Haha, tu viens de t’en rendre compte un peu tard : les agents IA répètent les vieilles boucles de la DeFi avec la couche 1.
Les gens se contentent de montrer tout ce que leurs agents peuvent faire ; peu demandent comment le système l’incite concrètement à agir. Le problème n’est pas la puissance de l’IA, mais les incitations et la confiance.
Ajouter encore des capacités ne sert à rien si l’utilisateur doit continuer à faire aveuglément confiance à une black box. L’essentiel n’est pas que l’agent décide à ta place, mais que tu puisses vérifier jusqu’où il en est.
@OpenGradient fait différent.
Ils ne suivent pas la tendance de l’agent « super intelligent », ils se concentrent sur une architecture (system design) fiable.
Avec HACA, ils séparent l’exécution et la vérification : l’inférence tourne vite d’abord, puis la preuve est vérifiée ensuite. TEE pour le LLM, ZKML pour les petits modèles.
Ils ont déjà lancé plus de 2 millions d’inférences vérifiables, et 500k+ de preuves.
Le point étrange, c’est qu’ils transforment l’inférence vérifiable en infrastructure : ainsi, quand l’agent décide quoi que ce soit, tout reste traçable — modèle + entrée + sortie.
Un peu comme la DeFi qui est passée de la confiance envers l’équipe à la confiance dans le code.
Mais moi, je continue à argumenter : si la preuve est lente, l’argent s’envole avant ; et le TEE implique toujours une hypothèse de confiance, tandis que les utilisateurs sont souvent trop paresseux pour vérifier.
Le marché récompense souvent ce qui est plus flashy que ce qui est certain.
Je les suis parce qu’ils jouent vraiment la confiance minimisée : ils considèrent l’IA comme un coprocesseur utile pour la chaîne et les agents.
La vraie question n’est pas quel agent est le plus intelligent, mais quel système le rend plus digne de confiance.
C’est exactement pour ça que je me suis intéressé à #OPG
$OPG $SYN $BTC
Les gens se contentent de montrer tout ce que leurs agents peuvent faire ; peu demandent comment le système l’incite concrètement à agir. Le problème n’est pas la puissance de l’IA, mais les incitations et la confiance.
Ajouter encore des capacités ne sert à rien si l’utilisateur doit continuer à faire aveuglément confiance à une black box. L’essentiel n’est pas que l’agent décide à ta place, mais que tu puisses vérifier jusqu’où il en est.
@OpenGradient fait différent.
Ils ne suivent pas la tendance de l’agent « super intelligent », ils se concentrent sur une architecture (system design) fiable.
Avec HACA, ils séparent l’exécution et la vérification : l’inférence tourne vite d’abord, puis la preuve est vérifiée ensuite. TEE pour le LLM, ZKML pour les petits modèles.
Ils ont déjà lancé plus de 2 millions d’inférences vérifiables, et 500k+ de preuves.
Le point étrange, c’est qu’ils transforment l’inférence vérifiable en infrastructure : ainsi, quand l’agent décide quoi que ce soit, tout reste traçable — modèle + entrée + sortie.
Un peu comme la DeFi qui est passée de la confiance envers l’équipe à la confiance dans le code.
Mais moi, je continue à argumenter : si la preuve est lente, l’argent s’envole avant ; et le TEE implique toujours une hypothèse de confiance, tandis que les utilisateurs sont souvent trop paresseux pour vérifier.
Le marché récompense souvent ce qui est plus flashy que ce qui est certain.
Je les suis parce qu’ils jouent vraiment la confiance minimisée : ils considèrent l’IA comme un coprocesseur utile pour la chaîne et les agents.
La vraie question n’est pas quel agent est le plus intelligent, mais quel système le rend plus digne de confiance.
C’est exactement pour ça que je me suis intéressé à #OPG
$OPG $SYN $BTC
