger $OPEN كثير من مشاريع الذكاء الاصطناعي تفتقر إلى الدورة القيمة، وليس فقط النماذج.
قبل عدة أيام، تحدثنا عن "من يجب تسجيله، ومن يجب أن يشارك في التوزيع". ولكن ما يستحق المشاهدة اليوم هو، بعد التسجيل، هل يمكن للقيمة أن تستمر في التدفق.
OpenLedger تحاول ربط Datanets، النماذج، الوكلاء، استدعاءات الاستدلال ومكافآت المساهمة في سلسلة متصلة. النقطة الحقيقية للمراقبة في $OPEN ليست ما إذا كان بإمكانها المشاركة في دفعة واحدة، ولكن ما إذا كان بالإمكان التدوير عدة مرات بين البيانات، النماذج، الاستدلال، الوكلاء والمكافآت.


إذا كانت هذه المراحل تحدث بشكل حقيقي وتستمر في العمل، فإن $OPEN ليست مجرد علامة ذكاء اصطناعي، بل هي وحدة تسوية في دورة القيمة الخاصة بالذكاء الاصطناعي.
@OpenLedger
مقالة
بعد تفكك الأخوات السبع في التكنولوجيا عند ارتفاع الأسعار، أسأل سؤالاً واحداً: من يستطيع تحويل الذكاء الاصطناعي إلى تدفق نقدي؟#在币安广场聊传统金融 الآن أنا أراقب الأخوات السبع في التكنولوجيا، ولم أعد أرغب في اعتبارها ككل. في الماضي، كان السوق يميل لوضعهم في سلة واحدة: عمالقة التكنولوجيا، المنصات العالمية، وأكبر المستفيدين من موجة الذكاء الاصطناعي. لكن بعد وصول الأسعار لأعلى مستوياتها، تغير السؤال. السوق لم يعد يسأل فقط من يقف على موجة الذكاء الاصطناعي، بل بدأ يسأل: من يستطيع فعلاً تحويل الذكاء الاصطناعي إلى إيرادات، أرباح، وتدفق نقدي؟ لقد لاحظت ظاهرة. عندما تُفتح شارع تجاري جديد، ترتفع إيجارات جميع المحلات، وتستفيد المحلات المشهورة التي تشهد طوابير طويلة أمام أبوابها، جنبا إلى جنب مع المتاجر العادية. لكن الضجة لا تدوم طويلاً، وبعد انقضاء الموجة الأولى من الزبائن، لا يبقى سوى تلك المحلات القادرة على تحقيق دوران مستقر والاحتفاظ بالزبائن الدائمين.

بعد تفكك الأخوات السبع في التكنولوجيا عند ارتفاع الأسعار، أسأل سؤالاً واحداً: من يستطيع تحويل الذكاء الاصطناعي إلى تدفق نقدي؟

#在币安广场聊传统金融 الآن أنا أراقب الأخوات السبع في التكنولوجيا، ولم أعد أرغب في اعتبارها ككل.
في الماضي، كان السوق يميل لوضعهم في سلة واحدة: عمالقة التكنولوجيا، المنصات العالمية، وأكبر المستفيدين من موجة الذكاء الاصطناعي. لكن بعد وصول الأسعار لأعلى مستوياتها، تغير السؤال. السوق لم يعد يسأل فقط من يقف على موجة الذكاء الاصطناعي، بل بدأ يسأل: من يستطيع فعلاً تحويل الذكاء الاصطناعي إلى إيرادات، أرباح، وتدفق نقدي؟
لقد لاحظت ظاهرة. عندما تُفتح شارع تجاري جديد، ترتفع إيجارات جميع المحلات، وتستفيد المحلات المشهورة التي تشهد طوابير طويلة أمام أبوابها، جنبا إلى جنب مع المتاجر العادية. لكن الضجة لا تدوم طويلاً، وبعد انقضاء الموجة الأولى من الزبائن، لا يبقى سوى تلك المحلات القادرة على تحقيق دوران مستقر والاحتفاظ بالزبائن الدائمين.
مقالة
بعد فترة اكتشفت إن الكثير من مشاريع الذكاء الاصطناعي اللي ناقصها مو النموذج، لكن دورة القيمة.#OpenLedger أي واحد اشتغل في المولات، أو منصات التوصيل، أو اشترى إعلانات للألعاب يعرف إن التحدي الحقيقي للنظام مو في جذب الزوار، لكن في "العودة". تقدر المنح تجيب الناس، لكن إذا ما كانش في دورة للمستهلكين، والاحتفاظ، والدخل، النظام في النهاية لازم يعتمد على ضخ مستمر من الخارج. نظام الذكاء الاصطناعي نفس الشيء - النموذج صار أقوى، وعدد الوكلاء زاد، والتوليد صار أسرع. لكن بعد ما نساهم بالبيانات، هل لها قيمة مستمرة؟ كيف ترجع الأرباح بعد ما يتم استخدام النموذج؟ هل القيمة اللي تنتجها الوكلاء ترجع للنظام مرة ثانية؟ إذا كان نظام الذكاء الاصطناعي عنده بس قدرة توليد، وما فيش دورة قيمة، سهل إنه يتوقف عند حماس لمرة واحدة.

بعد فترة اكتشفت إن الكثير من مشاريع الذكاء الاصطناعي اللي ناقصها مو النموذج، لكن دورة القيمة.

#OpenLedger أي واحد اشتغل في المولات، أو منصات التوصيل، أو اشترى إعلانات للألعاب يعرف إن التحدي الحقيقي للنظام مو في جذب الزوار، لكن في "العودة".
تقدر المنح تجيب الناس، لكن إذا ما كانش في دورة للمستهلكين، والاحتفاظ، والدخل، النظام في النهاية لازم يعتمد على ضخ مستمر من الخارج. نظام الذكاء الاصطناعي نفس الشيء - النموذج صار أقوى، وعدد الوكلاء زاد، والتوليد صار أسرع. لكن بعد ما نساهم بالبيانات، هل لها قيمة مستمرة؟ كيف ترجع الأرباح بعد ما يتم استخدام النموذج؟ هل القيمة اللي تنتجها الوكلاء ترجع للنظام مرة ثانية؟
إذا كان نظام الذكاء الاصطناعي عنده بس قدرة توليد، وما فيش دورة قيمة، سهل إنه يتوقف عند حماس لمرة واحدة.
مقالة
بعد فترة اكتشفت إنه الشيء اللي ناقص في الذكاء الاصطناعي مو النموذج، بل هو نظام التسويات.#OpenLedger اللي عملوا في توزيع الأرباح، الإعلانات، وتسويات القنوات يعرفوا إنو أكبر خوف في أي نظام مو هو إنك ما تربح، لكن هو إنك ما تعرف تحسب مين ساهم في الأرباح. مين جاب المستخدمين، مين حقق التحويل، ومين يستحق العمولة. إذا انقطعت سلسلة البيانات، توزيع الأرباح بعدين رح يصير فوضى أكثر وأكثر. الذكاء الاصطناعي عم يعيد نفس المشكلة. صار يشبه الاقتصاد الرقمي، بس لسا ما عنده نظام توزيع أرباح متطور. النموذج يطلع إجابة، لكن وراها ممكن يكون فيه بيانات كثيرة، تعديلات على النموذج، مكتبات معرفة، وعمليات Agent، لكن في النهاية الأرباح غالباً بتوقف عند مستوى النموذج. المستخدمين يشوفوا إجابة، المنصة تشوف حجم الاستدعاءات، لكن اللي فعلاً ساهموا في خلق القيمة، مثل المساهمين في البيانات، مدربي النماذج، وبنّائي العمليات، كثير من الأحيان ما بيكونوا ضمن توزيع الأرباح اللاحق.

بعد فترة اكتشفت إنه الشيء اللي ناقص في الذكاء الاصطناعي مو النموذج، بل هو نظام التسويات.

#OpenLedger اللي عملوا في توزيع الأرباح، الإعلانات، وتسويات القنوات يعرفوا إنو أكبر خوف في أي نظام مو هو إنك ما تربح، لكن هو إنك ما تعرف تحسب مين ساهم في الأرباح. مين جاب المستخدمين، مين حقق التحويل، ومين يستحق العمولة. إذا انقطعت سلسلة البيانات، توزيع الأرباح بعدين رح يصير فوضى أكثر وأكثر.
الذكاء الاصطناعي عم يعيد نفس المشكلة. صار يشبه الاقتصاد الرقمي، بس لسا ما عنده نظام توزيع أرباح متطور. النموذج يطلع إجابة، لكن وراها ممكن يكون فيه بيانات كثيرة، تعديلات على النموذج، مكتبات معرفة، وعمليات Agent، لكن في النهاية الأرباح غالباً بتوقف عند مستوى النموذج. المستخدمين يشوفوا إجابة، المنصة تشوف حجم الاستدعاءات، لكن اللي فعلاً ساهموا في خلق القيمة، مثل المساهمين في البيانات، مدربي النماذج، وبنّائي العمليات، كثير من الأحيان ما بيكونوا ضمن توزيع الأرباح اللاحق.
سجّل الدخول لاستكشاف المزيد من المُحتوى
انضم إلى مُستخدمي العملات الرقمية حول العالم على Binance Square
⚡️ احصل على أحدث المعلومات المفيدة عن العملات الرقمية.
💬 موثوقة من قبل أكبر منصّة لتداول العملات الرقمية في العالم.
👍 اكتشف الرؤى الحقيقية من صنّاع المُحتوى الموثوقين.
البريد الإلكتروني / رقم الهاتف
خريطة الموقع
تفضيلات ملفات تعريف الارتباط
شروط وأحكام المنصّة