Yoshi Invest

Tốn 2 Alpha Point để làm booster wallet #GRVT ngày 10/7, task cuối cùng là Creatorpad nhận thêm phân bổ $GRVT trong ngày TGE 21/7. Mình đã vộc vạch 4 giờ ở tầng bảo mật (security) của @grvt_io để mổ xẻ và nhận ra:
Khi "vô hình" trở thành đỉnh cao của bảo mật.
Trong Web3, những vụ hack triệu đô làm sập cả hệ thống luôn khiến chúng ta dè chừng. Hệ thống dù mạnh đến đâu vẫn luôn có rủi ro tiềm ẩn. Vậy làm sao để khi rủi ro xảy ra, tài sản của tôi vẫn tự động tìm đường bay về ví cá nhân một cách chủ động?

Và khi quyền lực tối cao thuộc về Blockchain, không thuộc về sàn.
Khi nạp tiền vào #grvt , tài sản không nằm trong "túi" của sàn mà được khóa trong một smart contract minh bạch on-chain. Sàn chỉ có quyền khớp lệnh hộ dựa trên chữ ký của tôi, tuyệt đối không thể tự ý dịch chuyển hay đóng băng số tiền đó.
Khi rủi ro xảy ra, user chỉ cần tương tác trực tiếp với smart contract phía dưới để kích hoạt "Cổng thoát hiểm khẩn cấp" (Escape Hatch). Sau thời gian quy định chờ sàn phản hồi mà không có tín hiệu, smart contract tự động mở khóa và trả toàn bộ tiền về ví cá nhân của user, sàn không thể can thiệp.
Nó hoạt động hoàn toàn độc lập và tự động làm vũ khí bảo mật "vô hình".
@grvt_io không cố xây một bức tường thật dày để bảo vệ sàn, mà họ thiết kế một cơ chế để: Hệ thống có thể sụp đổ, nhưng tài sản của user thì không.
Nó cần bảo mật nhiều lớp, phòng thủ chuyên sâu.
Một hệ thống an toàn không được phép phụ thuộc vào một lớp bảo vệ duy nhất.

Hybrid Exchange tương lai: Hiệu năng + niềm tin + an toàn tài sản.
Cuộc đua hạ tầng giao dịch, rõ ràng, đã dần bước sang một trang hoàn toàn mới.
#GRVT

Sau cú sập đầy tranh cãi của thị trường vào tháng 10/2025, niềm tin vào các CEX lại bị đặt dấu hỏi.

Trong khi sự minh bạch tuyệt đối của DEX khiến các quỹ đầu tư lớn và cá voi phải đối mặt với một thực tế khác: lộ ví, lộ chiến lược, và đánh mất lợi thế đầu tư trước các bot săn mồi MEV.

Một nghịch lý trớ trêu xuất hiện: Muốn an toàn thì phải minh bạch, nhưng minh bạch quá thì lại là "tự sát" về chiến lược.

Điều này khiến mình nhớ đến câu nói kinh điển của Ronald Reagan: "Trust, but verify" (Tin tưởng, nhưng phải xác minh).

Vậy niềm tin nên được đặt ở đâu để hệ thống vừa có thể kiểm chứng, vừa bảo vệ được quyền riêng tư chiến lược?

Đó chính là điểm chạm mà @grvt_io xuất hiện.

Thay vì bắt người dùng phải đánh đổi giữa quyền riêng tư chiến lược và khả năng kiểm chứng, #grvt giữ order flow ở off-chain để giảm tối đa nguy cơ lộ chiến lược của các quỹ lớn và cá voi.

Đổi lại, mọi kết quả khớp lệnh đều phải đi kèm một bằng chứng mật mã học được đưa lên on-chain để mạng lưới xác minh rằng trạng thái cuối cùng là hợp lệ. Điều đó giúp thu hẹp tối đa “hộp đen” mà trước đây người dùng buộc phải đặt niềm tin vào nhà vận hành.

Điều ZK-Proof thay đổi không phải là niềm tin, mà là phần nào còn phải dựa vào niềm tin.

GRVT không loại bỏ niềm tin. GRVT thu hẹp phạm vi của niềm tin.

Có lẽ tương lai, cuộc đua giữa các sàn giao dịch sẽ không còn là câu hỏi “ai đáng tin hơn”, mà là “ai thiết kế được mô hình niềm tin tốt hơn”.

Nếu niềm tin không thể biến mất, vậy điều quan trọng hơn có phải là xác định đúng nơi nó nên tồn tại? @grvt_io #grvt

Liệu matching (khớp lệnh) có thực sự cần Blockchain?
Phần lớn chúng ta từng có một giai đoạn mặc định ở Web3 rằng: càng đưa nhiều thứ lên on-chain càng tốt, blockchain xử lý càng nhiều việc càng hay.

Thoạt nhìn điều đó hoàn toàn hợp lý. Nhưng hệ thống buộc phải hy sinh tốc độ khớp lệnh, thậm chí tạo áp lực lớn lên cả mạng lưới blockchain chỉ vì hàng triệu lệnh đặt và hủy mỗi giây của các trader.

Có lẽ vấn đề chưa bao giờ là đưa bao nhiêu thứ lên blockchain, mà là điều gì thực sự CẦN blockchain. Nếu matching và settlement vốn có hai trách nhiệm hoàn toàn khác nhau, tại sao chúng lại phải chạy trên cùng một kiến trúc?

Điều khiến mình chú ý ở @grvt_io là họ không cố xây một hệ thống “ôm đồm” tất cả. Họ tách matching ra xử lý off-chain vì nhiệm vụ của nó chỉ là khớp các lệnh nhanh nhất có thể, điều cần tối ưu là hiệu năng và độ trễ thấp. Trong khi đó, settlement được giữ lại on-chain để làm đúng vai trò chuyển giao tài sản và ghi nhận trạng thái cuối cùng một cách bất biến.

Mỗi thành phần chỉ tập trung vào đúng trách nhiệm cốt lõi của mình. Matching không cần blockchain, settlement mới cần.
Điều #grvt tách ra không phải sản phẩm, đó là trách nhiệm của hệ thống.

Hybrid Exchange vì thế không đơn thuần là một từ khóa marketing kết hợp giữa CEX và DEX. Nó định hình một loại hạ tầng giao dịch mới: Quyền sở hữu tài sản thuộc về Blockchain, còn hiệu năng vận hành thuộc về hệ thống tinh chỉnh off-chain.
$LAB $DEXE

Đổi 15 phút 1 giao dịch lấy "tự do tài chính": Liệu có đáng?

Trải nghiệm “all-in-one” của CEX khiến mình quên mất việc đang giao tài sản cho bên thứ ba. Chỉ đến khi chuyển sang ví cá nhân, sự khác biệt mới hiện rõ: Giao dịch vài cú click trên CEX giờ thành 15 phút loay hoay nghĩ bước tiếp theo.

Vậy mà cuối cùng, mình vẫn quay lại CEX.
Ai trong crypto cũng từng nghe câu: “Not your keys, not your coins.” Chúng ta đều biết self-custody an toàn hơn.
Nhưng nếu vậy, tại sao CEX vẫn là lựa chọn của phần lớn người dùng?

Người dùng không từ chối self-custody. Họ chỉ từ chối một trải nghiệm khiến họ phải liên tục nghĩ về nó.
Người dùng không muốn self-custody.
Họ muốn quên rằng custody tồn tại.

Đó cũng là điều khiến mình chú ý khi đọc docs của GRVT. Thay vì xem self-custody là bài toán cần người dùng phải học cách thích nghi, họ xem trải nghiệm của self-custody mới là bài toán cần được thiết kế lại.
Bằng cách ứng dụng Account Abstraction (AA) và mô hình Hybrid Exchange, GRVT cho phép bạn tạo ví bằng chính tài khoản Google hay Apple, giúp bạn bấm trade mượt mà như CEX mà không cần liên tục ký duyệt (approve) từng lệnh. Tài sản vẫn là của bạn, nhưng trải nghiệm thì y hệt Web2.
GRVT không bắt đầu từ bài toán custody.
GRVT bắt đầu từ bài toán UX của self-custody.

Có lẽ tương lai cuộc cạnh tranh tiếp theo của Web3 sẽ không nằm ở việc ai cung cấp self-custody tốt hơn, mà ở việc ai khiến self-custody trở thành một phần tự nhiên của trải nghiệm.

Liệu khi self-custody trở nên “vô hình”, người dùng còn lý do gì để tiếp tục chọn CEX?
@grvt_io #grvt $TAC $LAB

Có lần mình chỉ muốn xử lý một giao dịch khá đơn giản.

Rút tài sản từ CEX về ví, bridge, approve, swap rồi tiếp tục sang một giao thức khác.

Mọi thứ đều hoạt động đúng như thiết kế. Nhưng đến khi xong việc, mình mới nhận ra điều khiến mình mệt nhất không phải phí giao dịch, mà là việc phải liên tục chuyển đổi giữa quá nhiều hệ thống chỉ để hoàn thành một mục tiêu.

Điều đó khiến mình đặt ra một câu hỏi: liệu vấn đề của crypto nằm ở từng sản phẩm, hay nằm ở cách những sản phẩm đó đang được ghép lại với nhau?

Đó là lý do mình chú ý đến GRVT và dành gần hai giờ để đọc kỹ docs của dự án.

Ban đầu mình chỉ nghĩ đây là một Hybrid Exchange. Nhưng càng đọc, mình càng nhận ra docs của GRVT không chỉ xoay quanh một tính năng, mà còn đề cập đến nhiều khía cạnh như trải nghiệm người dùng, bảo mật, quyền kiểm soát tài sản và kiến trúc giao dịch.

Liệu những cách tiếp cận của GRVT có thực sự đứng vững khi đi vào thực tế, hay chỉ hợp lý trên giấy?
@grvt_io #grvt $TAC $LAB

TỐC ĐỘ VÀ SỰ THẬT CỦA AI ON-CHAIN?
Tôi từng tự tay xây dựng hệ thống quản lý danh mục DeFi tự động: AI phân tích off-chain rồi gửi lệnh về Smart Contract qua API Web2. Lúc đầu chạy rất nhanh, nhưng khi dòng tiền thực tế vận hành, tôi rơi vào bất an: Làm sao chắc chắn server trung gian chạy đúng mô hình? Liệu kết quả có bị sửa đổi trước khi lên chuỗi?
Để giải quyết, tôi thử ép hệ thống chạy ZKML để AI tự chứng minh tính đúng đắn bằng toán học. Kết quả là một thảm họa hiệu năng: tốc độ xử lý chậm đi 1000 lần. Lệnh giao dịch mili-giây biến thành một hàng đợi. Hệ thống on-chain an toàn nhưng "rùa bò".

Tôi tiếp tục với Kiến trúc AI Lai (HACA) của @OpenGradient để tách rời quá trình suy luận (inference) và xác thực (verification) trên hai tuyến thời gian.
Mọi yêu cầu được chuyển thẳng đến các Node GPU, trả kết quả lập tức với độ trễ thấp như Web2 mà không cần chờ thời gian tạo khối on-chain. Sau đó, Node mới tạo bằng chứng mật mã nộp lên chuỗi cho các Full Node kiểm toán.
Xử lý triệt để rủi ro từ khoảng trễ thời gian từ lúc nhận kết quả đến khi xác thực xong.
Cơ chế này triệt tiêu độ trễ tạo khối, giải phóng áp lực, tối ưu trải nghiệm.
Tuy nhiên, hệ thống lúc này vẫn phải phụ thuộc vào tính toàn vẹn phần cứng của GPU.

AI on-chain chinh phục người dùng bằng sự tức thì và minh bạch. Góp ý của tôi cho #OPG là: $OPG không nên chỉ chứng minh tốc độ dApp như Web2 và bảo mật như Web3, mà còn cần chứng minh thêm tính toàn vẹn phần cứng GPU.

Nếu AI tương lai dịch chuyển từ tin tưởng vào lời hứa sang xác minh bằng toán học, thì cuộc đua AI không còn là "tốc độ hay bảo mật", mà là "tốc độ đạt niềm tin".

昨夜1時に、私は3つのウォレットを経由して0.7 ETHをスワップし、ガス代として18.4 USDを支払い、2.7%のスリッページを食らい、さらにApprovalを間違ったものをもう1回押してしまった...

そこに座って、ルートがブリッジとアグリゲータをぐるぐる回るのを眺めてると、なんだか可笑しかった。

暗号資産は時々、市場のせいで負けるんじゃない。

負けるのは、私たちが使っているスタックが複雑すぎるからだ！

正直、私は昔から「新しいチェーン、新しいVM、新しいアーキテクチャは全部いいことだ」と思っていた。

格好いい響き。

未来っぽい響き。

でも実際に作ってみると、一番高くつくのはガス代でも、ファンディング代でもないし、さらに言えば-46.8 USDのPnLオーダーでもない。

一番高いのは、ユーザーに習慣を変えさせることだ。

人々が流動性を動かし、ウォレットの導線を学び直し、ブリッジのことをもう一度理解し、ファイナリティをまた待つようにするdAppが... コップがもっと綺麗に見えるだけで、客に喫茶店を乗り換えさせるのと何が違うっていうんだ？

市場は「技術的に正しい」ことなんて気にしない。行動として間違っていることを嫌う。

だから私は、AIって言葉がキラキラして聞こえるからじゃなく、@OpenGradient に注目し始めた。

でも、問題の捉え方が少し違うからだ。EVM互換性、Solidity、生きている流動性を維持したうえで、Precompileを通してEVMネイティブなレイヤーとしてAI推論を差し込む。

小さく聞こえる。

ポジションデータ—クロスチェーンの価格スプレッド—市場センチメント → TEE証明付きで検証可能なAI出力。だからスマートコントラクトが自分自身で条件分岐ロジックを処理できる。

家を壊して作り直す必要はない。

新しいチェーンへ巡礼させる必要もない。

Baseには流動性がある、Arbitrumには資産がある、Optimismにはユーザーの行動がある。もしマルチチェーンAIの呼び出しで、それらのピースを同じ意思決定フローに集められるなら、DeFiのAIルーティングはようやく本当の走る足場を得る。

私はもう、「良い技術はそれ自体で勝つ」という線を信じていない。

市場に過剰な摩擦を払わせるような良い技術も、結局はただの美しいスライドに過ぎない！

それで、皆さんはどちらの道を選びますか？　全部をゼロからきれいに作り直すか、既にあるものをもっと賢くするか？
#OPG $OPG @OpenGradient $VELVET $LAB

興味深いことを見つけました：
大手取引所でトークンが上場されるたびに。
エアドロップやインセンティブのたびに、多くのユーザーの注目を集め始めます。
しかし、イベントが終わると彼らはほとんど市場から姿を消します。
では、AIインフラ・トークンが存在して、なぜ彼らが消えずに居続けられるのでしょうか？

現在の多くのAIインフラ・トークンは、ユーザーを惹きつけることに集中しています。

@OpenGradient はModel Hubを構築し、すべてのAIリクエストはOPGで支払われます。私の考えでは、その時点でトークンは投機資産ではなく、AIを使うたびの一部になるのです。

そのために、#OPG は支払いレイヤーx402をすべてのAIリクエストに直接統合します。

インセンティブとアダプションを切り分ける。ひとつは経済的メリットから、もうひとつは実際の利用ニーズから。

インセンティブが雨だとしたら、アダプションは水を貯める場所。
インセンティブはユーザーを連れてくる。
アダプションはユーザーを留める。

トークン$OPG の経済的価値は、実際の利用ニーズに基づいて持続可能です。
注目に基づくのではありません。

もしAIプロトコルが持続可能な経済価値を生み出したいなら、注目を集めることから、留まり続けさせることへの転換能力を証明する必要があります。

おそらくこれはOPGの強みであり弱みでもあります。
もし提案できるなら、#OPG は単にx402が動くことを証明するだけでは不十分だと思います。OPGは、ますます多くのAIリクエストにとってその支払いレイヤーが欠かせないことを証明する必要があります。使用が自然に成長する場合に限って、トークンは期待値から実需要によって生み出される価値へと移行できるのです。

もしすべてのAIプロトコルが注目を集められるなら、ユーザーが留まり続けるための本当の競争優位とは何になるのでしょうか？

私たちのダッシュボードはレイテンシが減ったことを示しています。しかし、リトライの回数は増えています。

不思議なことに、システムは速く見えるのに、実際の体験は不安定になっています。

調査の中で、ある時システムが地理的に最も近いと判断して選んだ node @OpenGradient につながるケースを追いました。推論バッチをそこへ送るのは、かなり自然な選択でした。

最初の3つのリクエストは、リトライ閾値をほぼ即座に超えました。

最初はタイムアウトのせいだと思いました。次にキューを疑いました。さらには、新しいモデルのリリースを疑うことさえありました。でも、より遠い別のノードでも同じ量の仕事をこなしており、問題は起きていません。

そのとき、私は最適化している指標を間違えていると気づきました。

距離はリクエストが始まる場所を示すだけで、リクエストが完了するまでの全行程を反映していません。

私たちのネットワーク経路は、ノードに到達する前に混雑したルーティングを通ります。推論の開始は速いままですが、検証の確認（verification）が不揃いに返ってきます。アプリは推論の完了を見ている一方で、信頼性を示す信号はまだ遅れて到着し、それから「失敗していない仕事」に対して自動的にリトライしてしまうのです。

問題は近いノードか遠いノードかではありません。

問題は、私が最適化に使った指標が、リクエストの一部しか測れていないことにあります。

どのシステムも最終的に、その指標が最適化しているものに成り下がっていきます。

振り返ってみると、私はノードを間違えたわけではありません。
間違えたのは「測定を終える地点」です。
私は推論が終わった時点でリクエスト完了と見なしましたが、#OPG では、体験が本当に完了するのは検証（verification）の後です。

リクエストが検証の後に完了するなら、指標もそこまでで終わるべきです。

推論が信頼（trust）より先に完了するのであれば、私たちは本当は何を最適化すべきなのでしょうか？
$OPG $CAP

数万円を送金するときは、顔認証で確認するだけで済みます。

しかし、家の売買契約を結ぶときは、各条項を細かく確認するために、もっと時間をかける用意があります。

面白いのは、私はこれまで、すべての物事に対して最も強力な認証方法を選んだことがないということです。

信頼のレベルにはそれぞれ代償がある。

時間。

利便性。

コスト。

それが私にAIのことを考えさせました。

AIが何百万もの異なる仕事に対応するなら、すべての仕事に本当に同じレベルの信頼性が必要なのでしょうか？

@OpenGradient は別の観点からこの問題を見ています。

単一の認証手段しかないのではなく、#OPG はさまざまな認証レベルを構築しています。

高速さが必要なケースには、基本認証（Vanilla）。

性能と信頼性のバランスを取る必要があるアプリケーションには、Trusted Execution Environment（TEE）。

最高レベルの暗号学的保証が必要なケースには、ZKML。

すべての状況に同じ基準を適用するのではなく、各アプリケーションが自分の要件に合った認証レベルを選べるのです。

おそらくAIの未来は、より多くの信頼を作り出すことではありません。

必要な信頼度を作り出すことです。
$OPG $DEXE $LAB

Một báo cáo sai số liệu.
Một email được gửi đi sai nội dung.
Sếp không hỏi:
"Sai ở đâu?"
Mà hỏi:
"Ai làm?"
Điều đó làm tôi nghĩ đến vấn đề xa hơn.
AI ngày càng phát triển và AI trở thành nhu cầu không thể thiếu trong đời sống con người.
Vậy bạn có bao giờ hỏi rằng:
Nếu AI làm sai thì ai chịu trách nhiệm?

Và trong @OpenGradient , câu hỏi này được nhìn theo một hướng khá thú vị.

Thay vì chỉ tập trung tạo ra kết quả.

#OPG đang xây dựng một Trust Layer, nơi mỗi quyết định đều có thể được truy ngược, thay vì chỉ để lại một kết quả mà không ai biết nó được tạo ra như thế nào.

Khi một quyết định có thể được truy ngược, trách nhiệm cũng có thể được quy ngược.

Một AI không trở nên đáng tin vì nó ít mắc lỗi hơn.

Nó trở nên đáng tin khi trách nhiệm được thiết kế ngay từ đầu, thay vì phải đi tìm sau mỗi sai sót.

Có lẽ tương lai của AI sẽ không còn là AI thông minh hơn.

Mà là AI đáng tin hơn.
$OPG $DEXE $SLX

個人向けに10%。
コミュニケーション向けに15%。
詳細なリストや、何年にもわたって蓄積された計画、経験、そして教訓はすべてAIに共有しています。

最初はただの会話でした。

しかし、時間が経つにつれて、AIはそれらを記憶し始めました。

AIが記憶するものは、ランダムなデータではありません。
それは私の働き方です。
私の意思決定の仕方です。
何年にもわたって学んできたことです。

興味深いのは、もし明日別のモデルに切り替えたとしても、私が失いたくないものはモデルではありません。
それは記憶されたすべてのものです。

そして、この@OpenGradient の中で、これは非常に明確に示されています。

MemSyncはAIが記憶するのを助けるためだけに作られたのではありません。

それはもっと大きな仮定に基づいて構築されています：

メモリーは独立したレイヤーのように存在することができるものです。

そして、メモリーがインフラストラクチャになると、重要な質問は次のようになるかもしれません：

「AIはどれだけ記憶できますか？」
ではなく、
「誰がAIの記憶を所有していますか？」

おそらく、未来のAIで最も価値のあるものは、記憶する能力ではなく、

記憶されたものに対する所有権です。
#OPG $OPG $DEXE $LAB

なぜ誰かが参加登録フォームを開いたとき、すぐに記入しないのか？
彼らはすぐに下にスクロールします。
非常に小さな行を探します：
「24〜48時間以内に承認されます」
または
「あなたの申請を確認します」
そしてそれを見るだけで。
彼らは止まります。
それ以上の質問はありません。
始めようともしません。
それは、彼らが参加したくないからではありません。
その瞬間、参加する行動は、もう始めのステップとして理解されなくなります。
それは、存在するものとしてカウントされる前に受け入れられなければならないものに引き伸ばされます。

誰かが始めることを許可されるのを待たなければならないなら、その人は実際には自由に参加できません。

そして、そこが@OpenGradient の違いです。
現在のほとんどのAIでは、参加の権利は承認権を持つ人々のグループによって決定されます。

#OPG は、事前の許可によって制限されない革新の未来を築いています。

事前の許可が不要なオープン貢献がデフォルトとなる未来。
そして、参加は事前に許可される必要がありません。

参加の権利は事前の承認によって決定されるべきではありません。
それは、誰かが参加することを選ぶところから始まります。

おそらく最も重要な質問は、
「それを構築したい人は何人いますか？」
ではなく、
「それを構築することを許可されている人は何人いますか？」

AIの未来は、最も関心を持つエコシステムによって決定されるのではなく、
最も多くの人が参加できるエコシステムによって決定されるかもしれません。 $OPG $DEXE

同じキッチンを持つ人は二人いる。

同じ材料。

同じ道具。

でも、一人は新しい料理をどんどん生み出している。

一方、もう一人はお決まりの料理を繰り返している。

なぜ同じリソースのセットで、違う組み合わせが異なる結果を生むのか？

ブレイクスルーを目指すとき、大半の人は新しいものを探し始める。

新しいツール。

新しいアイデア。

新しいリソース。

それは一種の再コンビネーション・ブラインドネスだ。

私たちは新しい要素を探すことに夢中になりすぎて、既存の要素に隠れている新しい価値を見逃してしまっている。

ブレイクスルーは、しばしば新しい要素からではなく、古い要素の組み合わせから生まれる。

AIも似たような挑戦に直面している。
それが@OpenGradient の理由かもしれない。

ほとんどのAIシステムが新しい能力を追加することに集中している一方で、
#OPG は既存の能力がそのままで価値を創出できるインフラを構築している。

そんな未来には必要なものがある：

✓ 相互運用性

✓ 専門的なコンポーネント

✓ モジュラーインフラ

✓ オープンコーディネーション

システムは、より多くの能力を持っているから価値があるのではない。

持っている能力から新しいものを生み出せるから価値がある。

AIの未来は、最大のモデルに属するのではなく、
最も迅速に再コンビネーションできるエコシステムに属するかもしれない。

おそらく最も重要な質問は、

「私たちはまだどの能力が足りないのか？」ではなく、

「私たちは既に持っている能力を最大限に活用しているのか？」 #OPG $OPG @OpenGradient

先日、アプリで食事を注文したんだ。

受け取った料理は写真とはかなり違っていた。

一番イライラしたのは料理そのものじゃなくて、

自分がクレームを言う方法がないと思ったこと。

数分後、フィードバックボタンがあることに気づいた。

突然、気分が楽になったんだ。

その時点ではまだ何も解決していなかったけど。

よく考えると、それはちょっと不思議だよね。

何が決定を受け入れやすくするんだろう？

人は、疑問を持てない決定を受け入れにくい。

人に大きな影響を与える決定ほど、疑問を持たれる必要がある。

でも、最も大きな影響を与える決定は、通常、最も疑問を持たれにくい。

俺はこれを「チャレンジシールド」と呼んでいる。

疑問を持たれるべき決定が、逆に最も疑問を持たれにくくなる見えないバリアだ。

決定が挑戦されることができるとき、そのシステムはより信頼できる。

でも、ある決定が本当に挑戦できるかどうか分からなければ、

そのシステムが本当に信頼できるかどうかも分からない。

そこで、@OpenGradient がかなり面白い方向に進んでいるのを見た。

決定を見直し、反論し、再確認することを許可している。

もしこれが正しければ、

AIの未来は、最も信頼されるシステムによって定義されるのではなく、

自分の決定が最も挑戦されることを許可するシステムによって定義されるかもしれない。
#OPG $OPG

最近、ちょっと奇妙なことに気づいた。

成功しているものは、往々にして変化しにくいものだ。
効果的なシステムほど、
変えたがる人は少なくなる。

最初はそれが理にかなっているように思える。

しかし、世界が変わり続ける中で、システムが変わらなかったらどうなる？

多くのシステムは失敗によって消えるのではなく、
成功しすぎたために消える。
私はこれを「エボリューショントラップ」と呼んでいる。
現在の成功が未来の進化能力を蝕む罠だ。

おそらく、最も長く存在するシステムは、
完璧なシステムではないからだ。

進化できるシステムである。

しかし、何がシステムを進化させるのだろう？

新しい変化が出るたびに、
そのシステムをゼロから作り直さなければならないなら、
適応は難しい。
変化のたびに、再建が必要になる。

そして、時間が経つにつれて、
変えることよりも、現状を維持する方が楽になる。

それが@OpenGradient が解決しようとしている課題でもある。
新しい可能性が現れるたびに、
AIエコシステムを再構築する必要がなくなる。

#OPG は、AIエコシステムが全体を再構築せずに、
継続的に改善できるようにする。

新しい要素が、
既存の要素が互いに協力することを止めることなく現れることができる。

変化が再構築を意味しなくなるとき、
進化はもはやトレードオフではなく、
それは継続的なプロセスになる。

もしそれが真実なら、
AIの未来は最も強力なモデルによって定義されるのではなく、
最も早く進化できるエコシステムによって定義されることになる。 #OPG $OPG

最近、かなり怠け癖がついちゃった。

何かを探すとき、リストを全部見ることはほとんどなくて、最初の数個の提案だけを見てすぐ決めちゃう。自分が選んでる気がするけど、よく考えると、ほとんどの仕事は前もって誰かがやってくれてる。目の前に何が現れるかは誰かが決めたことなんだ。

その時、@OpenGradient がとても面白いことをしているのを思い出した：AIを信頼すべきものから検証可能なものに変えること。

これってAIに関する問題のように聞こえるけど、もっと考えさせられる別の角度があるんだ。

もしある日、何千、何百万ものAIが同時に存在することになったら、一番の問題はどのAIが一番優れているかではなくなるかもしれない。

つまり、どのAIが使われるかだ。

その時、ユーザーは各AIを自分で評価しなくなる。彼らはシステムの層に基づいて、どのAIが目の前に現れるか、どのAIが呼ばれるか、どのAIが無視されるかを決定するだろう。

ここで、Accessの問題が面白くなるとこだと思う。

Verification（検証）は、AIが正しく機能しているかどうかを教えてくれる。でも、私たちの代わりにAIを選ぶシステムを誰が検証するの？

もしそのアクセス層が検証できないなら、私たちはただAIから新しいゲートキーパーに信頼を移しているだけだ。

おそらく、AIが余剰になると、一番強いAIは最も多くの権力を持っているものではなくなるだろう。

一番権力を持つのは、どのAIが現れることを許可するかを決定するシステムかもしれない。

だから、@OpenGradient への提案があるとしたら、AIを検証するだけではなく、AIを選ぶものを検証する方法を探してほしい。

なぜなら、AIが検証される必要があるなら、AIを選ぶものはさらに検証される必要があるだろう。#OPG $OPG

今朝、カフェである兄と食堂のことを話しました。

彼は開店したばかりの頃、一人で全ての仕事をこなしていたけれど、今はそうはいかないと言っています。

市場に行き、料理を作り、サービスを提供し、会計をする。

でも、お店が混雑してくると、それは難しくなります。

最初は、もっと早く作業を進めるべきだと思っていました。

しかし、今は考えが変わりました。

お店をもっと大きく成長させるためには、仕事を分ける必要があると。

ふと、OpenGradientのことを思い出しました。

少し奇妙なことがあります。

飲食店は仕事を分けることで成長します。

でも、現在のAIは、逆に、すべての仕事を一つのシステムに集約することで成長しています。

もしAIが本当にインフラストラクチャーになるなら、それは飲食店のようになるのか、それとも今私たちが構築しているもののようになるのか？

システムが発展するにつれて、機能はそれぞれの役割に分かれていきます。

@OpenGradient はその方向を見ています。

Computeは結果を生み出します。

Verificationはその結果が信頼できるかどうかを確認します。

この二つの役割が一緒にまとめられると、システムは唯一の方法で信頼を生み出すことになります：自分自身を信じることです。

それらが分かれると、結果を生み出すことと結果を確認することは二つの独立したレイヤーになります。

これは通常、形成されつつあるインフラの兆候です。

AIインフラも同様かもしれません。

ComputeとVerificationが分離されるときに、現れます。

しかし、私がさらに興味を持っているのは、その背後にあることです。

この法則が正しいなら、ComputeとVerificationは最初のステップに過ぎないかもしれません。

数年後、私たちはAIをモデルとして捉えなくなるかもしれません。

それは、異なる役割のエコシステムとして。

各役割は、一つの仕事を上手くこなすために存在します。

あるいは、そうでないかもしれません。

しかし、賭けなければならないなら、私は自己確認の必要がない信頼のあるシステムに賭けます。#OPG $OPG

俺、さっき上司にレポートを送ったばかりなんだ。
今回はいつもより早く終わったからちょっと嬉しい。
しばらくしたら上司から電話がかかってきて、褒められると思ったら、
データがめちゃくちゃ間違ってるって怒られたんだ。"。
電話を切った後に気づいたんだけど、そのレポートはChatGPTで作って、
一行も確認してなかったんだ。

俺がハッとしたのは、レポートが間違ってたからじゃなくて、
自分がその答えを信じすぎて、確認を飛ばしちゃったことなんだ。

ChatGPTが出たばかりの頃は、こんなことはほとんどなかった。
俺はほぼすべてを確認してたから、結構間違いも多かった。
でも今はAIがずっと良くなったんだ。

それが一番驚くべき変化なんだ。

AIが賢くなったからじゃなくて、
AIが身近になったからなんだ。
誰もが信じるものを確認しないんだ。

そこで俺は別の問題に気づき始めた。
AIが十分に良くなったら、人々はそれを信じ始めるとどうなるのか？

そこがAIがどれだけ賢くなるかよりも、ずっと興味深い質問かもしれない。
そしてそこから@OpenGradient が注目され始めるんだ。

99%の時間正しいAIは、残りの1%がこれまで以上に重要になる。
Capabilityが答えを生み出す。
Verificationがその答えを信じるべきタイミングを決定する。

逆説的なのは：
AIが強くなるほど、
人間は確認を少なくする。
確認が少ないほど、Verificationがさらに重要になる。

もしAIの未来がどこでも使われることなら、次の競争は
greater intelligenceを生み出すことではなく、
ユーザーがその知性を信じるべき時を知るのを助けることかもしれない。

それが、確認の層がますます重要になっている理由かもしれない。

そしてそこがOpenGradientが早い段階からフォーカスしているところなんだ。
AIが強くなるほど、「それは正しいのか？」という質問がこれまで以上に重要になる。#OPG $OPG

テクノロジーの世界で、最も高価なミスは、問題を間違って解くことではない。

それは、もはやボトルネックでない問題を非常にうまく解いてしまうことだ。

AIは、その状況に陥っているかもしれない。

現在の競争の大部分は、次の仮定に基づいている：モデルが賢ければ賢いほど、創出される価値は大きくなる。だから、この業界は引き続き計算能力、データ、資本をインテリジェンスに注ぎ込んでいる。

しかし、もしインテリジェンスが最も大きなボトルネックでなくなったら、どうなるのか？

AIの多くの重要な問題は、回答が生成された後に現れる：

どのモデルが実行されたのかをどうやって知るのか？

結果が変更されていないことをどうやって確認するのか？

単に信じるのではなく、どうやって検証するのか？

それはもはやインテリジェンスの問題ではない。

それは信頼の問題だ。

OpenGradientは、この分離に基づいて構築されている。HACAは、実行と検証を異なる二つのレイヤーと見なしている。

もしその二つのレイヤーが本当に独立しているなら、より強力なモデルが自動的により高い信頼を生むわけではない。

それは注目すべきトレードオフだ。

インテリジェンスの最適化は、AIがより良い回答を生成するのを助ける。

しかし、それらの回答が検証可能かどうかという問題には対処していない。

この業界は、かつては最大のボトルネックだったところに投資を続けることができる。

しかし、ボトルネックが変わると、コストは創出される価値よりも早く上昇するだろう。

AIは、より賢いモデルが不足しているわけではないかもしれない。

それは、私たちがそれらを信じるべきときがいつなのかを知るのを助けるシステムが不足しているのかもしれない。
@OpenGradient #OPG $OPG