zoni 558
2.2k منشورات
zoni 558
trade lover
183 تتابع
7.0K+ المتابعون
759 إعجاب
منشورات
الكل
اقتباسات
Live
Jex_国王
·
--
لقد كنت أفكر في سبب حديث بروتوكول نِيوتن نادرًا عن السرعة أولًا.
كلما استكشفت أكثر وثائق بروتوكول نِيوتن الرسمية، ومقالات المدونة، وتحديثات X، لاحظت نمطًا ثابتًا. بخلاف العديد من مشاريع البنية التحتية التي تتنافس عبر إبراز الإنتاجية أو الرسوم الأقل أو التنفيذ الأسرع، يواصل نِيوتن العودة إلى مفهوم واحد: التفويض (التحقق من الصلاحيات).
في البداية، افترضت أن هذا مجرد استراتيجية جديدة للعلامة التجارية. لكن بعد القراءة بعمق في Mainnet Beta وVaultKit وعمليات التفويض القابلة للبرمجة، بدأت أتساءل ما إذا كان نِيوتن يحاول حل مشكلة مختلفة تمامًا.
في البداية، افترضت أن هذا مجرد استراتيجية جديدة للعلامة التجارية. لكن بعد القراءة بعمق في Mainnet Beta وVaultKit وعمليات التفويض القابلة للبرمجة، بدأت أتساءل ما إذا كان نِيوتن يحاول حل مشكلة مختلفة تمامًا.
Romy Rohan 4X
·
--
صاعد@OpenGradient #OPG $OPG
كلما قرأت أكثر عن الذكاء الاصطناعي، كلما اعتقدت أن المشكلة الحقيقية تكمن فيما لا يمكننا التحقق منه
قضيت بضع ساعات أقرأ عن <br>OpenGradient، ولم تكن الفكرة التي بقيت معي هي الحديث المعتاد عن الذكاء الاصطناعي حول <br>
السرعة أو النطاق أو من يمتلك أقوى نموذج. كانت مسألة أكثر شيوعًا، لكنها تبدو أصعب في الإجابة: عندما يعطيك نظام ذكاء اصطناعي شيئًا مهمًا، فكم تعرف فعلًا عمّا حدث خلف تلك النتيجة؟
يبدو أن هذا الجزء تحديدًا يحاول OpenGradient أخذه على محمل الجد.
على حد فهمي، المشروع يبني بنية تحتية لا مركزية حيث يمكن استضافة نماذج الذكاء الاصطناعي وتشغيلها، ثم التحقق منها بطريقة توفر بعض الأدلة على أن عملية الحساب
حدثت كما هو مُدعى. إذا أزلت اللغة التقنية، فالفكرة بسيطة جدًا: لا تطلب من الناس فقط أن يثقوا بالإجابة، بل امنحهم طريقة يثقون بها في العملية التي تقف وراءها.
ما يجعل ذلك مثيرًا للاهتمام بالنسبة لي هو مدى غيابه حتى الآن في معظم مجال الذكاء الاصطناعي. نتحدث كثيرًا عن الأداء والمعايير و <br>
قدرات النموذج، لكننا نتحدث أقل بكثير عن ما إذا كانت هذه الأنظمة تترك خلفها أي سجل موثوق حول طريقة تصرفها. وإذا كان الذكاء الاصطناعي سيتوغل أكثر في التمويل أو الرعاية الصحية أو البحث أو الأنظمة العامة، فإن هذا السجل المفقود يصبح أكثر أهمية من مجرد قفزة صغيرة أخرى في جودة المخرجات.
ومع ذلك، ما زلت حذرًا. فالتحقق سهل الإعجاب به من الناحية النظرية، لكنه أصعب بكثير ليصبح عمليًا عندما تظهر التكاليف وزمن الاستجابة والنطاق والحوافز السيئة. لكني أعتقد أن OpenGradient يشير إلى مشكلة حقيقية. ربما ليست الخطوة التالية الأكثر أهمية في الذكاء الاصطناعي هي مجرد جعل الأنظمة أكثر قدرة. ربما الخطوة هي جعلها أسهل في أن تُساءَل.
$ALLO
$LAB
كلما قرأت أكثر عن الذكاء الاصطناعي، كلما اعتقدت أن المشكلة الحقيقية تكمن فيما لا يمكننا التحقق منه
قضيت بضع ساعات أقرأ عن <br>OpenGradient، ولم تكن الفكرة التي بقيت معي هي الحديث المعتاد عن الذكاء الاصطناعي حول <br>
السرعة أو النطاق أو من يمتلك أقوى نموذج. كانت مسألة أكثر شيوعًا، لكنها تبدو أصعب في الإجابة: عندما يعطيك نظام ذكاء اصطناعي شيئًا مهمًا، فكم تعرف فعلًا عمّا حدث خلف تلك النتيجة؟
يبدو أن هذا الجزء تحديدًا يحاول OpenGradient أخذه على محمل الجد.
على حد فهمي، المشروع يبني بنية تحتية لا مركزية حيث يمكن استضافة نماذج الذكاء الاصطناعي وتشغيلها، ثم التحقق منها بطريقة توفر بعض الأدلة على أن عملية الحساب
حدثت كما هو مُدعى. إذا أزلت اللغة التقنية، فالفكرة بسيطة جدًا: لا تطلب من الناس فقط أن يثقوا بالإجابة، بل امنحهم طريقة يثقون بها في العملية التي تقف وراءها.
ما يجعل ذلك مثيرًا للاهتمام بالنسبة لي هو مدى غيابه حتى الآن في معظم مجال الذكاء الاصطناعي. نتحدث كثيرًا عن الأداء والمعايير و <br>
قدرات النموذج، لكننا نتحدث أقل بكثير عن ما إذا كانت هذه الأنظمة تترك خلفها أي سجل موثوق حول طريقة تصرفها. وإذا كان الذكاء الاصطناعي سيتوغل أكثر في التمويل أو الرعاية الصحية أو البحث أو الأنظمة العامة، فإن هذا السجل المفقود يصبح أكثر أهمية من مجرد قفزة صغيرة أخرى في جودة المخرجات.
ومع ذلك، ما زلت حذرًا. فالتحقق سهل الإعجاب به من الناحية النظرية، لكنه أصعب بكثير ليصبح عمليًا عندما تظهر التكاليف وزمن الاستجابة والنطاق والحوافز السيئة. لكني أعتقد أن OpenGradient يشير إلى مشكلة حقيقية. ربما ليست الخطوة التالية الأكثر أهمية في الذكاء الاصطناعي هي مجرد جعل الأنظمة أكثر قدرة. ربما الخطوة هي جعلها أسهل في أن تُساءَل.
$ALLO
$LAB
Romy Rohan 4X
·
--
صاعد@OpenGradient #OPG $OPG
يمكن أن تكون المشكلة الحقيقية للذكاء الاصطناعي ليست الذكاء. بل هي الأثر المفقود خلفه.
لقد كنت أقرأ عن OpenGradient منذ فترة، والشيء الذي يظل عالقًا في ذهني يتعلق بقدر ضئيل من سرعة النموذج، والمعايير، أو الحديث المعتاد عن الذكاء الاصطناعي الأكثر ذكاءً.
إنها سؤال أبسط وأقل راحة قليلاً: عندما يقدم نظام الذكاء الاصطناعي إجابة تهم فعلاً، ماذا نعرف حقًا عن كيفية وصوله إلى هناك؟
هذا هو الجزء من OpenGradient الذي أعود إليه باستمرار. من ما أفهمه، إنه يحاول بناء الطبقة حول الذكاء الاصطناعي بدلاً من مجرد النموذج نفسه - إعداد لامركزي لاستضافة النماذج، وتشغيل الاستدلال، وترك شيء يمكن التحقق منه حول تلك العملية. ليس فقط ما قاله النظام، ولكن أين تم تشغيله، وكيف تم تشغيله، وما إذا كان يمكن التحقق من أي من ذلك لاحقًا.
ما يجعل هذا مثيرًا للاهتمام بالنسبة لي هو كيف يشعر بأنه مختلف عن الطريقة التي تعمل بها الثقة في معظم أنظمة الذكاء الاصطناعي اليوم. في الوقت الحالي، تأتي الثقة في الغالب من السمعة. نحن نثق في الشركة، نثق في السجلات الداخلية، نثق في أن النظام تصرف بالطريقة التي يقول إنه تصرف بها. يبدو أن OpenGradient تسأل عما إذا كانت الثقة يمكن أن تُعتبر أقل كوعود وأكثر كالبنية التحتية.
لا أعتقد أن ذلك يجعل الأمر سهلًا تلقائيًا. التحقق يضيف احتكاك. عادة ما تبدو اللامركزية أنظف في النظرية مما تشعر به في الممارسة. لكنني ما زلت أعتقد أنها تشير إلى شيء حقيقي. قد لا يكون لدى الذكاء الاصطناعي مجرد مشكلة ذكاء. قد يكون لديه مشكلة ذاكرة، مشكلة إثبات، ومشكلة ثقة. ويبدو أن هذه هي القضية الأعمق التي تكمن تحت كل شيء آخر.
$XLM USDT
$TNSR
يمكن أن تكون المشكلة الحقيقية للذكاء الاصطناعي ليست الذكاء. بل هي الأثر المفقود خلفه.
لقد كنت أقرأ عن OpenGradient منذ فترة، والشيء الذي يظل عالقًا في ذهني يتعلق بقدر ضئيل من سرعة النموذج، والمعايير، أو الحديث المعتاد عن الذكاء الاصطناعي الأكثر ذكاءً.
إنها سؤال أبسط وأقل راحة قليلاً: عندما يقدم نظام الذكاء الاصطناعي إجابة تهم فعلاً، ماذا نعرف حقًا عن كيفية وصوله إلى هناك؟
هذا هو الجزء من OpenGradient الذي أعود إليه باستمرار. من ما أفهمه، إنه يحاول بناء الطبقة حول الذكاء الاصطناعي بدلاً من مجرد النموذج نفسه - إعداد لامركزي لاستضافة النماذج، وتشغيل الاستدلال، وترك شيء يمكن التحقق منه حول تلك العملية. ليس فقط ما قاله النظام، ولكن أين تم تشغيله، وكيف تم تشغيله، وما إذا كان يمكن التحقق من أي من ذلك لاحقًا.
ما يجعل هذا مثيرًا للاهتمام بالنسبة لي هو كيف يشعر بأنه مختلف عن الطريقة التي تعمل بها الثقة في معظم أنظمة الذكاء الاصطناعي اليوم. في الوقت الحالي، تأتي الثقة في الغالب من السمعة. نحن نثق في الشركة، نثق في السجلات الداخلية، نثق في أن النظام تصرف بالطريقة التي يقول إنه تصرف بها. يبدو أن OpenGradient تسأل عما إذا كانت الثقة يمكن أن تُعتبر أقل كوعود وأكثر كالبنية التحتية.
لا أعتقد أن ذلك يجعل الأمر سهلًا تلقائيًا. التحقق يضيف احتكاك. عادة ما تبدو اللامركزية أنظف في النظرية مما تشعر به في الممارسة. لكنني ما زلت أعتقد أنها تشير إلى شيء حقيقي. قد لا يكون لدى الذكاء الاصطناعي مجرد مشكلة ذكاء. قد يكون لديه مشكلة ذاكرة، مشكلة إثبات، ومشكلة ثقة. ويبدو أن هذه هي القضية الأعمق التي تكمن تحت كل شيء آخر.
$XLM USDT
$TNSR
Liwei 925
·
--
صاعد#opg $OPG OpenGradient تعيد تعريف كيفية عمل بنية الذكاء الاصطناعي من خلال جلب الذكاء إلى شبكة لامركزية. بدلاً من الاعتماد على عدد قليل من مقدمي خدمات السحابة المركزية، تتيح OpenGradient استضافة وتشغيل والتحقق من نماذج الذكاء الاصطناعي عبر شبكة عالمية من عقد الحوسبة الموزعة.
يمكن أن يُحسن هذا النهج القابلية للتوسع والشفافية والمرونة بينما يقلل من الاعتماد على الأنظمة المركزية. من خلال الاستنتاج اللامركزي والتحقق المعتمد على البلوكشين، تساعد @OpenGradient في ضمان أن مخرجات الذكاء الاصطناعي فعالة وموثوقة.
للمطورين، تقدم طريقة أكثر انفتاحًا لنشر وتوسيع تطبيقات الذكاء الاصطناعي. وللشركات، توفر تنفيذًا آمنًا وقابلًا للتحقق من الذكاء الاصطناعي. مع استمرار الطلب على الذكاء الاصطناعي في النمو، قد تصبح البنية التحتية اللامركزية أساسًا رئيسيًا لمستقبل الذكاء المفتوح.
OpenGradient تمثل خطوة نحو عالم يكون فيه الذكاء الاصطناعي أكثر وصولاً وشفافية وتوزيعًا عالميًا—مفتحةً آفاق جديدة للابتكار عبر الصناعات.
@OpenGradient
@Opg
$TSLAB
يمكن أن يُحسن هذا النهج القابلية للتوسع والشفافية والمرونة بينما يقلل من الاعتماد على الأنظمة المركزية. من خلال الاستنتاج اللامركزي والتحقق المعتمد على البلوكشين، تساعد @OpenGradient في ضمان أن مخرجات الذكاء الاصطناعي فعالة وموثوقة.
للمطورين، تقدم طريقة أكثر انفتاحًا لنشر وتوسيع تطبيقات الذكاء الاصطناعي. وللشركات، توفر تنفيذًا آمنًا وقابلًا للتحقق من الذكاء الاصطناعي. مع استمرار الطلب على الذكاء الاصطناعي في النمو، قد تصبح البنية التحتية اللامركزية أساسًا رئيسيًا لمستقبل الذكاء المفتوح.
OpenGradient تمثل خطوة نحو عالم يكون فيه الذكاء الاصطناعي أكثر وصولاً وشفافية وتوزيعًا عالميًا—مفتحةً آفاق جديدة للابتكار عبر الصناعات.
@OpenGradient
@Opg
$TSLAB
سجّل الدخول لاستكشاف المزيد من المُحتوى