DT_Singh

Một điều tôi bắt đầu nghi ngờ khi đọc về Newton không phải là trí tuệ của các tác nhân AI có thể trở nên thông minh đến mức nào
Mà là mức độ chúng vẫn còn dự đoán được sau khi được triển khai
Ai cũng nói về việc trao cho AI nhiều quyền tự chủ hơn, nhưng quyền tự chủ mà không có giới hạn rõ ràng có thể tạo ra một kiểu rủi ro khác
Điều tôi thấy thú vị về Newton là nó chuyển một phần cuộc thảo luận khỏi trí tuệ và sang trách nhiệm giải trình
Có lẽ tương lai sẽ không trao phần thưởng cho tác nhân AI làm được nhiều nhất
Có lẽ nó sẽ thưởng cho tác nhân có hành động có thể được đối chiếu với các quy tắc minh bạch trước khi thực thi
Với tôi, đó là một cuộc trò chuyện thực tế hơn nhiều so với việc chỉ làm cho tự động hóa nhanh hơn
Tôi tò mò liệu cuối cùng ngành công nghiệp có coi việc thực thi chính sách như một tính năng—hay như một yêu cầu
@NewtonProtocol
$NEWT
#Newt $HMSTR $TLM

#newt $NEWT Tôi đã bắt đầu nhìn về các DeFi Vault theo một cách khác sau khi đọc về Newton
Một ví dụ từ Newton cứ mãi ở lại trong tâm trí tôi.
Các DeFi vault đã quản lý lượng vốn đáng kể, nhưng nhiều quy tắc phía sau chúng vẫn dựa trên các quy trình vận hành mà người dùng thực sự không bao giờ thấy.
Điều đó khiến tôi tự hỏi rằng liệu tính minh bạch chỉ đơn thuần là việc hiển thị số dư và giao dịch.
Có lẽ đó cũng là việc cho thấy vì sao một giao dịch lại được phép xảy ra ngay từ đầu.
Càng suy nghĩ, tôi càng nhận ra rằng có lẽ Newton khác ở chỗ đó. Thay vì coi các chính sách như những tài liệu nằm đâu đó ngoài chuỗi, nó cố gắng đưa chúng trở thành một phần của chính quy trình cấp quyền ngay trong chính nó.
Tôi không nói rằng cách đó giải quyết được mọi vấn đề.
Nhưng nếu các tổ chức lớn tiếp tục bước vào DeFi, tôi nghĩ việc thực thi chính sách có thể nhìn thấy được sẽ quan trọng không kém gì lịch sử giao dịch có thể nhìn thấy.
Đó là một ý tưởng từ bản whitepaper mà tôi vẫn đang suy nghĩ.
Bạn nghĩ người dùng DeFi trong tương lai sẽ chỉ quan tâm đến việc thực thi, hay cũng quan tâm đến việc hiểu các quy tắc đằng sau việc thực thi đó?
@NewtonProtocol $TLM

#newt $NEWT @NewtonProtocol
Một ý tưởng đã ở lại với tôi sau khi khám phá Newton Mainnet Beta
Trong crypto, chúng ta thường kỷ niệm sự tự động hóa vì nó loại bỏ ma sát Giao dịch diễn ra càng nhanh thì dường như càng tốt
Nhưng tôi bắt đầu tự hỏi liệu tốc độ có phải lúc nào cũng là mục tiêu quan trọng nhất không
Nếu các tác nhân AI và các chiến lược tự động sẽ quản lý các khoản giá trị lớn hơn thì có lẽ câu hỏi thực sự không phải là "Chúng có thể thực thi nhanh đến đâu?"
Mà là "Chúng nên được phép thực thi những gì?"
Đó là lý do trọng tâm của Newton vào ủy quyền dựa trên chính sách đã thu hút sự chú ý của tôi
Thay vì coi mọi giao dịch là thứ luôn nên tự động tiếp tục, nó đặt câu hỏi liệu các điều kiện được xác định trước đã được thỏa mãn trước khi thực thi hay chưa
Với tôi, đó là một cách nghĩ khác về tự động hóa
Không phải tự động hóa chậm hơn
Mà là tự động hóa có trách nhiệm hơn
Khi ngày càng nhiều hoạt động tài chính di chuyển lên on-chain, tôi nghĩ rằng quyền cho phép và trách nhiệm giải trình sẽ quan trọng tương đương với tốc độ thực thi
Bạn nghĩ thế hệ DeFi tiếp theo sẽ cạnh tranh chỉ bằng sự tự động hóa hay bằng chất lượng của các quy tắc đứng sau sự tự động hóa đó?
$TLM $M

Một ý tưởng từ Newton Mainnet Beta đã thực sự thay đổi cách tôi nghĩ về bảo mật onchain
Ngày nay nhiều công cụ blockchain cho chúng ta biết điều gì đã xảy ra sau một giao dịch Điều này hữu ích cho việc phân tích nhưng không ngăn được các hành động rủi ro diễn ra
Newton tiếp cận theo hướng khác bằng cách đánh giá một giao dịch trước khi được thanh toán Nó kiểm tra xem các chính sách được đặt sẵn liên quan đến tuân thủ, danh tính, bảo mật và rủi ro có được đáp ứng hay không, sau đó trả về một xác nhận onchain có thể kiểm chứng
Đối với tôi, điều này giống ít hơn một công cụ giám sát khác và nhiều hơn như một lớp ủy quyền cho nền kinh tế onchain
Khi DeFi mở rộng sang các lĩnh vực như tài chính tổ chức, stablecoins, RWAs và các ứng dụng do AI điều khiển, việc ngăn rủi ro không cần thiết trước khi thực thi có thể quan trọng không kém gì sự minh bạch sau khi thực thi
Tôi rất muốn xem các nhà phát triển sẽ xây dựng như thế nào với mô hình này trong Newton Mainnet Beta
Bạn có nghĩ rằng ủy quyền trước giao dịch là mảnh ghép còn thiếu cho thế hệ DeFi tiếp theo không?

@NewtonProtocol
#newt $NEWT

Hầu hết các công cụ blockchain đều giải thích những gì đã xảy ra sau khi giao dịch được hoàn tất

Sau khi đọc về Newton Mainnet Beta, sự khác biệt lớn nhất mà tôi nhận thấy là Newton tập trung vào việc kiểm tra giao dịch trước khi thanh toán, không phải sau khi thanh toán

Thay vì chỉ đơn thuần theo dõi hoạt động, Newton đánh giá xem một giao dịch có đáp ứng các chính sách liên quan đến tuân thủ, danh tính, bảo mật và rủi ro hay không. Nếu mọi thứ đạt yêu cầu, nó sẽ trả về một chứng thực (attestation) onchain để các ứng dụng có thể kiểm tra trước khi thực thi

Cách tiếp cận này gợi cho tôi nhớ đến cách hoạt động ủy quyền thanh toán trong tài chính truyền thống—ngoại trừ việc nó được thiết kế cho nền kinh tế onchain

Với tôi, đây không chỉ là một lần ra mắt hạ tầng nữa. Đây là một nỗ lực thú vị nhằm làm cho DeFi an toàn hơn trong khi vẫn giữ việc ủy quyền minh bạch và có thể xác minh

Tôi rất tò mò không biết trong tương lai các nhà phát triển sẽ sử dụng mô hình này cho các vault DeFi, stablecoin, RWA và thậm chí cả các ứng dụng do AI điều khiển như thế nào

Bạn có nghĩ rằng việc ủy quyền trước khi thanh toán có thể trở thành một lớp tiêu chuẩn cho tài chính onchain không?

@NewtonProtocol
#newt $NEWT

Một điều tôi thấy thú vị khi đọc về @OpenGradient là họ coi các mô hình AI giống như phần mềm hơn là các tệp tĩnh

Điều đó khiến tôi dừng lại một chút
Hầu hết mọi người nghĩ rằng việc thêm nhiều mô hình AI hơn tự động sẽ làm mạng lưới tốt hơn
Tôi không nghĩ mọi thứ đơn giản như vậy
Hãy tưởng tượng bạn xây dựng một ứng dụng dựa trên một phiên bản của mô hình
Vài tuần sau, mô hình thay đổi
Các câu trả lời thay đổi
Hành vi cũng thay đổi
Giờ đây, ứng dụng của bạn có thể không còn hoạt động theo cách như trước nữa
Đó là một vấn đề lớn hơn nhiều so với những gì mọi người nhận ra
Các nhà phát triển không chỉ cần quyền truy cập vào AI
Họ còn cần tính nhất quán
Điều tôi thích ở OpenGradient là nó nhận ra thách thức này
Thay vì coi mọi mô hình như “phiên bản mới nhất”, nó cho phép nhiều phiên bản cùng tồn tại để nhà phát triển có thể xây dựng dựa trên đúng phiên bản mà họ đã thực sự kiểm thử
Với tôi, đó không chỉ là một tính năng kỹ thuật
Mà là một phần trong việc làm cho hạ tầng AI đủ tin cậy cho các ứng dụng thực tế
Đôi khi tiến bộ không phải là thay thế mọi thứ bằng thứ gì đó mới
Đôi khi đó là việc mang lại cho những người xây dựng sự tự tin rằng thứ đã hoạt động hôm qua vẫn sẽ tiếp tục hoạt động vào ngày mai
Đó là điều đã thu hút sự chú ý của tôi khi đọc về OpenGradient
Tương lai của AI có thể không chỉ phụ thuộc vào các mô hình tốt hơn, mà còn vào việc làm cho những mô hình đó trở nên đáng tin cậy theo thời gian
Theo bạn, điều gì quan trọng hơn với các nhà phát triển
Luôn dùng mô hình AI mới nhất, hay biết rằng mô hình mà họ đã xây dựng sẽ hoạt động nhất quán?
OpenGradient Chat: chat.opengradient.ai

#opg $OPG

Tôi đã rất bất ngờ khi đọc được một điều gì đó trong tài liệu OpenGradient white paper. Tài liệu nói rằng mọi lựa chọn thiết kế đều có nhược điểm

Hầu hết các dự án đều khiến người ta cảm giác rằng mọi tính năng mới đều là một điều gì đó

OpenGradient làm khác đi

Một ý tưởng thật sự đã khiến tôi ấn tượng

Chúng ta có phải chờ cho mọi kết quả AI được kiểm tra hoàn toàn trước khi có thể sử dụng không?

Ban đầu tôi nghĩ là có

Càng nghĩ tôi càng không chắc lắm

Hãy tưởng tượng mỗi lần bạn hỏi AI một câu hỏi thì lại phải chờ cho đến khi mọi thứ được xác minh hoàn toàn

Điều này sẽ làm hệ thống đáng tin cậy hơn

Nhưng nó cũng sẽ làm mọi thứ chậm đi rất nhiều

Vì vậy, tôi nghĩ cách làm của OpenGradient rất thú vị

Họ không giả vờ rằng chỉ có một cách để làm mọi thứ

Họ biết rằng có một số ứng dụng cần phải nhanh, trong khi những ứng dụng khác cần được đảm bảo đúng trước khi có thể được tin tưởng

Với tôi, đây không phải là chuyện chọn giữa nhanh và đáng tin cậy

Mà là chọn điều gì phù hợp với từng tình huống

Hạ tầng tốt không phải là làm mọi thứ theo một cách

Mà là tạo cho các nhà phát triển quyền tự do quyết định ứng dụng của họ thực sự cần gì

Đó là ý tưởng mà tôi sẽ theo dõi khi OpenGradient tiếp tục phát triển

Thử thách thực sự thì dễ thôi

Liệu các nhà phát triển sẽ ưu tiên một mạng có một bộ quy tắc duy nhất hay một mạng cho phép họ tự chọn mức độ cân bằng giữa tốc độ và việc kiểm tra?

@OpenGradient

OpenGradient Chat: chat.opengradient.ai

#opg $OPG $PUNDIX $RAVE

Có một câu hỏi tôi luôn tự hỏi khi nhìn vào cơ sở hạ tầng AI mới.
Liệu một nhà phát triển có thực sự quay lại sau khi đã xây xong ứng dụng đầu tiên không?
Việc khiến ai đó thử một nền tảng mới không phải là phần khó nhất.
Phần khó là khiến họ ở lại.
Điều đó khiến tôi suy nghĩ khác đi về OpenGradient.
Rất nhiều cuộc thảo luận về AI tập trung vào hiệu năng của mô hình.
Nhưng riêng hiệu năng thường hiếm khi là đủ.
Các nhà phát triển cũng quan tâm liệu quy trình có cảm giác “dễ đoán trước” hay không.
Họ có thể chạy lại cùng một mô hình không?
Khi điều đó quan trọng, họ có thể xác minh kết quả không?
Họ có thể xây dựng mà không phải thay đổi toàn bộ quy trình phát triển của mình không?
Với tôi, đó là lúc OpenGradient trở nên thú vị.
Giá trị dài hạn không chỉ là lưu trữ các mô hình AI.
Mà là biến AI đã được xác minh thành thứ các nhà phát triển có thể dùng lặp lại nhiều lần, thay vì coi việc xác minh như một gánh nặng phát sinh.
Một mạng lưới trở nên có giá trị khi những người xây dựng ngừng nghĩ về cơ sở hạ tầng và bắt đầu tập trung vào các sản phẩm họ muốn tạo ra.
Sự chuyển đổi đó còn khó hơn nhiều so với việc khởi chạy một mạng lưới.
Nó cũng quan trọng hơn rất nhiều.
Bài kiểm tra thực sự thì rất đơn giản:
Năm năm sau, liệu các nhà phát triển có nhớ đến OpenGradient vì công nghệ của nó, hay vì nó âm thầm trở thành một phần bình thường trong quy trình làm việc của họ?
OpenGradient Chat: chat.opengradient.ai
#opg $OPG @OpenGradient

Số đầu tiên mà tôi thường để ý trong một mạng là mạng đó có bao nhiêu nhà điều hành
Nhiều nhà điều hành hơn có nghĩa là một mạng mạnh hơn
Ít nhất là trước đây tôi từng tin như vậy
Càng đọc về OpenGradient, tôi càng nhận ra con số đó chỉ nói lên một phần của câu chuyện
Hãy tưởng tượng một nhà phát triển đang tìm kiếm đúng một mô hình AI cụ thể

Mạng đó có thể có rất nhiều node sẵn có

Nhưng nếu thiếu đúng mô hình, phần cứng lại đang bận hoặc không có đường dẫn xác thực cần thiết thì yêu cầu vẫn không thể hoàn thành

Điều đó đã thay đổi cách tôi nghĩ về sự phát triển của mạng lưới

Bổ sung thêm người tham gia là giá trị

Nhưng việc bổ sung đúng năng lực còn quan trọng hơn

Với tôi, @OpenGradient không chỉ đang cố gắng phát triển một mạng lớn hơn

Nó đang cố xây dựng một mạng có thể ghép một cách đáng tin cậy đúng khối lượng công việc AI với đúng hạ tầng

Nghe có vẻ là một thách thức khó hơn nhiều so với việc đơn giản là tăng số lượng node

Một bảng điều khiển có thể cho thấy sự tăng trưởng

Việc sử dụng thực sự chỉ tăng lên khi các nhà phát triển có thể tin tưởng vào mạng để hoàn thành công việc mà họ thực sự cần

Đó là thước đo mà tôi sẽ theo dõi

Thử thách thực sự thì rất đơn giản :- Khi OpenGradient mở rộng, liệu các nhà điều hành mới có làm tăng năng lực thực sự hay chủ yếu chỉ làm tăng cùng một năng lực sẵn có?

OpenGradient Chat: chat.opengradient.ai
#opg $OPG $BTC $SPCXB

Điều làm tôi lo lắng không phải lúc AI mắc sai lầm
Con người cũng mắc sai lầm
Tôi lo lắng là khi câu trả lời trông có vẻ đúng và tôi không có cách nào để kiểm tra
Đó là một vấn đề hoàn toàn khác
Câu trả lời sai có thể được sửa
Nhưng một câu trả lời có vẻ đúng với cảm giác lại không thể xác minh thì khó xử lý hơn rất nhiều
Tuần này tôi đã bắt gặp chính mình suy nghĩ về điều này sau khi dựa vào AI cho một tác vụ nghiên cứu
Tôi nghĩ hầu hết mọi người đánh giá thấp rủi ro đó vì AI vẫn chủ yếu được dùng cho các tác vụ đơn giản
Nghiên cứu. Viết. Học
Nhưng ngay khi AI bắt đầu ảnh hưởng đến các quyết định tài chính, vận hành doanh nghiệp hoặc các hệ thống tự động hoá thì niềm tin trở thành nhiều hơn một sự tiện lợi
Nó trở thành một yêu cầu
Đó là một trong những lý do tôi đã chú ý đến #OpenGradient
Điều nổi bật với tôi không phải là một mô hình duy nhất hay một tính năng duy nhất
Mà là ý tưởng rằng việc xác minh nên tương xứng với mức độ quan trọng của nhiệm vụ
Không phải mọi tương tác với AI đều cần cùng một mức độ đảm bảo
Ban đầu tôi nghĩ rằng xác minh mạnh hơn lúc nào cũng tốt
Giờ tôi nghĩ câu hỏi khó hơn là biết khi nào việc xác minh mạnh hơn thực sự là cần thiết
Xác minh quá ít tạo ra niềm tin mù quáng
Xác minh quá nhiều tạo ra chi phí không cần thiết
Sự cân bằng giữa hai điều đó có thể cuối cùng lại quan trọng hơn nhiều so với người ta nghĩ
Bài kiểm tra thực sự thì thật đơn giản
Khi AI trở thành một phần của nhiều quyết định quan trọng hơn, người dùng sẽ quan tâm nhiều hơn đến tốc độ hay đến việc có thể xác minh câu trả lời?
@OpenGradient
OpenGradient Chat: chat.opengradient.ai
#opg $OPG $ZEUS

Hãy tưởng tượng bạn có thể kiểm tra những gì trí tuệ nhân tạo (AI) làm giống như bạn có thể kiểm tra các giao dịch blockchain. Nó đã có mặt ở đây rồi.

Một điều mà luôn làm tôi bận tâm về trí tuệ là chúng ta phải tin tưởng nó rất nhiều.

Chúng ta nhận được câu trả lời. Thông thường, chúng ta không biết điều gì đã xảy ra trước khi nhận được câu trả lời đó.

Mô hình trí tuệ nhân tạo nào đã xem xét câu hỏi của chúng ta?

Thông tin mà chúng ta cung cấp đã được xử lý như thế nào?

Có ai đó khác có thể kiểm tra xem câu trả lời có chính xác không?

Hầu hết thời gian, chúng ta chỉ phải chấp nhận những gì xảy ra khi chúng ta không nhìn.

Khi tôi đang xem OpenGradient, tôi đã nghĩ về điều gì đó.

Blockchain đã thay đổi cách mọi người nghĩ về các giao dịch vì chúng ta có thể kiểm tra những gì đã xảy ra thay vì chỉ tin tưởng.

@OpenGradient đang cố gắng làm điều gì đó với trí tuệ nhân tạo bằng cách tập trung vào việc đảm bảo rằng chúng ta có thể kiểm tra những gì nó làm và giữ thông tin của chúng ta riêng tư.

Điều tôi thấy thú vị là mọi người đang nói về nhiều hơn là chỉ cải thiện trí tuệ nhân tạo; mọi người đánh giá thấp rủi ro đó vì AI vẫn chủ yếu được sử dụng cho các nhiệm vụ đơn giản như Nghiên cứu, Viết, Học.

Mục tiêu lớn hơn dường như là làm cho trí tuệ nhân tạo có trách nhiệm hơn.

Trong tương lai, khi trí tuệ nhân tạo được sử dụng trong nghiên cứu, trong nhà máy, trong tiền tệ, trong các dự án không gian và trong các quyết định chúng ta đưa ra hàng ngày, có thể điều quan trọng không kém là biết nó đã làm gì như việc biết rằng nó thông minh.

@OpenGradient Chat cũng cho phép người dùng trò chuyện với nhiều mô hình trí tuệ nhân tạo khác nhau tại một nơi trong khi giữ thông tin của chúng ta riêng tư.

Điều này ngày càng trở nên quan trọng khi trí tuệ nhân tạo trở thành một phần trong cuộc sống của chúng ta.

Câu hỏi không chỉ là mô hình trí tuệ nhân tạo nào là tốt nhất.

Có thể sớm thôi, câu hỏi sẽ là hệ thống trí tuệ nhân tạo nào có thể cho chúng ta thấy những gì nó thực sự đã làm.

@OpenGradient

chat.opengradient.ai
#opg $OPG $MUB $HD

Tôi từng nghĩ rằng xác minh AI chủ yếu là một vấn đề kỹ thuật
Bằng chứng tốt hơn
Đảm bảo mạnh mẽ hơn
An ninh hơn
Càng đọc về @OpenGradient , tôi càng cảm thấy không thuyết phục
Điều nổi bật với tôi không phải là tùy chọn xác minh mạnh nhất
Mà là thực tế rằng OpenGradient không đối xử với mọi yêu cầu AI giống nhau
Một số tương tác cần xác minh nhẹ
Một số cần đảm bảo mạnh mẽ hơn
Và một số có thể biện minh cho chi phí của mức độ đảm bảo cao nhất
Lúc đầu, điều đó cảm thấy phức tạp
Sau đó tôi nhận ra rằng lựa chọn thay thế là buộc mọi yêu cầu phải trải qua cùng một tiêu chuẩn bất kể những gì thực sự đang bị đe dọa
Điều đó có thể làm cho hệ thống trở nên đắt đỏ mà không nhất thiết làm cho chúng hữu ích hơn
Điều tôi thấy thú vị về phổ xác minh của OpenGradient là nó biến xác minh thành một sự lựa chọn thay vì một quy tắc cố định
Thách thức không phải là chứng minh mọi thứ
Thách thức là biết khi nào bằng chứng mạnh mẽ hơn thực sự đáng để trả tiền
Tôi nghĩ rằng câu hỏi đó sẽ trở nên quan trọng hơn khi AI di chuyển vào những lĩnh vực mà niềm tin có hậu quả thực sự
Bài kiểm tra thực sự rất đơn giản
Khi việc áp dụng AI ngày càng tăng, liệu người dùng có liên tục chọn xác minh cao hơn khi độ chính xác quan trọng hay sẽ tiện lợi thắng thế phần lớn thời gian
@OpenGradient
OpenGradient Chat chat.opengradient.ai
#opg $OPG $BNB $ETH

#BinancePickAndWin
Open link clime bnb reward play game football ⚽
Các nhiệm vụ hàng ngày được làm mới mỗi ngày lúc 00:00 (UTC). Người dùng có thể mở khóa nhiều lần thử chọn hơn bằng cách hoàn thành các nhiệm vụ hàng ngày, bao gồm chia sẻ, giao dịch, tham gia vào nhiệm vụ Thị trường Dự đoán*, và mời bạn bè.

Các nhiệm vụ liên quan đến chia sẻ và giao dịch có thể hoàn thành mỗi ngày một lần.

Người dùng có thể hoàn thành tối đa 5 Nhiệm vụ Giới thiệu và nhận tối đa 5 phần thưởng giới thiệu hàng ngày. Người dùng mời thành công các giới thiệu đủ điều kiện có thể nhận tối đa 10 USDC trong phần thưởng Voucher Token, tùy thuộc vào hạn mức phần thưởng hàng ngày là 5,000 phần thưởng.

Một Giới thiệu Thành công đề cập đến một người dùng mới đăng ký qua Liên kết/ID Giới thiệu của một người dùng tham gia hoạt động này, hoàn thành xác minh KYC, vượt qua đánh giá rủi ro và hoàn thành cả hai nhiệm vụ sau trong Thời gian Khuyến mãi: 1) Hoàn thành nạp tiền tích lũy tối thiểu $20 tương đương qua Nạp Tiền Fiat, Mua Crypto, hoặc P2P; 2) Hoàn thành khối lượng giao dịch tích lũy tối thiểu $50 tương đương qua Chuyển đổi, Spot, hoặc Futures.

Nhiệm vụ Thị trường Dự đoán chỉ có sẵn cho người dùng ở các khu vực mà dịch vụ Thị trường Dự đoán tuân thủ và có sẵn.

Điều kỳ lạ không phải là AI trả lời đúng
Điều kỳ lạ là mọi người bắt đầu quan tâm đến cá tính đứng sau câu trả lời
Khi đọc về Twin.fun, câu hỏi đầu tiên xuất hiện trong đầu tôi
Ban đầu tôi nghĩ giá trị của AI đến từ các mô hình tốt hơn
Lý luận tốt hơn
Câu trả lời tốt hơn
Nhưng càng theo dõi cách mọi người tương tác với AI, tôi càng nhận ra một điều khác
Mọi người thường quay lại với cùng một cá tính
Cùng một phong cách
Cùng một cách suy nghĩ
Điều đó khiến tôi nhìn nhận khác về khái niệm Twin.fun của OpenGradient
Ý tưởng này thú vị vì nó chuyển sự chú ý từ một câu trả lời đơn lẻ sang một danh tính kỹ thuật số bền vững
Một mô hình có thể được thay thế
Một cá tính thì khó thay thế hơn
Tất nhiên điều đó tạo ra những câu hỏi mới
Ai sở hữu giá trị được tạo ra bởi một cá tính AI
Liệu một bản sao kỹ thuật số có thể phát triển một khán giả của riêng nó không
Và nếu mọi người tin tưởng vào cá tính đó thì chuyện gì sẽ xảy ra khi nó thay đổi
Tôi không nghĩ ngành công nghiệp đã có câu trả lời rõ ràng
Nhưng tôi nghĩ tương lai của AI có thể không chỉ về trí tuệ đơn thuần
Nó cũng có thể là về danh tính
Bài kiểm tra thực sự rất đơn giản
Nếu hai mô hình AI sản xuất ra những câu trả lời tương tự, liệu mọi người có chọn cái có cá tính tốt hơn không
@OpenGradient
OpenGradient Chat: chat.opengradient.ai
#opg $OPG $DEXE $MMT

Một điều tôi nhận thấy gần đây trong AI
Mọi người đều bàn về các mô hình tốt hơn
Rất ít người bàn về mô hình kinh doanh phía sau AI
Khi đọc về OpenGradient, tôi nhận ra họ đang giải quyết một vấn đề mà hầu hết các dự án AI hiếm khi thảo luận về cách dịch vụ AI thực sự nên được thanh toán
Hầu hết các nền tảng AI hiện nay phụ thuộc vào các gói đăng ký, API keys hoặc hệ thống thanh toán tập trung
Nhưng nếu dịch vụ AI có thể được truy cập trực tiếp thông qua các khoản thanh toán on-chain thì sao?
Đó là lý do tôi thấy cách tiếp cận x402 của OpenGradient thú vị.
Ý tưởng rất đơn giản
Thay vì tạo tài khoản, quản lý đăng ký và xử lý nhiều lớp thanh toán, suy diễn AI có thể được truy cập thông qua một hệ thống thanh toán được phân quyền cho internet
Điều khiến tôi chú ý là OpenGradient không chỉ nghĩ về cách AI hoạt động
Họ cũng đang nghĩ về cách dịch vụ AI nên được truy cập và thanh toán trong tương lai
Tôi nghĩ đây là một phần bị đánh giá thấp của hạ tầng AI
Nền kinh tế AI trong tương lai sẽ không chỉ cần những mô hình thông minh hơn
Mà cũng cần những cách tốt hơn để người dùng, nhà phát triển và các ứng dụng tương tác với các mô hình đó
Đó là lý do x402 nổi bật đối với tôi khi đọc về OpenGradient
Theo bạn, thách thức lớn hơn cho việc áp dụng AI là gì?
Trí thông minh tốt hơn hay khả năng tiếp cận tốt hơn?
@OpenGradient
$OPG #opg
OpenGradient Chat: chat.opengradient.ai