Ich habe letzte Woche eine ziemliche Dummheit gemacht: Ich habe alle Nutzer-Behavior-Logs, die seit drei Jahren auf der Festplatte lagen, komplett herausgekramt und über tausend „saubere“ Datensätze ausgewählt, um sie testweise in <t-2/> @OpenLedger zu werfen. Früher habe ich solche Sachen einfach nur behalten, um damit Wochenberichte zu schreiben—nie im Traum daran gedacht, dass man damit Geld verdienen kann. Nachdem ich sie hochgeladen hatte, hat das System automatisch On-Chain-Tags gesetzt, und jeder einzelne Datensatz trägt meine ID. Ganz ehrlich: Als ich das bestätigt habe, war ich innerlich auch nicht sicher, ob das alles irgendwo im Nichts verschwindet.
Nach zwei Tagen bin ich ins Attributions-Dashboard gegangen und habe gesehen, dass ein Modell zwölf Datensätze aufgerufen hat. Auf der Kette hängen Zeitstempel und die Anzahl der Aufrufe. Zwar ist der Betrag, den jede einzelne Anforderung einbringt, nicht riesig ($OPEN ), aber dieses Gefühl ist, als würdest du einen Baum pflanzen und wenn jemand die Früchte erntet, fällt dabei automatisch Geld in deine Tasche. Früher fand ich Daten einfach nur „Festplatten-Müll“—jetzt hat sich meine Sicht komplett geändert.
Octoclaw heute habe ich wieder ein paar Runden gedreht. Ich habe extra ein Template gewählt, das sich von dem vorherigen unterscheidet, und die Parameter ein bisschen angepasst. Bei der Verteilung der Inferenz-Aufgaben ging es deutlich schneller als beim ersten Mal. Dazwischen habe ich auch noch die Stabilität der Cross-Chain-Bridge getestet: Ich habe einen $OPEN von der Testnet-Umgebung ins Mainnet übertragen—nach gut zwei Minuten war es bestätigt. Mit anderen Bridges hing es bei mir vorher oft und hat mich echt zum Verzweifeln gebracht. Diesmal lief es wirklich rund. Außerdem ist mir aufgefallen, dass der Attributions-Algorithmus die Datenqualität gewichtet. Ich habe absichtlich ein paar unvollständige, „schmutzige“ Datensätze hochgeladen—die Bewertung war deutlich niedriger. Das zeigt: Nicht wer mehr sendet, bekommt mehr Geld—Qualität ist das, was zählt.
Die Problemstelle ist immer noch dieses Dokument: In dem Abschnitt zur Attributions-Formel steigt man beim Schreiben quasi in die Differential- und Integralrechnung ein. Als Geisteswissenschaftler tut mir das richtig weh beim Lesen. Das Offizielle sollte echt ein animiertes Tutorial herausbringen. Aber im Großen und Ganzen: Der Weg mit @OpenLedger ist für mich viel solider gewesen, als in einem Bullen-/Bärenmarkt im Sekundärmarkt hinterherzurennen und mich von Kursbewegungen treiben zu lassen. Zumindest helfen deine Daten dabei, für dich zu arbeiten—du musst nicht ständig auf den Bildschirm starren und Angst haben. Die großen Versprechen und „Ether“-Lehren haben mir in den letzten Jahren eine Sache beigebracht: In der Volatilität Geld zu verdienen ist zu schwer. Aber wenn du deine Assets so umwandelst, dass sie Zinsen/Erträge abwerfen können, baut sich dein Vermögen auch „im Liegen“ langsam auf. Das sind Value-Store—Wertspeicher. Und OpenLedger ist der Kanal, damit Daten zu Cash werden. Die beiden widersprechen sich nicht—sie machen einfach jeweils ihre Aufgabe.
#OpenLedger
Nach zwei Tagen bin ich ins Attributions-Dashboard gegangen und habe gesehen, dass ein Modell zwölf Datensätze aufgerufen hat. Auf der Kette hängen Zeitstempel und die Anzahl der Aufrufe. Zwar ist der Betrag, den jede einzelne Anforderung einbringt, nicht riesig ($OPEN ), aber dieses Gefühl ist, als würdest du einen Baum pflanzen und wenn jemand die Früchte erntet, fällt dabei automatisch Geld in deine Tasche. Früher fand ich Daten einfach nur „Festplatten-Müll“—jetzt hat sich meine Sicht komplett geändert.
Octoclaw heute habe ich wieder ein paar Runden gedreht. Ich habe extra ein Template gewählt, das sich von dem vorherigen unterscheidet, und die Parameter ein bisschen angepasst. Bei der Verteilung der Inferenz-Aufgaben ging es deutlich schneller als beim ersten Mal. Dazwischen habe ich auch noch die Stabilität der Cross-Chain-Bridge getestet: Ich habe einen $OPEN von der Testnet-Umgebung ins Mainnet übertragen—nach gut zwei Minuten war es bestätigt. Mit anderen Bridges hing es bei mir vorher oft und hat mich echt zum Verzweifeln gebracht. Diesmal lief es wirklich rund. Außerdem ist mir aufgefallen, dass der Attributions-Algorithmus die Datenqualität gewichtet. Ich habe absichtlich ein paar unvollständige, „schmutzige“ Datensätze hochgeladen—die Bewertung war deutlich niedriger. Das zeigt: Nicht wer mehr sendet, bekommt mehr Geld—Qualität ist das, was zählt.
Die Problemstelle ist immer noch dieses Dokument: In dem Abschnitt zur Attributions-Formel steigt man beim Schreiben quasi in die Differential- und Integralrechnung ein. Als Geisteswissenschaftler tut mir das richtig weh beim Lesen. Das Offizielle sollte echt ein animiertes Tutorial herausbringen. Aber im Großen und Ganzen: Der Weg mit @OpenLedger ist für mich viel solider gewesen, als in einem Bullen-/Bärenmarkt im Sekundärmarkt hinterherzurennen und mich von Kursbewegungen treiben zu lassen. Zumindest helfen deine Daten dabei, für dich zu arbeiten—du musst nicht ständig auf den Bildschirm starren und Angst haben. Die großen Versprechen und „Ether“-Lehren haben mir in den letzten Jahren eine Sache beigebracht: In der Volatilität Geld zu verdienen ist zu schwer. Aber wenn du deine Assets so umwandelst, dass sie Zinsen/Erträge abwerfen können, baut sich dein Vermögen auch „im Liegen“ langsam auf. Das sind Value-Store—Wertspeicher. Und OpenLedger ist der Kanal, damit Daten zu Cash werden. Die beiden widersprechen sich nicht—sie machen einfach jeweils ihre Aufgabe.
#OpenLedger