crypto mania 786
71 貼文
crypto mania 786
Crypto Enthusiast from Pakistan.
38 關注
6 粉絲
20 點讚數
貼文
我一直覺得，AI 最難的部分會是做出更好的決策。
但現在我開始認爲，更難的問題是權限。
如果一個 AI 代理能夠交易、轉移資金、再平衡投資組合或與協議交互，那麼有一個問題比其他任何都更重要：
“AI 到底被允許做什麼？”
無限制的訪問聽起來很強大，直到你想象會發生錯誤。
也許未來並不是擁有更大自由度的 AI。
也許是擁有更好邊界的 AI。
限額。
僅限批准的協議。
僅限特定資產。
僅限特定操作。
這大概也是爲什麼牛頓（Newton）引起了我的注意。
它感覺起來不那麼像一個 AI 項目，更像是在 AI 開始處理真實資金之前，爲 AI 構建一套規則。
我仍在試圖弄清楚：用戶是否真的會願意把他們的錢包交給 AI 信任。
但如果這件事真的發生，那麼權限系統可能會比模型本身更重要。
如果你能精確控制它被允許做什麼，你會信任一個 AI 代理來管理你的錢包嗎？
會，但要有上限。
不，暫時不會。
也許先從小額開始。
就我個人而言，我在關注開發者是否真的會在 Newton 主網 Beta 上部署 AI 策略，還是相關活動主要仍停留在實驗階段。
#Newt
$NEWT
@NewtonProtocol #AIAgents #DEFİ
但現在我開始認爲，更難的問題是權限。
如果一個 AI 代理能夠交易、轉移資金、再平衡投資組合或與協議交互，那麼有一個問題比其他任何都更重要：
“AI 到底被允許做什麼？”
無限制的訪問聽起來很強大，直到你想象會發生錯誤。
也許未來並不是擁有更大自由度的 AI。
也許是擁有更好邊界的 AI。
限額。
僅限批准的協議。
僅限特定資產。
僅限特定操作。
這大概也是爲什麼牛頓（Newton）引起了我的注意。
它感覺起來不那麼像一個 AI 項目，更像是在 AI 開始處理真實資金之前，爲 AI 構建一套規則。
我仍在試圖弄清楚：用戶是否真的會願意把他們的錢包交給 AI 信任。
但如果這件事真的發生，那麼權限系統可能會比模型本身更重要。
如果你能精確控制它被允許做什麼，你會信任一個 AI 代理來管理你的錢包嗎？
會，但要有上限。
不，暫時不會。
也許先從小額開始。
就我個人而言，我在關注開發者是否真的會在 Newton 主網 Beta 上部署 AI 策略，還是相關活動主要仍停留在實驗階段。
#Newt
$NEWT
@NewtonProtocol #AIAgents #DEFİ
我曾經以爲，最大的人工智能問題會是智能本身。
更大的模型。
更多的參數。
更好的回答。
但現在我不太確定了。
因爲當人工智能變得越有用，它造成的錯誤就會越昂貴。
如果一套人工智能寫出了一條糟糕的推文，沒人會在意。
如果一套人工智能批准了一筆貸款、轉移了資金、簽署了一份合同，或控制了某個鏈上代理……
問題就會突然改變。
不再是：
“答案是否聰明？”
而是：
“有沒有人能證明這個答案是如何產生的？”
這也是 OpenGradient 一直把我拉回來的原因。
這個想法不只是讓 AI 跑起來。
而是讓 AI 變得可追責。
以覈驗運行的是哪一個模型。
它接收到的輸入是什麼。
以及系統聲稱的輸出，是否確實以它所宣稱的方式生成。
也許這在與基準大戰相比時顯得有些無聊。
但基礎設施通常就是如此。
燈亮的時候，沒人談電力。
直到燈熄了。
我是不是想太多了？
還是說，AI 最終會逐漸不再關乎“智能”，而更多關乎“問責”？
#OPG $OPG @OpenGradient
更大的模型。
更多的參數。
更好的回答。
但現在我不太確定了。
因爲當人工智能變得越有用，它造成的錯誤就會越昂貴。
如果一套人工智能寫出了一條糟糕的推文，沒人會在意。
如果一套人工智能批准了一筆貸款、轉移了資金、簽署了一份合同，或控制了某個鏈上代理……
問題就會突然改變。
不再是：
“答案是否聰明？”
而是：
“有沒有人能證明這個答案是如何產生的？”
這也是 OpenGradient 一直把我拉回來的原因。
這個想法不只是讓 AI 跑起來。
而是讓 AI 變得可追責。
以覈驗運行的是哪一個模型。
它接收到的輸入是什麼。
以及系統聲稱的輸出，是否確實以它所宣稱的方式生成。
也許這在與基準大戰相比時顯得有些無聊。
但基礎設施通常就是如此。
燈亮的時候，沒人談電力。
直到燈熄了。
我是不是想太多了？
還是說，AI 最終會逐漸不再關乎“智能”，而更多關乎“問責”？
#OPG $OPG @OpenGradient
我過去一直以爲，人工智能裏稀缺的東西會是算力。
現在我開始懷疑，可能是聲譽。
模型在變得更好。
算力變得更便宜。
開源每年都在更快追上。
但信任呢？
那仍然顯得很昂貴。
如果兩個系統給出的答案一樣，我大概不會記得哪個更聰明。
我會記得我信任到足以再次使用的那個。
也許下一場人工智能競賽根本不在於智能。
也許比拼的是：誰贏得了被相信的資格。
我是不是把這件事想歪了？
#OPG #OpenGradient $OPG @OpenGradient
現在我開始懷疑，可能是聲譽。
模型在變得更好。
算力變得更便宜。
開源每年都在更快追上。
但信任呢？
那仍然顯得很昂貴。
如果兩個系統給出的答案一樣，我大概不會記得哪個更聰明。
我會記得我信任到足以再次使用的那個。
也許下一場人工智能競賽根本不在於智能。
也許比拼的是：誰贏得了被相信的資格。
我是不是把這件事想歪了？
#OPG #OpenGradient $OPG @OpenGradient
過去我以爲，對人工智能的信任就是拿到正確的答案。
但最近我不太確定問題是不是在這裏。
如果五個不同的模型給出同一個答案，我仍然不知道背後發生了什麼。
它們都使用了相同的隱藏指令嗎？
輸出是否經過過濾？
上週提供方是否悄悄更換了模型版本？
大多數時候，我們根本無從得知。
這就是爲什麼我開始覺得 OpenGradient 給我的感覺不一樣。
有趣的部分不在於證明答案是正確的。
而在於證明答案確實來自你所預期的那個過程。
也許人工智能基礎設施正在朝這個方向發展。
不是“信任模型”。
更像是：
“信任收據”。
我是不是想太多了？
還是說，可驗證執行最終會比原始模型質量更重要？
#OPG $OPG @OpenGradient
問題徵集活動 👇
如果只能選一個，對人工智能而言你會更看重什麼？
1️⃣ 更好的答案
#
2️⃣ 可驗證的答案
但最近我不太確定問題是不是在這裏。
如果五個不同的模型給出同一個答案，我仍然不知道背後發生了什麼。
它們都使用了相同的隱藏指令嗎？
輸出是否經過過濾？
上週提供方是否悄悄更換了模型版本？
大多數時候，我們根本無從得知。
這就是爲什麼我開始覺得 OpenGradient 給我的感覺不一樣。
有趣的部分不在於證明答案是正確的。
而在於證明答案確實來自你所預期的那個過程。
也許人工智能基礎設施正在朝這個方向發展。
不是“信任模型”。
更像是：
“信任收據”。
我是不是想太多了？
還是說，可驗證執行最終會比原始模型質量更重要？
#OPG $OPG @OpenGradient
問題徵集活動 👇
如果只能選一個，對人工智能而言你會更看重什麼？
1️⃣ 更好的答案
#
2️⃣ 可驗證的答案
"人們信任結果。機構信任流程。"
@OpenGradient #opg $OPG
幾年前我曾以為，信任來自結果。
如果某件事反覆奏效，久而久之，人們就會信任它。
很簡單。
但我看著 AI 不斷發展，對此就越來越不確定。
因為結果只告訴我們發生了什麼。
流程則告訴我們為什麼會發生。
多數人都能輕易接受正確的答案。
但機構通常想要的不是那個。
他們想要的是證據。
如果一個 AI 系統核准了一筆貸款、標記了一筆交易、評估一份合約或支援醫療決策，「它做到了」可能不夠。
總有人會追問：
這是怎麼生成的？
是誰執行的？
能不能被重現？
能不能被驗證？
這大概也是為什麼可驗證的 AI 一直吸引著我的注意。
OpenGradient 看起來不那麼關注說服世界：AI 是多麼聰明；反而更關注讓 AI 對其行為負責。
這些想法是相關的。
但它們並不是同一件事。
智慧會創造可能性。
驗證會帶來信任。
而信任的擴展方式也不一樣。
一個人可能只需要信任一次答案。
一家企業可能會成千上萬次地信任一個流程。
因此我開始思考：AI 基礎設施的長期價值，是不是來自智慧本身……
還是來自讓智慧可以被稽核。
也許未來的 AI 競賽不只是在打造更聰明的系統。
也許它同時也是在打造那些能在答案已經給出之後，仍能說明自己怎麼得出結論的系統。
對你來說，哪個更重要：
更好的答案？
還是更好的信任方式？
@OpenGradient #OPG $OPG
@OpenGradient #opg $OPG
幾年前我曾以為，信任來自結果。
如果某件事反覆奏效，久而久之，人們就會信任它。
很簡單。
但我看著 AI 不斷發展，對此就越來越不確定。
因為結果只告訴我們發生了什麼。
流程則告訴我們為什麼會發生。
多數人都能輕易接受正確的答案。
但機構通常想要的不是那個。
他們想要的是證據。
如果一個 AI 系統核准了一筆貸款、標記了一筆交易、評估一份合約或支援醫療決策，「它做到了」可能不夠。
總有人會追問：
這是怎麼生成的？
是誰執行的？
能不能被重現？
能不能被驗證？
這大概也是為什麼可驗證的 AI 一直吸引著我的注意。
OpenGradient 看起來不那麼關注說服世界：AI 是多麼聰明；反而更關注讓 AI 對其行為負責。
這些想法是相關的。
但它們並不是同一件事。
智慧會創造可能性。
驗證會帶來信任。
而信任的擴展方式也不一樣。
一個人可能只需要信任一次答案。
一家企業可能會成千上萬次地信任一個流程。
因此我開始思考：AI 基礎設施的長期價值，是不是來自智慧本身……
還是來自讓智慧可以被稽核。
也許未來的 AI 競賽不只是在打造更聰明的系統。
也許它同時也是在打造那些能在答案已經給出之後，仍能說明自己怎麼得出結論的系統。
對你來說，哪個更重要：
更好的答案？
還是更好的信任方式？
@OpenGradient #OPG $OPG
幾年前，我記得有將近一整天失去了網絡連接。
奇怪的地方並不在於一切都停止運作。
而是意識到，當它們確實能正常工作時，我從來不會去想的事情竟然有這麼多。
消息會送達。
款項會結算成功。
視頻會加載出來。
地圖會更新。
大多數基礎設施只要開始把工作做好，就會瞬間變得“看不見”。
當我閱讀更多關於 OpenGradient 的內容時，這個念頭又回來了。
圍繞人工智能的大多數討論仍然集中在模型上。
哪個模型更聰明？
哪個模型更快？
哪個模型能給出最好的答案？
但如果將來 AI 最終成爲金融、醫療、法律系統或自動化代理的一部分，我不禁懷疑——更大的問題是否會隨之改變。
不是：
“這個模型有多聰明？”
而是：
“這個結果到底能不能被真正信任？”
因爲聰明可以令人驚歎。
而信任是有用的。
OpenGradient 通過可驗證推理（verifiable inference）所採取的方法，讓我想到：AI 行業也許最終會像今天的互聯網那樣，把“驗證”當作基礎的網絡基礎設施來對待：
多數情況下是看不見的。
但又絕對必不可少。
也許未來的贏家並不是那些用最驚人的演示來取勝的系統。
也許它們會是那些幾乎無人注意的系統——因爲它們只是一直在工作。
而更奇妙的是：那些隱形的基礎設施，往往最終會變成最難被替換的東西。
當 AI 不斷成熟時，你認爲更有價值的是：
更好的智能，還是更好的信任？
@OpenGradient
#OPG #AI #VerifiableAI
$OPG
奇怪的地方並不在於一切都停止運作。
而是意識到，當它們確實能正常工作時，我從來不會去想的事情竟然有這麼多。
消息會送達。
款項會結算成功。
視頻會加載出來。
地圖會更新。
大多數基礎設施只要開始把工作做好，就會瞬間變得“看不見”。
當我閱讀更多關於 OpenGradient 的內容時，這個念頭又回來了。
圍繞人工智能的大多數討論仍然集中在模型上。
哪個模型更聰明？
哪個模型更快？
哪個模型能給出最好的答案？
但如果將來 AI 最終成爲金融、醫療、法律系統或自動化代理的一部分，我不禁懷疑——更大的問題是否會隨之改變。
不是：
“這個模型有多聰明？”
而是：
“這個結果到底能不能被真正信任？”
因爲聰明可以令人驚歎。
而信任是有用的。
OpenGradient 通過可驗證推理（verifiable inference）所採取的方法，讓我想到：AI 行業也許最終會像今天的互聯網那樣，把“驗證”當作基礎的網絡基礎設施來對待：
多數情況下是看不見的。
但又絕對必不可少。
也許未來的贏家並不是那些用最驚人的演示來取勝的系統。
也許它們會是那些幾乎無人注意的系統——因爲它們只是一直在工作。
而更奇妙的是：那些隱形的基礎設施，往往最終會變成最難被替換的東西。
當 AI 不斷成熟時，你認爲更有價值的是：
更好的智能，還是更好的信任？
@OpenGradient
#OPG #AI #VerifiableAI
$OPG
@OpenGradient #OPG $OPG
幾年前，雲計算改變了人們對軟件的看法。
你不再需要擁有服務器。
你只需在需要時租用計算能力。
最近我在想，人工智能是否也會經歷類似的轉變。
如今大多數人將人工智能視爲模型。
哪個模型更聰明？
哪個模型寫得更好？
哪個模型在基準測試中得分更高？
但基礎設施的變化往往是悄然發生的。
那些在雲時代獲益最多的公司並不總是那些構建應用程序的公司。
許多是提供底層支撐的公司。
這也是爲什麼OpenGradient引起我注意的部分原因。
將人工智能推理轉變爲可驗證、可移植且通過去中心化基礎設施可訪問的東西，感覺更像是在構建基礎的一部分，而不是另一個人工智能產品。
如果在接下來的幾年裏，人工智能代理變得更加普遍，它們可能不僅需要智能。
它們可能需要計算市場。
輸出的驗證。
爲操作員提供經濟激勵。
基礎設施很少能像應用程序那樣獲得同樣的興奮感。
但有時，軌道的價值可能超過在其上運行的火車。
現在還太早，不知道這一切將如何發展。
但我依然覺得這是一個值得關注的有趣問題。
你認爲隨着時間的推移，什麼會變得更有價值：
模型？
還是它們底下的基礎設施？
@OpenGradient
#OPG $OPG
幾年前，雲計算改變了人們對軟件的看法。
你不再需要擁有服務器。
你只需在需要時租用計算能力。
最近我在想，人工智能是否也會經歷類似的轉變。
如今大多數人將人工智能視爲模型。
哪個模型更聰明？
哪個模型寫得更好？
哪個模型在基準測試中得分更高？
但基礎設施的變化往往是悄然發生的。
那些在雲時代獲益最多的公司並不總是那些構建應用程序的公司。
許多是提供底層支撐的公司。
這也是爲什麼OpenGradient引起我注意的部分原因。
將人工智能推理轉變爲可驗證、可移植且通過去中心化基礎設施可訪問的東西，感覺更像是在構建基礎的一部分，而不是另一個人工智能產品。
如果在接下來的幾年裏，人工智能代理變得更加普遍，它們可能不僅需要智能。
它們可能需要計算市場。
輸出的驗證。
爲操作員提供經濟激勵。
基礎設施很少能像應用程序那樣獲得同樣的興奮感。
但有時，軌道的價值可能超過在其上運行的火車。
現在還太早，不知道這一切將如何發展。
但我依然覺得這是一個值得關注的有趣問題。
你認爲隨着時間的推移，什麼會變得更有價值：
模型？
還是它們底下的基礎設施？
@OpenGradient
#OPG $OPG
最近我注意到一些有趣的事情。
每當出現新的AI模型時，人們就會興奮不已。
更大的上下文窗口。
更快的響應。
更好的基準。
但我很少聽到有人問另一個問題：
當AI開始與金錢互動時會發生什麼？
不僅僅是回答問題，而是執行交易、管理資產或與其他代理協調。
到那時，單靠智能可能不足夠。
因爲如果AI的行動影響了價值，總會有人問：
"這個輸出真的可以驗證嗎？"
這部分是我對@OpenGradient 產生好奇的原因。
AI推理本身可以被加密證明的想法，感覺是行業可能會隨着時間的推移而更加重視的東西。
也許AI的下一個階段不僅僅是由誰構建最聰明的模型來定義的。
也許信任變得和智能一樣重要。
而信任是更難僞造的。
好奇其他人如何看待這個。
你認爲可驗證的AI會成爲一種必需品，還是大多數用戶會繼續依賴盲目信任？
@OpenGradient
#OPG $OPG
每當出現新的AI模型時，人們就會興奮不已。
更大的上下文窗口。
更快的響應。
更好的基準。
但我很少聽到有人問另一個問題：
當AI開始與金錢互動時會發生什麼？
不僅僅是回答問題，而是執行交易、管理資產或與其他代理協調。
到那時，單靠智能可能不足夠。
因爲如果AI的行動影響了價值，總會有人問：
"這個輸出真的可以驗證嗎？"
這部分是我對@OpenGradient 產生好奇的原因。
AI推理本身可以被加密證明的想法，感覺是行業可能會隨着時間的推移而更加重視的東西。
也許AI的下一個階段不僅僅是由誰構建最聰明的模型來定義的。
也許信任變得和智能一樣重要。
而信任是更難僞造的。
好奇其他人如何看待這個。
你認爲可驗證的AI會成爲一種必需品，還是大多數用戶會繼續依賴盲目信任？
@OpenGradient
#OPG $OPG
我在加密圈摸爬滾打多年，發現一個事情，那就是敘事變化的速度遠遠快於基礎設施。
幾年前，大家都在談論第一層（Layer 1）。
然後是NFT。
接着AI和迷因幣就佔據了話語權。
不過每個週期都有一個主題不斷出現：可擴展性。
這也是我最近更關注像$SUI 這樣的項目的部分原因。
並不是因爲我認爲任何鏈都會自動獲勝，而是因爲用戶體驗比大多數人意識到的更重要。
人們很少關心共識機制或技術論文。
他們關心的是速度。
他們關心的是低費用。
他們關心的是某些東西是否真的能用。
也許這就是爲什麼最大的贏家不一定是最複雜的項目。
有時候，他們是那些讓技術變得無形的項目。
依然在觀察，依然在學習。
好奇其他人的看法。
你認爲用戶體驗比技術本身更重要嗎？
#SUI #Crypto #Altcoins #Layer1 #BinanceSquare
幾年前，大家都在談論第一層（Layer 1）。
然後是NFT。
接着AI和迷因幣就佔據了話語權。
不過每個週期都有一個主題不斷出現：可擴展性。
這也是我最近更關注像$SUI 這樣的項目的部分原因。
並不是因爲我認爲任何鏈都會自動獲勝，而是因爲用戶體驗比大多數人意識到的更重要。
人們很少關心共識機制或技術論文。
他們關心的是速度。
他們關心的是低費用。
他們關心的是某些東西是否真的能用。
也許這就是爲什麼最大的贏家不一定是最複雜的項目。
有時候，他們是那些讓技術變得無形的項目。
依然在觀察，依然在學習。
好奇其他人的看法。
你認爲用戶體驗比技術本身更重要嗎？
#SUI #Crypto #Altcoins #Layer1 #BinanceSquare
我還記得當 meme 代幣主導每個談話時。
有一段時間，基本面似乎不再重要了。大家只關心注意力。
但最近，我發現自己又開始關注基礎設施項目。
我觀察清單上一個不斷出現的項目是 $FET。
吸引我的不僅僅是價格走勢，還有背後的理念。隨着人工智能代理變得越來越強大，系統之間的自主協調可能變得比人們意識到的更爲重要。
我們花了很多時間在問哪個 AI 模型最聰明。
也許更大的問題是：
誰將使數百萬個 AI 代理能夠協同工作？
這就是爲什麼像人工超級智能聯盟這樣的項目值得關注。
敘述會來來去去。
基礎設施往往會持續更久。
仍然早期，仍在觀察，仍在學習。
這個週期你在關注哪個 AI 項目？
#FET #ASI #Aİ #Crypto #BinanceSquare
有一段時間，基本面似乎不再重要了。大家只關心注意力。
但最近，我發現自己又開始關注基礎設施項目。
我觀察清單上一個不斷出現的項目是 $FET。
吸引我的不僅僅是價格走勢，還有背後的理念。隨着人工智能代理變得越來越強大，系統之間的自主協調可能變得比人們意識到的更爲重要。
我們花了很多時間在問哪個 AI 模型最聰明。
也許更大的問題是：
誰將使數百萬個 AI 代理能夠協同工作？
這就是爲什麼像人工超級智能聯盟這樣的項目值得關注。
敘述會來來去去。
基礎設施往往會持續更久。
仍然早期，仍在觀察，仍在學習。
這個週期你在關注哪個 AI 項目？
#FET #ASI #Aİ #Crypto #BinanceSquare
有時候我覺得我們低估了環境對我們思維的影響。
幾年前，我相信生產力全靠自律。更努力地工作。更努力地推。保持忙碌。
但隨着時間的推移，我注意到了一些奇怪的事情。
在我周圍環境平靜的日子裏，我的決策更好。我的想法更自然地流動。我並不是在更努力地工作，而是思考得更清晰。
這讓我意識到，成長並不總是關於增加更多的努力。
有時候是要去除噪音。
我們花了這麼多時間試圖優化自己，以至於忘記了優化我們周圍的環境。
也許專注並不是我們強迫出來的。
也許它是我們創造出來的。
好奇別人怎麼看這個。
你認爲成功更依賴於自律還是環境？🤔
#Mindset #Growth #Productivity #SelfImprovement #Success
幾年前，我相信生產力全靠自律。更努力地工作。更努力地推。保持忙碌。
但隨着時間的推移，我注意到了一些奇怪的事情。
在我周圍環境平靜的日子裏，我的決策更好。我的想法更自然地流動。我並不是在更努力地工作，而是思考得更清晰。
這讓我意識到，成長並不總是關於增加更多的努力。
有時候是要去除噪音。
我們花了這麼多時間試圖優化自己，以至於忘記了優化我們周圍的環境。
也許專注並不是我們強迫出來的。
也許它是我們創造出來的。
好奇別人怎麼看這個。
你認爲成功更依賴於自律還是環境？🤔
#Mindset #Growth #Productivity #SelfImprovement #Success
最近我有個奇怪的想法。
當人們使用GPS時，他們很少關心是哪個衛星幫助計算路線。
當我們觀看電影時，我們幾乎從不考慮提供流媒體的服務器。
成功的基礎設施往往會消失。
不是因爲它變得不重要。
而是因爲它變得如此可靠，以至於沒人再注意到它。
這讓我對AI產生了疑問。
現在，大多數對話圍繞着哪個模型更聰明。更大的基準，更大的上下文窗口，更多的能力。
但歷史表明，一旦技術成熟，注意力往往會從技術本身轉向它所帶來的體驗。
這也是爲什麼@OpenGradient 引起了我的注意。
也許AI中最大的贏家不一定是人們最常談論的系統。
也許它們會是人們最終完全不再思考的系統。
因爲基礎設施很少會出名。
它變得隱形。
而奇怪的是，這可能是技術能收到的最高讚譽。
好奇其他人對此的看法。
未來會獎勵可見的智能，還是不可見的基礎設施？
@OpenGradient
$OPG
#OPG
當人們使用GPS時，他們很少關心是哪個衛星幫助計算路線。
當我們觀看電影時，我們幾乎從不考慮提供流媒體的服務器。
成功的基礎設施往往會消失。
不是因爲它變得不重要。
而是因爲它變得如此可靠，以至於沒人再注意到它。
這讓我對AI產生了疑問。
現在，大多數對話圍繞着哪個模型更聰明。更大的基準，更大的上下文窗口，更多的能力。
但歷史表明，一旦技術成熟，注意力往往會從技術本身轉向它所帶來的體驗。
這也是爲什麼@OpenGradient 引起了我的注意。
也許AI中最大的贏家不一定是人們最常談論的系統。
也許它們會是人們最終完全不再思考的系統。
因爲基礎設施很少會出名。
它變得隱形。
而奇怪的是，這可能是技術能收到的最高讚譽。
好奇其他人對此的看法。
未來會獎勵可見的智能，還是不可見的基礎設施？
@OpenGradient
$OPG
#OPG
在過去一年使用不同的AI工具時，我注意到了一些有趣的事情。
每當一個答案感覺不對時，我的第一反應不是問這個模型是否足夠聰明。
而是問：
"我能信任這個答案是怎麼得出的嗎？"
這讓我感到驚訝。
因爲很長一段時間，我認爲AI競爭主要是關於誰能構建出最聰明的模型。
但現在我不太確定了。
隨着AI在決策、代理和自動化中的參與，信任可能變得和智慧一樣重要。
這也是爲什麼@OpenGradient 引起了我的注意。
也許未來不僅僅是構建更聰明的系統。
也許是構建可以證明其思考方式的系統。
而這可能是兩件截然不同的事情。
我很好奇其他人是怎麼看的。
信任最終會比智慧更有價值嗎？
@OpenGradient
$OPG
#OPG
每當一個答案感覺不對時，我的第一反應不是問這個模型是否足夠聰明。
而是問：
"我能信任這個答案是怎麼得出的嗎？"
這讓我感到驚訝。
因爲很長一段時間，我認爲AI競爭主要是關於誰能構建出最聰明的模型。
但現在我不太確定了。
隨着AI在決策、代理和自動化中的參與，信任可能變得和智慧一樣重要。
這也是爲什麼@OpenGradient 引起了我的注意。
也許未來不僅僅是構建更聰明的系統。
也許是構建可以證明其思考方式的系統。
而這可能是兩件截然不同的事情。
我很好奇其他人是怎麼看的。
信任最終會比智慧更有價值嗎？
@OpenGradient
$OPG
#OPG
最近我遇到了一件奇怪的事。
我在整理舊文件時，發現了幾年前保存的截圖。當時，我認爲它們值得永久保存。
但大多數並不是。
我曾經堅信的一些想法，結果完全錯誤。一些目標發生了變化。一些觀點消失了。老實說，我並不懷念它們。
這讓我對人工智能產生了思考。
每個人都在談論給人工智能更多的記憶、更長的上下文和持久的身份。但是人類的成長不僅僅是通過記憶來實現的。我們也通過放下過去來成長。
有時候，遺忘是成爲的一部分。
這也是爲什麼@OpenGradient 引起了我的注意。
如果人工智能系統年復一年地不斷積累上下文，它們將如何區分哪些應該被保留，哪些應該悄然消失？
因爲也許智力不僅僅是記住更多的東西。
也許它還與理解什麼不再重要有關。
好奇其他人對此的看法。
@OpenGradient
$OPG
#OPG
我在整理舊文件時，發現了幾年前保存的截圖。當時，我認爲它們值得永久保存。
但大多數並不是。
我曾經堅信的一些想法，結果完全錯誤。一些目標發生了變化。一些觀點消失了。老實說，我並不懷念它們。
這讓我對人工智能產生了思考。
每個人都在談論給人工智能更多的記憶、更長的上下文和持久的身份。但是人類的成長不僅僅是通過記憶來實現的。我們也通過放下過去來成長。
有時候，遺忘是成爲的一部分。
這也是爲什麼@OpenGradient 引起了我的注意。
如果人工智能系統年復一年地不斷積累上下文，它們將如何區分哪些應該被保留，哪些應該悄然消失？
因爲也許智力不僅僅是記住更多的東西。
也許它還與理解什麼不再重要有關。
好奇其他人對此的看法。
@OpenGradient
$OPG
#OPG
關注$OPG 。
在最近的回調之後，價格似乎正在嘗試在當前水平穩定下來。我最關注的不是短期的蠟燭圖，而是買家是否繼續進場，以及成交量是否開始改善。
強勁的反彈通常需要耐心，市場很少會直線移動。
沒有預測，只是分享我所觀察到的。
你是在累積，等待確認，還是僅僅在旁觀？
@OpenGradient $OPG
#OPG
在最近的回調之後，價格似乎正在嘗試在當前水平穩定下來。我最關注的不是短期的蠟燭圖，而是買家是否繼續進場，以及成交量是否開始改善。
強勁的反彈通常需要耐心，市場很少會直線移動。
沒有預測，只是分享我所觀察到的。
你是在累積，等待確認，還是僅僅在旁觀？
@OpenGradient $OPG
#OPG
我發現，在加密貨幣上花更多時間後，有些項目越深入了解越容易掌握，而有些則越來越令人困惑。
奇怪的是，我對於 @OpenGradient 的體驗正好相反。一開始，這個概念看起來相當技術性，但在深入閱讀之後，整體的圖景開始變得更加清晰。
也許這就是為什麼 AI 基礎設施最近成為我最感興趣的領域之一。
有沒有哪個項目讓你在深入研究後變得更加明瞭呢？
@OpenGradient $OPG
#OPG
奇怪的是，我對於 @OpenGradient 的體驗正好相反。一開始，這個概念看起來相當技術性，但在深入閱讀之後，整體的圖景開始變得更加清晰。
也許這就是為什麼 AI 基礎設施最近成為我最感興趣的領域之一。
有沒有哪個項目讓你在深入研究後變得更加明瞭呢？
@OpenGradient $OPG
#OPG
最近一直在密切關注$LINK 。
我發現一個有趣的事情是，儘管許多交易者專注於短期波動，但Chainlink仍在不斷擴展其在生態系統中的角色。真實的實用性和強大的整合是我從不完全忽視它的原因。
不是說什麼瘋狂的話，但在較平靜的時期持續建設的項目往往會在後期給人驚喜。
你在關注$LINK 這個週期嗎？
$LINK #Chainlink
我發現一個有趣的事情是，儘管許多交易者專注於短期波動，但Chainlink仍在不斷擴展其在生態系統中的角色。真實的實用性和強大的整合是我從不完全忽視它的原因。
不是說什麼瘋狂的話，但在較平靜的時期持續建設的項目往往會在後期給人驚喜。
你在關注$LINK 這個週期嗎？
$LINK #Chainlink
在加密行業我學到的一件事是，機會並不總是來自追逐熱門。
有時候，關鍵在於保持好奇心，持續學習，關注那些無論市場情緒如何仍在不斷髮展的項目。
這就是我喜歡跟蹤不同生態系統和敘事的原因。總有新東西可以發現。
你現在最感興趣的領域是什麼？
$AVAX #Avalanche
有時候，關鍵在於保持好奇心，持續學習，關注那些無論市場情緒如何仍在不斷髮展的項目。
這就是我喜歡跟蹤不同生態系統和敘事的原因。總有新東西可以發現。
你現在最感興趣的領域是什麼？
$AVAX #Avalanche
登入以探索更多內容