RUpali1

https://www.binance.com/referral/earn-together/refer2earn-usdc/claim?hl=en&ref=GRO_28502_6P3KV&utm_source=referral_entrance&utm_medium=app_share_link_whatsapp
👇
GRO_28502_6P3KV
https://www.binance.com/referral/earn-together/refer2earn-usdc/claim?hl=en&ref=GRO_28502_6P3KV&utm_source=referral_entrance

انضم بسرعة يا الجميع 🥰🥰
@Rafayet Official @OpenGradient @艾伦Eren1688 @ABHISHEK_加密 143 @Mishoo_ @JIMIN_加密 143 @Rais_Crypto9047 @beer_ford @Tutti-Fruiti @Putin_2 @Emily Adamz @Momentum Signals @Frenzy _13 @Salman49 @GLOW_PK @Vashu_ @艾伦Eren1688 @kaige凯歌520 @yoyoyo切克闹 @Odin 奥丁 @Coin--King @AUGUSTHA @DT_Singh @Rose时间玫瑰 @RiskSonder @Molly币圈大V推荐

الصين أطلقت الرصاصة الأولى - عصر الدولار يتصدع ⚡

بينما الجميع متعلقون برسوم بيانية لعملة $BTC، قامت الصين بتحويل لعبة المال. 🌍💰

لسنوات عديدة، كانت عملة الدولار الأمريكي تحكم التجارة العالمية. النفط، المعادن، الطاقة - كلها بالدولارات الخضراء. 💵 ولكن هذا الأسبوع؟ قامت بكين بخطوة قوية - تسوية صفقات ضخمة للسلع باليوان مع روسيا والسعودية والبرازيل.

🔥 الترجمة: "تجاوزوا الدولار، سنقوم بتشغيل نظامنا الخاص."

🚨 لماذا هذا مهم: إذا انتقلت دول أكثر إلى اليوان، ستنخفض الطلبات على الدولارات. هذا يعني قوة احتياطي الفيدرالي أضعف، عقوبات أضعف، ورئيس جديد للسيولة العالمية. البترودولار؟ يتحول ببطء إلى البتروليوان. 🐉💥

📊 أجواء السوق:

🥇 الذهب يتجاوز $4,100

💎 البيتكوين في ارتفاع

💵 DXY ينزلق

🧠 الصورة الكبيرة: الدولار لن يختفي غدًا، لكن الاحتكار قد كُسر. بحلول عام 2030، قد تبدو خريطة التجارة غير قابلة للتعرف عليها.

😂 الخلاصة النهائية: مرحبًا بكم في عصر العملات المتعددة - الدولار الأمريكي لم يعد الشخصية الرئيسية الوحيدة بعد الآن. 🎬💣

#DeDollarization #china #bitcoin

بيتكوين في انتظار. السوق يعلم ذلك.

لقد أمضت BTC الأيام الثلاثة الماضية وهي تتحرك ضمن نطاق 64 ألف - 66.8 ألف دولار.

الأمر المثير للاهتمام ليس السعر. بل مدى ضعف القناعة من الطرفين.

عادت تدفقات صناديق الاستثمار المتداولة (ETF)، لكنها ما زالت بعيدة جدًا عن محو التدفقات الخارجة الضخمة التي حدثت في وقت سابق من هذا العام. وفي الوقت نفسه، لا تزال أحجام التداول الفورية هادئة، وانخفض الفائدة المفتوحة في بورصة CME إلى أدنى مستوى لها منذ أواخر 2023. لا أحد يبدو مستعدًا لاتخاذ الخطوة الأولى.
الآن كل شيء يتجه إلى اجتماع بنك الاحتياطي الفيدرالي في 28-29 يوليو.

ومن المتوقع على نطاق واسع أن يكون هناك تثبيت للفائدة، لذا فإن البيان يهم أكثر من القرار نفسه. إذا بدا موقف بنك الاحتياطي الفيدرالي أكثر تشددًا مما كان متوقعًا، فقد يستمر هذا السوق الجانبي لفترة أطول. وإذا كان الخطاب داعمًا واستعادت BTC مستوى 69 ألف دولار، فستتغير المحادثة بسرعة لأن سوق الخيارات يكون بالفعل مُتمركزًا بشكل كبير حول 72 ألف دولار.

في الوقت الحالي، لا يبدو الأمر كاتجاه صعودي ولا اتجاه هبوطي.

بل يبدو كأنه سوق ينتظر إذنًا. وحتى وصول ذلك الإذن، فإن كل اختراق وكل انهيار يستحق نظرة ثانية قبل اللحاق به. #BTC

NFA.DYOR

اذهب

اذهب

مؤشر CPI يبرد، والاقتصاد التشفيري يتفاعل

تقرير تضخم واحد يغيّر المزاج أسرع مما توقعت. يأتي مؤشر أسعار المستهلكين الأمريكي (CPI) لشهر يونيو أقل من التوقعات، ما يقلّل توقعات المزيد من زيادات أسعار الفائدة من جانب الاحتياطي الفيدرالي. وبالكاد يمر وقتٌ قصير حتى يتجاوز البيتكوين 63,000 دولار، وتعود شهية المخاطرة.

لكن الحركة لا تتوقف عند السعر. يتم تصفية أكثر من 100 مليون دولار من مراكز البيع القصيرة في العملات الرقمية خلال نحو ساعة، مع تسجيل أكبر أثر على البيتكوين وETH. هذا الضغط يزيل جزءًا من الزخم السلبي ويساعد السوق على بناء دعم أقوى.

تركيزي الآن ليس على الارتفاع اليومي. بل على ما إذا كانت بيانات التضخم المستقبلية واجتماع الاحتياطي الفيدرالي القادم سيواصلان دعم هذا التحوّل، أم أن السوق يبدأ مجددًا في إعادة بناء مراكز بيع قصيرة هجومية.

#opg $OPG
التكلفة الخفية لِجعل الذكاء الاصطناعي ينتظر

تركّز معظم النقاشات حول بنية الذكاء الاصطناعي التحتية على نماذج أسرع أو على المزيد من القدرة الحاسوبية. لكن اهتمامًا أقل بكثير يُمنَح للوقت الذي تقضيه «آلات الانتظار» بعد أن يكون العمل قد اكتمل بالفعل. التحقق يبني الثقة، لكنه لا يتطلب دائمًا إبطاء التنفيذ. ومع نمو أحمال الذكاء الاصطناعي، قد يصبح تقليل الانتظار غير الضروري قيمةً كبيرة بقدر إضافة المزيد من العتاد.

يُفصل OpenGradient بين هذه المسؤوليات. تُنفِّذ عُقد الاستدلال الطلبات فورًا، بينما يتم التحقق من الأدلة وتسويتها بشكل غير متزامن عبر الشبكة. هذا لا يغيّر زمن الوصول فقط. بل يغيّر سلوك البنية التحتية نفسها. يستمر التنفيذ بينما تتحقق طبقة الثقة مما حدث بالفعل، ما يتيح لموارد الحوسبة أن تخصص حصة أكبر من وقتها لمعالجة الطلبات بدلًا من انتظار التسوية.

الأثر الاقتصادي سهل التغاضي عنه. غالبًا ما تعني زيادة سعة الذكاء الاصطناعي الاستثمار في مزيد من العتاد، وهو ما يصبح أكثر تكلفة كلما زادت المطالبة. وغالبًا ما يكون تحسين استغلال العتاد طريقةً أرخص لزيادة السعة الفعّالة. لا تُنشئ تسوية الأدلة غير المتزامنة قدرة حوسبية إضافية. بل تساعد البنية التحتية الحالية على قضاء المزيد من وقتها المتاح في أعمال مفيدة، مع الحفاظ في الوقت نفسه على سجلّ قابل للتدقيق لكل استدلال.

بالطبع، لا يناسب التأكد المتأخر كل نوع من الأحمال. قد تفضّل التطبيقات التي تتطلب حسمًا فوريًا تأكيدًا متزامنًا. وتوجد الميزة فقط عندما تظل سرعة التنفيذ والتحقق والثقة متوازنة تحت الطلب المستمر.

لقد تنافست تقنيات الذكاء الاصطناعي لسنوات على نماذج أكبر ورقائق أسرع. قد تعتمد سباق البنية التحتية القادم بقدرٍ مشابه على مدى كفاءة الشبكات في استخدام القدرة الحاسوبية التي تمتلكها بالفعل.

المصدر: وثائق إجماع OpenGradient، وثائق استدلال السلسلة (On-Chain) & مستودع GitHub لمنسّق الاستدلال. ليست نصيحة مالية. دَعِمت قرارك بالبحث الخاص بك. @OpenGradient

#opg $OPG
يمكن لـ OpenGradient إنشاء منافذ حاويات للذكاء الاصطناعي

أعود باستمرار إلى OpenGradient لأنها تبدو أقل كأنها مجرد مشروع ذكاء اصطناعي آخر، وأكثر كأنها محاولة لتوحيد الطريقة التي ينتقل بها الذكاء الاصطناعي بين المطورين والتطبيقات. النماذج مهمة، لكنني أقضي وقتًا أكبر في التفكير في كل ما يحيط بها. هذا الجزء من الذكاء الاصطناعي ما زال يبدو مجزّأً.

منافذ الحاويات لم تغيّر الحمولة. بل غيّرت طريقة نقلها. حلّت المعايير المشتركة محل العمليات المخصصة، مما يسهل توسيع نطاق التجارة لأن عددًا أقل من الشركات اضطر إلى حل مشكلة لوجستية مماثلة مرة أخرى.

يبدو أن OpenGradient يعالج مشكلة شبيهة. يوفّر حزمة Python SDK مسار عمل مألوفًا للمطورين، وتقلل واجهات استدلال معيارية من عمليات التكامل المخصصة، ويخلق الاستدلال القابل للتحقق طبقة ثقة مشتركة. يوسّع Model Hub الفكرة نفسها عبر توفير مكان مشترك لنشر النماذج واستخدامها. لا تجعل أي من هذه الميزات الذكاء الاصطناعي أكثر ذكاءً. بالنسبة لي، تجعل الذكاء الاصطناعي أسهل في النقل.

قرأت $OPG من خلال الفكرة نفسها. تستقر كل عملية استدلال مُتحقَّق منها في OPG، لذا إذا واصل المزيد من المطورين اختيار نفس سير العمل، فمن الطبيعي أن يستقر المزيد من نشاط الشبكة عبر الرمز. تعتمد قيمة OPG على ما إذا كان المطورون سيواصلون العودة إلى هذا المسار المشترك.

قد لا تصبح OpenGradient أبدًا المعيار المشترك للذكاء الاصطناعي. ما زال لدى المطورين خيارات أخرى. ما زلت أتساءل إن كان أكبر تحول في البنية التحتية للذكاء الاصطناعي سيأتي من نموذج آخر، أم من اللحظة التي يصبح فيها نقل الذكاء الاصطناعي موحّدًا مثل نقل حاوية شحن.

المصدر: الوثائق الرسمية لـ OpenGradient و GitHub، يونيو 2026. ليست نصيحة مالية. اعمل بحثك الخاص (DYOR). @OpenGradient

#opg $OPG
ماذا لو كانت الإنترنت تكافئ الإجابات بدلًا من المحتوى؟

على مدار معظم تاريخ الإنترنت، كانت القاعدة بسيطة. إذا كنت تريد إجابة، كان لا بد أن ينشر شخصٌ محتوى أولًا. ولهذا انتهينا مع مليارات الصفحات والفيديوهات والخيوط والدروس التعليمية. كانت الإجابة موجودة بالفعل في مكان ما. كل ما علينا فعله هو العثور عليها.

قضيت جزءًا من عطلة نهاية الأسبوع في مقارنة مشاريع بنية تحتية للذكاء الاصطناعي لفهم ما الذي يفصل بينها بالفعل. إن قراءة وثائق OpenGradient غيّرت منظوري. لم يكن يبدو كأن الشبكة تحاول إنتاج المزيد من المحتوى. كان الأمر أشبه باستكشاف فكرة مختلفة: ماذا لو أصبحت الإجابات المُتحقَّق منها أكثر قيمة من مجرد نشر المعلومات أولًا؟ إذا أمكن توليد إجابة والتحقق منها وتسليمها عند الطلب، فخط سير الإنترنت القديم يبدأ بالنظر بشكل مختلف.

وهذا يغيّر أيضًا مكان توليد القيمة. المقالات تكسب الانتباه عندما ينقرها الناس. شبكات الاستدلال تكسب القيمة عندما يستخدمها الناس. لا يكتفي المُنشئون بنشر النماذج والآمال بأن يتم اكتشافها. النماذج التي تواصل حل الطلبات الحقيقية وتوليد استدلالات مُتحقَّق منها مستقرة داخل $OPG تستمر في تقديم فائدة متكررة؛ لتصبح الإشارة أقوى من مجرد الظهور.

المحتوى لا يختفي. يجب أن توجد المعرفة قبل أن يستطيع الذكاء الاصطناعي التفكير بها. لكن العلاقة تتغير. يصبح المحتوى هو الأساس، بينما يصبح الاستدلال المُتحقَّق منه هو الخدمة التي يتفاعل معها الناس كل يوم.

أنهيت قراءة الوثائق وأنا أفكر بأقل قدر في نماذج الذكاء الاصطناعي وأكثر في الإنترنت نفسها. لقد قضينا عقودًا نكافئ فيها الأشخاص الذين ينشرون أولًا. إذا اكتسبت شبكات مثل OpenGradient تبنّيًا حقيقيًا، فقد لا يكون الميزة التنافسية القادمة هي إنتاج المزيد من المحتوى. بل قد تكون تقديم أكثر إجابة موثوقة بالضبط عندما يحتاجها شخص ما.

NFA. DYOR. @OpenGradient

#opg $OPG
ماذا لو استطاعت الشركات أن تتذكّر؟

كلما وُجدت شركة لفترة أطول، يتوقف جزء أكبر من معرفتها بهدوء عن العيش داخل المستندات ويبدأ بالعيش داخل الأشخاص. وغالبًا ما تكون هذه هي المعرفة التي يستغرق بناؤها وقتًا أطول، والتي يُخشى ضياعها في وقت أقل.

كنت أتصفّح توثيق OpenGradient لفهم MemSync، متوقعًا ميزة ذاكرة أخرى. لكنني وجدت نفسي أفكّر باستمرار في دوران الموظفين. لا تعاني معظم المؤسسات لأن المعلومات تختفي. بل تعاني لأن سبب/منطق القرارات القديمة ينسحب بهدوء مع الأشخاص الذين اتخذوها.

تخيّل فريق منتج قضى أشهرًا في محاولة فهم سبب استمرار تعطل ميزة معيّنة. إذا غادر المهندسون الذين حلّوا المشكلة بعد عامين، فقد تظل الوثائق النهائية موجودة، لكن الدروس الصغيرة والمقايضات والمنطق وراء تلك القرارات غالبًا ما يذهبون معهم.

لم تكن أول فكرة تدور حول تخزين بيانات أكثر. كانت تتعلق بالحفاظ على المنطق وراءها. إذا أمكن أن يستمر السياق التنظيمي عبر تغيّر الفرق، فقد تقضي الشركات وقتًا أقل في إعادة بناء التفكير القديم ووقتًا أكبر في البناء عليه.

وهذا يغيّر كذلك طريقة تقييم الخبرة. اليوم، غالبًا ما تُعامل المؤسسات الخبرة على أنها شيء يحمله الأفراد معهم. يشير OpenGradient إلى نموذج يمكن فيه أن يبقى جزء على الأقل من تلك الخبرة داخل المؤسسة بدل أن يغادر الموظفون بها إلى خارجها. تصبح المحادثة أقل حول استبدال الموظفين وأكثر حول الحفاظ على الذاكرة المؤسسية.

من المستحيل معرفة ما إذا كانت الشركات ستتبنّى هذا النهج على نطاق واسع في الوقت الحالي. لكن إذا أصبحت الذكاء الاصطناعي جزءًا من العمل اليومي، فقد تكون الشركات التي تتعلم أسرع هي ببساطة تلك التي تنسى أقل.

المصدر: توثيق OpenGradient، يونيو 2026. ليست نصيحة مالية. DYOR. @OpenGradient #OP #bitcoin

#opg $OPG
في النهاية، كل نظام بيئي للذكاء الاصطناعي يحتاج إلى قواعد لا يمكنه تجاهلها

أمرٌ واحد فاجأني أثناء بحثي في وثائق OpenGradient. كنت أتوقع أن أقضي معظم وقتي في قراءة نماذج الذكاء الاصطناعي. لكني واصلت التوقف عند قواعد البروتوكول. لم يكن هذا ما توقعت، ولكن كلما قرأت أكثر، شعرت بأن هذه القواعد قد تدوم أطول من أي نموذج قد يكون شائعًا اليوم.

تفصيلٌ واحد بقي معي. قبل أن يبدأ عقد استدلال (inference) في تقديم الطلبات، يتعين عليه تسجيل قياس كوده (هاش PCR) في سجل TEERegistry الخاص بـ OpenGradient على السلسلة. قد لا يظهر ذلك في العناوين الرئيسية، لكنني أعتقد أنه أهم من مخطط أداء معياري آخر. الشبكة لا تكتفي بأخذ كلام شخصٍ ما على أنه صحيح. لديها طريقة للتحقق من أن الكود المعتمد هو بالفعل ما يتم تشغيله.

ثم وجدت شيئًا آخر. تستقبل الشبكة ردّ الذكاء الاصطناعي أولًا، لكن لا يُعتبر الدليل نهائيًا حتى يوافق 2/3 من المدققين عليه ويسجّلوه. في الواقع، أنا أحب هذا التوازن. لست مضطرًا للانتظار في كل خطوة تحقق، لكن ما زالت الشبكة تملك طريقة واضحة لتحديد ما الذي يُعد صالحًا. وهذا يختلف كثيرًا عن مجرد الثقة بواجهة برمجة تطبيقات (API) لأنها تقول إن كل شيء يعمل.

الجزء الذي أعود إليه باستمرار ليس هو الذكاء الاصطناعي نفسه. النماذج ستتغير. ستصبح القدرة الحاسوبية أرخص. ستستبدل تقنيات جديدة التقنيات القديمة. القواعد الكامنة هي الجزء الذي ينتهي به الجميع إلى الاعتماد عليه. إذا كان المطورون والمدققون والمستخدمون جميعهم يعرفون هذه القواعد قبل أن يبنوا، فستكون لدى الشبكة فرصة أكبر بكثير للنمو دون أن يظل الناس يشككون باستمرار في كيفية عملها.

ما زال الأمر مبكرًا.

ربما لا تتنافس نظم ذكاء اصطناعي على أساس الثقة في نهاية المطاف. لكن إن حدث ذلك، فلن أندهش إذا توقف الناس عن التساؤل عن أي نموذج هو الأكثر ذكاءً وبدؤوا التساؤل عن قواعد أي شبكة يثقون بها أكثر.

المصدر: OpenGradient SDK، وثائق البنية (Architecture Documentation)، يونيو 2026. ليست نصيحة مالية. DYOR. @OpenGradient #OPG #USDT。

#opg $OPG
لماذا لم تجعل البيانات على السلسلة الكريبتو أكثر ذكاءً

فكرة واحدة تتكرر في عالم الكريبتو: إذا كان كل شيء على السلسلة، يجب أن تتبع قرارات أفضل بشكل طبيعي. لا أعتقد أن هذا خطأ تمامًا. أعتقد فقط أنه ينقصه شيء. لقد قمت بمقارنة نفس اقتراح الحوكمة عبر لوحات المعلومات من قبل وما زلت أجد المزيد من الأسئلة بدلاً من الإجابات. كانت البيانات عامة. لكن المعنى لم يكن كذلك.

هذا هو الخطر الخفي. المزيد من البيانات لا يخلق تلقائيًا حكمًا أفضل. غالبًا ما يخلق المزيد من الروايات المتنافسة. يمكن لشخصين النظر إلى نفس تدفقات المحفظة أو نشاط المدققين والجدال حول استنتاجات مختلفة تمامًا. الشفافية تخبرنا بما حدث. لكنها لا تخبرنا دائمًا لماذا يهم.

لهذا السبب لفت انتباهي OpenGradient. لقد قامت الشبكة بالفعل بمعالجة أكثر من 2 مليون استنتاج موثوق بالذكاء الاصطناعي، لكن الجزء المثير للاهتمام ليس الرقم. بل هو أن الاستنتاج يمكن أن يعمل داخل بيئة تنفيذ موثوقة TEE، حيث يثبت التحقق من العتاد أن الكود المعتمد قد تم تشغيله بالفعل قبل تسجيل النتيجة. بدلاً من مطالبة الناس بالثقة في إجابة الذكاء الاصطناعي، تحاول الشبكة جعل التنفيذ نفسه موثوقًا.

هذا يغير السؤال بالنسبة لي. إذا كان الذكاء الاصطناعي سيساعد في شرح الحوكمة، أو النشاط على السلسلة، أو قرارات البروتوكول، فقد تصبح المساءلة أكثر قيمة من مجرد توليد إجابة أخرى. التفكير الموثق لن يضمن أن الاستنتاج صحيح، ولكنه يمنح الجميع نفس الأدلة حول كيفية إنتاج ذلك الاستنتاج.

ما زال مبكرًا.

لكن إذا كانت الكريبتو لديها بالفعل شفافية، هل الطبقة المفقودة التالية هي المزيد من البيانات—أم وسيلة للتحقق من التفكير المبني على ذلك؟

المصدر: وثائق OpenGradient وإحصاءات الشبكة، يونيو 2026. ليست نصيحة مالية. DYOR. @OpenGradient

#opg $OPG
أغلب الشركات تستأجر الذكاء الاصطناعي. ماذا لو كان هذا خطأ؟

افتراض واحد أراه باستمرار في الذكاء الاصطناعي هو أن الشركات التي تملك أفضل النماذج ستفوز في النهاية.

لست متأكدًا إذا كان هذا هو السؤال الصحيح.

تتركز معظم المناقشات على أداء النموذج، والمعايير، والقدرات. لكن الشركات نادرًا ما تصبح ذات قيمة لمجرد استخدامها لأدوات جيدة. يمكن للشركة تغيير أدواتها. ما يدوم عادةً لفترة أطول هو الملكية.

لذلك أعتقد أن الكثير من الناس ينظرون إلى المقياس الخاطئ. قد لا يكون السؤال الأكثر أهمية هو من يبني أفضل نموذج. بل قد يكون من يملك مجموعة النماذج الأكثر فائدة.

المشكلة الخفية هي أن معظم الشركات لا تزال تعالج الذكاء الاصطناعي كاشتراك. في كل مرة تحتاج فيها إلى ذكاء، تدفع لشخص آخر للحصول على الوصول. الإنتاج يساعد العمل، لكن الأصل يبقى في ميزانية شخص آخر.

إذا استمر هذا الاتجاه، فقد لا تكون الفجوة الأكبر بين النماذج الجيدة والنماذج السيئة. قد تكون بين الشركات التي تملك الذكاء وتلك التي تستأجره.

هنا تبدأ OpenGradient في أن تصبح مثيرة للاهتمام. الشبكة تستضيف بالفعل آلاف النماذج وقد عالجت ملايين الاستنتاجات القابلة للتحقق. ما يجذب انتباهي ليس فقط الوصول إلى النماذج. بل إمكانية أن تبدأ النماذج في التصرف أكثر كأصول رقمية قابلة لإعادة الاستخدام يمكن اكتشافها، ونشرها، واستخدامها بشكل متكرر عبر الشبكة.

وهذا أيضًا حيث يدخل $OPG في الصورة. إذا أصبحت النماذج أصولًا منتجة، فإن الشبكة لا تزال بحاجة إلى وسيلة للدفع مقابل الاستدلال، والتحقق من التنفيذ، وتنسيق الأنشطة بين مالكي النماذج والمستخدمين. بدون تلك الطبقة، يصبح من الصعب توسيع الملكية.

لست أقول إن كل شركة ستصبح Berkshire Hathaway التالية.

لكن إذا أصبح الذكاء الاصطناعي فئة من الأصول بدلاً من مجرد خدمة، هل ستكون الشركات الأكثر قيمة هي تلك التي تبني النماذج—أم تلك التي تجمعها بهدوء؟

ليس نصيحة مالية. DYOR. @OpenGradient

#opg $OPG
OpenGradient يمكن أن تجعل حرب الاستنزاف عفا عليها الزمن بالنسبة للذكاء الاصطناعي

الكثير منا يسمع نفس القصة كلما تم تناول موضوع الذكاء الاصطناعي. المزيد من الشرائح. المزيد من الحوسبة. تجمعات أكبر. ميزانيات أكبر. بعد فترة، يبدأ الأمر في الشعور وكأنه الطريقة الوحيدة للتنافس هي إنفاق أكثر من الشخص الآخر.

قضيت بعض الوقت في البحث في وثائق الاستدلال الموزع الخاصة بـ OpenGradient هذا الأسبوع، وشيء واحد يزعجني. تفترض معظم أنظمة الذكاء الاصطناعي أن الذكاء يجب أن يأتي من كميات ضخمة من الحوسبة الموجودة في عدد قليل من الأماكن. إذا كنت تريد نماذج أفضل، فإن الجواب المعتاد بسيط: بناء شيء أكبر.

الشيء الذي يجعلني أعود إلى OpenGradient هو أنه لا يبدأ بتلك الفرضية. من خلال الاستدلال الموزع، يمكن للناس جلب حوسبتهم الخاصة والمساعدة في تشغيل الأحمال عبر الشبكة. بدلاً من محاولة جمع كل الموارد في مكان واحد، تحاول الشبكة الاستفادة من الموارد التي تجلس بالفعل بلا استخدام في أماكن مختلفة.

هنا تبدأ مقارنة حرب الاستنزاف في أن تصبح ذات معنى بالنسبة لي. في حرب الاستنزاف، يحاول الجانب الذي يمتلك موارد أعمق أن يتحمل أكثر من الآخرين. ولكن إذا كان يمكن إنتاج الذكاء من خلال تنسيق الحوسبة من أماكن مختلفة، تبدأ الأسئلة في التغير. لم يعد الأمر يتعلق بمن يمتلك أكبر كمية من الموارد، بل من يمكنه استخدام ما هو متاح بشكل أفضل.

هذا لا يزيل فجأة ميزة الحجم. ربما لا يعمل أي من هذا. لكن يجعلني أتساءل عما إذا كنا نقيس الشيء الخطأ. ربما تكون أكبر ميزة في الذكاء الاصطناعي ليست في الحصول على المزيد من الموارد. ربما هي في تقليل عدم استخدام الموارد.

وهذا هو السبب أيضًا في أن $OPG يشعر بأنه مرتبط بفكرة. الأنظمة الموزعة تعمل فقط عندما يستمر عدد كافٍ من المشاركين في تقديم الموارد. إذا كان الهدف هو الاستخدام الأفضل للحوسبة غير المستخدمة، فإن طبقة التنسيق تصبح بنفس أهمية الحوسبة نفسها.

الغريب هو أن OpenGradient لا تسأل حقًا عن كيفية بناء كومة أكبر من الحوسبة.

إنها تسأل عما إذا كانت الكومة التي لدينا بالفعل تُهدر.

NFA.DYOR. @OpenGradient

#opg $OPG
OpenGradient قد تُنشئ أول طريق تجاري ذكي

كلما قرأت عن OpenGradient، كلما فكرت أكثر في طرق التجارة. في البداية، يبدو أن المقارنة غريبة. ثم تبدأ الأمور في التوضيح. كانت طريق الحرير موجودة لأن السلع كانت بحاجة للتحرك. أصبحت الإنترنت قيمة لأن المعلومات يمكن أن تتحرك على الفور. في الآونة الأخيرة، كنت أتساءل إذا كانت الذكاء الاصطناعي تُنشئ نسخة جديدة من نفس الشيء: الذكاء.

يتركز معظم الناس على النماذج لأنها الجزء الذي نراه. نطرح سؤالاً ونتلقى إجابة. لكن كل إجابة تعتمد على شيء يحدث قبل أن تصل إلينا. يجب أن تحدث عمليات حسابية في مكان ما. يجب أن يتم توليد الذكاء قبل أن يُسلم.

تستمر OpenGradient في جذبني نحو تلك الطبقة. بدلاً من الاعتماد على مزود واحد، تستخدم الشبكة استنتاجًا موزعًا. يمكن توليد الذكاء عبر مشاركين مختلفين بدلاً من أن يأتي من مكان واحد. أصبحت طرق التجارة قيمة لأنها تربط بين العرض والطلب. كلما نظرت إلى OpenGradient، شعرت أكثر أنها تحاول فعل شيء مشابه للذكاء نفسه.

انتهى بي الأمر بالتفكير في الثقة بعد ذلك. تعمل طرق التجارة فقط عندما يثق الناس فيما يتلقونه. إذا تم توليد الذكاء عبر مشاركين متعددين، كيف تعرف أن العمليات الحسابية حدثت بشكل صحيح؟ تركز OpenGradient على جعل المخرجات قابلة للتحقق من خلال تقنيات مثل TEEs وإثباتات تشفيرية.

تجلبني نفس الفكرة مرة أخرى إلى $OPG . تعتمد كل طريق تجاري على بنية تحتية تسمح بتحرك القيمة بين المشاركين. إذا استمر التدفق من الاستنتاج، والتحقق، والنشاط الاقتصادي عبر الشبكة، فإن البنية التحتية لا تدعم الطريق فقط. بل تصبح جزءًا من الطريق نفسه.

ربما لا يحدث أي من هذا.

تتحرك الإنترنت بالمعلومات.

لا أزال أتساءل ماذا يحدث عندما يبدأ الذكاء في التحرك بنفس الطريقة.

NFA. DYOR.
@OpenGradient

#opg $OPG OpenGradient قد يغير كيفية اتخاذ البشر للقرارات

تتركز معظم مناقشات الذكاء الاصطناعي على العمل. لكنني أجد نفسي أفكر في شيء أصغر: الخيارات.

قبل بضع سنوات، كان الناس يحفظون أرقام الهواتف. اليوم، معظمنا لا يفعل ذلك. تتولى أنظمة تحديد المواقع (GPS) عمليات التنقل. وتقرر الخوارزميات ما يظهر في خلاصاتنا. النمط مألوف. عندما تصبح الأداة مفيدة بما فيه الكفاية، نتوقف عن القيام بجزء من العمل بأنفسنا.

وهذه واحدة من الأسباب التي تجعلني أعود إلى OpenGradient. المشروع لا يبني نماذج فحسب، بل يستكشف التوائم الرقمية، والذاكرة المستمرة من خلال MemSync، وأنظمة الذكاء الاصطناعي التي تحتفظ بالسياق عبر التفاعلات. كلما أصبحت هذه الأنظمة أكثر قدرة، أصبح من الأسهل الاعتماد عليها في التوصيات والأحكام والقرارات اليومية.

عدت إلى النظام البيئي هذا الأسبوع ووجدت نفسي أتساءل عن شيء آخر. ماذا يحدث عندما تكون الإجابة الأكثر ملاءمة متاحة دائمًا؟ يستخدم علماء النفس بالفعل مصطلح "إزالة الحمل المعرفي" لوصف كيفية انتقال الناس بالمهام العقلية إلى الأدوات الخارجية. نحن نفعل ذلك بالفعل مع الآلات الحاسبة ومحركات البحث وتطبيقات التنقل. قد يدفع الذكاء الاصطناعي الاتجاه إلى أبعد من ذلك.

الجزء المثير هو أن الراحة تتزايد. التوأم الرقمي الذي يتذكر التفضيلات، ويفهم العادات، ويحافظ على السياق عبر الزمن لا يجيب فقط على الأسئلة. يصبح من الأسهل تدريجيًا استشارته بدلاً من بدء كل قرار من الصفر. هنا يبدأ OpenGradient في الشعور بالاختلاف بالنسبة لي. الجمع بين الذاكرة المستمرة والسياق والاستمرارية لا يتعلق فقط بإجابات أفضل. بل يتعلق بتقليل الجهد المطلوب لاتخاذ القرارات في المقام الأول.

وهذه واحدة من الأسباب التي تجعلني أنظر إلى $OPG بشكل مختلف. خلق اتخاذ القرار نشاطًا. كلما اعتمد الناس على التوائم الرقمية للتوصيات والأحكام والاختيارات اليومية، زادت التفاعلات التي تمر عبر النظام البيئي الذي يدعم تلك العلاقات.

ربما لا يحدث أي من هذا.

لكنني لا أعتقد أن أكبر تحول في الذكاء الاصطناعي يتعلق بما إذا كانت الآلات تقوم بمزيد من العمل.

أعتقد أنه يتعلق بما إذا كان البشر يتوقفون ببطء عن اتخاذ العديد من القرارات بأنفسهم.

NFA. DYOR.
@OpenGradient

#opg $OPG
هل يمكن للذكاء الاصطناعي أن يكون لديه ميزانية عمومية؟
مؤخراً، أثناء استكشاف بعض أنظمة الوكلاء الذكية، كانت هناك فكرة تزعجني. الجميع يتحدث عن ما يمكن أن يفعله الذكاء الاصطناعي، لكن نادراً ما يتحدث أحد عن ما يمكن أن يمتلكه. كلما نظرت إلى اتجاه OpenGradient حول التوائم الرقمية وتجارة الوكلاء، كلما عادت هذه السؤال إلي.
معظم البرمجيات تتصرف كأداة. تقوم بأداء مهمة وتوقف. OpenGradient تدفعني نحو نموذج ذهني مختلف. يمكن للتوائم الرقمية الاحتفاظ بالسياق من خلال MemSync، والتفاعل عبر الجلسات، والمشاركة في النشاط الاقتصادي مع مرور الوقت. بعد فترة، أتوقف عن التفكير فيها كبرمجيات وأبدأ في التفكير فيها أكثر كأطراف اقتصادية.
هذا هو ما جعلني أبدأ في التفكير في الميزانيات العمومية في المقام الأول. تمتلك الشركات أصولاً، والتزامات، وإيرادات، ومصروفات لأنها تشارك في اقتصاد. إذا دفع توأم رقمي في النهاية مقابل الخدمات، أو تولد دخلاً، أو يخزن قيمة، أو ينسق النشاط مع وكلاء آخرين، فإن الخط يبدأ في أن يصبح غير واضح. قد تصبح الذاكرة، والسمعة، والخبرة المتراكمة في النهاية أصولاً بحد ذاتها. ليس قانونياً. اقتصادياً.
عدت مرة أخرى إلى مفاهيم OpenGradient حول التوائم الرقمية وتجارة الوكلاء هذا الأسبوع، واستمرت ملاحظتي للبنية التحتية تحتها. المشاركة، والتنسيق، والفائدة ليست ميزات جانبية. إنها جزء من التصميم. الشبكة لا تركز فقط على الذكاء. إنها تركز على تمكين التفاعلات بين الكيانات الدائمة.
إذا حدث ذلك، فقد تكون الموجة التالية من المنافسة ليست حول بناء ذكاء اصطناعي أذكى. قد تكون حول امتلاك أكثر الكيانات الذكية إنتاجية. هذه واحدة من الأسباب التي تجعلني أعود دائماً إلى $OPG . إذا أصبحت التوائم الرقمية مشاركين اقتصاديين نشطين، فإن نشاطهم، والتسوية، والحوافز تتدفق عبر نفس النظام البيئي. في تلك النقطة، أجد نفسي أفكر أقل في ما إذا كان الذكاء الاصطناعي يمكن أن يخلق قيمة وأكثر في كيفية قياس تلك القيمة.
لا يزال مبكراً.
الجزء الغريب هو أن الذكاء الاصطناعي قد ينتهي به الأمر إلى الحصول على ميزانية عمومية قبل أن يتفق الناس حتى على ما هو الذكاء الاصطناعي.
NFA. DYOR.
@OpenGradient

#opg $OPG
من يمتلك العامل الذكي؟

تبدو معظم المحادثات حول الذكاء الاصطناعي وكأنها تنتهي في نفس المكان. يجادل الناس حول أي الوظائف سيتم أتمتتها، وأي الصناعات ستتغير أولاً، وما إذا كان الذكاء الاصطناعي سيحل محل العمال. كلما قرأت عن OpenGradient، كلما وجدت نفسي أفكر في شيء آخر.

من يمتلك الذكاء الاصطناعي الذي يقوم بالعمل؟

التوائم الرقمية هي مثال جيد. كلما قرأت عن التوائم الرقمية وMemSync، كلما شعرت أنها ليست ميزات بل أصول. معظم أدوات الذكاء الاصطناعي تبدأ من جديد في كل مرة تفتحها. هذه مصممة للاحتفاظ بالسياق، وتخزين الذاكرة، والاستمرار عبر التفاعلات بدلاً من إعادة تعيين كل جلسة.

لقد نظرت إلى بعض أنظمة وكلاء الذكاء الاصطناعي، وما زالت معظمها تبدو كبرمجيات. OpenGradient تبدو أقرب إلى كيانات رقمية دائمة يمكنها الاستمرار في العمل مع مرور الوقت. هذا يغير السؤال بالنسبة لي. إذا بدأ الذكاء الاصطناعي في التعامل مع البحث، والدعم، والتحليل، أو مهام قابلة للتكرار أخرى، فإن القدرة ليست الشيء الوحيد الذي يهم. الملكية تهم أيضاً.

هذا أحد الأسباب التي تجعلني أتابع $OPG . إذا أصبحت التوائم الرقمية مشاركين نشطين في الشبكة، فإن نشاطهم، وتنسيقهم، وتسويتهم جميعها تعتمد على نفس طبقة البنية التحتية. القيمة ليست مرتبطة بتطبيق واحد. إنها مرتبطة بنظام مصمم حول المشاركة المستمرة للذكاء الاصطناعي.

لا يزال الوقت مبكراً، وربما لا تسير الأمور كما يتوقع الناس. لكن كلما قضيت وقتاً أطول في النظر إلى وكلاء الذكاء الاصطناعي، كلما قل اهتمامي بنقاش الاستبدال.

أعود دائماً إلى الملكية.

NFA. DYOR.
@OpenGradient #opg $OPG