Xinyu-新宇

108 منشورات

Xinyu-新宇

Crypto explorer | Market watcher | Future builder 🚀

فتح تداول

مُتداول مُتكرر

1.4 سنوات

16 تتابع

7 المتابعون

161 إعجاب

منشورات

الحافظة الاستثمارية

الكل

اقتباسات

PINNED

Xinyu-新宇

#opg $OPG يعتقد الناس أن منافسة الذكاء الاصطناعي تدور حول بناء أكثر نموذج ذكاءً. لكنني أرى أن السباق الحقيقي يتمثل في بناء البنية التحتية التي يعتمد عليها كل نموذج. بدون استضافة قابلة للتوسع، واستدلال (Inference) بكفاءة، وتنفيذ يمكن التحقق منه، حتى أفضل ذكاء اصطناعي قد لا يتمكن من الوصول إلى التبني في العالم الحقيقي. لهذا السبب لفتت OpenGradient انتباهي. فهي تُنشئ بنية تحتية لامركزية من أجل «الذكاء الاصطناعي المفتوح»، حيث يمكن للذكاء الاصطناعي أن يعمل ويتوسع ويُتحقق منه عبر شبكة موزعة. في عصر الذكاء الاصطناعي، قد تصبح البنية التحتية أكبر ميزة تنافسية—وليس النموذج نفسه. @OpenGradient
$G
$HEI
#TradebStocks #USStocksFirstOutflowSinceMarch
#AppleFalls6.1%

عرض الترجمة

checkout

Âkšhu-艾

#grvt @grvt_io تسأل أي منظومة رقمية عن الثقة في مكان ما. السؤال المثير للاهتمام هو ما إذا كانت تلك الثقة تأتي من الوعود أم من التصميم. بقي هذا الفكر معي وأنا أستكشف GRVT. بدلًا من فصل الحيازة والتنفيذ والتسوية وإدارة الرصيد إلى تجارب مختلفة، يجمعها تصميمه الهجين للبورصة في نموذج تشغيل واحد تُعزّز فيه كل مرحلة الأخرى. الحيازة الذاتية، ورصيد موحد، وتنفيذ سريع، وتسوية على السلسلة، والربح على الأرصدة المؤهلة—كلها تصير أكثر منطقية معًا مما هي عليه كلٌ على حدة. وجدت نفسي أفكر أقل في المعاملات وأكثر في الثقة. يشعر النظام بالاختلاف عندما تعتمد النتائج على افتراضات أقل، ويمكن فهم المزيد منها عبر بنيته. غيّر ذلك طريقتي في النظر إلى بنية البورصات/التبادل. قد لا يكون التصميم الأكثر قيمة هو الذي يطلب من المستخدمين الوثوق به أكثر، بل ذلك الذي يقلّل بهدوء مقدار الثقة التي يحتاجها أصلًا.

Xinyu-新宇

عرض الترجمة

Âkšhu-艾

تفصيلة واحدة كانت تقاطع ملاحظاتي باستمرار بينما كنت أستكشف بروتوكول نيوتن. كلما نظرت إلى الاستراتيجيات الآلية أكثر، قلّ اهتمامي بطريقة اتخاذها للقرارات، وزاد فضولي حول من يملك حق تحديد الحدود التي لا يمكن لتلك القرارات أن تتجاوزها. لم تكن هذه هي النتيجة التي توقعت أن أخرج بها.

عدتُ إلى أجزاء من التوثيق لأن انطباعي الأول بدا بسيطًا أكثر من اللازم. من السهل الإعجاب بسرعة التنفيذ، لكن الأتمتة تغيّر أيضًا مكان تمركز المسؤولية. بدلًا من أن تختفي، تنتقل إلى القواعد والحوافز والافتراضات التي تكون موجودة قبل نشر أي استراتيجية. لم أكن أفكر في هذا الفرق.

ما بقي معي لم يكن ميزةً أو خيارًا تصميميًا تقنيًا. بل كانت الفكرة بأن كفاءة رأس المال يمكن أن تتحسن، بينما تصبح التحديات الحقيقية بصمت هي تصميم حدود تظل موثوقة حتى بعد أن يصبح تدخل الإنسان استثناءً لا روتينًا. ظلت تلك الفكرة في دفتري أطول من أي شيء آخر قرأته.
#Newt $NEWT @NewtonProtocol

Xinyu-新宇

عرض الترجمة

go check out God information

Âkšhu-艾

صاعد

لاحظت شيئًا غريبًا بعد قضاء بعض الوقت مع بروتوكول نيوتن. تلاشى السرد الذي تقوده الذكاء الاصطناعي إلى الخلفية أسرع بكثير مما كنت أتوقعه. ما كان يعيدني باستمرار إلى التفكير هو سؤال أكثر هدوءًا: هل يمكن أن يظل تصميم الحوافز موثوقًا عندما تصبح عملية تنفيذ الاستراتيجية أكثر فأكثر مستقلة تلقائيًا؟

انتهى بي الأمر إلى قراءة الأقسام نفسها مرتين لأن انطباعي الأول لم يصمد بعد المرور الثاني. لم تكن التحديات تبدو في كيفية اتخاذ قرارات أذكى، بل في التأكد من أن كل مشارك لديه سبب يحافظ على نزاهة تلك القرارات بمرور الوقت. لقد فاجأني هذا التحول. أغلقت المستندات وأنا أفكر بدرجة أقل في الذكاء الاصطناعي نفسه، وبدرجة أكبر في الحوافز التي تشكّل كل شيء بهدوء خلفه.

#Newt $NEWT @NewtonProtocol

ما الذي لفت انتباهك أكثر؟

Xinyu-新宇

تحقق

Âkšhu-艾

قد يكون الاقتصاد التالي للعملات المشفرة مبنيًا بواسطة منشئي الذكاء الاصطناعي

كلما تابعت تطور الذكاء الاصطناعي داخل عالم العملات المشفرة، قلّ اعتقادي بأن أكبر تغيير سيأتي من قرارات تداول أفضل. ما يلفت انتباهي هو شيء أهدأ. كل موجة جديدة من الأتمتة تخلق مزيدًا من الأشخاص الذين يبنون نماذج واستراتيجيات وأنظمة مستقلة. نقضي وقتًا طويلًا نسأل عمّا يمكن لهذه الأنظمة فعله، لكننا وقتًا أقل بكثير نسأل عن الدور الذي ستؤديه في نهاية المطاف داخل الاقتصاد نفسه.
يشعر ذلك كأنه نقطة عمياء غير معتادة.
لطالما كافأت العملات المشفرة أولئك الذين يساهمون في الشبكة. قام القائمون بالتعدين بتأمين سلاسل الكتل. وحافظ المدققون على تشغيل آلية الإجماع. جعل مزودو السيولة الأسواق قابلة للاستخدام. وبنى المطورون تطبيقات جذبت المستخدمين. كل مرحلة خلقت نوعًا مختلفًا من المشاركين الاقتصاديين بدل أن تكون مجرد مستهلكين إضافيين.

Xinyu-新宇

#opg $OPG @OpenGradient لم يعد بناء الذكاء الاصطناعي بهذه الصعوبة، لكن قد تصبح البنية التحتية الموثوقة للذكاء الاصطناعي هي العامل الحقيقي الذي يميّز. @OpenGradient تتبع نهجًا مثيرًا للاهتمام من خلال بناء شبكة لا مركزية يمكن من خلالها استضافة نماذج الذكاء الاصطناعي وإجراء الاستدلال (inference) والتحقق منها على نطاق واسع. ومع نمو اعتماد الذكاء الاصطناعي، قد تصبح الشفافية وقابلية التحقق مهمة بقدر أهمية أداء النماذج. قد لا ينتمي المستقبل فقط إلى أذكى نماذج الذكاء الاصطناعي، بل إلى البنية التحتية التي تجعل الذكاء مفتوحًا وقابلًا للتوسع وموثوقًا. برأيك، ما الذي سيهم أكثر خلال السنوات القليلة القادمة: نماذج ذكاء اصطناعي أفضل أم بنية تحتية للذكاء الاصطناعي أفضل؟
$SOL $MUB #MemeCoreMTokenCrashes80%
#BinanceSquareFamily

ما الذي سيقود مستقبل الذكاء الاصطناعي؟

🤖 Smarter Models

100%

🌐 Open Infrastructure

1 الأصوات • تمّ إغلاق التصويت

صاعد

#opg $OPG @OpenGradient كنت أعتقد أن الناس يهتمون بشدة بالتحكم. لكن الكريبتو جعل الأمر يبدو على هذا النحو. الملكية، السيادة، اللامركزية—هذه الأفكار تتواجد في قلب العديد من المحادثات. لكن ما ألاحظه هو أن السلوك غالبًا ما يروي قصة مختلفة. عندما تكون الموارد وفيرة، نادرًا ما يهتم الناس بمن يتحكم بها. لا أحد يسأل من يملك الطرق التي يقودون عليها حتى تصبح حركة المرور مشكلة. قليل من الناس يفكرون في بنية السحابة التحتية حتى يتسبب انقطاع في تعطيل يومهم. الوفرة تخلق نوعًا غريبًا من الاعتماد. كلما أصبحت الأشياء أسهل للوصول إليها، كلما قل اهتمام الناس بالأنظمة التي تقف خلفها. هذا يجعلني أتساءل عن الذكاء الاصطناعي. تركز معظم المناقشات على جودة النماذج، لكن كلما زادت الذكاء المتاح، قد تصبح الشبكات الداعمة له أكثر غموضًا. ربما هذه هي المفارقة. النجاح لا يزيد دائمًا من الوعي. أحيانًا يزيله. هذا جزء من السبب الذي جعل OpenGradient يجذب انتباهي. ليس لأنه يمثل مشروع ذكاء اصطناعي آخر، ولكن لأنه يوجد ضمن تحول أوسع حيث يبدأ الذكاء في أن يشبه موردًا مشتركًا بدلاً من منتج مستقل. بالطبع، هناك احتمال آخر. ربما يهتم الناس فقط بالانفتاح، والملكية، والمشاركة عندما تكون تلك الأشياء نادرة. إذا أصبح الذكاء وفيرًا، هل سيسأل أحد بعد ذلك من أين يأتي؟

#opg $OPG @OpenGradient كنت أعتقد أن الناس يهتمون بشدة بالتحكم.

لكن الكريبتو جعل الأمر يبدو على هذا النحو.

الملكية، السيادة، اللامركزية—هذه الأفكار تتواجد في قلب العديد من المحادثات.

لكن ما ألاحظه هو أن السلوك غالبًا ما يروي قصة مختلفة.

عندما تكون الموارد وفيرة، نادرًا ما يهتم الناس بمن يتحكم بها.

لا أحد يسأل من يملك الطرق التي يقودون عليها حتى تصبح حركة المرور مشكلة. قليل من الناس يفكرون في بنية السحابة التحتية حتى يتسبب انقطاع في تعطيل يومهم.

الوفرة تخلق نوعًا غريبًا من الاعتماد.

كلما أصبحت الأشياء أسهل للوصول إليها، كلما قل اهتمام الناس بالأنظمة التي تقف خلفها.

هذا يجعلني أتساءل عن الذكاء الاصطناعي.

تركز معظم المناقشات على جودة النماذج، لكن كلما زادت الذكاء المتاح، قد تصبح الشبكات الداعمة له أكثر غموضًا.

ربما هذه هي المفارقة.

النجاح لا يزيد دائمًا من الوعي. أحيانًا يزيله.

هذا جزء من السبب الذي جعل OpenGradient يجذب انتباهي. ليس لأنه يمثل مشروع ذكاء اصطناعي آخر، ولكن لأنه يوجد ضمن تحول أوسع حيث يبدأ الذكاء في أن يشبه موردًا مشتركًا بدلاً من منتج مستقل.

بالطبع، هناك احتمال آخر.

ربما يهتم الناس فقط بالانفتاح، والملكية، والمشاركة عندما تكون تلك الأشياء نادرة.

إذا أصبح الذكاء وفيرًا، هل سيسأل أحد بعد ذلك من أين يأتي؟

Yes, origin will still matter

100%

No, results will matter more

2 الأصوات • تمّ إغلاق التصويت

OPG‎-2.97%

Xinyu-新宇

#opg $OPG @OpenGradient A نمط يزعجني lately. التقنيات التي تؤثر بشكل كبير على الحياة اليومية عادةً هي تلك التي يتوقف الناس عن التفكير فيها. لا أحد يفتح تطبيق الخرائط ويتساءل كيف تنسق الأقمار الصناعية بيانات الموقع. لا أحد يرسل رسالة ويفكر في بروتوكولات التوجيه. تختفي البنية التحتية، وتبقى التجربة. يبدو أن هذا واضح. ما يبرز لي هو أن الذكاء الاصطناعي قد يتحرك في الاتجاه المعاكس لما يصفه معظم الناس. تتركز معظم المناقشات على النماذج، والمعايير، والقدرات. الفرضية هي أن الطبقة الأكثر وضوحًا هي الأكثر أهمية. بدأت أفكر أن العكس قد يكون صحيحًا. كلما نضجت التقنية، قل اهتمام الناس بالتقنية نفسها. مثال بسيط هو نظام تحديد المواقع العالمي (GPS). لم يأتِ نجاحه من جعل الناس يفهمون شبكات الأقمار الصناعية. بل جاء من جعل الملاحة موثوقة لدرجة أن الناس توقفوا عن التفكير في النظام وراءها. هذا يغير كيف أفكر في الذكاء المفتوح. المشكلة الحقيقية ليست فيما إذا كان الذكاء الاصطناعي يصبح أكثر قوة. بل فيما إذا كانت البنية التحتية التي تدعم الذكاء تصبح موثوقة بما يكفي لتتلاشى في الخلفية. هذه واحدة من الأسباب التي تجعل الأفكار وراء OpenGradient تستمر في جذب انتباهي. تطرح أسئلة حول نوع الشبكات المطلوبة عندما يصبح الذكاء مرفقًا غير مرئي بدلاً من منتج مرئي. قد أكون مخطئًا. لكن إذا نجح الذكاء الاصطناعي على نطاق عالمي، هل سيهتم الناس أكثر بالذكاء الذي يرونه—أم بالبنية التحتية التي لا يلاحظونها أبداً؟ $SPCXB $RE {spot}(REUSDT) {spot}(SPCXBUSDT)

#opg $OPG @OpenGradient A نمط يزعجني lately.

التقنيات التي تؤثر بشكل كبير على الحياة اليومية عادةً هي تلك التي يتوقف الناس عن التفكير فيها.

لا أحد يفتح تطبيق الخرائط ويتساءل كيف تنسق الأقمار الصناعية بيانات الموقع. لا أحد يرسل رسالة ويفكر في بروتوكولات التوجيه. تختفي البنية التحتية، وتبقى التجربة.

يبدو أن هذا واضح.

ما يبرز لي هو أن الذكاء الاصطناعي قد يتحرك في الاتجاه المعاكس لما يصفه معظم الناس.

تتركز معظم المناقشات على النماذج، والمعايير، والقدرات. الفرضية هي أن الطبقة الأكثر وضوحًا هي الأكثر أهمية.

بدأت أفكر أن العكس قد يكون صحيحًا.

كلما نضجت التقنية، قل اهتمام الناس بالتقنية نفسها.

مثال بسيط هو نظام تحديد المواقع العالمي (GPS). لم يأتِ نجاحه من جعل الناس يفهمون شبكات الأقمار الصناعية. بل جاء من جعل الملاحة موثوقة لدرجة أن الناس توقفوا عن التفكير في النظام وراءها.

هذا يغير كيف أفكر في الذكاء المفتوح.

المشكلة الحقيقية ليست فيما إذا كان الذكاء الاصطناعي يصبح أكثر قوة. بل فيما إذا كانت البنية التحتية التي تدعم الذكاء تصبح موثوقة بما يكفي لتتلاشى في الخلفية.

هذه واحدة من الأسباب التي تجعل الأفكار وراء OpenGradient تستمر في جذب انتباهي. تطرح أسئلة حول نوع الشبكات المطلوبة عندما يصبح الذكاء مرفقًا غير مرئي بدلاً من منتج مرئي.

قد أكون مخطئًا.

لكن إذا نجح الذكاء الاصطناعي على نطاق عالمي، هل سيهتم الناس أكثر بالذكاء الذي يرونه—أم بالبنية التحتية التي لا يلاحظونها أبداً؟
$SPCXB
$RE

The intelligence users see❤️

100%

Infrastructure never notice💕

4 الأصوات • تمّ إغلاق التصويت

@OpenGradient أستخدمت أن أعتقد أن أصعب جزء في بناء أنظمة الذكاء الاصطناعي المفتوحة سيكون التكنولوجيا نفسها. نماذج أكثر قدرة. حسابات أكثر كفاءة. تنسيق أفضل بين الوكلاء الأذكياء. في الآونة الأخيرة، لم أعد متأكدًا من ذلك. ما ألاحظه هو أن حتى أكثر الشبكات تقدمًا تعاني عندما تكون الحوافز غير متوافقة. في البداية، يبدو أن هذه مشكلة اقتصادية. كلما نظرت إليها، شعرت أكثر أنها مشكلة إنسانية. يساهم الناس في الأنظمة عندما تكون المشاركة منطقية بالنسبة لهم. يشاركون الموارد عندما تشعر القواعد بالعدالة. يبقون عندما تتدفق القيمة بطرق متوقعة. الجزء الذي يغفله الناس هو أن الذكاء لا ينظم نفسه. عند النطاق الكبير، يبدو هذا مختلفًا. الشبكات المفتوحة لا تُحافظ على قدرتها فقط. إنها تعتمد على الحوافز التي تتوافق بين البنائين، والمستخدمين، ومقدمي البنية التحتية حول نتيجة مشتركة. هذا يبدو أقل كسباق لإنشاء ذكاء اصطناعي أذكى وأكثر كتحدي لتصميم أنظمة حيث يصبح التعاون الخيار الطبيعي. هذه واحدة من الأسباب التي تجعل الأفكار وراء OpenGradient تبرز بالنسبة لي. إنها تشير إلى مستقبل حيث لا يتم توزيع الذكاء فقط، بل يدعمه آليات تساعد المشاركين المستقلين على العمل نحو نفس الهدف. قد أكون مخطئًا، لكن مستقبل الذكاء المفتوح قد يعتمد أقل على الذكاء نفسه وأكثر على الحوافز المحيطة به. #opg $OPG @OpenGradient $TSLAB $SOL

@OpenGradient أستخدمت أن أعتقد أن أصعب جزء في بناء أنظمة الذكاء الاصطناعي المفتوحة سيكون التكنولوجيا نفسها.

نماذج أكثر قدرة. حسابات أكثر كفاءة. تنسيق أفضل بين الوكلاء الأذكياء.

في الآونة الأخيرة، لم أعد متأكدًا من ذلك.

ما ألاحظه هو أن حتى أكثر الشبكات تقدمًا تعاني عندما تكون الحوافز غير متوافقة.

في البداية، يبدو أن هذه مشكلة اقتصادية. كلما نظرت إليها، شعرت أكثر أنها مشكلة إنسانية.

يساهم الناس في الأنظمة عندما تكون المشاركة منطقية بالنسبة لهم. يشاركون الموارد عندما تشعر القواعد بالعدالة. يبقون عندما تتدفق القيمة بطرق متوقعة.

الجزء الذي يغفله الناس هو أن الذكاء لا ينظم نفسه.

عند النطاق الكبير، يبدو هذا مختلفًا. الشبكات المفتوحة لا تُحافظ على قدرتها فقط. إنها تعتمد على الحوافز التي تتوافق بين البنائين، والمستخدمين، ومقدمي البنية التحتية حول نتيجة مشتركة.

هذا يبدو أقل كسباق لإنشاء ذكاء اصطناعي أذكى وأكثر كتحدي لتصميم أنظمة حيث يصبح التعاون الخيار الطبيعي.

هذه واحدة من الأسباب التي تجعل الأفكار وراء OpenGradient تبرز بالنسبة لي. إنها تشير إلى مستقبل حيث لا يتم توزيع الذكاء فقط، بل يدعمه آليات تساعد المشاركين المستقلين على العمل نحو نفس الهدف.

قد أكون مخطئًا، لكن مستقبل الذكاء المفتوح قد يعتمد أقل على الذكاء نفسه وأكثر على الحوافز المحيطة به.

#opg $OPG @OpenGradient $TSLAB $SOL

هناك نمط يظهر بشكل متكرر في عالم الكريبتو: القيمة غالبًا ما تنتقل بعيدًا عن الأصول التي تحصل على أكبر قدر من الاهتمام وتتحول نحو البنية التحتية التي تجعل الأصل قابلًا للاستخدام. أصبحت السيولة أكثر قوة عندما تحركت بكفاءة. أصبحت البيانات أكثر قيمة عندما أصبحت متاحة. قد تقترب الذكاء الاصطناعي من انتقال مشابه. لا يزال الكثير من النقاش حول الذكاء الاصطناعي يدور حول جودة النماذج، ومع ذلك، فإن التحسينات تتزايد في جميع أنحاء الصناعة بوتيرة تقلل تدريجيًا من التمايز. عندما تصبح القدرات أسهل للحصول عليها، يميل التنافس إلى الانتقال إلى مكان آخر. تخلق هذه الإمكانية عدسة مثيرة للاهتمام لتقييم الشبكات مثل @OpenGradient . قد لا تكون التحديات مرتبطة بتوليد الذكاء فقط، بل بتقليل الاحتكاك المرتبط بالوصول إليه، وتشغيله، وتوسيعه عبر مختلف المشاركين والتطبيقات. الدلالة المنسية هي أن عنق الزجاجة طويل الأمد للذكاء الاصطناعي قد لا يكون الذكاء نفسه. قد يكون التنسيق. إذا أصبح الذكاء متاحًا بشكل متزايد، فقد تتركز القيمة المستقبلية حول الأنظمة التي تنظمها بكفاءة أكبر. السؤال هو ما إذا كانت الأسواق قد بدأت في تسعير هذه الإمكانية - أو لا تزال تركز على الطبقة الخاطئة. #opg $OPG @OpenGradient ما سيكون أكبر عنق زجاجة للذكاء الاصطناعي في المستقبل؟

هناك نمط يظهر بشكل متكرر في عالم الكريبتو: القيمة غالبًا ما تنتقل بعيدًا عن الأصول التي تحصل على أكبر قدر من الاهتمام وتتحول نحو البنية التحتية التي تجعل الأصل قابلًا للاستخدام. أصبحت السيولة أكثر قوة عندما تحركت بكفاءة. أصبحت البيانات أكثر قيمة عندما أصبحت متاحة. قد تقترب الذكاء الاصطناعي من انتقال مشابه.

لا يزال الكثير من النقاش حول الذكاء الاصطناعي يدور حول جودة النماذج، ومع ذلك، فإن التحسينات تتزايد في جميع أنحاء الصناعة بوتيرة تقلل تدريجيًا من التمايز. عندما تصبح القدرات أسهل للحصول عليها، يميل التنافس إلى الانتقال إلى مكان آخر.

تخلق هذه الإمكانية عدسة مثيرة للاهتمام لتقييم الشبكات مثل @OpenGradient . قد لا تكون التحديات مرتبطة بتوليد الذكاء فقط، بل بتقليل الاحتكاك المرتبط بالوصول إليه، وتشغيله، وتوسيعه عبر مختلف المشاركين والتطبيقات.

الدلالة المنسية هي أن عنق الزجاجة طويل الأمد للذكاء الاصطناعي قد لا يكون الذكاء نفسه. قد يكون التنسيق. إذا أصبح الذكاء متاحًا بشكل متزايد، فقد تتركز القيمة المستقبلية حول الأنظمة التي تنظمها بكفاءة أكبر. السؤال هو ما إذا كانت الأسواق قد بدأت في تسعير هذه الإمكانية - أو لا تزال تركز على الطبقة الخاطئة.
#opg $OPG @OpenGradient

ما سيكون أكبر عنق زجاجة للذكاء الاصطناعي في المستقبل؟

🔹 Model capability

89%

🔹 Compute availability

11%

🔹 Data accessibility

19 الأصوات • تمّ إغلاق التصويت

OPG‎-2.97%

Xinyu-新宇

@OpenGradient I كنت أعتقد أن مستقبل الذكاء الاصطناعي سيتم تحديده من خلال النموذج الأكثر كفاءة. كان الافتراض واضحًا: ذكاء أفضل يؤدي إلى نتائج أفضل. لكن مؤخرًا، لم أعد متأكدًا من ذلك. ما ألاحظه هو أن الذكاء أصبح موزعًا بشكل متزايد. النماذج تعمل عبر بيئات مختلفة. الوكلاء يتفاعلون مع وكلاء آخرين. لم تعد القرارات تُتخذ داخل نظام واحد. في البداية، يبدو أن هذه مشكلة توسيع. لكن كلما نظرت إليها، شعرت أنها مشكلة تنسيق. الذكاء يتوسع من خلال الحوسبة. الشبكات تتوسع من خلال التنسيق. هذا يغير كيف أفكر في الذكاء الاصطناعي. عند التوسع، يخلق المزيد من الذكاء المزيد من التفاعلات. المزيد من التفاعلات تخلق المزيد من الاعتماد المتبادل. وفي النهاية، تتوقف التحديات عن كونها تتعلق بإنتاج المخرجات وتبدأ في أن تكون حول مساعدة الأنظمة المستقلة على العمل معًا. الجزء الذي يغفله الناس هو أن الشبكات لا تنجح لأن المشاركين فيها أذكياء. بل تنجح لأن المشاركين يمكنهم التنسيق. هذا يبدو أقل كبرمجيات وأكثر كتنسيق. هذا أحد الأسباب التي تجعل OpenGradient تبرز بالنسبة لي. إنها تشير إلى مستقبل حيث لا يتم بناء الذكاء أو امتلاكه ببساطة، بل يتم تنسيقه عبر الشبكات المفتوحة. قد أكون مخطئًا، لكن قد يكون الاختراق التالي في الذكاء الاصطناعي أقل ارتباطًا بالنماذج الأذكى وأكثر ارتباطًا بكيفية تعلم الذكاء للعمل معًا. #opg $OPG @OpenGradient $GENIUS $HEI

@OpenGradient I كنت أعتقد أن مستقبل الذكاء الاصطناعي سيتم تحديده من خلال النموذج الأكثر كفاءة.

كان الافتراض واضحًا: ذكاء أفضل يؤدي إلى نتائج أفضل.

لكن مؤخرًا، لم أعد متأكدًا من ذلك.

ما ألاحظه هو أن الذكاء أصبح موزعًا بشكل متزايد. النماذج تعمل عبر بيئات مختلفة. الوكلاء يتفاعلون مع وكلاء آخرين. لم تعد القرارات تُتخذ داخل نظام واحد.

في البداية، يبدو أن هذه مشكلة توسيع.

لكن كلما نظرت إليها، شعرت أنها مشكلة تنسيق.

الذكاء يتوسع من خلال الحوسبة. الشبكات تتوسع من خلال التنسيق.

هذا يغير كيف أفكر في الذكاء الاصطناعي.

عند التوسع، يخلق المزيد من الذكاء المزيد من التفاعلات. المزيد من التفاعلات تخلق المزيد من الاعتماد المتبادل. وفي النهاية، تتوقف التحديات عن كونها تتعلق بإنتاج المخرجات وتبدأ في أن تكون حول مساعدة الأنظمة المستقلة على العمل معًا.

الجزء الذي يغفله الناس هو أن الشبكات لا تنجح لأن المشاركين فيها أذكياء. بل تنجح لأن المشاركين يمكنهم التنسيق.

هذا يبدو أقل كبرمجيات وأكثر كتنسيق.

هذا أحد الأسباب التي تجعل OpenGradient تبرز بالنسبة لي. إنها تشير إلى مستقبل حيث لا يتم بناء الذكاء أو امتلاكه ببساطة، بل يتم تنسيقه عبر الشبكات المفتوحة.

قد أكون مخطئًا، لكن قد يكون الاختراق التالي في الذكاء الاصطناعي أقل ارتباطًا بالنماذج الأذكى وأكثر ارتباطًا بكيفية تعلم الذكاء للعمل معًا.

#opg $OPG @OpenGradient
$GENIUS $HEI

bullish 🟢

76%

bearish 🟥

24%

25 الأصوات • تمّ إغلاق التصويت

@OpenGradient يقوم بإصلاح شيء لا تزال معظم محادثات الذكاء الاصطناعي تتظاهر بأنه غير موجود تبدأ وتنتهي معظم مناقشات الذكاء الاصطناعي اليوم بنفس الطريقة. نماذج أكبر. معايير أفضل. مخرجات أسرع. وفي كل مرة، يبدو أنه من المفترض أن نفترض أن التقدم يعني تلقائيًا الثقة. لكن ليس هذا ما نشعر به عندما نستخدم هذه الأنظمة بالفعل. تطرح شيئًا. تحصل على إجابة. ثم هناك تلك الفجوة الصامتة في عقلك. كيف حصلت على هذا؟ لماذا هذه الإجابة وليس واحدة أخرى؟ والأهم من ذلك، هل يمكنني الوثوق بها حتى؟ الحقيقة المزعجة هي أن معظم الذكاء الاصطناعي اليوم لا يزال صندوقًا أسود. ليس فقط من الناحية التقنية. ولكن من الناحية التجريبية. لا ترى العملية. لا ترى مسار التفكير. لا ترى ما الذي قد يكون قد حدث بشكل خاطئ في المنتصف. وبطريقة ما، يتم توصيل هذه الأنظمة ببطء بأشياء تهم حقًا. قرارات. سير العمل. خطوط البيانات. المنطق في العالم الحقيقي. هنا تبدأ التوترات. لأننا نقوم بتوسيع نطاق الذكاء أسرع مما نقوم بتوسيع نطاق الفهم. وهذا الخلل يصبح من الصعب تجاهله. الجميع مهووس بجعل الذكاء الاصطناعي أكثر ذكاءً. قليل جدًا من الناس يسألون سؤالًا أبسط. هل يمكننا التحقق مما فعلته للتو؟ لماذا لا يزال ذلك اختياريًا؟ في مرحلة ما، "ثق بنا" تتوقف عن كونها ميزة وتبدأ في أن تصبح خطرًا. هنا تصبح OpenGradient مثيرة للاهتمام. ليس كاختراق. ليس كوعود. ولكن كمحاولة لتقديم شيء تجنبه الصناعة لسنوات: القابلية للتحقق. الفكرة بسيطة. يجب ألا تقتصر نماذج الذكاء الاصطناعي على التشغيل. يجب أن تكون قابلة للتتبع، وقابلة للفحص، وقابلة للتحقق في كيفية عملها. قد لا تحل كل شيء. قد لا تكون حتى الشكل النهائي. لكن على الأقل تسأل السؤال الصحيح. الآن، الذكاء الاصطناعي يصبح أكثر قوة كل شهر. لكن ليس بالضرورة أكثر فهمًا. وقد تكون هذه الفجوة هي القصة الحقيقية. ليس الذكاء. لكن المساءلة. #opg $OPG @OpenGradient

@OpenGradient يقوم بإصلاح شيء لا تزال معظم محادثات الذكاء الاصطناعي تتظاهر بأنه غير موجود

تبدأ وتنتهي معظم مناقشات الذكاء الاصطناعي اليوم بنفس الطريقة.

نماذج أكبر. معايير أفضل. مخرجات أسرع.

وفي كل مرة، يبدو أنه من المفترض أن نفترض أن التقدم يعني تلقائيًا الثقة.

لكن ليس هذا ما نشعر به عندما نستخدم هذه الأنظمة بالفعل.

تطرح شيئًا.

تحصل على إجابة.

ثم هناك تلك الفجوة الصامتة في عقلك.

كيف حصلت على هذا؟

لماذا هذه الإجابة وليس واحدة أخرى؟

والأهم من ذلك، هل يمكنني الوثوق بها حتى؟

الحقيقة المزعجة هي أن معظم الذكاء الاصطناعي اليوم لا يزال صندوقًا أسود.

ليس فقط من الناحية التقنية.

ولكن من الناحية التجريبية.

لا ترى العملية.

لا ترى مسار التفكير.

لا ترى ما الذي قد يكون قد حدث بشكل خاطئ في المنتصف.

وبطريقة ما، يتم توصيل هذه الأنظمة ببطء بأشياء تهم حقًا.

قرارات. سير العمل. خطوط البيانات. المنطق في العالم الحقيقي.

هنا تبدأ التوترات.

لأننا نقوم بتوسيع نطاق الذكاء أسرع مما نقوم بتوسيع نطاق الفهم.

وهذا الخلل يصبح من الصعب تجاهله.

الجميع مهووس بجعل الذكاء الاصطناعي أكثر ذكاءً.

قليل جدًا من الناس يسألون سؤالًا أبسط.

هل يمكننا التحقق مما فعلته للتو؟

لماذا لا يزال ذلك اختياريًا؟

في مرحلة ما، "ثق بنا" تتوقف عن كونها ميزة وتبدأ في أن تصبح خطرًا.

هنا تصبح OpenGradient مثيرة للاهتمام.

ليس كاختراق.

ليس كوعود.

ولكن كمحاولة لتقديم شيء تجنبه الصناعة لسنوات: القابلية للتحقق.

الفكرة بسيطة.

يجب ألا تقتصر نماذج الذكاء الاصطناعي على التشغيل.

يجب أن تكون قابلة للتتبع، وقابلة للفحص، وقابلة للتحقق في كيفية عملها.

قد لا تحل كل شيء.

قد لا تكون حتى الشكل النهائي.

لكن على الأقل تسأل السؤال الصحيح.

الآن، الذكاء الاصطناعي يصبح أكثر قوة كل شهر.

لكن ليس بالضرورة أكثر فهمًا.

وقد تكون هذه الفجوة هي القصة الحقيقية.

ليس الذكاء.

لكن المساءلة.

#opg $OPG @OpenGradient

OPG‎-2.97%

Xinyu-新宇

كنت أعتقد أن الحوسبة كانت مجرد مدخل آخر.

المزيد من الطلب يعني المزيد من وحدات معالجة الرسوم. النماذج الأفضل تتطلب مجموعات أكبر. كان يبدو الأمر كأنه مشكلة هندسية بسيطة.

كلما نظرت إلى الذكاء الاصطناعي، كلما انكسر هذا الافتراض.

ما ألاحظه هو أن كل قفزة في الذكاء تعتمد على شيء أقل وضوحًا: من يتحكم في الحوسبة، وكيف يتم تنسيقها، ومن يحصل على الوصول إليها.

عند النطاق الكبير، يبدو هذا مختلفًا.

تتوقف الحوسبة عن كونها موردًا وتبدأ في أن تصبح بنية تحتية.

والبنية التحتية ليست أبدًا محايدة. إنها تشكل المشاركة، تحدد أين تتجمع القيمة، وتؤثر على من يستطيع بناء الجيل القادم من الذكاء.

القضية الحقيقية ليست ما إذا كانت نماذج الذكاء الاصطناعي تصبح أكثر قدرة. بل هي ما إذا كانت الأنظمة التي تدعمها تبقى مفتوحة، ومرنة، وقابلة للوصول.

هذا يبدو أقل كسباق لبناء نماذج أذكى وأكثر كتحدٍ لتنظيم الذكاء نفسه.

لهذا السبب تبرز الأفكار وراء @OpenGradient بالنسبة لي. يبدو أنها تستكشف مستقبلًا حيث يتم تنسيق الحوسبة كشبكة بدلاً من التحكم فيها كمنصة.

قد أكون مخطئًا، لكن مستقبل الذكاء الاصطناعي قد يعتمد أقل على من يبني أفضل النماذج وأكثر على من يبني الأنظمة التي تدعمها.

#opg $OPG @OpenGradient

$BSB $HEI

كنت أفكر في كيف أن معظم المناقشات حول الذكاء الاصطناعي تبدو وكأنها تتبع نفس النمط. كل بضعة أشهر، يظهر نموذج جديد، تتحسن المعايير، وينتقل الحديث نحو ما يمكن أن يفعله الذكاء الاصطناعي بعد ذلك. الفرضية هي أن القدرة هي القيد. إذا استمر الذكاء في التحسن، فإن كل شيء آخر في النهاية ينضبط. ما يبرز بالنسبة لي هو أن الذكاء والثقة لا يبدو أنهما يتسقان بنفس الطريقة. يمكن أن يتحسن النموذج من خلال المزيد من البيانات، المزيد من الحوسبة، وتدريب أفضل. تصبح الثقة أكثر تعقيدًا مع كبر الأنظمة. المزيد من المستخدمين تخلق المزيد من التفاعلات. المزيد من التفاعلات تخلق المزيد من القرارات. وفي النهاية، يتحول التحدي من توليد المخرجات إلى فهم ما إذا كان يمكن فعلاً التحقق من تلك المخرجات. ربما هذه هي النقطة العمياء. نحن نقضي الكثير من الوقت في قياس الذكاء، ولكن وقت أقل بكثير في التفكير في كيفية تنسيق الشبكات الكبيرة حوله. ليس من منظور الأداء، ولكن من منظور الثقة. هنا يصبح OpenGradient مثيرًا للاهتمام. ليس لأنه يبني بنية تحتية للذكاء الاصطناعي، ولكن لأنه يبدو أنه يستكشف سؤالًا أعمق: ماذا يحدث عندما يصبح الذكاء مفتوحًا، موزعًا، وقابلًا للتحقق بدلاً من مجرد كونه أكثر قدرة؟ بينما تصبح أنظمة الذكاء الاصطناعي مدمجة في المزيد من العمليات الاقتصادية والاجتماعية، قد لا يكون الاختناق الحقيقي هو الذكاء نفسه. قد يكون الثقة في العملية من ورائه. لست متأكدًا إلى أين يقود ذلك بعد، لكن يبدو أنه من الصعب تجاهله بشكل متزايد. #opg $OPG @OpenGradient $NVDAB $MUB #OPG🔥🔥🔥 {future}(OPGUSDT) {spot}(NVDABUSDT) {spot}(MUBUSDT)

كنت أفكر في كيف أن معظم المناقشات حول الذكاء الاصطناعي تبدو وكأنها تتبع نفس النمط.

كل بضعة أشهر، يظهر نموذج جديد، تتحسن المعايير، وينتقل الحديث نحو ما يمكن أن يفعله الذكاء الاصطناعي بعد ذلك. الفرضية هي أن القدرة هي القيد. إذا استمر الذكاء في التحسن، فإن كل شيء آخر في النهاية ينضبط.

ما يبرز بالنسبة لي هو أن الذكاء والثقة لا يبدو أنهما يتسقان بنفس الطريقة.

يمكن أن يتحسن النموذج من خلال المزيد من البيانات، المزيد من الحوسبة، وتدريب أفضل. تصبح الثقة أكثر تعقيدًا مع كبر الأنظمة. المزيد من المستخدمين تخلق المزيد من التفاعلات. المزيد من التفاعلات تخلق المزيد من القرارات. وفي النهاية، يتحول التحدي من توليد المخرجات إلى فهم ما إذا كان يمكن فعلاً التحقق من تلك المخرجات.

ربما هذه هي النقطة العمياء.

نحن نقضي الكثير من الوقت في قياس الذكاء، ولكن وقت أقل بكثير في التفكير في كيفية تنسيق الشبكات الكبيرة حوله. ليس من منظور الأداء، ولكن من منظور الثقة.

هنا يصبح OpenGradient مثيرًا للاهتمام.

ليس لأنه يبني بنية تحتية للذكاء الاصطناعي، ولكن لأنه يبدو أنه يستكشف سؤالًا أعمق: ماذا يحدث عندما يصبح الذكاء مفتوحًا، موزعًا، وقابلًا للتحقق بدلاً من مجرد كونه أكثر قدرة؟

بينما تصبح أنظمة الذكاء الاصطناعي مدمجة في المزيد من العمليات الاقتصادية والاجتماعية، قد لا يكون الاختناق الحقيقي هو الذكاء نفسه.

قد يكون الثقة في العملية من ورائه.

لست متأكدًا إلى أين يقود ذلك بعد، لكن يبدو أنه من الصعب تجاهله بشكل متزايد.

#opg $OPG @OpenGradient

$NVDAB $MUB
#OPG🔥🔥🔥

مثل

Âkšhu-艾

OpenLedger بتحس أقل كأنها سيولة الذكاء الاصطناعي وأكثر كأنها مسؤولية الذكاء الاصطناعي

دخلت على OpenLedger $OPEN متوقع حاجة سلسة وسهلة. الطريقة اللي الناس بتتكلم بيها عن سيولة الأصول الذكية بتخليها تبدو كأن البيانات والنماذج ممكن تتحرك بحرية بمجرد ما تساهم بحاجة قيمة.

ما كنتش حاسس بالشعور ده وأنا بستخدمه فعليًا.
جربت أرفع مجموعة بيانات محلية صغيرة على Datanet والعملية بقت أثقل من المتوقع على طول. قبل ما البيانات تقدر حتى تتواجد داخل الشبكة، كان لازم أعدي على خطوات وسم البيانات، والتحقق، وطبقات النسب، وتتبع المساهمات. مكنش الموضوع سهل ولا مفتوح. كان زي ما أدخل نظام عاوز يفضل يتذكر كل بصمة مرتبطة بالبيانات للأبد.

Xinyu-新宇

معلومات جيدة

Âkšhu-艾

كيف تبني OpenLedger سوق مفتوح للذكاء الاصطناعي

العالم يتغير أسرع مما توقع معظم الناس. قبل بضع سنوات، كانت الذكاء الاصطناعي لا يزال بعيد المنال بالنسبة للكثيرين. الآن هو في كل مكان. يكتب محتوى، ينشئ فن، يحلل الأسواق، يدعم الأعمال، وببطء يصبح جزءاً من الحياة اليومية. ولكن وراء كل هذه الابتكارات توجد حقيقة نادراً ما يفكر فيها معظم الناس.
القيمة الحقيقية للذكاء الاصطناعي لا تأتي فقط من التكنولوجيا نفسها. بل تأتي من البيانات، النماذج، الذكاء، والأشخاص الذين يساهمون بهدوء من وراء الكواليس.

Xinyu-新宇

♥️

Âkšhu-艾

#openledger $OPEN معظم مشاريع العملات الرقمية تبدو مصقولة من السطح ولكنها فارغة من الداخل. نفس الوعود المعاد تدويرها، نفس الرؤية المبالغ فيها، ونفس الضغط للإيمان بأن شيئًا ضخمًا قادم. بعد فترة، يبدأ كل هذا الشعور بالانفصال عن الواقع.

ما شعرت أنه مختلف بالنسبة لي حول توكن Open هو الإحساس بأنه يحاول حل شيء أعمق من الظهور أو الضجيج. لا يتعلق الأمر فقط بالذكاء الاصطناعي أو البلوكشين كأفكار قائمة بذاتها. بل يتعلق بإنشاء نظام حيث يمكن للبيانات والنماذج والعوامل الذكية أن تحمل قيمة حقيقية وتتحرك بحرية بين الأشخاص الذين يبنون ويساهمون ويشاركون.

بالنسبة لي، هذا يغير الوزن العاطفي للمشروع. الكثير من العالم الرقمي اليوم مبني على مساهمات غير مرئية لا يتم التعرف عليها بشكل صحيح. يبدو أن OpenLedger تستكشف هيكلًا حيث يمكن أن تصبح الذكاء نفسه جزءًا من اقتصاد مفتوح بدلاً من البقاء محاصرًا داخل منصات مغلقة.

ما جذب انتباهي هو التركيز على التنسيق والاستدامة بدلاً من الإثارة قصيرة المدى. لأنه عندما ينشئ المشروع فائدة حقيقية بين المستخدمين والمطورين والأنظمة، فإنه لديه فرصة أفضل بكثير للبقاء بعد أن يتلاشى الضجيج.

لهذا السبب يبقى توكن Open في راداري. ليس لأنه يعد بكل شيء، ولكن لأن الفكرة وراءه تشعر بأنها مرتبطة بما تسير إليه التكنولوجيا ومساهمة البشر بالفعل.@OpenLedger

Xinyu-新宇

معلومات رائعة

Âkšhu-艾

لماذا يمكن أن تصبح OpenLedger واحدة من أهم مشاريع البنية التحتية للذكاء الاصطناعي في الكريبتو

إذا قضيت وقتًا كافيًا في الكريبتو، ستتوقف في النهاية عن الانبهار بالعلامات التجارية الصاخبة والوعود المعادة. كل دورة تقدم موجة جديدة من المشاريع التي تدعي أنها ستغير كل شيء، لكن معظمها يتنافس حقًا للحصول على الانتباه والسيولة وزيادة السرد المؤقت قبل أن يتحرك السوق.
لهذا السبب لفت انتباهي OpenLedger بطريقة مختلفة.
لا يبدو أنه مشروع يحاول خلق ضجة من لا شيء. الفكرة وراءه تتصل فعلاً بتحول حقيقي يحدث على الإنترنت الآن، خصوصاً حول الذكاء الاصطناعي وملكية الرقمية.

Xinyu-新宇

معلومات جيدة

Âkšhu-艾

OpenLedger قد تبني الطبقة المفقودة في اقتصاد الذكاء الاصطناعي

OpenLedger تشعر بأنها مختلفة عن معظم مشاريع العملات الرقمية التي يتحدث عنها الناس هذه الأيام. الكثير من السوق يعتمد على الضجيج، السرد السريع، والإثارة المؤقتة، لكن هذا المشروع يبدو أنه يسعى وراء شيء أكبر بكثير من الانتباه على المدى القصير.
الجزء المثير للاهتمام هو أن OpenLedger لا تحاول بيع الناس خيالًا. إنها تحاول حل مشكلة موجودة بالفعل أمامنا.
الذكاء الاصطناعي ينمو بسرعة جنونية. الناس يستخدمونه لكتابة الأبحاث، تعلم البرمجة، وأتمتة المهام اليومية. لكن وراء كل نموذج ذكاء اصطناعي، هناك ملايين من المساهمات البشرية التي تعمل بصمت للحفاظ على كل شيء معًا. المحادثات، الأفكار، الصور، المقالات، أنماط السلوك، والأعمال الإبداعية تغذي هذه الأنظمة باستمرار.

Xinyu-新宇

عمل جيد

Âkšhu-艾

#pixel $PIXEL الكثير من مشاريع الكريبتو تأتي محاطة بالضجيج، مع وعود كبيرة تبدو مثيرة في البداية ولكنها تتلاشى في اللحظة التي تبحث فيها عن شيء حقيقي تحت السطح. ما لفت انتباهي حول Pixels هو أنها تبدو أكثر هدوءًا، لكنها أكثر معنى. لا تحاول فرض أهميتها. بل تكسبها من خلال الطريقة التي يتحرك بها عالم اللعبة، واللاعبون، والتوكن معًا. بالنسبة لي، هذا ما يمنحها وزنًا عاطفيًا. هناك شيء جذاب في مشروع حيث يرتبط التوكن بمشاركة حقيقية، وجهد حقيقي، ووقت حقيقي يُقضى داخل النظام البيئي. عندما يتوقف التوكن عن كونه مجرد قصة ويبدأ في أن يصبح جزءًا من كيفية انتماء الناس فعليًا ومساهمتهم، فإنه يشعر بأنه مختلف. لهذا السبب Pixels تستحوذ على انتباهي.@Pixels

سجّل الدخول لاستكشاف المزيد من المُحتوى

Xinyu-新宇

المواضيع الرائجة