Binance Square
Asfand_01
58 ໂພສ

Asfand_01

130 ກໍາລັງຕິດຕາມ
4.1K+ ຜູ້ຕິດຕາມ
448 Liked
ໂພສ
·
--
ຂ້ອຍເກືອບໃຊ້ເວລາຫຼາຍໄປກັບການພຶ່ງຄໍາຕອບຈາກ AI ມື້ໜຶ່ງ ແຕ່ກໍມາຈັບໄດ້ວ່າຂ້ອຍກໍາລັງຄິດຢູ່ “ຂ້ອຍຈະຮູ້ໄດ້ແນວໃດຈິງໆວ່າຄໍາຕອບນີ້ຖືກສ້າງຂຶ້ນຕາມທີ່ມັນອ້າງ?” ຂ້ອຍຮູ້ສຶກວ່າຂ້ອຍພ້ອມທີ່ຈະເຊື່ອຜົນນັ້ນ ໂດຍບໍ່ມີຫຍັງມາກວດສອບ. ຊ່ວງເວລານ້ອຍໆນັ້ນໄດ້ປ່ຽນແນວຄິດຂອງຂ້ອຍກ່ຽວກັບ AI ຢ່າງສິ້ນເຊີງ. ນັບຈາກນັ້ນມາ, ສິ່ງທີ່ເຮັດໃຫ້ຂ້ອຍສົນໃຈຫຼາຍກວ່າຄວາມໄວທີ່ແບບຈໍາລອງຕອບ ແມ່ນວ່າຜົນລັບຂອງມັນສາມາດທົນຕໍ່ການກວດສອບແບບອິດສະຫຼະໄດ້ຫຼືບໍ. ມັນເຮັດໃຫ້ຂ້ອຍຄິດເຖິງການອ່ານເອກະສານວິຊາການທີ່ວິທີການມີຄວາມສໍາຄັນພໍໆກັບຂໍ້ສະຫຼຸບ. ນັ້ນແຫຼະ ເຫດຜົນທີ່ @OpenGradient ເຮັດໃຫ້ຂ້ອຍສົນໃຈ. ແນວຄິດຂອງການປະສົມການຢືນຢັນເຂົ້າກັບ inference ແທນທີ່ຈະປະຕິບັດ proof ເປັນພາຍຫຼັງ ຮູ້ສຶກຄືກ້າວທີ່ມີຄວາມໝາຍໄປສູ່ຄວາມຮັບຜິດຊອບຂອງ AI, ການຄໍານວນທີ່ໂປ່ງໃສ, ຜົນທີ່ສາມາດທ້ອນຄືນໄດ້, ແລະ AI ທີ່ໜ້າເຊື່ອຖື. ໃນໄລຍະຍາວ ຄວາມໝັ້ນໃຈຄວນມາຈາກຫຼັກຖານ ບໍ່ແມ່ນຄໍາສົມມຸດ. #opg $OPG
ຂ້ອຍເກືອບໃຊ້ເວລາຫຼາຍໄປກັບການພຶ່ງຄໍາຕອບຈາກ AI ມື້ໜຶ່ງ ແຕ່ກໍມາຈັບໄດ້ວ່າຂ້ອຍກໍາລັງຄິດຢູ່ “ຂ້ອຍຈະຮູ້ໄດ້ແນວໃດຈິງໆວ່າຄໍາຕອບນີ້ຖືກສ້າງຂຶ້ນຕາມທີ່ມັນອ້າງ?” ຂ້ອຍຮູ້ສຶກວ່າຂ້ອຍພ້ອມທີ່ຈະເຊື່ອຜົນນັ້ນ ໂດຍບໍ່ມີຫຍັງມາກວດສອບ. ຊ່ວງເວລານ້ອຍໆນັ້ນໄດ້ປ່ຽນແນວຄິດຂອງຂ້ອຍກ່ຽວກັບ AI ຢ່າງສິ້ນເຊີງ.

ນັບຈາກນັ້ນມາ, ສິ່ງທີ່ເຮັດໃຫ້ຂ້ອຍສົນໃຈຫຼາຍກວ່າຄວາມໄວທີ່ແບບຈໍາລອງຕອບ ແມ່ນວ່າຜົນລັບຂອງມັນສາມາດທົນຕໍ່ການກວດສອບແບບອິດສະຫຼະໄດ້ຫຼືບໍ. ມັນເຮັດໃຫ້ຂ້ອຍຄິດເຖິງການອ່ານເອກະສານວິຊາການທີ່ວິທີການມີຄວາມສໍາຄັນພໍໆກັບຂໍ້ສະຫຼຸບ.

ນັ້ນແຫຼະ ເຫດຜົນທີ່ @OpenGradient ເຮັດໃຫ້ຂ້ອຍສົນໃຈ. ແນວຄິດຂອງການປະສົມການຢືນຢັນເຂົ້າກັບ inference ແທນທີ່ຈະປະຕິບັດ proof ເປັນພາຍຫຼັງ ຮູ້ສຶກຄືກ້າວທີ່ມີຄວາມໝາຍໄປສູ່ຄວາມຮັບຜິດຊອບຂອງ AI, ການຄໍານວນທີ່ໂປ່ງໃສ, ຜົນທີ່ສາມາດທ້ອນຄືນໄດ້, ແລະ AI ທີ່ໜ້າເຊື່ອຖື. ໃນໄລຍະຍາວ ຄວາມໝັ້ນໃຈຄວນມາຈາກຫຼັກຖານ ບໍ່ແມ່ນຄໍາສົມມຸດ.
#opg $OPG
Kumaluwag ko ug kapoy nga paghunahuna kung ang pinakadaku nga hagit sa AI dili na ba ang salabutan kundi ang pagpanagutan. Ang mga modelo nahimong mas dali kuhaon, pero lisod gihapon masabtan kung kinsa ang naghimog ug output, unsang datos ang nakaimpluwensya niini, o kung ang proseso ba mahimong ma-check nga independente. Kining pagkawala sa kasiguruhan mas dako ang gipasabut samtang ang AI mosulod na sa adlaw-adlaw nga mga desisyon. Ang mas dako nga isyu mao nga ang pagsalig dili mahimong magalig sa reputasyon ra. Ang mga nag-build, mga tiggamit, ug tibuok mga ekosistema kinahanglan og mga sistema nga nagabuhat ug pag-verify nga praktikal imbes nga magpaabot ug bulag nga pagsalig. Kung wala kining pundasyon, mahimong hinay ang pag-adopt bisan pa nga nagpadayon ang pag-uswag sa kalidad sa modelo. Usa sa hinungdan nganong ang @OpenGradient t nakadani sa akong atensyon kay ang pokus niini sa ma-verify nga komputasyon. Imbes nga tagdon ang AI isip itom nga kahon, ang ideya mao ang paghimog mas klaro kung giunsa ang pagpadagan mismo. Kini nga pamaagi mahimong makapalig-on sa pagsalig sa tibuok decentralized nga mga network sa AI kung mapamatud-an nga praktikal. Apan bisan pa niana, ang pagdugang og verification nagdala usab ug gasto. Mas daghang imprastraktura, koordinasyon, ug teknikal nga kahugot ang mahimo’g moabot, ug makapahimong dili ganahan ang pag-adopt kung ang mga benepisyo dili klaro nga mas labaw pa sa kalisod. Sa akong hunahuna, ang dugay-ng panahon nga kantidad sa AI mahimong mas nagdepende usab sa pagpamatuod sa mga resulta kay sa pag-generate niini, pero sayo pa kaayo aron masayran kung unsaon pag-usab kining balanse. Mahimo ba nga ang transparent verification mahimong default nga gilauman para sa AI, o ang kahamugaway ra gihapon ang modaog? #opg $OPG
Kumaluwag ko ug kapoy nga paghunahuna kung ang pinakadaku nga hagit sa AI dili na ba ang salabutan kundi ang pagpanagutan. Ang mga modelo nahimong mas dali kuhaon, pero lisod gihapon masabtan kung kinsa ang naghimog ug output, unsang datos ang nakaimpluwensya niini, o kung ang proseso ba mahimong ma-check nga independente. Kining pagkawala sa kasiguruhan mas dako ang gipasabut samtang ang AI mosulod na sa adlaw-adlaw nga mga desisyon.

Ang mas dako nga isyu mao nga ang pagsalig dili mahimong magalig sa reputasyon ra. Ang mga nag-build, mga tiggamit, ug tibuok mga ekosistema kinahanglan og mga sistema nga nagabuhat ug pag-verify nga praktikal imbes nga magpaabot ug bulag nga pagsalig. Kung wala kining pundasyon, mahimong hinay ang pag-adopt bisan pa nga nagpadayon ang pag-uswag sa kalidad sa modelo.

Usa sa hinungdan nganong ang @OpenGradient t nakadani sa akong atensyon kay ang pokus niini sa ma-verify nga komputasyon. Imbes nga tagdon ang AI isip itom nga kahon, ang ideya mao ang paghimog mas klaro kung giunsa ang pagpadagan mismo. Kini nga pamaagi mahimong makapalig-on sa pagsalig sa tibuok decentralized nga mga network sa AI kung mapamatud-an nga praktikal.

Apan bisan pa niana, ang pagdugang og verification nagdala usab ug gasto. Mas daghang imprastraktura, koordinasyon, ug teknikal nga kahugot ang mahimo’g moabot, ug makapahimong dili ganahan ang pag-adopt kung ang mga benepisyo dili klaro nga mas labaw pa sa kalisod.

Sa akong hunahuna, ang dugay-ng panahon nga kantidad sa AI mahimong mas nagdepende usab sa pagpamatuod sa mga resulta kay sa pag-generate niini, pero sayo pa kaayo aron masayran kung unsaon pag-usab kining balanse.

Mahimo ba nga ang transparent verification mahimong default nga gilauman para sa AI, o ang kahamugaway ra gihapon ang modaog?
#opg $OPG
Ndiyekela ukucabanga kancane ngokuthi amamodeli e-AI anembile noma cha, ngaphezulu kokuthi izinhlelo ezizungezile zona ziyafaneleka yini ukuthembela. Imodeli enamandla kusho okuncane kakhulu uma kungekho noyedwa ongakahlola ukuthi ivele yavela kuphi, ubani owayiguqule, noma ukuthi abasebenzisi abahlukene ngempela baxhumana nenguqulo efanayo. Lokho kubonakala kuyinselelo enkulu embonini. Njengoba i-AI iba yingxenye yemisebenzi yansuku zonke, ukuzethemba kuyodlulela ngokwandayo ekuxhumaniseni okusobala kunokuba kuncike ekusebenzeni okusezingeni eliphezulu kuphela. Abakhi, abasebenzisi, amanethiwekhi—bonke badinga izindlela zokuqinisekisa izivumelwano ezifanayo ngaphandle kokudala ukuxakaniseka okungadingekile. Enye yezizathu ezenza ngiqhubeke ngibheke @OpenGradient ukugxila kwayo ekusetshenzisweni kwe-AI okungaqinisekiswa. Umqondo wokuthi ubunikazi bemodeli nemvelaphi yayo kungaboshelwa ngokuzimela ngaphandle kwemodeli uqobo kubonakala njengendlela engokoqobo yokwenza i-AI esatshalaliswayo ibhekwe kakhulu futhi ibe nesibopho, hhayi nje ibe lula ukuyisebenzisa. Yebo, ukuqinisekiswa okuqinile nakho kuletha izindleko. Ukuxhumanisa okwengeziwe, ubunzima bokuhlanganisa, kanye nezikhuthazo zabaphathi zinganciphisa ukutholwa, ikakhulukazi uma abathuthukisi bekhetha lula kunokucaca. Angikholwa ukuthi kukhona ukulinganisela okuphelele okwamanje, kodwa ngicabanga ukuthi izinqumo zengqalasizinda ezenziwa namuhla zizobumba ukuthi abantu bazokubeka kangakanani ukuthembela ezinhlelweni ze-AI kusasa. Ingabe abasebenzisi bazoyifanelekela i-AI eqinisekisekayo ngokwanele ukuze bamukele lokho kuxakaniseka okwengeziwe okungenzeka ikudinge? #opg $OPG
Ndiyekela ukucabanga kancane ngokuthi amamodeli e-AI anembile noma cha, ngaphezulu kokuthi izinhlelo ezizungezile zona ziyafaneleka yini ukuthembela. Imodeli enamandla kusho okuncane kakhulu uma kungekho noyedwa ongakahlola ukuthi ivele yavela kuphi, ubani owayiguqule, noma ukuthi abasebenzisi abahlukene ngempela baxhumana nenguqulo efanayo.

Lokho kubonakala kuyinselelo enkulu embonini. Njengoba i-AI iba yingxenye yemisebenzi yansuku zonke, ukuzethemba kuyodlulela ngokwandayo ekuxhumaniseni okusobala kunokuba kuncike ekusebenzeni okusezingeni eliphezulu kuphela. Abakhi, abasebenzisi, amanethiwekhi—bonke badinga izindlela zokuqinisekisa izivumelwano ezifanayo ngaphandle kokudala ukuxakaniseka okungadingekile.

Enye yezizathu ezenza ngiqhubeke ngibheke @OpenGradient ukugxila kwayo ekusetshenzisweni kwe-AI okungaqinisekiswa. Umqondo wokuthi ubunikazi bemodeli nemvelaphi yayo kungaboshelwa ngokuzimela ngaphandle kwemodeli uqobo kubonakala njengendlela engokoqobo yokwenza i-AI esatshalaliswayo ibhekwe kakhulu futhi ibe nesibopho, hhayi nje ibe lula ukuyisebenzisa.

Yebo, ukuqinisekiswa okuqinile nakho kuletha izindleko. Ukuxhumanisa okwengeziwe, ubunzima bokuhlanganisa, kanye nezikhuthazo zabaphathi zinganciphisa ukutholwa, ikakhulukazi uma abathuthukisi bekhetha lula kunokucaca.

Angikholwa ukuthi kukhona ukulinganisela okuphelele okwamanje, kodwa ngicabanga ukuthi izinqumo zengqalasizinda ezenziwa namuhla zizobumba ukuthi abantu bazokubeka kangakanani ukuthembela ezinhlelweni ze-AI kusasa.

Ingabe abasebenzisi bazoyifanelekela i-AI eqinisekisekayo ngokwanele ukuze bamukele lokho kuxakaniseka okwengeziwe okungenzeka ikudinge?
#opg $OPG
$BTC /USDT – SHORT Taimfrest: 15M Faʻa setup: Teena le teteʻe / ono mafai ona fausia se maualalo maualuga Ulufale: 65,800 – 66,100 Polofiti Faʻaiʻu: 64,200 Polofiti Faʻaiʻu 2: 62,200 Taofi Leiloa: 67,000 {future}(BTCUSDT)
$BTC /USDT – SHORT
Taimfrest: 15M
Faʻa setup: Teena le teteʻe / ono mafai ona fausia se maualalo maualuga

Ulufale: 65,800 – 66,100
Polofiti Faʻaiʻu: 64,200
Polofiti Faʻaiʻu 2: 62,200
Taofi Leiloa: 67,000
$SKR SHORT (Single Position) Setup: Double Top → ការបញ្ច្រាសដែលអាក្រក់ត្រូវបានបញ្ជាក់ Entry: តម្លៃទីផ្សារ Take Profit: 0.018169 Stop Loss: 0.028000 {future}(SKRUSDT)
$SKR SHORT (Single Position)
Setup: Double Top → ការបញ្ច្រាសដែលអាក្រក់ត្រូវបានបញ្ជាក់
Entry: តម្លៃទីផ្សារ
Take Profit: 0.018169
Stop Loss: 0.028000
ເຂົ້າສູ່ລະບົບເພື່ອສຳຫຼວດເນື້ອຫາເພີ່ມເຕີມ
ເຂົ້າຮ່ວມກຸ່ມຜູ້ໃຊ້ຄຣິບໂຕທົ່ວໂລກໃນ Binance Square.
⚡️ ໄດ້ຮັບຂໍ້ມູນຫຼ້າສຸດ ແລະ ທີ່ມີປະໂຫຍດກ່ຽວກັບຄຣິບໂຕ.
💬 ໄດ້ຮັບຄວາມໄວ້ວາງໃຈຈາກຕະຫຼາດແລກປ່ຽນຄຣິບໂຕທີ່ໃຫຍ່ທີ່ສຸດໃນໂລກ.
👍 ຄົ້ນຫາຂໍ້ມູນເຊີງເລິກທີ່ແທ້ຈາກນັກສ້າງທີ່ໄດ້ຮັບການຢືນຢັນ.
ອີເມວ / ເບີໂທລະສັບ
ແຜນຜັງເວັບໄຊ
ການຕັ້ງຄ່າຄຸກກີ້
T&Cs ແພລັດຟອມ