Eh,
Hier, j’ai mis 124 USD de marge sur des futures, avec un levier x10.
Une position à 36 USD, et le funding fee clignotait en continu.
Mais en y repensant, ce qui m’a le plus dérangé n’est pas le fait que je sois sur le point d’être liquidé.
C’est… la mémoire.
Si le trade est mauvais, tu peux fermer la position.
Si tu approuves par erreur, tu peux révoquer.
Si tu prends le mauvais itinéraire, si tu perds quelques dollars de frais de gas ou si tu subis du slippage, au moins tu sais clairement où tu t’es trompé.
Mais une mémoire erronée, c’est différent.
Elle ne casse pas tout de suite, mais elle traverse tranquillement toute la chaîne d’extraction → stockage → récupération → inférence, puis l’IA en tire une conclusion qui semble très logique.
Le seul souci, c’est que… elle s’appuie sur l’ancienne version de toi.
Ce qui me fait le plus réfléchir, c’est :
Le danger ne vient pas de données fausses.
Il vient de données qui étaient justes, mais qui sont désormais expirées.
Par exemple, à l’époque, tu gérais 14 wallets, tu faisais du market making, tu trades en continu.
Puis tu as arrêté pendant six mois.
Mais l’IA continue de te considérer comme un trader actif.
TEE ne fait que prouver que ces données existaient un jour.
Elle ne prouve pas que ces données sont encore exactes.
La crypto m’a appris une leçon :
Une vérité qui a expiré, mais qu’on continue parfois de croire, peut être plus dangereuse qu’une phrase fausse dès le départ.
S’il n’y a pas la notion de temps, la semantic search ne fait que remuer le passé.
Si l’utilisateur ne peut pas mettre à jour sa mémoire, les anciennes données deviennent facilement une « vérité vérifiée ».
Et à ce moment-là, oublier ne sera plus une réaction naturelle.
Ça deviendra… une opération.
@NewtonProtocol , tout en construisant un agent IA on-chain, et la mémoire est presque l’âme de l’agent.
Si on ne résout pas le problème de « temporal relevance », l’IA agira sur la version d’avant, pas sur l’humain d’aujourd’hui.
#Newt $NEWT $NFP $BTC
Hier, j’ai mis 124 USD de marge sur des futures, avec un levier x10.
Une position à 36 USD, et le funding fee clignotait en continu.
Mais en y repensant, ce qui m’a le plus dérangé n’est pas le fait que je sois sur le point d’être liquidé.
C’est… la mémoire.
Si le trade est mauvais, tu peux fermer la position.
Si tu approuves par erreur, tu peux révoquer.
Si tu prends le mauvais itinéraire, si tu perds quelques dollars de frais de gas ou si tu subis du slippage, au moins tu sais clairement où tu t’es trompé.
Mais une mémoire erronée, c’est différent.
Elle ne casse pas tout de suite, mais elle traverse tranquillement toute la chaîne d’extraction → stockage → récupération → inférence, puis l’IA en tire une conclusion qui semble très logique.
Le seul souci, c’est que… elle s’appuie sur l’ancienne version de toi.
Ce qui me fait le plus réfléchir, c’est :
Le danger ne vient pas de données fausses.
Il vient de données qui étaient justes, mais qui sont désormais expirées.
Par exemple, à l’époque, tu gérais 14 wallets, tu faisais du market making, tu trades en continu.
Puis tu as arrêté pendant six mois.
Mais l’IA continue de te considérer comme un trader actif.
TEE ne fait que prouver que ces données existaient un jour.
Elle ne prouve pas que ces données sont encore exactes.
La crypto m’a appris une leçon :
Une vérité qui a expiré, mais qu’on continue parfois de croire, peut être plus dangereuse qu’une phrase fausse dès le départ.
S’il n’y a pas la notion de temps, la semantic search ne fait que remuer le passé.
Si l’utilisateur ne peut pas mettre à jour sa mémoire, les anciennes données deviennent facilement une « vérité vérifiée ».
Et à ce moment-là, oublier ne sera plus une réaction naturelle.
Ça deviendra… une opération.
@NewtonProtocol , tout en construisant un agent IA on-chain, et la mémoire est presque l’âme de l’agent.
Si on ne résout pas le problème de « temporal relevance », l’IA agira sur la version d’avant, pas sur l’humain d’aujourd’hui.
#Newt $NEWT $NFP $BTC
