Crypto_Diva1
Crypto enthusiast 📈 | Learning & sharing market insights | Binance trader | Growth • Discipline • Consistency 💛
Otwarta transakcja
Posiadacz BNB
Trader standardowy
Lata: 1.4
2.0K+ Obserwowani
1.7K+ Obserwujący
1.0K+ Polubione
9 Udostępnione
Posty
Portfolio
Wszystko
Cytaty
Na żywo
Zobacz tłumaczenie
I’m really enjoying being part of the Binance campaign and learning new things every day! 🚀
But I know there is still a lot more for me to learn about campaigns, strategies, and how everything works in detail.
If any experienced creator or community member can guide me, share tips, or help me understand things better, I would truly appreciate it. 🙌
Please comment below or share your advice. Your guidance could really help me improve and grow in this journey.
Thank you in advance! 💛
#Binance #BinanceCreator #LearnAndGrow #CryptoCommunity
But I know there is still a lot more for me to learn about campaigns, strategies, and how everything works in detail.
If any experienced creator or community member can guide me, share tips, or help me understand things better, I would truly appreciate it. 🙌
Please comment below or share your advice. Your guidance could really help me improve and grow in this journey.
Thank you in advance! 💛
#Binance #BinanceCreator #LearnAndGrow #CryptoCommunity
Systemy autonomiczne są oceniane na podstawie tego, co robią, ale rzeczywisty koszt często ukryty jest w tym, czego systemy autonomiczne nie robią.
Systemy autonomiczne mają zadania, które są bezczynne, a systemy autonomiczne mają zależności, które nie są widoczne, i systemy autonomiczne mają opóźnienia, które są ciche.
Te rzeczy cicho obciążają $ROBO pod @Fabric Foundation
Dobre systemy autonomiczne przekształcają okresy, gdy są bezczynne, w czasy, kiedy mogą się uczyć i sprzątać.
Systemy autonomiczne, które nie są zdrowe, po prostu pozwalają, by niewidoczne problemy narastały.
To nie wystarczy, by systemy autonomiczne po prostu wykonywały zadania.
Systemy autonomiczne muszą także zarządzać niewidocznym obciążeniem.
Systemy autonomiczne potrzebują tego, aby być naprawdę autonomiczne.
#ROBO #robo $ROBO
Systemy autonomiczne mają zadania, które są bezczynne, a systemy autonomiczne mają zależności, które nie są widoczne, i systemy autonomiczne mają opóźnienia, które są ciche.
Te rzeczy cicho obciążają $ROBO pod @Fabric Foundation
Dobre systemy autonomiczne przekształcają okresy, gdy są bezczynne, w czasy, kiedy mogą się uczyć i sprzątać.
Systemy autonomiczne, które nie są zdrowe, po prostu pozwalają, by niewidoczne problemy narastały.
To nie wystarczy, by systemy autonomiczne po prostu wykonywały zadania.
Systemy autonomiczne muszą także zarządzać niewidocznym obciążeniem.
Systemy autonomiczne potrzebują tego, aby być naprawdę autonomiczne.
#ROBO #robo $ROBO
ROBO i Niewidzialny Ładunek Bezczynnych Systemów
Kiedy myślimy o systemach, które działają samodzielnie, zazwyczaj zwracamy uwagę na to, jak są zajęte, jaką pracę wykonują, jak szybko to robią i jak dobrze to kończą.
Te rzeczy są ważne do poznania.
Nie robienie niczego również może być problemem.
Jeśli zadanie nie zostanie wykonane dzisiaj, może wymagać pracy, aby je wykonać jutro. Rzeczy, które zależą od siebie, mogą stać się niespójne lub to, co jest ważne, może się zmienić bez naszego zauważenia. Ludzie, którzy dbają o system, muszą wykonywać pracę, nie zdając sobie z tego sprawy, a z biegiem czasu części systemu, które nic nie robią, mogą powodować problemy, które stają się coraz większe.
Te rzeczy są ważne do poznania.
Nie robienie niczego również może być problemem.
Jeśli zadanie nie zostanie wykonane dzisiaj, może wymagać pracy, aby je wykonać jutro. Rzeczy, które zależą od siebie, mogą stać się niespójne lub to, co jest ważne, może się zmienić bez naszego zauważenia. Ludzie, którzy dbają o system, muszą wykonywać pracę, nie zdając sobie z tego sprawy, a z biegiem czasu części systemu, które nic nie robią, mogą powodować problemy, które stają się coraz większe.
Zobacz tłumaczenie
You can really trust systems that do what you expect them to do.
On the other hand systems that are surprising in a predictable way are very expensive.
The $ROBO under @Fabric Foundation usually does what it is supposed to do.
Sometimes there are mistakes.
These mistakes are not a deal on their own.
When they happen together they make it hard to trust the system and they make it hard to work together and make decisions without someone else telling you what to do good systems get better at dealing with surprises over time or bad systems create work that you do not even notice being able to make decisions without someone else telling you what to do is not about doing things fast and it is about doing things in a way that's predictable and reliable that is what autonomy is.
#ROBO #robo $ROBO
On the other hand systems that are surprising in a predictable way are very expensive.
The $ROBO under @Fabric Foundation usually does what it is supposed to do.
Sometimes there are mistakes.
These mistakes are not a deal on their own.
When they happen together they make it hard to trust the system and they make it hard to work together and make decisions without someone else telling you what to do good systems get better at dealing with surprises over time or bad systems create work that you do not even notice being able to make decisions without someone else telling you what to do is not about doing things fast and it is about doing things in a way that's predictable and reliable that is what autonomy is.
#ROBO #robo $ROBO
Zobacz tłumaczenie
Robo and the Cost of Predictable Surprise
In systems that work on their own people like it when they can trust what will happen everyone has faith in the system because it does what it is supposed to do most of the time but what happens when something unexpected happens in a way that's predictable.
ROBO which is part of the Fabric Foundation does a lot of tasks most of the time these tasks work as they should but sometimes small things change or something becomes more important the timing is different the system learns something new Each of these changes makes sense and each one is small.
Over time these small changes that are not totally surprising add up the things that happen after these changes what people who use the system expect and other systems that depend on it or all of these feel the effects on their own these changes are not a deal and together they slowly make it harder for people to trust the system and work together.
The problem that is not easy to see is that people who use the system and those who take care of it get used to these surprises they start to plan for them they wait to make decisions or they add checks to make sure everything is okay on paper the system is still autonomous people have to watch it more closely.
A good system pays attention to these changes learns from them and tries to make them less surprising over time. A system that is not healthy gets used to working around the surprises.
What really matters for systems that work on their own is not how fast they are or how much they can do. It is whether the surprises they create are predictable controlled and something that can be learned from or whether they slowly make people lose trust.
Because the big risk is not that something will go terribly wrong.
It is the inevitable change from a system that works on its own to one that needs people to watch it all the time.
@Fabric Foundation #ROBO $ROBO
ROBO which is part of the Fabric Foundation does a lot of tasks most of the time these tasks work as they should but sometimes small things change or something becomes more important the timing is different the system learns something new Each of these changes makes sense and each one is small.
Over time these small changes that are not totally surprising add up the things that happen after these changes what people who use the system expect and other systems that depend on it or all of these feel the effects on their own these changes are not a deal and together they slowly make it harder for people to trust the system and work together.
The problem that is not easy to see is that people who use the system and those who take care of it get used to these surprises they start to plan for them they wait to make decisions or they add checks to make sure everything is okay on paper the system is still autonomous people have to watch it more closely.
A good system pays attention to these changes learns from them and tries to make them less surprising over time. A system that is not healthy gets used to working around the surprises.
What really matters for systems that work on their own is not how fast they are or how much they can do. It is whether the surprises they create are predictable controlled and something that can be learned from or whether they slowly make people lose trust.
Because the big risk is not that something will go terribly wrong.
It is the inevitable change from a system that works on its own to one that needs people to watch it all the time.
@Fabric Foundation #ROBO $ROBO
Zobacz tłumaczenie
People always look at how busy a system's.
Few people check if a system is quiet.
When something like $ROBO under @Fabric Foundation stops sending out lots of alerts and warnings that is a deal this means the system is now stable systems that make a lot of noise get noticed or good systems eventually become quiet systems the good systems keep working and quiet systems keep working too.
#ROBO #robo $ROBO
Few people check if a system is quiet.
When something like $ROBO under @Fabric Foundation stops sending out lots of alerts and warnings that is a deal this means the system is now stable systems that make a lot of noise get noticed or good systems eventually become quiet systems the good systems keep working and quiet systems keep working too.
#ROBO #robo $ROBO
Zobacz tłumaczenie
ROBO and the Power of System Silence
Most people think that a good system is one that is always doing something or they like to see a lot of activity like alerts and updates and announcements.
More alerts.
More updates.
More announcements.
But the best systems are actually the ones that are quiet there are no fixes or emergency patches or sudden changes or the system just keeps working this kind of quiet is not because the system is not doing anything it is because the system is stable and when I think about ROBO and the Fabric Foundation I do not think about how noise the system makes.
I think about how the system can work without anyone needing to fix it new systems are always making noise or the people who run the system have to watch it all the time they have to make new rules all the time and it can be exciting to see all this activity it also means that the system is not very strong.
A strong system is one that can work by itself when a system is strong problems do not happen often or the people who run the system do not have to watch it all the time.
The system can just run quietly.
It is hard to make a system like this.
The system needs to have rules that work even when things get tough it needs to be able to work even when it gets very big or It needs to be able to fix problems before they get out of hand and most of the time people like to see systems that are always doing something.
The best systems are the ones that can work quietly the strongest systems are not the ones that everyone is talking about all the time they are the ones that just keep working without anyone noticing and ROBO is a system like that.
It is a system that can work quietly that is what makes it strong.
@Fabric Foundation #ROBO $ROBO
More alerts.
More updates.
More announcements.
But the best systems are actually the ones that are quiet there are no fixes or emergency patches or sudden changes or the system just keeps working this kind of quiet is not because the system is not doing anything it is because the system is stable and when I think about ROBO and the Fabric Foundation I do not think about how noise the system makes.
I think about how the system can work without anyone needing to fix it new systems are always making noise or the people who run the system have to watch it all the time they have to make new rules all the time and it can be exciting to see all this activity it also means that the system is not very strong.
A strong system is one that can work by itself when a system is strong problems do not happen often or the people who run the system do not have to watch it all the time.
The system can just run quietly.
It is hard to make a system like this.
The system needs to have rules that work even when things get tough it needs to be able to work even when it gets very big or It needs to be able to fix problems before they get out of hand and most of the time people like to see systems that are always doing something.
The best systems are the ones that can work quietly the strongest systems are not the ones that everyone is talking about all the time they are the ones that just keep working without anyone noticing and ROBO is a system like that.
It is a system that can work quietly that is what makes it strong.
@Fabric Foundation #ROBO $ROBO
Ekscytujące systemy przyciągają dużo uwagi lub ludzie je zauważają.
Niezawodne systemy są inne, nie zaskakują nas już więcej lub stają się nudne do oglądania, że zmiana to sprawa i to jest kamień milowy dla systemów jak $ROBO pod @Fabric Foundation
Kiedy rzeczy takie jak ROBO pod Fabric Foundation robią to, co powinny, oznacza to, że działają dobrze, oznacza to, że zasady są jasne i wiemy, czego się spodziewać.
Rynki lubią ekscytujące rzeczy.
Ludzie ekscytują się rzeczami.
Prawdziwa autonomia nie polega na byciu ekscytującym.
Chodzi o to, aby być konsekwentnym.
Ponieważ najlepsze systemy robią to samo za każdym razem.
Nie zaskakują nas.
Po prostu działają.
Najsilniejsze systemy stają się nudne.
#ROBO #robo $ROBO
Niezawodne systemy są inne, nie zaskakują nas już więcej lub stają się nudne do oglądania, że zmiana to sprawa i to jest kamień milowy dla systemów jak $ROBO pod @Fabric Foundation
Kiedy rzeczy takie jak ROBO pod Fabric Foundation robią to, co powinny, oznacza to, że działają dobrze, oznacza to, że zasady są jasne i wiemy, czego się spodziewać.
Rynki lubią ekscytujące rzeczy.
Ludzie ekscytują się rzeczami.
Prawdziwa autonomia nie polega na byciu ekscytującym.
Chodzi o to, aby być konsekwentnym.
Ponieważ najlepsze systemy robią to samo za każdym razem.
Nie zaskakują nas.
Po prostu działają.
Najsilniejsze systemy stają się nudne.
#ROBO #robo $ROBO
ROBO i wartość nudnych systemów
Ludzie zwykle myślą, że potężne systemy są ekscytujące i zawsze się zmieniają.
Oni wyobrażają sobie aktualizacje i nowe funkcje dodawane przez cały czas.
Co tydzień są ogłoszenia, ulepszenia i optymalizacje.
Prawda jest taka, że najsilniejsze systemy na świecie ostatecznie stają się nudne, nic nie jest niespodziewane, nic nie zmienia się w dużym stopniu, albo system po prostu działa tak, jak powinien.
W systemach, które działają samodzielnie, bycie nudnym nie jest problemem, to w rzeczywistości znak, że system jest dojrzały i działa dobrze, i tak myślę o ROBO, gdy patrzę na to jako część Fabric Foundation.
Oni wyobrażają sobie aktualizacje i nowe funkcje dodawane przez cały czas.
Co tydzień są ogłoszenia, ulepszenia i optymalizacje.
Prawda jest taka, że najsilniejsze systemy na świecie ostatecznie stają się nudne, nic nie jest niespodziewane, nic nie zmienia się w dużym stopniu, albo system po prostu działa tak, jak powinien.
W systemach, które działają samodzielnie, bycie nudnym nie jest problemem, to w rzeczywistości znak, że system jest dojrzały i działa dobrze, i tak myślę o ROBO, gdy patrzę na to jako część Fabric Foundation.
Systemy autonomiczne działają dobrze, gdy wszystko jest łatwe do zrozumienia.
Prawdziwy test dla systemów następuje, gdy sygnały się nie zgadzają i nie jesteśmy pewni, co się dzieje dla @Fabric Foundation i $ROBO , a dużym problemem nie jest zrealizowanie zadań, lecz utrzymanie stabilności, gdy nie jesteśmy pewni, co się wydarzy, a dobre systemy autonomiczne nie czekają, aż wszystkie informacje będą doskonałe.
Mogą radzić sobie z rzeczami, które są niejasne, bez robienia dużego bałaganu, ponieważ prawdziwe systemy nie są budowane na czas, gdy wszystko jest doskonałe, są budowane na czasy, gdy trudno być pewnym, co się dzieje w systemach autonomicznych
#robo $ROBO
Prawdziwy test dla systemów następuje, gdy sygnały się nie zgadzają i nie jesteśmy pewni, co się dzieje dla @Fabric Foundation i $ROBO , a dużym problemem nie jest zrealizowanie zadań, lecz utrzymanie stabilności, gdy nie jesteśmy pewni, co się wydarzy, a dobre systemy autonomiczne nie czekają, aż wszystkie informacje będą doskonałe.
Mogą radzić sobie z rzeczami, które są niejasne, bez robienia dużego bałaganu, ponieważ prawdziwe systemy nie są budowane na czas, gdy wszystko jest doskonałe, są budowane na czasy, gdy trudno być pewnym, co się dzieje w systemach autonomicznych
#robo $ROBO
ROBO i koszt niepewności
Systemy nie zawodzą, ponieważ nie są inteligentne.
Nie udają się, ponieważ muszą radzić sobie z rzeczami, do których nie były zaprojektowane.
Kiedy wielu agentów działa razem, zawsze jest coś, co nie jest pewne.
Czasami dane przychodzą późno.
Czasami sygnały się nie zgadzają.
Czasami rzeczy, które są ze sobą połączone, nie działają.
To, co wydaje się jasnym wyborem, staje się mylące lub problemem nie jest tylko to, aby agenci robili rzeczy, ale to, jak powinni działać, gdy nie są pewni, co robić, i tak myślę o ROBO, gdy jest częścią Fundacji Fabric.
Nie udają się, ponieważ muszą radzić sobie z rzeczami, do których nie były zaprojektowane.
Kiedy wielu agentów działa razem, zawsze jest coś, co nie jest pewne.
Czasami dane przychodzą późno.
Czasami sygnały się nie zgadzają.
Czasami rzeczy, które są ze sobą połączone, nie działają.
To, co wydaje się jasnym wyborem, staje się mylące lub problemem nie jest tylko to, aby agenci robili rzeczy, ale to, jak powinni działać, gdy nie są pewni, co robić, i tak myślę o ROBO, gdy jest częścią Fundacji Fabric.
Systemy autonomiczne mają doświadczenie co minutę.
Wielkie pytanie brzmi, czy te systemy autonomiczne rzeczywiście pamiętają, co się wydarzyło.
Jeśli te same problemy wciąż się pojawiają, oznacza to, że systemy autonomiczne tak naprawdę nie uczą się na swoim doświadczeniu, lecz ludzie, którzy je obsługują.
Dla @Fabric Foundation i $ROBO prawdziwym testem nie jest to, jak szybko mogą coś zrobić.
Testem jest, czy systemy autonomiczne potrafią wykorzystać to, czego nauczyły się z problemów, aby zautomatyzować rzeczy w przyszłości.
Ponieważ systemy autonomiczne mogą tylko się poprawić, gdy pamiętają, co się wydarzyło.
Nie wtedy, gdy ludzie korzystający z systemów autonomicznych pamiętają, co się wydarzyło.
#ROBO #robo $ROBO
Wielkie pytanie brzmi, czy te systemy autonomiczne rzeczywiście pamiętają, co się wydarzyło.
Jeśli te same problemy wciąż się pojawiają, oznacza to, że systemy autonomiczne tak naprawdę nie uczą się na swoim doświadczeniu, lecz ludzie, którzy je obsługują.
Dla @Fabric Foundation i $ROBO prawdziwym testem nie jest to, jak szybko mogą coś zrobić.
Testem jest, czy systemy autonomiczne potrafią wykorzystać to, czego nauczyły się z problemów, aby zautomatyzować rzeczy w przyszłości.
Ponieważ systemy autonomiczne mogą tylko się poprawić, gdy pamiętają, co się wydarzyło.
Nie wtedy, gdy ludzie korzystający z systemów autonomicznych pamiętają, co się wydarzyło.
#ROBO #robo $ROBO
Zobacz tłumaczenie
ROBO and the Cost of Forgetting
Systems remember what happens in the end few systems remember the choices that were made this difference is really important when many agents start working on a large scale at first it seems like no deal if the system forgets things or a task gets done then the next task starts and the system keeps moving
But after a while the same unusual problems come back the same arguments happen again the same corrections need to be made by hand.
Actually nothing went wrong the system just did not remember things this is how I think about ROBO when it is part of the Fabric Foundation.
I do not think about whether agents can get things done whether the system gets better after every tough situation or systems that work on their own are always getting experience.
Every time a dispute is solved every time something is overridden and every time a strange decision is made about a route the system learns something
If that information is lost once the problem is fixed the system has to pay the cost all over again later that is the hidden cost of forgetting things.
A healthy system that works on its own uses problems to create memory.
Patterns become rules that the system follows.
Exceptions become part of the systems logic.
Things that used to need an operator now happen automatically.
Unhealthy systems work differently.
Problems get fixed nothing really changes.
Operators remember how they fixed the problem not how the system was fixed.
Over time the difference, between the two systems gets bigger.
One system gets knowledge and the other system just gets used to how things are done.
The difference becomes clear when the same problems happen again and again.
How often do the same problems come back?
How often do operators have to solve the kind of problem twice?
If the same problems happen often the system is learning.
If the same problems keep happening the system is not getting better.
People often think that speed and getting things done quickly are important.
Systems that last a long time are actually getting better at something else: remembering things.
Because systems that work on their own do not get better by doing things more often.
They get better by remembering why things worked or did not work in the past.
The systems that remember things well are the ones that eventually do not need to be supervised.
@Fabric Foundation #ROBO $ROBO
But after a while the same unusual problems come back the same arguments happen again the same corrections need to be made by hand.
Actually nothing went wrong the system just did not remember things this is how I think about ROBO when it is part of the Fabric Foundation.
I do not think about whether agents can get things done whether the system gets better after every tough situation or systems that work on their own are always getting experience.
Every time a dispute is solved every time something is overridden and every time a strange decision is made about a route the system learns something
If that information is lost once the problem is fixed the system has to pay the cost all over again later that is the hidden cost of forgetting things.
A healthy system that works on its own uses problems to create memory.
Patterns become rules that the system follows.
Exceptions become part of the systems logic.
Things that used to need an operator now happen automatically.
Unhealthy systems work differently.
Problems get fixed nothing really changes.
Operators remember how they fixed the problem not how the system was fixed.
Over time the difference, between the two systems gets bigger.
One system gets knowledge and the other system just gets used to how things are done.
The difference becomes clear when the same problems happen again and again.
How often do the same problems come back?
How often do operators have to solve the kind of problem twice?
If the same problems happen often the system is learning.
If the same problems keep happening the system is not getting better.
People often think that speed and getting things done quickly are important.
Systems that last a long time are actually getting better at something else: remembering things.
Because systems that work on their own do not get better by doing things more often.
They get better by remembering why things worked or did not work in the past.
The systems that remember things well are the ones that eventually do not need to be supervised.
@Fabric Foundation #ROBO $ROBO
Zobacz tłumaczenie
Autonomous systems do not fail because of the actions taken by agents.
They fail because the results still need to be checked.
Doing things is not costly.
Checking the results is costly.
For @Fabric Foundation and $ROBO the main problem is not how fast things can be done. Its making sure they can be trusted on a scale.
If the work needed to check results gets bigger as more things are done then autonomous systems get stuck.
If checking results gets easier and more straightforward over time then trust grows.
Trust is what really allows things to grow and expand.
#robo $ROBO
They fail because the results still need to be checked.
Doing things is not costly.
Checking the results is costly.
For @Fabric Foundation and $ROBO the main problem is not how fast things can be done. Its making sure they can be trusted on a scale.
If the work needed to check results gets bigger as more things are done then autonomous systems get stuck.
If checking results gets easier and more straightforward over time then trust grows.
Trust is what really allows things to grow and expand.
#robo $ROBO
ROBO i koszt weryfikacji
Systemy autonomiczne są naprawdę dobre w szybkim załatwianiu spraw.
Jednak ta prędkość stwarza problem, musimy upewnić się, że wszystko jest poprawne.
Gdy jedna osoba coś robi, inna osoba zazwyczaj sprawdza jej pracę.
Kiedy maszyny wykonują zadania, system musi upewnić się, że wynik jest poprawny, nie spowalniając przy tym.
To jest problem dla systemów takich jak ROBO w ramach Fabric Foundation.
Łatwo jest maszynom wykonywać zadania.
Zapewnienie ich poprawności jest kosztowne.
Maszyna może wykonać tysiące rzeczy w ciągu jednej godziny.
Jednak ta prędkość stwarza problem, musimy upewnić się, że wszystko jest poprawne.
Gdy jedna osoba coś robi, inna osoba zazwyczaj sprawdza jej pracę.
Kiedy maszyny wykonują zadania, system musi upewnić się, że wynik jest poprawny, nie spowalniając przy tym.
To jest problem dla systemów takich jak ROBO w ramach Fabric Foundation.
Łatwo jest maszynom wykonywać zadania.
Zapewnienie ich poprawności jest kosztowne.
Maszyna może wykonać tysiące rzeczy w ciągu jednej godziny.
Porażka to coś, co możemy zobaczyć.
Nieodwracalność to nie coś, co możemy zobaczyć.
Fundacja Fabric i ROBO wiedzą, że autonomia nie jest naprawdę testowana, gdy możemy cofnąć to, co robimy.
Dla Fundacji Fabric i ROBO autonomia jest testowana, gdy podejmujemy zobowiązania, które wpływają na ścieżkę, którą podąża system.
Dla @Fabric Foundation i ROBO prawdziwe pytanie nie brzmi, jak szybko działa system.
Prawdziwe pytanie dla Fundacji Fabric i ROBO brzmi, czy system wie, kiedy nie może być już elastyczny.
Ponieważ gdy już się zobowiążemy do czegoś i nie jesteśmy co do tego naprawdę pewni,
Fundacja Fabric i ROBO odkryją, że automatyzacja może stać się słabością dla systemu.
#robo #ROBO $ROBO
Nieodwracalność to nie coś, co możemy zobaczyć.
Fundacja Fabric i ROBO wiedzą, że autonomia nie jest naprawdę testowana, gdy możemy cofnąć to, co robimy.
Dla Fundacji Fabric i ROBO autonomia jest testowana, gdy podejmujemy zobowiązania, które wpływają na ścieżkę, którą podąża system.
Dla @Fabric Foundation i ROBO prawdziwe pytanie nie brzmi, jak szybko działa system.
Prawdziwe pytanie dla Fundacji Fabric i ROBO brzmi, czy system wie, kiedy nie może być już elastyczny.
Ponieważ gdy już się zobowiążemy do czegoś i nie jesteśmy co do tego naprawdę pewni,
Fundacja Fabric i ROBO odkryją, że automatyzacja może stać się słabością dla systemu.
#robo #ROBO $ROBO
ROBO i cena nieodwracalności
Większość rzeczy, które budujemy, jest stworzona, aby można je było naprawić, jeśli coś pójdzie nie tak.
Możemy spróbować ponownie, jeśli coś nie wyjdzie.
Możemy zmienić to, co zrobiliśmy wcześniej.
Możemy nawet wrócić do tego, jak było
Ta zdolność do zmiany rzeczy sprawia, że czujemy się bezpiecznie.
To, co naprawdę ma znaczenie, to co się dzieje, gdy robimy coś, czego nie można zmienić.
Gdy różne części systemu współpracują, rzeczy zazwyczaj nie psują się wszystkie na raz.
To tak, jakby wiele małych rzeczy się sumowało.
Ktoś daje pozwolenie na to, aby coś się wydarzyło.
Możemy spróbować ponownie, jeśli coś nie wyjdzie.
Możemy zmienić to, co zrobiliśmy wcześniej.
Możemy nawet wrócić do tego, jak było
Ta zdolność do zmiany rzeczy sprawia, że czujemy się bezpiecznie.
To, co naprawdę ma znaczenie, to co się dzieje, gdy robimy coś, czego nie można zmienić.
Gdy różne części systemu współpracują, rzeczy zazwyczaj nie psują się wszystkie na raz.
To tak, jakby wiele małych rzeczy się sumowało.
Ktoś daje pozwolenie na to, aby coś się wydarzyło.
Inteligencja to jedna rzecz.
Koordynacja to miejsce, gdzie sprawy się komplikują.
Prawdziwy test dla ROBO pod Fabric Foundation nie dotyczy jednego robota, który radzi sobie dobrze, lecz tego, jak roboty współpracują ze sobą, gdy jest ich wiele.
Jeśli możemy sprawić, by opóźnienia i kłótnie między robotami zdarzały się często w czasie, to możemy powiedzieć, że roboty naprawdę stają się niezależne, a jeśli te problemy się pogarszają, gdy dodajemy więcej robotów, to tak, jakbyśmy tylko udawali, że mamy automatyzację.
Łatwo jest sprawić, by jeden robot zrobił coś, ale sprawienie, by roboty współpracowały, to to, co jest naprawdę trudne i kosztuje dużo.
$ROBO pod @Fabric Foundation chodzi o to, aby to działało.
Koszt sprawienia, by wszystkie te roboty współpracowały, to to, co nazywamy kosztem koordynacji na dużą skalę.
To jest test dla $ROBO pod Fabric Foundation.
#robo $ROBO
Koordynacja to miejsce, gdzie sprawy się komplikują.
Prawdziwy test dla ROBO pod Fabric Foundation nie dotyczy jednego robota, który radzi sobie dobrze, lecz tego, jak roboty współpracują ze sobą, gdy jest ich wiele.
Jeśli możemy sprawić, by opóźnienia i kłótnie między robotami zdarzały się często w czasie, to możemy powiedzieć, że roboty naprawdę stają się niezależne, a jeśli te problemy się pogarszają, gdy dodajemy więcej robotów, to tak, jakbyśmy tylko udawali, że mamy automatyzację.
Łatwo jest sprawić, by jeden robot zrobił coś, ale sprawienie, by roboty współpracowały, to to, co jest naprawdę trudne i kosztuje dużo.
$ROBO pod @Fabric Foundation chodzi o to, aby to działało.
Koszt sprawienia, by wszystkie te roboty współpracowały, to to, co nazywamy kosztem koordynacji na dużą skalę.
To jest test dla $ROBO pod Fabric Foundation.
#robo $ROBO
ROBO i koszt koordynacji na dużą skalę.
Rzecz w ROBO i kosztach realizacji zadań na dużą skalę polega na tym, że ludzie zawsze mówią o byciu mądrym, a bardzo niewielu mówi o współpracy.
Kiedy jedna osoba lub rzecz robi coś sama, jest to łatwe, lub gdy masz dużo ludzi lub rzeczy pracujących razem, jest to jak ekonomia.
Prawdziwy test dla systemów takich jak ROBO w ramach Fabric Foundation nie polega na tym, czy jedna rzecz działa poprawnie, ale czy współpraca nadal jest łatwa, gdy dzieje się wiele rzeczy.
Ponieważ współpraca kosztuje coś, gdy niewiele rzeczy się dzieje, wszystko wygląda w porządku.
Kiedy jedna osoba lub rzecz robi coś sama, jest to łatwe, lub gdy masz dużo ludzi lub rzeczy pracujących razem, jest to jak ekonomia.
Prawdziwy test dla systemów takich jak ROBO w ramach Fabric Foundation nie polega na tym, czy jedna rzecz działa poprawnie, ale czy współpraca nadal jest łatwa, gdy dzieje się wiele rzeczy.
Ponieważ współpraca kosztuje coś, gdy niewiele rzeczy się dzieje, wszystko wygląda w porządku.
Zrobione jest łatwo powiedzieć.
Trudniej jest ufać.
Kiedy mówimy o systemach agenta, ryzyko nie polega na tym, że coś zawiedzie. Ryzyko polega na tym, że będziemy zbyt pewni rzeczy, zanim naprawdę nimi będziemy.
Jeśli zespoły dodają kontrole przed zaufaniem wynikom, to tak naprawdę nie mają jeszcze autonomii.
Dla @Fabric Foundation prawdziwym testem nie jest to, jak szybko mogą załatwić sprawy.
Prawdziwym testem jest to, czy rzeczy, które zostały zrobione, pozostają zrobione.
Automatyzacja może robić rzeczy za nas.
Autonomia dla Fundacji Fabric polega na tym, aby rzeczy mogły się ustabilizować i pozostać w ten sposób.
#robo $ROBO
Trudniej jest ufać.
Kiedy mówimy o systemach agenta, ryzyko nie polega na tym, że coś zawiedzie. Ryzyko polega na tym, że będziemy zbyt pewni rzeczy, zanim naprawdę nimi będziemy.
Jeśli zespoły dodają kontrole przed zaufaniem wynikom, to tak naprawdę nie mają jeszcze autonomii.
Dla @Fabric Foundation prawdziwym testem nie jest to, jak szybko mogą załatwić sprawy.
Prawdziwym testem jest to, czy rzeczy, które zostały zrobione, pozostają zrobione.
Automatyzacja może robić rzeczy za nas.
Autonomia dla Fundacji Fabric polega na tym, aby rzeczy mogły się ustabilizować i pozostać w ten sposób.
#robo $ROBO
Zaloguj się, aby odkryć więcej treści