Senjuuem

Pendant quelques semaines, j’ai lu énormément de projets qui parlent de scaling, d’IA, jusqu’à la RWA. Mais très peu de monde aborde un point qui, selon moi, est bien plus fondamental : qui vérifie les transactions avant que l’actif ne soit réellement transféré ? Et c’est là que Newton a commencé à attirer mon attention.

Jusqu’ici, la DeFi se vante que tout est permissionless. Ça a l’air cool. Mais « permissionless » ne veut pas dire que toutes les transactions sont automatiquement valables à traiter. S’il y a un wallet à risque, une identité problématique ou une transaction qui enfreint une politique, est-ce que le système est vraiment prêt aujourd’hui ? Ou est-ce qu’on commence à s’agiter seulement après qu’un exploit a eu lieu ?

Au départ, je pensais que Newton n’était qu’un projet qui ajoute une couche de plus au-dessus de la DeFi. Mais après avoir lu à propos de la couche d’autorisation, j’ai compris que leur objectif était en réalité différent.

Ils introduisent une couche d’autorisation : une couche qui vérifie la conformité, l’identité, la sécurité et le risque avant le règlement. Pas après.

Ce qui est intéressant, c’est que Newton essaie d’empêcher les problèmes avant le settlement, pas seulement d’aider à expliquer pourquoi les problèmes apparaissent une fois qu’ils se sont déjà produits.

Presque tous les quelques mois, il y a des actualités sur des exploits en DeFi. Une fois les fonds perdus, on voit apparaître des threads d’investigation, des post-mortems et des analyses onchain. Ce qui me surprend, c’est : pourquoi la plupart des gens ne réagissent qu’après que l’argent a déjà été transféré ?

Mais d’un autre côté, j’ai aussi des questions. Qui définit les politiques ? À quel point les règles sont-elles flexibles ? Si la politique est trop stricte, la DeFi peut-elle encore être qualifiée de permissionless ? Et si elle est trop permissive, est-ce que la couche d’autorisation ne devient qu’une formalité ?

Parce que si, au final, toutes les décisions dépendent toujours des politiques, la question suivante est simple : qui crée ces politiques, et est-ce que tous les protocoles seront à l’aise pour les utiliser ?

Je n’ai pas encore dit que Newton deviendra forcément un nouveau standard de la DeFi. Il reste encore beaucoup de choses à prouver, surtout vu que nous sommes encore en phase Mainnet Beta. Mais il y a un point qui me rend curieux : dans quelques années, est-ce qu’on trouvera étrange que des transactions onchain puissent fonctionner sans aucune vérification préalable des politiques ?

@NewtonProtocol $NEWT #Newt

Au début, je pensais que Newton ne faisait que rajouter une couche de plus sur la blockchain. Mais au fur et à mesure que je lis, je me rends compte que ce qu’ils modifient n’est pas la façon dont les transactions sont exécutées, mais le processus avant que la transaction ne soit envoyée au settlement.

En fait, une idée comme celle-ci n’est pas vraiment nouvelle. Visa utilise depuis longtemps une phase d’autorisation avant le settlement. Ce qui rend ça intéressant, c’est que Newton essaie d’appliquer la même logique aux transactions onchain.

Sur la blockchain, la plupart du temps, c’est rarement comme ça. Tant que la signature est valide, que le solde est suffisant et que les règles de consensus sont respectées, la transaction s’exécute directement. D’un point de vue technique, c’est effectivement valable. Mais est-ce que c’est sûr ? Est-ce conforme à la politique ? Pas forcément.

Du coup, Newton essaie d’ajouter une étape au milieu de ce processus. Avant le settlement, la transaction est évaluée en fonction d’une policy déjà définie. Le résultat est seulement deux choses : pass ou fail. Donc ce n’est pas juste « on peut l’envoyer », mais aussi « on a le droit de l’envoyer ». Ce qui m’intrigue, c’est de savoir si toutes les applications ont vraiment besoin de politiques aussi strictes. Ou si, à terme, l’autorisation ne servira qu’aux protocoles qui ciblent précisément des institutions ?

Imagine un DAO qui transfère un trésor de dizaines de millions de dollars. Une transaction de cette ampleur pourrait-elle se contenter de passer par une signature valide, sans aucune autre vérification ?

Moi-même, je pensais toujours que la validation de la blockchain suffisait. Mais en fait, être valide techniquement ne veut pas forcément dire être valide selon les règles de l’application. C’est là que j’ai compris pourquoi Newton se concentre sur l’autorisation, plutôt que sur le settlement.

Mais il y a une question qui continue à me laisser perplexe. À quel point la policy de Newton sera-t-elle flexible ? Si les règles sont trop strictes, est-ce que l’expérience utilisateur va devenir plus lente ? Ou bien est-ce au contraire un compromis qu’il faut accepter pour que DeFi passe à l’étape supérieure ?

Ce dont je ne suis pas encore sûr, c’est plutôt si les utilisateurs DeFi « classiques » se soucieront vraiment de cette couche d’autorisation. Les institutions, clairement, en ont besoin. Mais pour le grand public (retail), est-ce que cette fonctionnalité se fera vraiment sentir comme un avantage, ou bien est-ce que ça ne fera que devenir une infrastructure qui travaille discrètement en arrière-plan ? Si la réponse est la deuxième, alors peut-être que c’est justement le signe que la couche d’autorisation fonctionne comme il se doit.

@NewtonProtocol $NEWT #Newt

Au début, je pensais que Newton n’était qu’un projet DeFi classique. Mais en creusant plus loin, je me suis rendu compte que ce qu’ils construisent n’est pas juste un nouveau protocole : c’est une couche d’autorisation pour les transactions onchain.

Imagine : tu gères un vault contenant des millions de dollars. Est-ce que ça te met à l’aise que toutes les transactions soient d’abord traitées, puis seulement ensuite vérifiées ? Et si, au final, il s’avère qu’il y a une infraction aux règles… il est déjà trop tard. L’argent a déjà été transféré.

Du coup, Newton introduit le concept de couche d’autorisation. Avant qu’une transaction n’entre dans le règlement (settlement), le système vérifie d’abord si elle respecte toutes les politiques définies. Conforme ? Ça passe. En échec ? Refusée. Ça paraît simple, mais c’est précisément cette partie qui est souvent oubliée dans le DeFi.

Beaucoup de systèmes de sécurité se déclenchent après l’exécution de la transaction. Le problème, c’est qu’en blockchain, une fois que l’actif a bougé, c’est fait : difficile de revenir en arrière. Franchement, les rapports post-incident sont importants, mais pour les victimes d’un exploit, un rapport ne rend pas les fonds déjà perdus.

Les cas d’usage sont très parlants aussi. Imagine un trésor (treasury) de DAO qui a une règle : les fonds ne peuvent pas être déplacés de plus de 10% en une journée. Dans un système classique, on découvre la violation seulement après que la transaction est terminée. Avec Newton, la transaction peut être refusée avant même d’être exécutée.

Mais il y a une question qui me semble tout aussi importante : qui définit les politiques ? À quel point les règles sont-elles flexibles ? Et est-ce que cette couche d’autorisation restera rapide quand le volume de transactions augmentera ? C’est, selon moi, le véritable test pour la Newton Mainnet Beta.

En ce moment, l’industrie parle beaucoup de la sécurité de la blockchain. Pour moi, l’étape suivante ne consiste pas seulement à rendre les chaînes plus rapides, mais aussi à s’assurer que les transactions exécutées respectent bien les règles.

Sinon ? Alors la couche d’autorisation ne deviendra qu’un concept intéressant, mais difficile à adopter. Si la couche d’autorisation s’avère vraiment efficace, à ton avis, est-ce qu’elle deviendra un jour une fonctionnalité standard dans chaque protocole DeFi ? Ou est-ce qu’elle ne sera utilisée que pour certains secteurs, comme le RWA et les institutions ?

@NewtonProtocol $NEWT #Newt

OpenGradient menarik karna menawarkan visi Open Intelligence yang membuat developer bisa fokus membangun aplikasi AI tanpa harus pusing mengurus seluruh infrastruktur. Mulai dari hosting model, inferensi, hingga skalabilitas, semuanya diarahkan agar pengembangan AI jadi lebih efisien.

Menurut gua, ini bisa jadi solusi buat developer yang ingin membuat chatbot, AI Agent, atau aplikasi edukasi tanpa investasi server GPU yang mahal. Use case sederhananya, UMKM bisa memakai AI untuk customer service otomatis, sekolah membuat tutor AI, atau bisnis memakai AI untuk analisis data harian.

Tapi gua juga masih punya keraguan. Konsepnya terdengar menjanjikan, namun keberhasilannya sangat bergantung pada seberapa besar adopsi developer dan penyedia komputasi. Infrastruktur AI bukan cuma soal teknologi, tapi juga soal komunitas dan ekosistem yang aktif. Tanpa itu, jaringan secanggih apa pun akan sulit berkembang.

Pengalaman gua melihat banyak proyek Web3 dan AI, sering kali visi mereka luar biasa, tapi eksekusinya engga selalu sesuai ekspektasi. Kritik gua, OpenGradient harus lebih banyak menunjukkan implementasi nyata, benchmark performa, dan contoh aplikasi yang benar-benar dipakai publik, bukan hanya fokus pada narasi masa depan.

Meski begitu, OpenGradient tetap layak dipantau karna membawa pendekatan yang lebih terbuka untuk pengembangan AI. Kalo ekosistemnya terus berkembang, peluang lahirnya aplikasi AI yang lebih transparan dan scalable akan semakin besar.

Menurut lu, apakah OpenGradient bisa menjadi fondasi Open Intelligence berikutnya, atau masih butuh pembuktian lebih jauh?

@OpenGradient $OPG #opg

Beaucoup de gens pensent que les agents IA ne sont qu’un chatbot plus “intelligent”. En réalité, la différence ne réside pas dans la façon dont il répond, mais dans l’ensemble des processus qui se déroulent avant que cette réponse n’apparaisse.

Une seule tâche peut suffire à faire exécuter à un agent une multitude d’inférences. Au début, on utilise un modèle de langage pour comprendre les instructions, puis on enchaîne avec d’autres modèles pour traiter les données, ensuite on passe encore à un autre modèle pour organiser le résultat final. Tout cela fonctionne dans un seul workflow.

C’est là que j’ai commencé à me dire que le modèle IA lui-même n’est peut-être plus le plus grand défi.

Ce qui complique vraiment les choses, c’est l’infrastructure. Un seul agent peut nécessiter des dizaines d’inférences. Maintenant, imagine des milliers d’agents qui travaillent ensemble au même moment. La puissance de calcul doit rester opérationnelle, l’accès aux modèles doit être fluide, et aucun goulot d’étranglement ne doit apparaître au milieu du processus.

C’est pour ça qu’OpenGradient devient intéressant.

OpenGradient construit un réseau d’Open Intelligence qui permet d’héberger des modèles IA, d’exécuter les inférences à grande échelle, et de partager la puissance de calcul entre de nombreux participants au réseau. Ainsi, la charge ne s’empile pas uniquement chez un seul fournisseur de services.

Mais la performance ne suffit pas.

Plus un agent IA devient autonome, plus il est important de savoir ce qui se passe réellement “derrière le rideau”. Si un agent prend des dizaines de décisions, il faut pouvoir prouver que toutes ces inférences sont bien exécutées, et pas seulement sortir un résultat sans trace.

C’est pourquoi je vois OpenGradient non seulement comme une initiative visant à faire tourner l’IA plus vite. Ce qui est plus captivant, c’est l’effort pour bâtir une base où le calcul, l’inférence et la vérification peuvent fonctionner ensemble, dans un écosystème plus ouvert.

Et si, à l’avenir, l’agent IA devenait une nouvelle façon d’interagir avec l’IA, la chose la plus déterminante ne sera probablement pas seulement qui possède le modèle le plus intelligent. Mais plutôt qui dispose de l’infrastructure la plus prête pour le faire fonctionner.

@OpenGradient $OPG #opg

Je me rends compte à quel point, quand on parle d’IA, la plupart des gens se focalisent directement sur les modèles. Pourtant, d’après moi, ce qui compte le plus, c’est l’infrastructure. À quoi bon avoir le modèle d’IA le plus sophistiqué si les fondations du réseau sont fragiles ? C’est justement, d’après moi, ce sur quoi OpenGradient essaie encore de travailler : comment faire tourner l’informatique pour l’IA sans dépendre d’un seul serveur.

Un nœud, c’est comme une machine en coulisses. Sans nœuds, il n’y aurait pas d’hébergement pour les modèles, pas d’inférence, ni de distribution du calcul. Tout s’arrête. Ça a l’air simple, mais c’est précisément cette partie qui est souvent négligée.

Honnêtement, au début je pensais aussi que les nœuds, c’était juste des ordinateurs allumés 24 h/24. En fait, plus je lis, plus je vois que c’est la fondation qui permet à tout l’écosystème de l’IA d’exister.

Ça m’est arrivé plusieurs fois : j’utilisais l’IA pour faire quelque chose, et là… la réponse était incroyablement lente parce que le serveur était saturé. Des moments comme ceux-là m’ont fait penser que le problème ne venait peut-être pas du modèle.

Mais il y a une question qui ne me quitte pas. Plus il y a de nœuds, plus la coordination du réseau devient complexe. Et ce qui m’inquiète, c’est le hype. Beaucoup de projets parlent facilement de la décentralisation, mais une fois utilisés par beaucoup de gens, ils finissent par tomber en panne. L’épreuve réelle, c’est là que ça se joue.

Même maintenant, l’IA commence déjà à être utilisée partout. Tu te rends compte que dans quelques années, quand des agents d’IA tourneront de concert dans diverses applications ? À ce moment-là, les nœuds détermineront si tout se passe bien… ou si ça devient un goulot d’étranglement.

D’après moi, c’est justement le plus grand défi d’OpenGradient. Pas seulement augmenter le nombre de nœuds, mais garantir que le réseau reste stable quand l’usage augmente de manière exponentielle. Beaucoup de projets se vantent de dire « nous sommes décentralisés », mais au moment où le trafic devient élevé, ça s’écroule.

Je peux me tromper. Mais d’après moi, la prochaine guerre de l’IA ne sera plus une question de savoir qui possède le modèle le plus performant. Ceux qui gagneront, ce sont ceux qui ont l’infrastructure la plus solide.

@OpenGradient $OPG #OPG

Selon toi, quel est le facteur le plus important pour l’avenir d’OpenGradient ?

Avant de l’utiliser pour des choses importantes, je me pose toujours une question sur l’IA. Comment je sais que le processus derrière ses réponses s’est réellement produit, et n’est pas juste une invention ?

Honnêtement, au début je ne me posais pas vraiment la question. Mais plus j’utilise l’IA, plus cette interrogation devient difficile à ignorer.

Parce qu’aujourd’hui, on s’appuie de plus en plus sur l’IA : pour coder, pour la recherche, pour l’analyse de données, et même pour aider à prendre des décisions. Mais ce qui est drôle, c’est que la plupart des gens ne reçoivent que le résultat final. Quel modèle a été utilisé ? L’inférence fonctionne-t-elle vraiment ? Ou est-ce juste une affirmation ? On ne le sait jamais.

D’après moi, c’est un énorme chantier pour l’industrie de l’IA. Car même si le modèle est très sophistiqué, si le processus n’est pas vérifiable, au final on ne fait que nous demander de croire.

Pour moi, ce n’est pas un petit problème. Surtout si l’IA commence à servir à prendre des décisions dont les conséquences sont importantes.

C’est là qu’OpenGradient adopte une approche qui, selon moi, est intéressante. Ils ne se contentent pas de construire des réseaux pour l’hébergement et l’inférence de l’IA : ils mettent aussi en place des mécanismes de vérification. L’objectif n’est donc pas de garantir que la réponse de l’IA est forcément correcte—car l’IA peut quand même se tromper. Ce qui est vérifié, c’est le processus : l’inférence est-elle réellement exécutée ? Le modèle correspond-il ? L’activité peut-elle être auditable ?

Pour moi, c’est précisément là que la valeur d’OpenGradient devient visible.

Imagine une entreprise qui utilise l’IA pour analyser les données clients, ou un hôpital qui commence à utiliser l’IA pour aider le travail des équipes médicales. La question, c’est : est-ce qu’on peut vraiment se contenter de croire aux résultats, sans preuve que le processus a bien eu lieu ?

La blockchain chez OpenGradient n’est pas là pour remplacer l’IA. Son rôle, c’est plutôt d’ajouter une couche de confiance : enregistrer les activités importantes pour plus de transparence et pour les rendre plus difficiles à manipuler.

D’après moi, à l’avenir, les questions autour de l’IA ne seront plus : « À quel point le modèle est-il intelligent ? », mais plutôt : « Dans quelle mesure peut-on faire confiance au processus ? »

Et peut-être que ce type de vérification déterminera justement quelles IA sont vraiment dignes d’être utilisées dans le monde réel—pas seulement celles qui sont les plus impressionnantes sur le papier.

Si l’IA sert à prendre des décisions importantes, qu’est-ce qui te fait le plus confiance ?

@OpenGradient $OPG #OPG

Honnêtement, beaucoup de gens se concentrent sur les capacités de l'IA, mais il est rare d'entendre parler de l'hébergement. Pourtant, sans un bon hébergement, peu importe à quel point un modèle d'IA est sophistiqué, il ne pourra pas être utilisé de manière cohérente.

Open Gradient ne se contente pas de parler de modèles d'IA plus ouverts. Ils essaient également de rendre le processus d'hébergement et d'inférence de l'IA accessible à un réseau plus large, pas seulement à quelques entreprises cloud.

Ça a l'air intéressant. Mais j'ai quelques questions.

La décentralisation rend-elle automatiquement l'hébergement de l'IA meilleur ? Pas nécessairement.

Imagine que tu utilises l'IA pour travailler ou apprendre pendant les heures de pointe. Ce qui t'importe, ce n'est pas l'architecture du réseau ou le nombre de nœuds. Tu veux juste une réponse rapide et stable.

Par exemple, si tu utilises l'IA pour aider à coder, faire des recherches ou créer du contenu à une échéance. Tu ne te soucies pas de quel nœud ta requête est traitée. Ce qui compte, c'est que le résultat sorte en quelques secondes, pas en quelques minutes.

Je me souviens encore du moment où l'hype DePIN a explosé l'année dernière. Presque tous les projets parlaient de l'utilisation des ressources inactives. Mais quand on a cherché des utilisateurs, il s'est avéré qu'ils étaient encore rares. C'est ce qui me rend un peu sceptique quand j'entends le discours sur l'hébergement d'IA décentralisé.

Et en fait, je comprends pourquoi OpenGradient ose prendre cette direction. L'infrastructure de l'IA est actuellement trop centralisée sur quelques grandes entreprises. Si Open Gradient peut ouvrir l'accès à l'hébergement de l'IA à plus de participants du réseau, cela pourrait être une étape intéressante pour l'avenir de l'Intelligence Ouverte.

Ce qui me trouble, c'est que les modèles d'IA modernes nécessitent des GPU coûteux et une connexion stable. Alors, combien de nœuds indépendants peuvent réellement exécuter des modèles d'IA à grande échelle sans sacrifier la qualité du service ?

À mon avis, l'hébergement est l'endroit où tous les discours sur l'Intelligence Ouverte seront testés. C'est facile de parler d'IA ouverte. C'est beaucoup plus difficile de prouver qu'un réseau décentralisé peut offrir des performances équivalentes, voire meilleures, que le cloud traditionnel.

@OpenGradient $OPG #OPG

Gua selalu ngerasa ada yang aneh di dunia AI.

Lucunya, sebelum baca soal OpenGradient, gua hampir engga pernah mikirin hal beginian.

Setiap hari kita pake AI buat nulis, nyari ide, bikin konten, bahkan bantu kerja. Gua juga sama. Tapi baru belakangan gua kepikiran, siapa sebenernya yang nyediain komputasi di balik semua jawaban yang muncul di layar?

Yang menarik, saat AI makin penting buat bisnis dan ekonomi digital, sebagian besar infrastrukturnya masih bergantung pada segelintir perusahaan. Kadang gua ngerasa industri ini terlalu sibuk ngomongin model AI terbaru sampai lupa ngebahas siapa yang pegang kendali di belakangnya.

Di sinilah OpenGradient ngeliat peluang lewat visi yang mereka sebut Open Intelligence.

Mereka engga cuma fokus ke hosting AI, tapi juga coba bangun jaringan yang bisa menjalankan inferensi sekaligus memverifikasi kalo prosesnya benar-benar berjalan sesuai yang diklaim. Jadi bukan cuma soal hasil, tapi juga soal kepercayaan.

Tapi jujur aja, di bagian ini gua masih ragu. Apakah AI memang butuh desentralisasi? Atau jangan-jangan ini solusi untuk masalah yang belum dirasain mayoritas pengguna?

Soalnya kebanyakan orang cuma peduli AI yang cepet, murah, dan akurat.

Tapi bayangin kalo AI dipake buat menilai risiko bisnis, menyaring transaksi, atau ngambil keputusan yang berdampak ke uang. Kalo hasilnya salah, pertanyaan pertama pasti bukan "AI-nya pintar atau engga", tapi "gimana cara ngebuktiin prosesnya bener?"

Kalo ada satu hal yang bikin gua penasaran sama OpenGradient, mungkin bagian itu.

Masalahnya, tantangan terbesar biasanya bukan teknologi. Sejarah penuh sama produk yang secara teknis bagus tapi gagal karna orang engga punya alasan kuat buat pindah. Dan gua rasa itu tantangan terbesar OpenGradient hari ini.

Gua suka ide Open Intelligence yang mereka bawa. Tapi sejarah teknologi ngajarin satu hal: jadi lebih terbuka belum tentu cukup buat menang.

Kalo lu jadi developer AI, apakah lu tertarik nyobain infrastruktur yang lebih terbuka? Atau model terpusat masih jadi pilihan paling masuk akal?

@OpenGradient $OPG #OPG

Gua cukup tertarik sama DeXe Network karena mereka nggak cuma fokus bikin protokol DeFi biasa. Mereka mencoba nyelesain masalah yang udah lama ada di dunia kripto: gimana caranya banyak orang bisa ngelola aset, bikin keputusan investasi, dan berkolaborasi tanpa harus bergantung ke institusi pusat.

Di atas kertas, konsepnya menarik. DeXe Network adalah platform perdagangan sosial dan manajemen aset terdesentralisasi yang dijalankan oleh DeXe DAO. Artinya, arah pengembangan jaringan nggak ditentukan satu perusahaan, tapi oleh komunitas yang punya hak suara.

Tapi pertanyaannya sederhana. Apakah tata kelola komunitas beneran lebih efektif dibanding keputusan yang dibuat tim kecil yang fokus dan bergerak cepet?

Gua sering lihat DAO tampil keren saat pasar lagi naik. Semua orang aktif voting, diskusi, dan kasih ide. Tapi pas kondisi pasar memburuk, partisipasi biasanya turun drastis. Di situlah ujian sebenarnya dimulai.

Bayangin ada komunitas investor yang ngelola portofolio bersama lewat DeXe. Saat semua aset hijau, semua terlihat pintar. Tapi ketika pasar tiba-tiba anjlok 30% dalam beberapa minggu, siapa yang bertanggung jawab? Apakah keputusan komunitas masih bisa diambil secepat yang dibutuhkan?

Inilah yang bikin DeXe menarik untuk diamati sekarang. Mereka nggak cuma membangun produk, tapi juga menguji apakah model organisasi terdesentralisasi bisa bersaing dengan manajemen aset tradisional di dunia nyata.

Menurut gua, industri bakal terus memperhatikan eksperimen seperti ini. Karena kalau DeXe berhasil, mereka bukan cuma membuktikan bahwa DAO bisa mengelola protokol. Mereka membuktikan bahwa komunitas global bisa mengelola modal dan mengambil keputusan investasi dalam skala besar.

Dan itu bakal mengubah cara banyak orang memandang keuangan terdesentralisasi.

Pertanyaannya sekarang, apakah mayoritas investor benar-benar siap mempercayakan keputusan ke komunitas? Atau pada akhirnya orang tetap lebih nyaman mengikuti segelintir pihak yang dianggap ahli?

$DEXE #Write2Earn

Gua makin sering ngerasa ada yang aneh di industri AI.

Semua orang fokus ke model yang makin pintar. Ada yang bangga punya model terbesar, ada yang pamer benchmark tertinggi. Tapi jarang ada yang nanya pertanyaan paling dasar.

Siapa yang sebenernya menguasai infrastruktur AI?

Kenyataannya, sebagian besar AI yang kita pake hari ini masih bergantung ke segelintir perusahaan besar. Mereka punya GPU, server, data, dan modal yang hampir mustahil disaingi pemain kecil.

Jujur aja, menurut gua itu agak mengkhawatirkan.

Karna makin banyak kekuatan terkumpul di satu tempat, makin sedikit juga pilihan yang dimiliki pengguna. Dan kalo biaya komputasi terus naik, siapa yang bisa ikut membangun AI selain perusahaan yang punya dana miliaran dolar?

Nah, OpenGradient ngeliat masalah itu.

Singkatnya, mereka pengen bikin jaringan tempat AI bisa dijalankan dan hasilnya bisa dibuktikan, bukan cuma diterima mentah-mentah.

Yang bikin gua penasaran justru bukan model AI-nya. Tapi ide bahwa proses AI itu sendiri bisa lebih terbuka dan gak harus bergantung ke satu pihak aja.

Yang lucu, kita hampir gak pernah tahu apa yang terjadi di belakang layar itu. Model apa yang dipakai? Prosesnya benar-benar dijalankan? Atau kita cuma diminta percaya sama hasil akhirnya?

Dan menurut gua, ini bagian yang paling menarik. Soalnya selama ini kita cuma dikasih jawaban AI tanpa pernah tahu apa yang sebenernya terjadi di belakang layar.

Kedengarannya menjanjikan. Tapi pertanyaan besarnya, apakah jaringan terdesentralisasi bisa tetap cepat, murah, dan stabil saat jutaan permintaan AI datang bersamaan?

Beberapa hari lalu gua nyoba minta tiga AI berbeda ngerangkum topik yang sama. Hasilnya beda lumayan jauh. Dari situ gua mulai mikir, kita sebenernya percaya berdasarkan apa?

Karena sejarah teknologi nunjukkin satu hal. Orang sering setuju soal masalahnya, tapi belum tentu mau berubah ketika solusi baru datang.

@OpenGradient $OPG #OPG

Open Gradient essaie de combiner l'IA et la Blockchain, mais est-ce vraiment nécessaire ?

Je comprends pourquoi l'IA et la Blockchain sont de plus en plus souvent discutées. L'IA peut fournir des réponses, des analyses et même du contenu en quelques secondes, mais le problème réside dans la confiance.

Soyons honnêtes, quand tu utilises un service d'IA aujourd'hui, sais-tu vraiment quel modèle fonctionne en arrière-plan ? Ou tu fais juste confiance sans te poser de questions ?

C'est là qu'Open Gradient entre en jeu.

Ils construisent un réseau qui combine l'IA et la Blockchain dans un seul écosystème. L'objectif est simple : l'IA génère de l'intelligence, la Blockchain fournit transparence et vérification.

Je pense que c'est logique, mais je me demande aussi si la Blockchain peut vraiment résoudre le plus grand problème de l'IA ?

Imagine une grande entreprise utilisant l'IA pour prendre des décisions importantes. Les résultats peuvent sortir en quelques secondes, mais comment ces résultats sont-ils générés ? OpenGradient veut présenter un mécanisme permettant de vérifier que certaines activités peuvent être vérifiées, pas seulement crues sur parole.

C'est la partie la plus intéressante de ce projet. Ils ne se concentrent pas sur le fait de rendre l'IA plus intelligente, mais sur le fait de rendre l'IA plus fiable.

Mais rappelle-toi que la vérification ne signifie pas automatiquement que c'est vrai. La Blockchain peut aider à prouver que le processus suit les règles, mais cela ne garantit pas que le modèle est correct, que les données sont de qualité ou que les conclusions sont toujours précises.

OpenGradient a un défi : s'ils réussissent, nous pourrions voir un avenir avec un marché de l'IA ouvert, des agents d'IA vérifiables et une infrastructure qui ne dépend pas d'un petit nombre de grandes entreprises.

Et je me demande aussi si l'IA prend des décisions erronées, qui est responsable ? Parce que répondre à cette question semble plus difficile que de construire la technologie elle-même.

@OpenGradient $OPG #OPG

Lu sadar engga, maintenant faire un modèle d'IA c'est de plus en plus facile, mais le faire à grande échelle reste difficile ? Au final, beaucoup de développeurs, startups, même des chercheurs, dépendent encore des gros fournisseurs de cloud. À mon avis, c'est l'un des problèmes qu'OpenGradient essaie de résoudre avec le concept d'Open Intelligence.

Le premier principe qu'ils poussent est l'ouverture. Et je pense que c'est vraiment important. Parce que l'innovation ne vient pas toujours des grandes entreprises. Imagine un développeur qui a réussi à créer un super modèle d'IA, mais qui n'a pas accès à l'infrastructure suffisante pour le faire fonctionner. Le modèle est bon, l'idée est solide, mais il est bloqué par le coût et l'accès. OpenGradient essaie de rendre l'infrastructure d'IA plus ouverte pour que plus de gens puissent participer.

Ensuite, il y a la décentralisation. Honnêtement, je pense que c'est un peu risqué que l'avenir de l'IA dans le monde dépende seulement de quelques grands centres de données. S'il y a une panne, un changement de politique, ou des restrictions d'accès, l'impact peut être ressenti par beaucoup. OpenGradient essaie de répartir les ressources entre de nombreux participants dans le réseau, donc il n'y a pas un seul point qui soit trop dominant.

Ce qui m'intéresse le plus, c'est la vérification. À l'ère de l'IA maintenant, nous recevons souvent des réponses sans savoir le processus derrière. Pourtant, si l'IA est de plus en plus utilisée pour prendre des décisions importantes, la capacité de vérifier les résultats ne devient-elle pas essentielle ? OpenGradient ne se concentre pas seulement sur le fonctionnement de l'IA, mais s'efforce aussi d'apporter un processus plus transparent et vérifiable.

Bien sûr, l'ouverture à elle seule n'est pas suffisante. Le réseau doit également pouvoir évoluer à mesure que le nombre d'utilisateurs augmente, se connecter à divers écosystèmes, et rester sécurisé. Parce qu'il ne sert à rien d'avoir un système ouvert si, lorsqu'il est utilisé par beaucoup, il s'effondre.

À mon avis, la grande question n'est pas de savoir si l'IA va changer le monde. C'est déjà certain. La question est, qui va contrôler cette infrastructure d'IA ? Une poignée de grandes entreprises, ou une communauté mondiale qui participe à la construction, à l'exécution et à la vérification ensemble ?

@OpenGradient $OPG #OPG

Je me suis retrouvé à penser à la photocopieuse sur le campus
Ce qui est drôle, c'est qu'il n'y a presque personne qui se soucie de savoir qui possède cette machine
Tant que le papier sort à l'autre bout
Et que les devoirs peuvent être remis à temps
Je ne sais pas pourquoi c'est ce qui m'est venu à l'esprit en lisant sur OpenGradient
J'ai toujours pensé que l'IA fonctionnait d'une manière similaire
Un endroit
Un propriétaire
Un système qui gère tout
Et pour être honnête, il n'y a rien de bizarre là-dedans
Le modèle est là
Le serveur est là
Les règles viennent aussi de là
C'est même peut-être la manière la plus efficace de construire quelque chose
Mais plus je réfléchis
Plus je sens que tout dépend du même centre
Si le centre change
Les règles changent aussi
Si le centre a des problèmes
Tout le monde le ressent
Mais je ne sais pas pourquoi OpenGradient me ramène à cette hypothèse
Ce n'est pas une question de construire un système plus grand
Mais de diffuser la capacité de l'IA à plus de participants
Je ne suis pas sûr que cette analogie de la photocopieuse soit parfaite
Mais je pense qu'elle est assez proche
Au début, je pensais que ce qui changeait, c'était juste l'emplacement du calcul
Mais plus j'y pense
Ce qui change peut-être, c'est qui doit être cru
Sur les plateformes d'IA traditionnelles
La réponse émerge
Les utilisateurs font confiance
Et généralement, l'histoire s'arrête là
C'est à ce moment-là que je commence à poser des questions auxquelles je n'avais jamais pensé auparavant
Et si les résultats de l'IA n'étaient pas seulement acceptés
Mais pouvaient aussi être vérifiés
Au début, je pensais que c'était juste un bonus de transparence
Quelque chose qui sonne bien sur le papier
Mais plus j'y pense
Et curieusement, je reviens toujours à cette partie
Parce qu'il y a un grand fossé entre faire confiance à une entreprise
Et pouvoir vérifier le processus par soi-même
Mais je ne suis pas sûr que la plupart des gens s'en soucient
Si la réponse arrive en une seconde
En général, la question s'arrête là
Cela dit, je reste curieux
Si un jour l'IA devient une infrastructure comme Internet
Est-ce que la confiance en une seule partie est encore suffisante
Je ne suis pas sûr
Mais dernièrement, je commence à me méfier que la question ne soit plus combien l'IA est intelligente
Mais combien nous pouvons croire sans avoir besoin de redemander encore

@OpenGradient $OPG #OPG

T'as déjà réfléchi pourquoi l'internet a rendu l'info accessible à tout le monde ? Par contre, l'IA super avancée reste contrôlée par une poignée d'entreprises ?

J'trouve ça vraiment ironique, on vit à l'ère digitale, mais l'accès à l'intelligence digitale est de plus en plus centralisé.

C'est là que j'vois que l'Open Intelligence devient intéressant. C'est pas juste une question d'IA qui déchire, mais d'une IA ouverte, transparente et accessible à tous. Parce que, à quoi bon avoir une IA si elle ne peut être utilisée que par ceux qui ont du gros capital ?

Imagine que cette année tu veux créer une appli IA pour les PME, mais t'as des problèmes de coûts, de calcul et d'infrastructure hyper chers. Au final, tu es bloqué et tu peux pas évoluer, et ça pourrait être un des plus gros soucis dans l'industrie de l'IA aujourd'hui.

Parce que j'ai remarqué que quelques années en arrière, créer un site web, c'était juste avoir un ordi, mais maintenant quand tu rentres dans le monde de l'IA, c'est un peu différent. Les modèles deviennent plus lourds, les coûts de calcul explosent et tout le monde n'a pas accès à cette infrastructure.

Je pense aussi que l'Open Gradient a un rôle intéressant, ils construisent un réseau pour l'Open Intelligence, un endroit où les modèles IA peuvent être hébergés, exécutés et vérifiés à grande échelle. On peut dire que c'est la fondation pour que l'IA soit accessible à un plus grand nombre.

Tu peux imaginer un chercheur en Indonésie, un développeur au Brésil et un fournisseur de calcul en Allemagne, mais ils peuvent contribuer à un écosystème commun sans dépendre d'une seule entreprise. Pour moi, ce genre de truc peut accélérer l'innovation.

Et peut-être qu'à l'avenir, l'IA comme ça, ce sera comme l'internet ou l'électricité, utilisée par tout le monde sans se soucier de qui la possède. Si ça arrive, l'Open Intelligence ne sera pas juste une tendance technologique, mais une nouvelle base pour l'économie digitale.

Peut-être que la question ne sera plus de savoir à quel point l'IA est intelligente, mais qui a accès à cette intelligence ? Je peux dire que l'avenir de la connaissance digitale sera déterminé par la réponse à cette question.

@OpenGradient $OPG #OPG