GweiToTheSky
2.6k منشورات
GweiToTheSky
789 تتابع
5.5K+ المتابعون
3.8K+ إعجاب
منشورات
الكل
اقتباسات
Live
@NewtonProtocol يهاجم مشكلةً غالبًا ما يتجاهلها عالم العملات الرقمية: نقل الأصول أصبح سهلاً الآن، لكن التحكم فيما يُسمح لهذه الأصول بفعله ما يزال فوضويًا.
على الورق، تبدو طبقات السياسات القابلة لإعادة الاستخدام منطقية. بدلًا من أن تُعيد كل تطبيقات بناء حدود الإنفاق، والأذونات، والموافقات، وقواعد المخاطر، يريد نيوتن منطقًا تشغيليًا مشتركًا يمكن أن ينتقل عبر سلاسل مختلفة.
كل دورة تُدخل طبقةً “ناقصة” جديدة تزعم أنها ستُصلح الثقة أو الأمن أو التنسيق. الجزء الصعب هو أن نظام حماية آخر قد يصبح أيضًا تبعيةً أخرى. فكلما زادت القواعد زادت الأماكن التي يمكن أن تختبئ فيها الأخطاء أو الافتراضات السيئة أو اتخاذ القرار المركزي.
السؤال الحقيقي هو... من يتحكم بهذه السياسات مع مرور الوقت؟ إذا أصبحت بعض الفرق أو القوالب أو المشغّلون أو مزودو البنية التحتية هم بوابة النظام الافتراضية، فهل يكون النظام فعلاً أكثر انفتاحًا، أم أن العملات الرقمية أعادت بناء نقاط تحكم قديمة مع تسويق جديد؟
إذا نجح نيوتن، فقد يستفيد المطورون والمشغّلون وحاملو الرموز ولاعبو البنية التحتية. لكن المستخدمين يتحملون المخاطر عندما تفشل الأذونات الآلية أو تتعطل السياسات أو يستغل شخص ثغرة.
يركّز التسويق على معاملات أكثر أمانًا مدفوعة بالذكاء الاصطناعي. المفاضلة غير المريحة هي الوثوق بطبقة القواعد نفسها.
ربما تحتاج المستقبل إلى بنية تحتية مشتركة للنية. أو ربما نحن نُنشئ نظامًا آخر في النهاية سيحتاج إلى الحماية من نفسه.
#Newt $NEWT $TAC
$EVAA
على الورق، تبدو طبقات السياسات القابلة لإعادة الاستخدام منطقية. بدلًا من أن تُعيد كل تطبيقات بناء حدود الإنفاق، والأذونات، والموافقات، وقواعد المخاطر، يريد نيوتن منطقًا تشغيليًا مشتركًا يمكن أن ينتقل عبر سلاسل مختلفة.
كل دورة تُدخل طبقةً “ناقصة” جديدة تزعم أنها ستُصلح الثقة أو الأمن أو التنسيق. الجزء الصعب هو أن نظام حماية آخر قد يصبح أيضًا تبعيةً أخرى. فكلما زادت القواعد زادت الأماكن التي يمكن أن تختبئ فيها الأخطاء أو الافتراضات السيئة أو اتخاذ القرار المركزي.
السؤال الحقيقي هو... من يتحكم بهذه السياسات مع مرور الوقت؟ إذا أصبحت بعض الفرق أو القوالب أو المشغّلون أو مزودو البنية التحتية هم بوابة النظام الافتراضية، فهل يكون النظام فعلاً أكثر انفتاحًا، أم أن العملات الرقمية أعادت بناء نقاط تحكم قديمة مع تسويق جديد؟
إذا نجح نيوتن، فقد يستفيد المطورون والمشغّلون وحاملو الرموز ولاعبو البنية التحتية. لكن المستخدمين يتحملون المخاطر عندما تفشل الأذونات الآلية أو تتعطل السياسات أو يستغل شخص ثغرة.
يركّز التسويق على معاملات أكثر أمانًا مدفوعة بالذكاء الاصطناعي. المفاضلة غير المريحة هي الوثوق بطبقة القواعد نفسها.
ربما تحتاج المستقبل إلى بنية تحتية مشتركة للنية. أو ربما نحن نُنشئ نظامًا آخر في النهاية سيحتاج إلى الحماية من نفسه.
#Newt $NEWT $TAC
$EVAA
ينظر معظم الناس إلى عملاء الذكاء الاصطناعي ويرون فقط الذكاء.
أما أنا فأنظر إلى الجزء الذي يتجاهله الجميع: التحكم.
السؤال الأصعب هو هذا: من الذي نثق به فعلًا عندما يبدأ الذكاء الاصطناعي بتحريك أموال حقيقية؟
كل دورة تقنية جديدة تعد بإزالة المشاكل القديمة. ثم نكتشف أن المشكلة لم تُزل، بل أُحيلت فقط إلى مكان آخر.
بروتوكول نيوتن ($NEWT ) يحاول معالجة مشكلة حقيقية: منح عملاء الذكاء الاصطناعي القواعد والصلاحيات والتحقق وطرقًا أكثر أمانًا لتنفيذ الإجراءات على السلسلة (onchain) بدل أن يعملوا كصناديق سوداء غير خاضعة للسيطرة.
يبدو الأمر أنيقًا. على الورق على الأقل.
لكن المفارقة بسيطة.
المزيد من الطبقات يعني المزيد من الأمور التي يجب الوثوق بها. من الذي يضع السياسات؟ من الذي يتحكم في البنية التحتية المهمة؟ ماذا يحدث عندما يتبع العميل القواعد بدقة، لكن الاستراتيجية نفسها تفشل؟
العميل المُتحقق منه لا يعني تلقائيًا أنه عميل ذكي.
في الوقت الحالي، لدى نيوتن أسس مثيرة للاهتمام مثل شبكات المشغّلين (operator networks) وإثباتات TEE والبرهان الشفاف، لكن الأفكار الأكبر مثل التبنّي الأوسع للعملاء والسوق (marketplaces) ما زالت بحاجة لإثبات نفسها.
السوق يراقب روبوتات الذكاء الاصطناعي.
أنا أراقب الطبقة غير المرئية خلفها.
لأن التاريخ يُظهر أن أصعب جزء لم يكن أبدًا هو بناء الأتمتة.
بل هو تحديد من يحصل على التحكم عندما تصبح الأتمتة قوية.
@NewtonProtocol #Newt
$VANRY $BEL
أما أنا فأنظر إلى الجزء الذي يتجاهله الجميع: التحكم.
السؤال الأصعب هو هذا: من الذي نثق به فعلًا عندما يبدأ الذكاء الاصطناعي بتحريك أموال حقيقية؟
كل دورة تقنية جديدة تعد بإزالة المشاكل القديمة. ثم نكتشف أن المشكلة لم تُزل، بل أُحيلت فقط إلى مكان آخر.
بروتوكول نيوتن ($NEWT ) يحاول معالجة مشكلة حقيقية: منح عملاء الذكاء الاصطناعي القواعد والصلاحيات والتحقق وطرقًا أكثر أمانًا لتنفيذ الإجراءات على السلسلة (onchain) بدل أن يعملوا كصناديق سوداء غير خاضعة للسيطرة.
يبدو الأمر أنيقًا. على الورق على الأقل.
لكن المفارقة بسيطة.
المزيد من الطبقات يعني المزيد من الأمور التي يجب الوثوق بها. من الذي يضع السياسات؟ من الذي يتحكم في البنية التحتية المهمة؟ ماذا يحدث عندما يتبع العميل القواعد بدقة، لكن الاستراتيجية نفسها تفشل؟
العميل المُتحقق منه لا يعني تلقائيًا أنه عميل ذكي.
في الوقت الحالي، لدى نيوتن أسس مثيرة للاهتمام مثل شبكات المشغّلين (operator networks) وإثباتات TEE والبرهان الشفاف، لكن الأفكار الأكبر مثل التبنّي الأوسع للعملاء والسوق (marketplaces) ما زالت بحاجة لإثبات نفسها.
السوق يراقب روبوتات الذكاء الاصطناعي.
أنا أراقب الطبقة غير المرئية خلفها.
لأن التاريخ يُظهر أن أصعب جزء لم يكن أبدًا هو بناء الأتمتة.
بل هو تحديد من يحصل على التحكم عندما تصبح الأتمتة قوية.
@NewtonProtocol #Newt
$VANRY $BEL
قضيتُ بعض الوقت في دراسة @NewtonProtocol ، وكلما نظرْتُ إليه أكثر، بقيت معي فكرة واحدة.
هل نحن حقًا نحلّ مشكلة الثقة بالذكاء الاصطناعي، أم أننا ننشئ فقط طبقةً أكثر ذكاءً نحتاج إلى الوثوق بها؟
أفهم لماذا يحظى بروتوكول نيوتن ($NEWT ) باهتمام. يبدو أن وكلاء الذكاء الاصطناعي الذين يتعاملون مع الإجراءات على السلسلة (on-chain) هو الخطوة المنطقية التالية. تنفيذ أسرع، قرارات آلية، وتنسيق أفضل.
يبدو الأمر نظيفًا.
على الورق، على الأقل.
كل تقنية جديدة تعد بإزالة القيود البشرية، ثم تظهر تحديات جديدة حول من يتحكم بالنظام خلفها.
تُعدّ القواعد والتحقق أفكارًا قوية، لكن القواعد ما زالت مصممة بواسطة البشر. السؤال الحقيقي هو من يضع تلك الحدود، ومن يقوم بتحديثها، ومن يستفيد عندما ينمو التبنّي.
ربما يكون اختبار نيوتن الأكبر ليس ما إذا كان بإمكان وكلاء الذكاء الاصطناعي تنفيذ المهام.
ربما الاختبار الحقيقي هو ما إذا كان البشر يواصلون التشكيك في تلك الأنظمة بعد أن تصبح مريحة.
لأن التاريخ يُظهر شيئًا واحدًا بوضوح.
مشكلات الثقة نادرًا ما تختفي. عادةً تنتقل إلى مكانٍ جديد.
#Newt @NewtonProtocol
$LAB $VANRY
هل نحن حقًا نحلّ مشكلة الثقة بالذكاء الاصطناعي، أم أننا ننشئ فقط طبقةً أكثر ذكاءً نحتاج إلى الوثوق بها؟
أفهم لماذا يحظى بروتوكول نيوتن ($NEWT ) باهتمام. يبدو أن وكلاء الذكاء الاصطناعي الذين يتعاملون مع الإجراءات على السلسلة (on-chain) هو الخطوة المنطقية التالية. تنفيذ أسرع، قرارات آلية، وتنسيق أفضل.
يبدو الأمر نظيفًا.
على الورق، على الأقل.
كل تقنية جديدة تعد بإزالة القيود البشرية، ثم تظهر تحديات جديدة حول من يتحكم بالنظام خلفها.
تُعدّ القواعد والتحقق أفكارًا قوية، لكن القواعد ما زالت مصممة بواسطة البشر. السؤال الحقيقي هو من يضع تلك الحدود، ومن يقوم بتحديثها، ومن يستفيد عندما ينمو التبنّي.
ربما يكون اختبار نيوتن الأكبر ليس ما إذا كان بإمكان وكلاء الذكاء الاصطناعي تنفيذ المهام.
ربما الاختبار الحقيقي هو ما إذا كان البشر يواصلون التشكيك في تلك الأنظمة بعد أن تصبح مريحة.
لأن التاريخ يُظهر شيئًا واحدًا بوضوح.
مشكلات الثقة نادرًا ما تختفي. عادةً تنتقل إلى مكانٍ جديد.
#Newt @NewtonProtocol
$LAB $VANRY
يستفسر الجميع عما إذا كان بروتوكول نيوتن يمكنه جعل وكلاء الذكاء الاصطناعي أكثر أمانًا.
أنا مهتم أكثر بسؤال مختلف:
من يتحكم في تعريف "الأمان"؟
يحاول بروتوكول نيوتن معالجة واحدة من أكبر المشكلات في التمويل الذاتي: تمكين أنظمة الذكاء الاصطناعي من اتخاذ إجراءات دون إجبار المستخدمين على الثقة عميانيًا بكل قرار.
يمكن أن تقلل طبقات التحقق والسياسات والأذونات من حالة عدم اليقين. لكن ذلك أيضًا يضيف تحديًا جديدًا.
الخطر لا يختفي. بل ينتقل جزء منه من التنفيذ إلى الحوكمة.
إذا تعذر على وكيل للذكاء الاصطناعي تنفيذ إجراء لأن سياسة ما تمنعه، فهذا يعني أن شخصًا ما صمم تلك السياسة. هناك من يقرر ما هي الحدود الموجودة، وما الذي يتم تحديثه، وما السلوك الذي يُعد مقبولًا.
وهذا يخلق نوعًا مختلفًا من طبقات النفوذ.
بالنسبة للمطورين، يتمثل التحدي في المرونة. وبالنسبة للمستخدمين، تتمثل في الثقة. وبالنسبة للمتحققين، تتمثل في الإنفاذ. وبالنسبة للجهات التنظيمية، تتمثل في التحكم.
إن أقوى نسخة من نيوتن ليست مجرد نظام يتحقق من الإجراءات. بل نظام يمكن للقواعد أن تتطور فيه دون أن تتحول إلى خاضعة لسيطرة مجموعة صغيرة من صانعي القرار.
تُظهر الخبرة التاريخية أن البنية التحتية عادةً لا تفشل بسبب القيود التقنية بقدر ما تفشل بسبب مشكلات الحوافز.
الاختبار الحقيقي لـ $NEWT قد لا يكون ما إذا كانت وكلاء الذكاء الاصطناعي يمكنها اتباع القواعد.
السؤال الأصعب هو:
هل يمكننا بناء أنظمة قوية بما يكفي للتحكم في الذكاء الاصطناعي دون إنشاء نظام آخر يتحكم بالجميع؟
@NewtonProtocol #Newt
$HMSTR
$EPIC
مع دخول وكلاء الذكاء الاصطناعي إلى مجال التمويل، ما الذي يصبح أكبر خطر؟
أنا مهتم أكثر بسؤال مختلف:
من يتحكم في تعريف "الأمان"؟
يحاول بروتوكول نيوتن معالجة واحدة من أكبر المشكلات في التمويل الذاتي: تمكين أنظمة الذكاء الاصطناعي من اتخاذ إجراءات دون إجبار المستخدمين على الثقة عميانيًا بكل قرار.
يمكن أن تقلل طبقات التحقق والسياسات والأذونات من حالة عدم اليقين. لكن ذلك أيضًا يضيف تحديًا جديدًا.
الخطر لا يختفي. بل ينتقل جزء منه من التنفيذ إلى الحوكمة.
إذا تعذر على وكيل للذكاء الاصطناعي تنفيذ إجراء لأن سياسة ما تمنعه، فهذا يعني أن شخصًا ما صمم تلك السياسة. هناك من يقرر ما هي الحدود الموجودة، وما الذي يتم تحديثه، وما السلوك الذي يُعد مقبولًا.
وهذا يخلق نوعًا مختلفًا من طبقات النفوذ.
بالنسبة للمطورين، يتمثل التحدي في المرونة. وبالنسبة للمستخدمين، تتمثل في الثقة. وبالنسبة للمتحققين، تتمثل في الإنفاذ. وبالنسبة للجهات التنظيمية، تتمثل في التحكم.
إن أقوى نسخة من نيوتن ليست مجرد نظام يتحقق من الإجراءات. بل نظام يمكن للقواعد أن تتطور فيه دون أن تتحول إلى خاضعة لسيطرة مجموعة صغيرة من صانعي القرار.
تُظهر الخبرة التاريخية أن البنية التحتية عادةً لا تفشل بسبب القيود التقنية بقدر ما تفشل بسبب مشكلات الحوافز.
الاختبار الحقيقي لـ $NEWT قد لا يكون ما إذا كانت وكلاء الذكاء الاصطناعي يمكنها اتباع القواعد.
السؤال الأصعب هو:
هل يمكننا بناء أنظمة قوية بما يكفي للتحكم في الذكاء الاصطناعي دون إنشاء نظام آخر يتحكم بالجميع؟
@NewtonProtocol #Newt
$HMSTR
$EPIC
مع دخول وكلاء الذكاء الاصطناعي إلى مجال التمويل، ما الذي يصبح أكبر خطر؟
Who controls the rules?
0%
Lack of user trust
0%
Weak economic incentives
0%
Technical failures
100%
1 الأصوات • تمّ إغلاق التصويت
قضيت ساعات في قراءة وثائق @NewtonProtocol ، ومناقشات المجتمع، والحجج التي كان الناس يطرحونها حوله. كلما قرأت أكثر، أصبحت أقل اهتمامًا بما يمكن للتقنية فعله، وأكثر اهتمامًا بمن سيتحكم فيها في النهاية.
الذكاء الاصطناعي يزداد ذكاءً. الأصول المُرمّزة تنمو بسرعة. لذا من الطبيعي أننا نحتاج إلى نظام يقرر ما يُسمح لوكيل ذكاء اصطناعي بفعله قبل أن يلامس الأموال.
على الورق، هذا بالضبط ما يبنيه بروتوكول نيوتن.
كل دورة كريبتو تُدخل طبقةً «ناقصـة» أخرى تعد بتقليل المخاطر. هذه المرة الأمر هو التفويض. الفكرة منطقية. لا ينبغي للذكاء الاصطناعي أن يكون له حرية غير محدودة لتحريك رأس المال.
لكن إليكم السؤال الذي لم أستطع تجاهله.
من يكتب القواعد؟
بمجرد أن يصبح بالإمكان برمجة الصلاحيات، تنتقل القوة من الكود إلى السياسة. السياسات لا تُنشئ نفسها. الناس يضعونها. المؤسسات تُحدّثها. شخص ما يقرر ما يمكن للذكاء الاصطناعي فعله وما لا يمكنه فعله.
هذا ليس إزالةً للثقة.
هذا هو نقلها.
يُطمئننا وصف نيوتن «التفويض قبل التنفيذ». لكن كل نظام صلاحيات في نهاية المطاف يثير سؤالًا آخر: من يتحكم في الصلاحيات؟
ثم توجد السيولة.
قد يبدو النشاط المبكر خلال فترة البيتا وكأنه تبنٍ، بينما هو في الحقيقة حوافز تجذب رأس مالًا قصير الأجل. التحدي الحقيقي ليس إدخال المستخدمين. بل الحفاظ عليهم بمجرد أن تخفت حدة الحماس.
ربما كان نيوتن يحل مشكلة حقيقية. أو ربما يضيف طبقة أخرى سيعتمد عليها الجميع في النهاية دون أن يفهموا بالكامل من يتحكم فيها.
يمكن للتقنية أن تؤتمت القرارات.
لكنها لا تستطيع أتمتة المساءلة.
عندما تتحرك مليارات عبر أنظمة مالية مدفوعة بالذكاء الاصطناعي، لن يكون السؤال الأكبر هو ما إذا كان للذكاء الاصطناعي إذنًا.
بل سيكون: من منح ذلك الإذن؟ ومن سيُحاسَب عندما يحدث خطأ؟
#Newt
$THE
$ALLO
$NEWT
ما أكبر مخاطر التمويل المدفوع بالذكاء الاصطناعي؟
الذكاء الاصطناعي يزداد ذكاءً. الأصول المُرمّزة تنمو بسرعة. لذا من الطبيعي أننا نحتاج إلى نظام يقرر ما يُسمح لوكيل ذكاء اصطناعي بفعله قبل أن يلامس الأموال.
على الورق، هذا بالضبط ما يبنيه بروتوكول نيوتن.
كل دورة كريبتو تُدخل طبقةً «ناقصـة» أخرى تعد بتقليل المخاطر. هذه المرة الأمر هو التفويض. الفكرة منطقية. لا ينبغي للذكاء الاصطناعي أن يكون له حرية غير محدودة لتحريك رأس المال.
لكن إليكم السؤال الذي لم أستطع تجاهله.
من يكتب القواعد؟
بمجرد أن يصبح بالإمكان برمجة الصلاحيات، تنتقل القوة من الكود إلى السياسة. السياسات لا تُنشئ نفسها. الناس يضعونها. المؤسسات تُحدّثها. شخص ما يقرر ما يمكن للذكاء الاصطناعي فعله وما لا يمكنه فعله.
هذا ليس إزالةً للثقة.
هذا هو نقلها.
يُطمئننا وصف نيوتن «التفويض قبل التنفيذ». لكن كل نظام صلاحيات في نهاية المطاف يثير سؤالًا آخر: من يتحكم في الصلاحيات؟
ثم توجد السيولة.
قد يبدو النشاط المبكر خلال فترة البيتا وكأنه تبنٍ، بينما هو في الحقيقة حوافز تجذب رأس مالًا قصير الأجل. التحدي الحقيقي ليس إدخال المستخدمين. بل الحفاظ عليهم بمجرد أن تخفت حدة الحماس.
ربما كان نيوتن يحل مشكلة حقيقية. أو ربما يضيف طبقة أخرى سيعتمد عليها الجميع في النهاية دون أن يفهموا بالكامل من يتحكم فيها.
يمكن للتقنية أن تؤتمت القرارات.
لكنها لا تستطيع أتمتة المساءلة.
عندما تتحرك مليارات عبر أنظمة مالية مدفوعة بالذكاء الاصطناعي، لن يكون السؤال الأكبر هو ما إذا كان للذكاء الاصطناعي إذنًا.
بل سيكون: من منح ذلك الإذن؟ ومن سيُحاسَب عندما يحدث خطأ؟
#Newt
$THE
$ALLO
$NEWT
ما أكبر مخاطر التمويل المدفوع بالذكاء الاصطناعي؟
AI Making Bad Decisions
0%
Centralized Permissions
0%
Liquidity & Market Risks
0%
Human Misuse
0%
0 الأصوات • تمّ إغلاق التصويت
لقد قضيت الأيام القليلة الماضية في قراءة وثائق بروتوكول نيوتن والتعمّق في بنية النظام لفهم المشكلة التي يحاول حلّها فعليًا.
كلما نظرت أكثر، اتّضح لي شيء واحد: نيوتن ليس مجرد مشروع DeFi آخر. إنه يحاول أن يصبح طبقة القرار بين المستخدمين ومعاملات البلوكشين.
نيوتن يحل مشكلة حقيقية. إن واقع DeFi اليوم فوضوي. تعدد المحافظ، والجسور، وأذونات الوصول، وسيلٌ من المعاملات التي لا تنتهي يخلق فرصًا كثيرة لوقوع أخطاء مكلفة. يقول البروتوكول إن العملاء على السلسلة بشكل آلي يمكنهم إدارة هذا التعقيد عبر استراتيجيات يحددها المستخدم.
يبدو هذا منطقيًا.
لكن كل دورة عملات مشفرة تعد بتبسيط الأمور، ثم تُقصي التعقيد بهدوء وتستبدله بطبقة أخرى أصعب فهمًا.
بدلًا من أن ينفّذ المستخدمون المعاملات مباشرةً، يقدّم نيوتن وكلاء موثوقين، ووُحدة تحقق/فاليديتورز، والحوكمة، وتوكن NEWT. على الورق، هذا كفؤ. لكن في الواقع، إنه نظام آخر يمكن أن يفشل ومجموعة أخرى من الحوافز يتعين على المستخدمين أن يثقوا بها.
NEWT ليس مجرد دفع رسوم الغاز. بل يُستخدم في الرهان، والحوكمة، والمشاركة في التحقق، والضمانات. السؤال الحقيقي هو ما إذا كانت هذه الأدوار تولّد طلبًا حقيقيًا أم تكتفي بتبرير توكن آخر.
ثم هناك قصة الأمان. بيئات التنفيذ الموثوق و“البراهين عديمة المعرفة” أدوات قوية، لكنها لا تلغي الثقة. بل تنقلها. فما زال المستخدمون يعتمدون على افتراضات العتاد، وحوافز الفاليديتورز، وتحديثات البرامج، وقرارات الحوكمة.
هذا ليس إزالة للثقة.
إنها إعادة ترتيب لها.
قد تعمل تقنية نيوتن. لكن السؤال الأكبر هو ما إذا كانت إضافة طبقة تنسيق أخرى تجعل DeFi أبسط فعلًا، أم أنها تخلق فقط نظامًا آخر لا يفهمه بالكامل إلا المتخصصون.
هذه هي النمط الذي تكرره صناعة الكريبتو باستمرار. وغالبًا ما تبدأ من هنا المخاطرة الحقيقية.
@NewtonProtocol #Newt
$NEWT
$BIRB
$TLM
هل يعمل بروتوكول نيوتن فعلًا على تبسيط DeFi؟
كلما نظرت أكثر، اتّضح لي شيء واحد: نيوتن ليس مجرد مشروع DeFi آخر. إنه يحاول أن يصبح طبقة القرار بين المستخدمين ومعاملات البلوكشين.
نيوتن يحل مشكلة حقيقية. إن واقع DeFi اليوم فوضوي. تعدد المحافظ، والجسور، وأذونات الوصول، وسيلٌ من المعاملات التي لا تنتهي يخلق فرصًا كثيرة لوقوع أخطاء مكلفة. يقول البروتوكول إن العملاء على السلسلة بشكل آلي يمكنهم إدارة هذا التعقيد عبر استراتيجيات يحددها المستخدم.
يبدو هذا منطقيًا.
لكن كل دورة عملات مشفرة تعد بتبسيط الأمور، ثم تُقصي التعقيد بهدوء وتستبدله بطبقة أخرى أصعب فهمًا.
بدلًا من أن ينفّذ المستخدمون المعاملات مباشرةً، يقدّم نيوتن وكلاء موثوقين، ووُحدة تحقق/فاليديتورز، والحوكمة، وتوكن NEWT. على الورق، هذا كفؤ. لكن في الواقع، إنه نظام آخر يمكن أن يفشل ومجموعة أخرى من الحوافز يتعين على المستخدمين أن يثقوا بها.
NEWT ليس مجرد دفع رسوم الغاز. بل يُستخدم في الرهان، والحوكمة، والمشاركة في التحقق، والضمانات. السؤال الحقيقي هو ما إذا كانت هذه الأدوار تولّد طلبًا حقيقيًا أم تكتفي بتبرير توكن آخر.
ثم هناك قصة الأمان. بيئات التنفيذ الموثوق و“البراهين عديمة المعرفة” أدوات قوية، لكنها لا تلغي الثقة. بل تنقلها. فما زال المستخدمون يعتمدون على افتراضات العتاد، وحوافز الفاليديتورز، وتحديثات البرامج، وقرارات الحوكمة.
هذا ليس إزالة للثقة.
إنها إعادة ترتيب لها.
قد تعمل تقنية نيوتن. لكن السؤال الأكبر هو ما إذا كانت إضافة طبقة تنسيق أخرى تجعل DeFi أبسط فعلًا، أم أنها تخلق فقط نظامًا آخر لا يفهمه بالكامل إلا المتخصصون.
هذه هي النمط الذي تكرره صناعة الكريبتو باستمرار. وغالبًا ما تبدأ من هنا المخاطرة الحقيقية.
@NewtonProtocol #Newt
$NEWT
$BIRB
$TLM
هل يعمل بروتوكول نيوتن فعلًا على تبسيط DeFi؟
Yes, it does
50%
It adds more layers
0%
It's too early to judge
50%
It depends on adoption
0%
2 الأصوات • تمّ إغلاق التصويت
انظر، @NewtonProtocol يحاول حل مشكلة حقيقية. غالبًا ما تعتمد صناديق (DeFi vaults) على الثقة. يدير المُقيّمون رأس المال، وتتغير المخاطر بسرعة، ولا يمكن للعقود الذكية رؤية معلومات خارج السلسلة مثل قوائم العقوبات أو تغيّر ظروف السوق. يريد نيتون إضافة طبقة سياسات تتحقق من كل إجراء مهم قبل حدوثه.
يبدو هذا معقولًا.
لكنني رأيت هذا الفيلم من قبل.
يمتلك عالم العملات المشفرة عادةً معالجة مشكلة ثقة واحدة عبر إنشاء ثلاث تبعيات جديدة. بدلًا من الوثوق بمدير الصندوق، ستبدأ الآن بالوثوق بمشغّلي السياسات، ومزوّدي الإشارات (Oracles)، وبيانات الامتثال، والحوكمة، وتغذيات المخاطر الخارجية. هذا ليس إزالة للثقة. بل هو نشرها عبر شبكة أكبر.
ثم هناك سؤال اللامركزية.
من يقرر ما هي السياسات التي تُعد معيارًا؟ من يختار مزودي البيانات؟ ماذا يحدث إذا كانت تلك المزوّدات خاطئة أو غير متاحة؟ تقول التسويقيات «محرك سياسات لا مركزي»، لكن اللامركزية ليست مجرد شعار. إنها تتعلق بمن تكون له الكلمة الأخيرة عندما تسوء الأمور.
ولنتحدث عن الحوافز.
تريد المؤسسات الامتثال لأن الجهات التنظيمية تتوقع ذلك. هذا جيد. لكن كثيرًا من المستخدمين الأفراد دخلوا إلى عالم DeFi لتجنب طبقات الترخيص، لا لإضافة طبقات جديدة. يبدو نيتون مُعدًا للمؤسسات أولًا، بينما يُفترض أن يقبل الجميع الآخرون التعقيد الإضافي.
وأكبر عائق هو أمر بسيط. يمكن لمحرك السياسات إثبات أن القواعد تم اتباعها. لكنه لا يستطيع إثبات أن القواعد كانت صحيحة من الأساس.
هذه هي النقطة التي نادرًا ما تُبرزها الحملات التسويقية. والسؤال الجدير بالطرح هو هذا قبل وصف ذلك بأنه الخطوة الكبيرة التالية لـ DeFi.
#Newt
$NEWT
$CELO
$NFP
ما أكبر تحدٍّ في نهج بروتوكول Newton؟
يبدو هذا معقولًا.
لكنني رأيت هذا الفيلم من قبل.
يمتلك عالم العملات المشفرة عادةً معالجة مشكلة ثقة واحدة عبر إنشاء ثلاث تبعيات جديدة. بدلًا من الوثوق بمدير الصندوق، ستبدأ الآن بالوثوق بمشغّلي السياسات، ومزوّدي الإشارات (Oracles)، وبيانات الامتثال، والحوكمة، وتغذيات المخاطر الخارجية. هذا ليس إزالة للثقة. بل هو نشرها عبر شبكة أكبر.
ثم هناك سؤال اللامركزية.
من يقرر ما هي السياسات التي تُعد معيارًا؟ من يختار مزودي البيانات؟ ماذا يحدث إذا كانت تلك المزوّدات خاطئة أو غير متاحة؟ تقول التسويقيات «محرك سياسات لا مركزي»، لكن اللامركزية ليست مجرد شعار. إنها تتعلق بمن تكون له الكلمة الأخيرة عندما تسوء الأمور.
ولنتحدث عن الحوافز.
تريد المؤسسات الامتثال لأن الجهات التنظيمية تتوقع ذلك. هذا جيد. لكن كثيرًا من المستخدمين الأفراد دخلوا إلى عالم DeFi لتجنب طبقات الترخيص، لا لإضافة طبقات جديدة. يبدو نيتون مُعدًا للمؤسسات أولًا، بينما يُفترض أن يقبل الجميع الآخرون التعقيد الإضافي.
وأكبر عائق هو أمر بسيط. يمكن لمحرك السياسات إثبات أن القواعد تم اتباعها. لكنه لا يستطيع إثبات أن القواعد كانت صحيحة من الأساس.
هذه هي النقطة التي نادرًا ما تُبرزها الحملات التسويقية. والسؤال الجدير بالطرح هو هذا قبل وصف ذلك بأنه الخطوة الكبيرة التالية لـ DeFi.
#Newt
$NEWT
$CELO
$NFP
ما أكبر تحدٍّ في نهج بروتوكول Newton؟
Too Much Complexity
80%
More Trust Required
0%
Compliance Trade-offs
20%
Good for Institutions
0%
5 الأصوات • تمّ إغلاق التصويت
العقود الذكية قوية، لكنها لا تزال لديها قيد رئيسي واحد: فهي لا تستطيع معرفة ما يحدث خارج سلسلة الكتل.
هنا يأتي دور بروتوكول نيوتن الذي يغيّر قواعد اللعبة.
تم بناؤه كمحرك سياسات لامركزي على EigenLayer AVS، حيث يوفّر سياق العالم الحقيقي مباشرةً في تنفيذ العقود الذكية. بدلًا من الاعتماد على واجهات برمجة التطبيقات المركزية أو فحوصات الواجهة الأمامية، يمكن للبروتوكولات التحقق من شروط خارج السلسلة مثل حالة KYC، وفحوصات العقوبات، وإثباتات الاحتياطي، واكتشاف الاحتيال، وسياسات الإنفاق المخصصة قبل اعتماد المعاملات.
يؤدي ذلك إلى إنشاء طبقة جديدة من الثقة القابلة للبرمجة، بما يضمن فرض الأمان والامتثال على مستوى العقد الذكي بغض النظر عمّا إذا كانت المعاملة قادمة من محفظة أو مُجمّع أو وكيل ذكاء اصطناعي مستقل.
ومن نقاط قوته الأخرى تصميمه المعياري والمتوافق مع سلاسل متعددة دون التقيد بسلسلة بعينها. يدعم بروتوكول نيوتن حاليًا النظم البيئية الرئيسية المتوافقة مع EVM مثل Ethereum وBase وArbitrum، ما يجعل التكامل مرنًا للمطورين مع التحضير للتوافق الأوسع مع سلاسل الكتل في المستقبل.
وبينما يستمر تطور التمويل اللامركزي وتطبيقات مدعومة بالذكاء الاصطناعي، ستصبح البنية التحتية التي تربط بثقة المعلومات خارج السلسلة بالتنفيذ داخل السلسلة أكثر أهمية. يعمل بروتوكول نيوتن على بناء هذه القاعدة بالضبط.
مستقبل Web3 ليس مجرد لامركزي؛ بل هو واعٍ بالسياق وقابل للتحقق وآمن.
@NewtonProtocol
$NEWT #Newt
هنا يأتي دور بروتوكول نيوتن الذي يغيّر قواعد اللعبة.
تم بناؤه كمحرك سياسات لامركزي على EigenLayer AVS، حيث يوفّر سياق العالم الحقيقي مباشرةً في تنفيذ العقود الذكية. بدلًا من الاعتماد على واجهات برمجة التطبيقات المركزية أو فحوصات الواجهة الأمامية، يمكن للبروتوكولات التحقق من شروط خارج السلسلة مثل حالة KYC، وفحوصات العقوبات، وإثباتات الاحتياطي، واكتشاف الاحتيال، وسياسات الإنفاق المخصصة قبل اعتماد المعاملات.
يؤدي ذلك إلى إنشاء طبقة جديدة من الثقة القابلة للبرمجة، بما يضمن فرض الأمان والامتثال على مستوى العقد الذكي بغض النظر عمّا إذا كانت المعاملة قادمة من محفظة أو مُجمّع أو وكيل ذكاء اصطناعي مستقل.
ومن نقاط قوته الأخرى تصميمه المعياري والمتوافق مع سلاسل متعددة دون التقيد بسلسلة بعينها. يدعم بروتوكول نيوتن حاليًا النظم البيئية الرئيسية المتوافقة مع EVM مثل Ethereum وBase وArbitrum، ما يجعل التكامل مرنًا للمطورين مع التحضير للتوافق الأوسع مع سلاسل الكتل في المستقبل.
وبينما يستمر تطور التمويل اللامركزي وتطبيقات مدعومة بالذكاء الاصطناعي، ستصبح البنية التحتية التي تربط بثقة المعلومات خارج السلسلة بالتنفيذ داخل السلسلة أكثر أهمية. يعمل بروتوكول نيوتن على بناء هذه القاعدة بالضبط.
مستقبل Web3 ليس مجرد لامركزي؛ بل هو واعٍ بالسياق وقابل للتحقق وآمن.
@NewtonProtocol
$NEWT #Newt
$XRP /USDT: نظرة تتجاوز السعر
على مر السنين، ظل XRP أحد أكثر الأصول الرقمية شهرة في عالم العملات المشفرة، ويرجع ذلك إلى حد كبير إلى تركيزه على تحسين المدفوعات عبر الحدود وكفاءة التسوية. بدلًا من محاولة استبدال كل نظام مالي، يتمثل الاستخدام الأساسي له في تمكين تحويلات أسرع وأقل تكلفة للقيمة.
غالبًا ما يزداد الاهتمام بالسوق تجاه XRP خلال فترات زخم قوي لأسواق العملات البديلة، أو التطورات التنظيمية، أو الإعلانات المتعلقة بتبنّي المؤسسات. وهذا يجعله توكنًا يحتفظ به العديد من المتداولين ضمن قائمة المراقبة.
من نقاط قوة XRP وجود نظامه البيئي الراسخ، والسيولة المرتفعة في البورصات الرئيسية، ومجتمع يظل نشطًا عبر عدة دورات سوقية. ومع ذلك، مثل أي أصل من أصول العملات المشفرة، فإن أداء السعر يعتمد على ما هو أكثر من التكنولوجيا وحدها. يمكن لمعنويات السوق والظروف الاقتصادية الكلية والأخبار التنظيمية أن تؤثر جميعها على التحركات قصيرة الأجل.
بالنسبة للمتداولين، قد تتيح $XRP /USDT فرصًا بسبب سيولته وحجم التداول النشط، لكنه يحمل أيضًا نفس التقلبات الموجودة في السوق ككل. قد تحدث تغيّرات قوية في السعر في كلا الاتجاهين، مما يجعل إدارة المخاطر أمرًا ضروريًا.
تتمثل النظرة الواقعية في شيء واضح: إذا استمر التبنّي في النمو وبقي السوق الأوسع للعملات المشفرة في حالة جيدة، فقد يستمر XRP في جذب الاهتمام. وفي الوقت نفسه، يجب على المستثمرين تجنب اتخاذ قرارات بناءً على حماس وسائل التواصل الاجتماعي أو تحركات السعر قصيرة المدى فقط.
أفضل نهج هو الجمع بين بنية السوق، وحجم التداول، والأخبار، وإدارة المخاطر بشكل مناسب قبل الدخول في أي صفقة.
هذا المنشور لأغراض تعليمية فقط ولا ينبغي اعتباره نصيحة مالية. قم دائمًا بإجراء بحثك الخاص (DYOR).
#xrp #Ripple #Binance #Altcoins
$MUB
على مر السنين، ظل XRP أحد أكثر الأصول الرقمية شهرة في عالم العملات المشفرة، ويرجع ذلك إلى حد كبير إلى تركيزه على تحسين المدفوعات عبر الحدود وكفاءة التسوية. بدلًا من محاولة استبدال كل نظام مالي، يتمثل الاستخدام الأساسي له في تمكين تحويلات أسرع وأقل تكلفة للقيمة.
غالبًا ما يزداد الاهتمام بالسوق تجاه XRP خلال فترات زخم قوي لأسواق العملات البديلة، أو التطورات التنظيمية، أو الإعلانات المتعلقة بتبنّي المؤسسات. وهذا يجعله توكنًا يحتفظ به العديد من المتداولين ضمن قائمة المراقبة.
من نقاط قوة XRP وجود نظامه البيئي الراسخ، والسيولة المرتفعة في البورصات الرئيسية، ومجتمع يظل نشطًا عبر عدة دورات سوقية. ومع ذلك، مثل أي أصل من أصول العملات المشفرة، فإن أداء السعر يعتمد على ما هو أكثر من التكنولوجيا وحدها. يمكن لمعنويات السوق والظروف الاقتصادية الكلية والأخبار التنظيمية أن تؤثر جميعها على التحركات قصيرة الأجل.
بالنسبة للمتداولين، قد تتيح $XRP /USDT فرصًا بسبب سيولته وحجم التداول النشط، لكنه يحمل أيضًا نفس التقلبات الموجودة في السوق ككل. قد تحدث تغيّرات قوية في السعر في كلا الاتجاهين، مما يجعل إدارة المخاطر أمرًا ضروريًا.
تتمثل النظرة الواقعية في شيء واضح: إذا استمر التبنّي في النمو وبقي السوق الأوسع للعملات المشفرة في حالة جيدة، فقد يستمر XRP في جذب الاهتمام. وفي الوقت نفسه، يجب على المستثمرين تجنب اتخاذ قرارات بناءً على حماس وسائل التواصل الاجتماعي أو تحركات السعر قصيرة المدى فقط.
أفضل نهج هو الجمع بين بنية السوق، وحجم التداول، والأخبار، وإدارة المخاطر بشكل مناسب قبل الدخول في أي صفقة.
هذا المنشور لأغراض تعليمية فقط ولا ينبغي اعتباره نصيحة مالية. قم دائمًا بإجراء بحثك الخاص (DYOR).
#xrp #Ripple #Binance #Altcoins
$MUB
خلال الأيام القليلة الماضية، كنت أستكشف وثائق @OpenGradient بشكل أعمق لفهم ما الذي يجعل بنيتها المعمارية مختلفة.
اتضح لي شيء واحد تقريبًا فورًا: تم تصميم معظم سلاسل الكتل للتحقق من المعاملات المالية، وليس أحمال عمل الذكاء الاصطناعي.
إدخال الاستدلال (AI inference) يطرح مجموعة مختلفة من التحديات: تكاليف حسابية أعلى، وعتاد متخصص، ومخرجات ليست دائمًا حتمية. هذه هي المشكلة التي يحاول OpenGradient حلها.
بدلًا من إجبار كل مُتحقق (validator) على تكرار حسابات ذكاء اصطناعي مكلفة، يستخدم OpenGradient بنية حساب ذكاء اصطناعي هجينة (HACA).
تقوم عقد الاستدلال (Inference Nodes) بتنفيذ نماذج الذكاء الاصطناعي، بينما تتحقق العقد الكاملة (Full Nodes) من البراهين التشفيرية بدلًا من إعادة تشغيل الحسابات، وتتولى عقد البيانات (Data Nodes) جلب بيانات خارجية موثوقة، كما يتولى التخزين خارج السلسلة التعامل بكفاءة مع النماذج الكبيرة والبيانات المجموعات.
تتمثل الابتكار الرئيسي في فصل التنفيذ عن التحقق. بدلًا من تكرار الحساب عبر الشبكة، يقلل OpenGradient من الهدر مع الحفاظ على الثقة والشفافية وقابلية التدقيق.
وبالاقتران مع التحقق المعتمد على TEE، يصبح استدلال الذكاء الاصطناعي قابلاً للتحقق بشكل مستقل دون التضحية بالأداء.
يدعم النظام البيئي أيضًا المطورين عبر حزمة تطوير البرمجيات Python SDK، ومركز النماذج (Model Hub)، وMemSync، و$OPG على Base كطبقة الدفع للاستدلال.
الأكثر ما لفت انتباهي هو أن OpenGradient لا يكتفي بإدخال الذكاء الاصطناعي على السلسلة، بل يعالج أحد أكبر تحديات البنية التحتية للذكاء الاصطناعي اللامركزي: جعل الاستدلال قابلًا للتوسع وقابلًا للتحقق وعمليًا.
قد تؤدي إدراجات البورصات إلى زيادة الظهور، لكن الأهمية على المدى الطويل تعتمد على حل مشكلات تقنية ذات معنى. إذا استمر نمو الذكاء الاصطناعي اللامركزي، فقد تصبح البنية التحتية التي يمكنها إثبات كيفية توليد مخرجات الذكاء الاصطناعي بنفس أهمية النماذج نفسها.
#OPG
$G
$BEAT
اتضح لي شيء واحد تقريبًا فورًا: تم تصميم معظم سلاسل الكتل للتحقق من المعاملات المالية، وليس أحمال عمل الذكاء الاصطناعي.
إدخال الاستدلال (AI inference) يطرح مجموعة مختلفة من التحديات: تكاليف حسابية أعلى، وعتاد متخصص، ومخرجات ليست دائمًا حتمية. هذه هي المشكلة التي يحاول OpenGradient حلها.
بدلًا من إجبار كل مُتحقق (validator) على تكرار حسابات ذكاء اصطناعي مكلفة، يستخدم OpenGradient بنية حساب ذكاء اصطناعي هجينة (HACA).
تقوم عقد الاستدلال (Inference Nodes) بتنفيذ نماذج الذكاء الاصطناعي، بينما تتحقق العقد الكاملة (Full Nodes) من البراهين التشفيرية بدلًا من إعادة تشغيل الحسابات، وتتولى عقد البيانات (Data Nodes) جلب بيانات خارجية موثوقة، كما يتولى التخزين خارج السلسلة التعامل بكفاءة مع النماذج الكبيرة والبيانات المجموعات.
تتمثل الابتكار الرئيسي في فصل التنفيذ عن التحقق. بدلًا من تكرار الحساب عبر الشبكة، يقلل OpenGradient من الهدر مع الحفاظ على الثقة والشفافية وقابلية التدقيق.
وبالاقتران مع التحقق المعتمد على TEE، يصبح استدلال الذكاء الاصطناعي قابلاً للتحقق بشكل مستقل دون التضحية بالأداء.
يدعم النظام البيئي أيضًا المطورين عبر حزمة تطوير البرمجيات Python SDK، ومركز النماذج (Model Hub)، وMemSync، و$OPG على Base كطبقة الدفع للاستدلال.
الأكثر ما لفت انتباهي هو أن OpenGradient لا يكتفي بإدخال الذكاء الاصطناعي على السلسلة، بل يعالج أحد أكبر تحديات البنية التحتية للذكاء الاصطناعي اللامركزي: جعل الاستدلال قابلًا للتوسع وقابلًا للتحقق وعمليًا.
قد تؤدي إدراجات البورصات إلى زيادة الظهور، لكن الأهمية على المدى الطويل تعتمد على حل مشكلات تقنية ذات معنى. إذا استمر نمو الذكاء الاصطناعي اللامركزي، فقد تصبح البنية التحتية التي يمكنها إثبات كيفية توليد مخرجات الذكاء الاصطناعي بنفس أهمية النماذج نفسها.
#OPG
$G
$BEAT
لقد قضيت الأيام القليلة الماضية في البحث عن @OpenGradient ، وقرأت آليات الرمز، وبنية المدفوعات، والاقتصاديات الكامنة وراء شبكة الذكاء الاصطناعي الخاصة به.
كلما تعمقت، أدركت أكثر أن أغلب الناس ربما يطرحون السؤال الخاطئ.
يريد الجميع معرفة ما إذا كان لـ OPG فائدة.
أبدأ في التفكير بأن السؤال الأهم هو ما إذا كان بإمكان OpenGradient خلق فائدة متكررة.
هناك فرق.
يقوم المطوّر بدفع OPG لاستدلال الذكاء الاصطناعي.
يحقق منشئ النموذج أرباحًا من OPG عندما يتم استخدام ذلك النموذج.
يقوم المُدققون بإيداع $OPG للمساعدة في تأمين التحقق من الحسابات.
على الورق، هذا يخلق حلقة اقتصادية كاملة.
لكن الفائدة وحدها لا تضمن الطلب.
يصبح الطلب مستدامًا عندما يحتاج المستخدمون بشكل متكرر للوصول إلى خدمات شبكة ما.
أقوى اقتصاديات الرموز غالبًا لا تُبنى على الفائدة وحدها.
بل تُبنى على خدمات يحتاجها المستخدمون مرارًا ولا يمكنهم استبدالها بسهولة.
لهذا السبب أولي اهتمامًا أكبر لمؤشرات الاستخدام مقارنة بحركة السعر.
تستضيف الشبكة بالفعل آلاف نماذج الذكاء الاصطناعي وقد عالجت ملايين الاستدلالات القابلة للتحقق.
إذا واصل المطورون البناء واستمرت أنشطة الاستدلال في النمو، فقد يصبح طلب OPG مرتبطًا بشكل متزايد بالاستخدام الفعلي للشبكة بدلًا من مزاج السوق.
سيكون ذلك تحولًا ذا معنى.
تحاول كثير من مشاريع العملات المشفرة خلق أسباب للاحتفاظ بالرمز.
يبدو أن OpenGradient يحاول شيئًا مختلفًا.
إنه يحاول خلق أسباب لاستخدامه بشكل مستمر.
إذا أصبحت عملية الاستدلال القابل للتحقق شرطًا بدلًا من خيار، فقد تصبح القصة طويلة الأمد أقل تركيزًا على المضاربة وأكثر تركيزًا على الاستهلاك الحقيقي.
لقد كوّنت رأيي الخاص بعد البحث في الشبكة، لكنني فضولي بشأن موقف الجميع الآخر.
إذا نجح OpenGradient، فما برأيك سيكون أكبر عامل يدفع طلب OPG على المدى الطويل؟
صوّت أدناه وقل لي السبب.
#OPG
ما الذي سيقود طلب OPG على المدى الطويل؟
كلما تعمقت، أدركت أكثر أن أغلب الناس ربما يطرحون السؤال الخاطئ.
يريد الجميع معرفة ما إذا كان لـ OPG فائدة.
أبدأ في التفكير بأن السؤال الأهم هو ما إذا كان بإمكان OpenGradient خلق فائدة متكررة.
هناك فرق.
يقوم المطوّر بدفع OPG لاستدلال الذكاء الاصطناعي.
يحقق منشئ النموذج أرباحًا من OPG عندما يتم استخدام ذلك النموذج.
يقوم المُدققون بإيداع $OPG للمساعدة في تأمين التحقق من الحسابات.
على الورق، هذا يخلق حلقة اقتصادية كاملة.
لكن الفائدة وحدها لا تضمن الطلب.
يصبح الطلب مستدامًا عندما يحتاج المستخدمون بشكل متكرر للوصول إلى خدمات شبكة ما.
أقوى اقتصاديات الرموز غالبًا لا تُبنى على الفائدة وحدها.
بل تُبنى على خدمات يحتاجها المستخدمون مرارًا ولا يمكنهم استبدالها بسهولة.
لهذا السبب أولي اهتمامًا أكبر لمؤشرات الاستخدام مقارنة بحركة السعر.
تستضيف الشبكة بالفعل آلاف نماذج الذكاء الاصطناعي وقد عالجت ملايين الاستدلالات القابلة للتحقق.
إذا واصل المطورون البناء واستمرت أنشطة الاستدلال في النمو، فقد يصبح طلب OPG مرتبطًا بشكل متزايد بالاستخدام الفعلي للشبكة بدلًا من مزاج السوق.
سيكون ذلك تحولًا ذا معنى.
تحاول كثير من مشاريع العملات المشفرة خلق أسباب للاحتفاظ بالرمز.
يبدو أن OpenGradient يحاول شيئًا مختلفًا.
إنه يحاول خلق أسباب لاستخدامه بشكل مستمر.
إذا أصبحت عملية الاستدلال القابل للتحقق شرطًا بدلًا من خيار، فقد تصبح القصة طويلة الأمد أقل تركيزًا على المضاربة وأكثر تركيزًا على الاستهلاك الحقيقي.
لقد كوّنت رأيي الخاص بعد البحث في الشبكة، لكنني فضولي بشأن موقف الجميع الآخر.
إذا نجح OpenGradient، فما برأيك سيكون أكبر عامل يدفع طلب OPG على المدى الطويل؟
صوّت أدناه وقل لي السبب.
#OPG
ما الذي سيقود طلب OPG على المدى الطويل؟
Inference Growth
100%
Staking Participation
0%
Model Marketplace Activity
0%
Network Effects
0%
3 الأصوات • تمّ إغلاق التصويت
لقد قضيت الأسابيع القليلة الماضية أبحث في @OpenGradient ، أقرأ الوثائق، أدرس الهيكلية، وأحاول فهم المشكلة التي تحلها الشبكة بالفعل.
في البداية، يبدو أن هناك تمييزًا صغيرًا. لكن كلما درست النتائج، أدركت أكثر أنه يمكن أن يعيد تشكيل كيفية كسب أنظمة الذكاء الاصطناعي للثقة.
كلما تعمقت في البحث، زادت إدراكي أن معظم الناس قد ينظرون إلى OpenGradient من منظور خاطئ.
تركز معظم مشاريع الذكاء الاصطناعي على جعل الذكاء الاصطناعي أذكى.
OpenGradient تقوم بمراهنة مختلفة:
اقتصاد الذكاء الاصطناعي اليوم يكافئ الذكاء. قد يكافئ اقتصاد الذكاء الاصطناعي غدًا القابلية للتحقق.
قد يبدو هذا المفهوم دقيقًا، لكن بمجرد أن يبدأ الذكاء الاصطناعي في تحريك قيمة حقيقية، يصبح الفرق بين الذكاء والقابلية للتحقق مستحيلًا تجاهله.
مع بدء وكلاء الذكاء الاصطناعي في التعامل مع المدفوعات، وتنفيذ المعاملات، والتفاعل مع أنظمة البلوكتشين، قد لا تكون أكبر تحدي هو الحوسبة بعد الآن.
قد تكون التحقق.
تم بناء OpenGradient حول هذا التحول.
باستخدام بيئات التنفيذ الموثوقة (TEE) وإثباتات zkML، تسمح الشبكة بالتحقق من استنتاجات الذكاء الاصطناعي بطريقة مشفرة بدلاً من الاعتماد على الثقة العمياء. بدلاً من الاعتماد على مزودين مركزيين، يمكن للمستخدمين التحقق بشكل مستقل من كيفية توليد النتيجة.
ما لفت انتباهي هو أن هذا ليس نظريًا.
لقد عالجت الشبكة بالفعل أكثر من 2 مليون استنتاج قابل للتحقق، وحققت أكثر من 500 ألف إثبات تشفير، وتدعم أكثر من 2000 نموذج ذكاء اصطناعي، ومدعومة بتمويل قدره 9.5 مليون دولار من a16z Crypto وCoinbase Ventures.
لكن الرؤية الحقيقية بالنسبة لي ليست الأرقام.
إنها الاتجاه.
يتحدث السوق غالبًا عن الحوسبة كاختناق للذكاء الاصطناعي.
OpenGradient تقوم بمراهنة مختلفة:
بمجرد أن يبدأ الذكاء الاصطناعي في التحكم بقيمة حقيقية، يصبح التحقق هو الاختناق.
إذا تحققت هذه الأطروحة، فلن تكون الذكاء الاصطناعي القابل للتحقق مجرد ميزة بل يمكن أن يصبح طبقة أساسية في اقتصاد الذكاء الاصطناعي بالكامل.
وهذا هو الجزء الذي لا زال معظم الناس يقدرونه بأقل من قيمته.
#OPG
$OPG
$HEI
$G
اقتصاد الذكاء الاصطناعي اليوم يكافئ الذكاء. اقتصاد الذكاء الاصطناعي غدًا سيكافئ:
في البداية، يبدو أن هناك تمييزًا صغيرًا. لكن كلما درست النتائج، أدركت أكثر أنه يمكن أن يعيد تشكيل كيفية كسب أنظمة الذكاء الاصطناعي للثقة.
كلما تعمقت في البحث، زادت إدراكي أن معظم الناس قد ينظرون إلى OpenGradient من منظور خاطئ.
تركز معظم مشاريع الذكاء الاصطناعي على جعل الذكاء الاصطناعي أذكى.
OpenGradient تقوم بمراهنة مختلفة:
اقتصاد الذكاء الاصطناعي اليوم يكافئ الذكاء. قد يكافئ اقتصاد الذكاء الاصطناعي غدًا القابلية للتحقق.
قد يبدو هذا المفهوم دقيقًا، لكن بمجرد أن يبدأ الذكاء الاصطناعي في تحريك قيمة حقيقية، يصبح الفرق بين الذكاء والقابلية للتحقق مستحيلًا تجاهله.
مع بدء وكلاء الذكاء الاصطناعي في التعامل مع المدفوعات، وتنفيذ المعاملات، والتفاعل مع أنظمة البلوكتشين، قد لا تكون أكبر تحدي هو الحوسبة بعد الآن.
قد تكون التحقق.
تم بناء OpenGradient حول هذا التحول.
باستخدام بيئات التنفيذ الموثوقة (TEE) وإثباتات zkML، تسمح الشبكة بالتحقق من استنتاجات الذكاء الاصطناعي بطريقة مشفرة بدلاً من الاعتماد على الثقة العمياء. بدلاً من الاعتماد على مزودين مركزيين، يمكن للمستخدمين التحقق بشكل مستقل من كيفية توليد النتيجة.
ما لفت انتباهي هو أن هذا ليس نظريًا.
لقد عالجت الشبكة بالفعل أكثر من 2 مليون استنتاج قابل للتحقق، وحققت أكثر من 500 ألف إثبات تشفير، وتدعم أكثر من 2000 نموذج ذكاء اصطناعي، ومدعومة بتمويل قدره 9.5 مليون دولار من a16z Crypto وCoinbase Ventures.
لكن الرؤية الحقيقية بالنسبة لي ليست الأرقام.
إنها الاتجاه.
يتحدث السوق غالبًا عن الحوسبة كاختناق للذكاء الاصطناعي.
OpenGradient تقوم بمراهنة مختلفة:
بمجرد أن يبدأ الذكاء الاصطناعي في التحكم بقيمة حقيقية، يصبح التحقق هو الاختناق.
إذا تحققت هذه الأطروحة، فلن تكون الذكاء الاصطناعي القابل للتحقق مجرد ميزة بل يمكن أن يصبح طبقة أساسية في اقتصاد الذكاء الاصطناعي بالكامل.
وهذا هو الجزء الذي لا زال معظم الناس يقدرونه بأقل من قيمته.
#OPG
$OPG
$HEI
$G
اقتصاد الذكاء الاصطناعي اليوم يكافئ الذكاء. اقتصاد الذكاء الاصطناعي غدًا سيكافئ:
Compute
0%
Scale
0%
Speed
0%
Provability
0%
0 الأصوات • تمّ إغلاق التصويت
لقد قضيت الأسابيع القليلة الماضية أبحث في بنية OpenGradient، الوثائق، والرؤية الأوسع لـ AI القابل للتحقق.
كلما درست أكثر، زاد إدراكي أن المشروع لا يتنافس فقط على جودة النماذج. إنه يراهن على شيء أعمق: الثقة.
@OpenGradient أعلن مؤخرًا عن تمويل بقيمة 9.5 مليون دولار مدعوم من a16z crypto، Coinbase Ventures، SV Angel، والعديد من المستثمرين البارزين في مجالات AI وبنية التحتية للـ crypto.
تركز معظم إعلانات التمويل على الرقم.
ما لفت انتباهي هو الأطروحة وراء ذلك.
في الوقت الحالي، تعتمد معظم تطبيقات AI على بنية تحتية تتحكم فيها عدد قليل من المزودين. يمكن للمطورين الوصول إلى نماذج قوية، لكن غالبًا ما يكون لديهم رؤية محدودة لما يحدث خلف الكواليس. أي نموذج أنتج الناتج؟ هل تم تعديله؟ هل يمكن التحقق من العملية بشكل مستقل؟
تريد OpenGradient بناء بنية تحتية حيث يصبح تنفيذ AI قابلاً للتدقيق بدلاً من أن يكون مفترضًا. تجمع شبكتها بين حسابات GPU، بيئات التنفيذ الموثوقة (TEEs)، الأدلة التشفيرية، ونموذج لامركزي لإنشاء ما تسميه طبقة حساب لـ AI القابل للتحقق.
على الورق، يعالج ذلك قلقًا حقيقيًا.
مع تحرك أنظمة AI إلى ما هو أبعد من برامج الدردشة إلى المالية، والأتمتة، واتخاذ القرار المستقل، يبدأ التحقق في الظهور أقل كميزة ترفيهية وأكثر كنوع من البنية التحتية.
لكن التاريخ يشير إلى أن البنية التحتية نادراً ما يتم الحكم عليها برؤية فقط.
التحدي هو التبني.
السؤال الحقيقي ليس ما إذا كان يمكن التحقق من AI.
إنه ما إذا كان التحقق يصبح توقعًا قياسيًا أو يبقى شيئًا يرغب فيه جزء صغير فقط من السوق في دفع ثمنه.
#OPG
$OPG
$DEXE
$RESOLV
ما هو أكبر تحدٍ يواجه OpenGradient؟
كلما درست أكثر، زاد إدراكي أن المشروع لا يتنافس فقط على جودة النماذج. إنه يراهن على شيء أعمق: الثقة.
@OpenGradient أعلن مؤخرًا عن تمويل بقيمة 9.5 مليون دولار مدعوم من a16z crypto، Coinbase Ventures، SV Angel، والعديد من المستثمرين البارزين في مجالات AI وبنية التحتية للـ crypto.
تركز معظم إعلانات التمويل على الرقم.
ما لفت انتباهي هو الأطروحة وراء ذلك.
في الوقت الحالي، تعتمد معظم تطبيقات AI على بنية تحتية تتحكم فيها عدد قليل من المزودين. يمكن للمطورين الوصول إلى نماذج قوية، لكن غالبًا ما يكون لديهم رؤية محدودة لما يحدث خلف الكواليس. أي نموذج أنتج الناتج؟ هل تم تعديله؟ هل يمكن التحقق من العملية بشكل مستقل؟
تريد OpenGradient بناء بنية تحتية حيث يصبح تنفيذ AI قابلاً للتدقيق بدلاً من أن يكون مفترضًا. تجمع شبكتها بين حسابات GPU، بيئات التنفيذ الموثوقة (TEEs)، الأدلة التشفيرية، ونموذج لامركزي لإنشاء ما تسميه طبقة حساب لـ AI القابل للتحقق.
على الورق، يعالج ذلك قلقًا حقيقيًا.
مع تحرك أنظمة AI إلى ما هو أبعد من برامج الدردشة إلى المالية، والأتمتة، واتخاذ القرار المستقل، يبدأ التحقق في الظهور أقل كميزة ترفيهية وأكثر كنوع من البنية التحتية.
لكن التاريخ يشير إلى أن البنية التحتية نادراً ما يتم الحكم عليها برؤية فقط.
التحدي هو التبني.
السؤال الحقيقي ليس ما إذا كان يمكن التحقق من AI.
إنه ما إذا كان التحقق يصبح توقعًا قياسيًا أو يبقى شيئًا يرغب فيه جزء صغير فقط من السوق في دفع ثمنه.
#OPG
$OPG
$DEXE
$RESOLV
ما هو أكبر تحدٍ يواجه OpenGradient؟
Adoption
67%
Costs
0%
Competition
0%
Awareness
33%
3 الأصوات • تمّ إغلاق التصويت
سجّل الدخول لاستكشاف المزيد من المُحتوى