Сначала я поймал себя на том, что читаю Ньютона не так.
Как только я увидел «AI agents» и «automated strategies», мозг сразу же переключился на торговых ботов. Я почти закрыл вкладку, потому что это показалось историей, которую я уже слишком много раз слышал.
Но один вопрос не отпускал меня по мере чтения.
Что на самом деле определяет, можно ли разрешить ИИ размещать торговую сделку?
Этот вопрос увёл меня в совершенно другую часть проекта.
Впечатлило не то, что это автоматизация. Впечатлило ограждение перед автоматизацией.
Ньютон разделяет политику и исполнение. Вместо того чтобы сначала позволить агенту действовать, а затем проверять, идея заключается в том, чтобы оценивать текущие условия до того, как транзакция будет отправлена. В проекте также показаны примеры использования live-данных, например информации о доходности казначейских облигаций от Massive и сетевых данных через Etherscan — как входных данных для этих решений.
Это изменило то, как я на это смотрю.
Крипто уже не слишком страдает от нехватки автоматизации. У нас есть множество ботов и скриптов, которые могут действовать быстрее, чем когда-либо смогли бы люди.
Сложнее всего — понимать, когда этим системам нужно замедлиться или остановиться.
Поэтому я думаю, что интересный вопрос не в том, «насколько умный ИИ».
А в том, «насколько умны правила, которые им управляют».
Разумеется, это тоже создаёт компромисс. Ограждение полезно лишь настолько, насколько полезны данные и политики за ним. Если эти входные данные устареют или окажутся плохо спроектированными, дополнительный слой не сделает решения лучше. Он просто добавит больше сложности.
Так что если я продолжу следовать за Ньютоном, я не буду смотреть, сколько новых AI-возможностей он вводит.
Я буду следить за тем, остаются ли эти проверки политики гибкими, поддающимися аудиту и связанными с надёжными live-данными по мере роста автоматизированной активности.
Для меня именно там — настоящая история.
Не в том, может ли торговый агент ИИ.
А в том, заслужил ли он право торговать в первую очередь.
@NewtonProtocol
#newt $NEWT
Как только я увидел «AI agents» и «automated strategies», мозг сразу же переключился на торговых ботов. Я почти закрыл вкладку, потому что это показалось историей, которую я уже слишком много раз слышал.
Но один вопрос не отпускал меня по мере чтения.
Что на самом деле определяет, можно ли разрешить ИИ размещать торговую сделку?
Этот вопрос увёл меня в совершенно другую часть проекта.
Впечатлило не то, что это автоматизация. Впечатлило ограждение перед автоматизацией.
Ньютон разделяет политику и исполнение. Вместо того чтобы сначала позволить агенту действовать, а затем проверять, идея заключается в том, чтобы оценивать текущие условия до того, как транзакция будет отправлена. В проекте также показаны примеры использования live-данных, например информации о доходности казначейских облигаций от Massive и сетевых данных через Etherscan — как входных данных для этих решений.
Это изменило то, как я на это смотрю.
Крипто уже не слишком страдает от нехватки автоматизации. У нас есть множество ботов и скриптов, которые могут действовать быстрее, чем когда-либо смогли бы люди.
Сложнее всего — понимать, когда этим системам нужно замедлиться или остановиться.
Поэтому я думаю, что интересный вопрос не в том, «насколько умный ИИ».
А в том, «насколько умны правила, которые им управляют».
Разумеется, это тоже создаёт компромисс. Ограждение полезно лишь настолько, насколько полезны данные и политики за ним. Если эти входные данные устареют или окажутся плохо спроектированными, дополнительный слой не сделает решения лучше. Он просто добавит больше сложности.
Так что если я продолжу следовать за Ньютоном, я не буду смотреть, сколько новых AI-возможностей он вводит.
Я буду следить за тем, остаются ли эти проверки политики гибкими, поддающимися аудиту и связанными с надёжными live-данными по мере роста автоматизированной активности.
Для меня именно там — настоящая история.
Не в том, может ли торговый агент ИИ.
А в том, заслужил ли он право торговать в первую очередь.
@NewtonProtocol
#newt $NEWT