Yoshi Invest

Нужно потратить 2 Alpha Point, чтобы сделать booster wallet #GRVT дней 10/7, последний таск — Creatorpad получит дополнительное распределение $GRVT в день TGE 21/7. Я провела 4 часа в отделе security @grvt_io , чтобы разобрать всё и понять:
Когда «невидимость» становится вершиной безопасности.
В Web3 любые взломы на миллионы долларов, из-за которых рушатся целые системы, всегда заставляют нас быть настороже. Как бы ни был силён уровень защиты, всегда есть скрытые риски. Так как же сделать так, чтобы, когда риск наступает, мои активы автоматически и целенаправленно находили путь обратно в мой личный кошелёк?

И когда верховная власть принадлежит Blockchain, а не бирже.
Когда я пополняю #grvt , активы не лежат в «кармане» биржи — они блокируются в прозрачном smart contract, работающем on-chain. У биржи есть только право исполнять ордера от моего имени на основании моей подписи; она ни при каких условиях не может произвольно перемещать или замораживать эти средства.
Когда наступает риск, пользователю достаточно напрямую взаимодействовать с нижележащим smart contract, чтобы активировать «срочный аварийный выход» (Escape Hatch). По истечении предусмотренного времени ожидания ответа биржи без сигнала smart contract автоматически разблокирует и вернёт все деньги на личный кошелёк пользователя — биржа не сможет вмешаться.
Он работает полностью независимо и автоматически превращается в «невидимое» оружие защиты.
@grvt_io не пыталась возводить по-настоящему толстую стену, чтобы защищать биржу; вместо этого они спроектировали механизм: система может рухнуть, но активы пользователя — нет.
Нужна многоуровневая защита, глубокая эшелонированная оборона.
Безопасная система не должна зависеть от единственного слоя защиты.

Гибридная биржа будущего: производительность + доверие + безопасность активов.
Гонка за инфраструктуру торгов — чёткая, понятная — уже перешла на совершенно новую страницу.
#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

Однажды мне хотелось просто обработать довольно простой транзакционный кейс.

Вывести средства с CEX на кошелёк, сделать bridge, approve, swap — а затем перейти к другому протоколу.

Всё работало так, как и было задумано. Но только когда всё было сделано, я осознал, что больше всего меня утомляло не комиссии, а необходимость постоянно переключаться между слишком большим количеством систем, только чтобы достигнуть одной цели.

Из-за этого я задал себе вопрос: проблема крипто — в каждом отдельном продукте, или в том, как эти продукты стыкуются между собой?

Вот почему я обратил внимание на GRVT и почти два часа внимательно читал документацию проекта.

Сначала я думал, что это просто Hybrid Exchange. Но чем больше я читал, тем лучше понимал: документация GRVT говорит не только об одной функции — в ней затрагиваются и такие аспекты, как пользовательский опыт, безопасность, контроль над активами и архитектура транзакций.

Справятся ли подходы GRVT на практике и выдержат ли реальность, или это всё выглядит разумно только на бумаге?
@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".

Прошлой ночью в 1:00 я обменял 0.7 ETH через 3 кошелька, заплатил 18.4 USD за Gas Fee, получил 2.7% Slippage и даже нажал Approval не тот — ещё раз...

Сидел и смотрел, как маршрут крутится через Bridge и Aggregator — ощущение было довольно странное.

Крипто иногда не теряет из‑за рынка.

Она теряет из‑за той сложности стека, которым мы пользуемся!

Честно, раньше я думал, что каждый новый чейн, новая VM, новая архитектура — это хорошо.

Звучало премиально.

Звучало как будущее.

Но когда ты реально строишь, понимаешь: самое дорогое — это не Gas Fee, не Funding Fee и даже не ордер по PnL на -46.8 USD.

Самое дорогое — заставлять пользователей менять привычки.

dApp, который заставляет людей двигать ликвидность, заново учиться потоку Wallet, снова разбираться с Bridge, снова ждать Finality... чем это отличается от ситуации, когда заставляют клиентов переезжать в другую кофейню только потому, что чашка выглядит красивее?

Рынку неважно, что «технически правильно», но поведенчески неверно.

Вот почему я начал обращать внимание на @OpenGradient не потому, что слово AI звучит блестяще.

А потому что оно по‑другому формулирует задачу: сохранить совместимость с EVM, Solidity, живую ликвидность, а затем вставить AI inference как EVM-native слой через Precompile.

Звучит немного.

Position Data — Cross-chain Price Spread — Market Sentiment → Verifiable AI Output с TEE Proof, чтобы Smart Contract мог сам обрабатывать Conditional Logic.

Не нужно сносить дом и строить заново.

Не нужно тащить пользователей в паломничество на новый чейн.

На Base есть Liquidity, у Arbitrum — Assets, у Optimism — User Behavior; если Multi-chain AI вызовы могут собрать эти фрагменты в один общий поток принятия решений, тогда DeFi AI routing наконец-то получит реальную основу для работы.

Я больше не верю в фразу «хорошая технология победит сама по себе».

Хорошая технология, которая заставляет рынок платить слишком много трения, всё равно остаётся всего лишь красивой слайд‑презентацией!

Так какой путь выбираете вы, ребята: всё пересобирать с нуля, чисто и правильно, или сделать то, что уже есть, умнее?
#OPG $OPG @OpenGradient $VELVET $LAB

Я нашёл кое-что довольно интересное:
Каждый раз, когда какой-то токен попадает на крупную биржу.
Каждая волна эйрдропа или инцентивов сразу же притягивает внимание множества пользователей.
Но после того как события заканчиваются, они почти исчезают с рынка.
Так что же позволяет токену AI-инфраструктуры существовать и продолжать удерживать их, не исчезая?

Большинство AI-инфраструктурных токенов сегодня сосредоточены на привлечении пользователей.

@OpenGradient создали Model Hub, где любой AI-запрос оплачивается с помощью OPG. По-моему, именно тогда токен перестаёт быть спекулятивным активом и становится частью каждого использования AI.

Чтобы сделать это возможным, #OPG встроили платёжный слой x402 прямо в каждый AI-запрос.

Разделить incentive и adoption. Одна сторона — от экономической выгоды, другая — от реальной потребности в использовании.

Если incentive — это дождь, то adoption — это место, где хранится вода.
Incentive приводит пользователей.
Adoption удерживает их.

Экономическая ценность токена $OPG устойчиво держится на фактическом спросе на использование.
А не на внимании.

Если AI-протокол хочет создавать устойчивую экономическую ценность, ему нужно доказать способность превращать привлечение в удержание.

Возможно, это одновременно и сильная сторона, и слабая сторона OPG.
Если дать рекомендации, я думаю, что #OPG не должен(на) просто доказывать, что x402 работает. OPG должен(на) доказать, что всё больше AI-запросов не могут обойтись без этого платёжного слоя. И только когда usage будет расти естественным образом, токен сможет перейти от ценности ожиданий к ценности, создаваемой реальным спросом.

Если любой AI-протокол может привлечь внимание, то что станет настоящим конкурентным преимуществом, чтобы удерживать пользователей?

Наша панель мониторинга показывает, что задержка снизилась. Но количество повторных попыток (retry) выросло.

Странно то, что система выглядит быстрее, а реальный пользовательский опыт — менее стабильным.

Одна из моих проверок привела меня к узлу @OpenGradient , который система выбрала как ближайший с точки зрения географии, поэтому отправка туда пакета запросов на инференс — вполне естественный выбор.

Первые три запроса превысили порог retry почти сразу.

Сначала я списал всё на таймаут. Потом — на очередь. Даже заподозрил, что вышел релиз новой модели. Но узел подальше всё равно справлялся с тем же объёмом работы без проблем.

Тогда я понял, что оптимизирую не тот метрик.

Расстояние лишь показывает, где запрос начинается. Оно не отражает весь путь, который запрос должен пройти до завершения.

Наша сетевая инфраструктура проходит через перегруженный маршрут, прежде чем добраться до узла. Инференс стартует быстро, но подтверждения проверки (verification) возвращаются неравномерно. Приложение видит, что инференс завершён, но сигнал доверия (trust) приходит с задержкой — и затем само повторяет задачу, которая вовсе не провалилась.

Проблема не в том, близкий узел или далёкий.

Проблема в том, что метрика, которой я оптимизировал, измеряет только часть запроса.

В конечном итоге любая система превращается в то, что её метрика оптимизирует.

Если оглянуться назад, я не выбрал неправильный узел.
Я выбрал неправильную точку для завершения измерения.
Я считал запрос завершённым, когда завершался inference, хотя для #OPG пользовательский опыт действительно заканчивается только после verification.

Если запрос завершён только после verification, то и метрика должна завершаться там же.

Если inference завершается до того, как завершается trust, то что мы на самом деле должны оптимизировать?
$OPG $CAP

Когда переводишь несколько миллионов донгов, мне достаточно просто подтвердить личность с помощью лица.

Но когда я подписываю договор на покупку дома, я готов потратить больше времени, чтобы проверить каждое условие.

Интересно, что я никогда не выбирал самый “жёсткий” способ подтверждения для всех случаев.

Потому что у каждой степени доверия есть своя цена.

Время.

Удобство.

Стоимость.

Из-за этого мне приходит в голову идея об ИИ.

Если ИИ будет обслуживать миллионы разных задач, действительно ли всем задачам нужен одинаковый уровень доверия?

@OpenGradient смотрит на проблему под другим углом.

Вместо того чтобы иметь только один способ подтверждения, #OPG создает разные уровни проверки.

Базовая проверка (Vanilla) для ситуаций, где важна скорость.

Доверяемая среда выполнения (TEE) для приложений, которым нужно балансировать между производительностью и надежностью.

ZKML для случаев, где требуется максимальная криптографическая гарантия.

Вместо того чтобы применять один и тот же стандарт ко всем сценариям, каждое приложение может выбрать подходящий уровень проверки под свои требования.

Возможно, будущее ИИ — это не в том, чтобы создавать больше доверия.

А в том, чтобы создавать ровно столько доверия, сколько нужно.
$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

10% для личного.
15% для общения.
Подробный список и планы, опыт и уроки, накопленные за многие годы. Я все это делюсь с ИИ.

Сначала это были просто разговоры.

Но со временем ИИ начал их запоминать.

То, что запоминает ИИ, не является случайными данными.
Это то, как я работаю.
То, как я принимаю решения.
То, что я узнал за много лет.

Интересно, что если завтра я перейду на другую модель, то то, что я не хочу потерять, не модель.
А все, что было запомнено.

И в @OpenGradient это очень явно проявляется.

MemSync не просто создан, чтобы помочь ИИ запоминать.

Он построен на большем предположении:

Память – это то, что может существовать как отдельный слой.

И когда память станет инфраструктурой, важный вопрос может больше не быть:

“Сколько помнит ИИ?”
А:
“Кто владеет памятью ИИ?”

Возможно, самое ценное в будущем ИИ будет не способность запоминать.

А право собственности на то, что было запомнено.
#OPG $OPG $DEXE $LAB

ПОЧЕМУ, КОГДА КТО-ТО ОТКРЫВАЕТ ФОРМУ РЕГИСТРАЦИИ, ОНИ НЕ ЗАПОЛНЯЮТ ЕЕ СРАЗУ?
Они прокручивают вниз до самого конца.
Находят очень мелкую строку:
“Одобрение в течение 24–48 часов”
или же
“Мы рассмотрим вашу заявку”
И просто видят это.
Они останавливаются.
Не задают больше вопросов.
Не пробуют начать.
Не потому, что они не хотят участвовать.
А потому, что в этот момент действие “участия” больше не воспринимается как первый шаг.
Оно становится чем-то, что должно быть одобрено, прежде чем оно будет считаться существующим.

Человек не может по-настоящему свободно участвовать, если ему нужно ждать, пока кто-то разрешит ему начать.

И здесь @OpenGradient отличается.
Большинство современных AI, право на участие определяется группой людей с правом одобрения.

#OPG строит будущее, где инновации не ограничены предварительным разрешением.

Будущее, где Открытое Участие становится стандартом.
И Участие не требует предварительного разрешения.

Где право на участие не определяется предварительным одобрением.
Оно начинается с выбора человека участвовать.

Возможно, самый важный вопрос будет не:
"Сколько людей хотят это построить?"
А:
"Сколько людей могут это построить?"

Будущее AI, возможно, не будет определяться экосистемами с наибольшим количеством заинтересованных.
А теми экосистемами, где больше всего людей могут участвовать. $OPG $DEXE

Два человека могут владеть одной и той же кухней.

С одними и теми же ингредиентами.

С одними и теми же инструментами.

Но один постоянно создает новые блюда.

В то время как другой просто повторяет знакомые рецепты.

Почему при одинаковом наборе ресурсов разные комбинации дают разные результаты?

Когда хотят создать прорыв, большинство людей начинают с поиска чего-то нового.

Нового инструмента.

Новой идеи.

Нового ресурса.

Это своего рода слепота к рекомбинации.

Мы слишком сосредоточены на поиске новых компонентов, чтобы не упустить новые ценности, которые уже есть в доступных компонентах.

Прорывы часто не возникают из-за нового компонента.

А из-за того, как старые компоненты комбинируются.

Искусственный интеллект сталкивается с аналогичной проблемой.
Возможно, именно поэтому @OpenGradient появился.

В то время как большинство систем ИИ сосредоточены на добавлении новых возможностей,
#OPG строит инфраструктуру так, чтобы существующие возможности могли создавать ценность, выходящую за рамки самих себя.

Такое будущее требует:

✓ Взаимодействия

✓ Специализированных компонентов

✓ Модульной инфраструктуры

✓ Открытой координации

Система не становится более ценной из-за большего количества возможностей.

А потому, что может создавать что-то новое из имеющихся возможностей.

Будущее ИИ, возможно, не будет принадлежать самым большим моделям.

А тем экосистемам, которые способны на самые быстрые рекомбинации.

Возможно, самый важный вопрос не будет:

"Какой возможности нам не хватает?"

А будет:

"Мы полностью использовали имеющиеся возможности?" #OPG $OPG @OpenGradient

На днях я заказывал еду в приложении.

Блюдо, которое я получил, сильно отличалось от картинки.

Больше всего меня беспокоило не само блюдо.

А то, что я думал, что у меня нет способа подать жалобу.

Через несколько минут я обнаружил, что кнопка обратной связи все же есть.

Как-то стало легче на душе.

Хотя в тот момент ничего еще не было решено.

Если подумать, это довольно странно.

Что делает решение более восприимчивым к принятию?

Люди меньше принимают решения, которые нельзя оспорить.

Чем больше влияние на человека, тем больше нужно оспаривать решение.

Но самые значимые решения, как правило, те, которые сложнее всего оспорить.

Я называю это "Challenge Shield".

Невидимый щит, который делает самые оспариваемые решения теми, что сложнее всего оспорить.

Система становится более надежной, когда ее решения можно оспаривать.

Но если мы не знаем, можно ли оспорить решение или нет.

То мы также не знаем, является ли эта система более надежной.

Вот где я вижу, что @OpenGradient движется в довольно интересном направлении.

Позволяя решениям быть рассмотренными, оспоренными и проверенными.

И если это правда.

Будущее ИИ может быть определено не самыми надежными системами.

А теми системами, которые позволяют оспаривать свои решения больше всего.
#OPG $OPG

Недавно я заметил довольно странную вещь.

Самые успешные вещи часто являются теми, которые труднее всего изменить.
Чем лучше работает система.
Тем меньше людей хотят её менять.

Сначала это кажется разумным.

Но что происходит, когда мир продолжает меняться, а система нет?

Многие системы не исчезают из-за неудач.
Они исчезают из-за слишком долгого успеха.
Я называю это "ловушкой эволюции".
Это капкан, который появляется, когда текущий успех подрывает способность к эволюции в будущем.

Возможно, потому что самые долго существующие системы не являются самыми идеальными.

А являются системами, которые могут эволюционировать.

Но что делает систему способной к эволюции?

Системе трудно адаптироваться, если каждое новое изменение требует её перестройки с нуля.
Каждое изменение становится реконструкцией.

И с течением времени.
Сохранение неизменным становится легче, чем изменение.

Это также задача @OpenGradient , которую она решает.
Вместо того, чтобы заставлять экосистему ИИ перестраиваться каждый раз, когда появляется новая возможность.

#OPG позволяет экосистеме ИИ постоянно совершенствоваться без необходимости полной перестройки.

Новые компоненты могут появляться, не мешая существующим компонентам взаимодействовать друг с другом.

Когда изменения больше не означают перестройку.
Эволюция больше не является жертвой.
Это становится непрерывным процессом.

И если это правда.
Будущее ИИ может не быть определено самыми мощными моделями.

А экосистемами, способными к самой быстрой эволюции. #OPG $OPG

В последнее время у меня появилась довольно ленивая привычка.

Каждый раз, когда мне нужно что-то найти, я редко прокручиваю список до конца. Обычно смотрю только на первые несколько предложений и сразу принимаю решение. Чувствуется, что я делаю выбор. Но если подумать, большая часть работы уже была сделана заранее. Кто-то уже решил, что появится у меня на экране.

Тут я вдруг вспомнил про @OpenGradient , который делает очень интересную вещь: превращает ИИ из того, чему нужно доверять, в то, что можно проверить.

На первый взгляд, это кажется задачей по ИИ. Но я вижу, что есть другая сторона, заслуживающая размышлений.

Если однажды появится тысячи или миллионы ИИ, то самой большой проблемой может оказаться не вопрос, какой ИИ лучше.

А вопрос, какой ИИ будет использоваться.

В то время пользователи не будут самостоятельно оценивать каждый ИИ. Они будут полагаться на уровень системы, чтобы решить, какой ИИ появится перед ними, какой будет вызван, а какой будет проигнорирован.

Вот тут мне кажется, что задача доступа начинает быть интересной.

Верификация помогает нам понять, работает ли ИИ правильно. Но кто проверяет систему, выбирающую ИИ за нас?

Если этот уровень доступа не может быть проверен, мы просто передаем доверие от ИИ к новому gatekeeper.

Возможно, когда ИИ станет избыточным, самый мощный ИИ не будет самым влиятельным.

Самой влиятельной силой может оказаться система, которая решает, какой ИИ может появиться.

Так что, если у меня есть предложение для @OpenGradient , я думаю, не стоит просто проверять ИИ.

Нужно найти способ проверить то, что выбирает ИИ.

Потому что если ИИ нуждается в верификации, то то, что выбирает ИИ, вероятно, нуждается в верификации еще больше. #OPG $OPG

Сегодня утром зашел в кафе к брату, который открывает ресторан.

Он жаловался, что когда только начал, справлялся с работой в одиночку, и все было нормально. Ходил на рынок, готовил, обслуживал, считал деньги.

Но когда кафе стало популярным, это уже не сработало.

Сначала брат думал, что надо работать быстрее.

Теперь он думает иначе.

Чтобы кафе развивалось дальше, нужно делить обязанности.

И вдруг я вспомнил про OpenGradient.

Есть одна интересная вещь.

Ресторан растет, когда обязанности разделяются.

Но ИИ сегодня растет, собирая больше задач в одной системе.

Если ИИ действительно станет инфраструктурой, будет ли он больше похож на ресторан или на то, что мы строим сегодня?

Когда система развивается, функции начинают делиться на отдельные роли.

@OpenGradient смотрит в этом направлении.

Вывод вычислений создает результат.

Проверка подтверждает, надежен ли этот результат.

Когда эти две роли объединены в одном месте, система может создать доверие только одним способом: доверять самой себе.

Когда они разделены, создание результата и проверка результата становятся двумя независимыми слоями.

Это обычно признак формирующейся инфраструктуры.

Возможно, ИИ-инфраструктура тоже такова.

Она появляется, когда Вычисление и Проверка отделены.

Но то, что меня больше всего интересует, находится за этим.

Если это правило верно, Вычисление и Проверка могут быть только первым шагом.

Возможно, через несколько лет мы не будем рассматривать ИИ как модель.

А как экосистему различных ролей.

Каждая роль существует, потому что она справляется с одной задачей лучше всего.

Или может быть и нет.

Но если мне придется сделать ставку, я поставлю на системы, где доверие больше не должно подтверждать само себя.#OPG $OPG

Я только что отправил отчет боссу.
Понял, что делал быстрее, чем обычно, и это немного радует.
Через некоторое время босс позвонил, я думал, что меня похвалят.
Ага, как же, получил выговор за кучу ошибок в данных.
После звонка я только вспомнил: я сделал этот отчет с помощью ChatGPT и не проверил ни одной строчки.

То, что заставило меня остановиться, не в том, что отчет был неверным.
А в том, что я так доверял одному ответу, что пропустил шаг проверки.

Когда только вышел ChatGPT, такое было бы очень маловероятно.
Я проверял почти все, потому что он часто ошибался.
Но теперь ИИ стал гораздо лучше.

И, возможно, это самое неожиданное изменение.

Не то чтобы ИИ стал умнее.
А то, что ИИ стал более привычным.
Никто не проверяет то, во что привык доверять.

Вот тогда я начал видеть другую проблему.
Что происходит, когда ИИ становится достаточно хорошим, чтобы люди начали ему верить?

Возможно, это гораздо более интересный вопрос, чем то, насколько еще ИИ станет умнее.
И именно здесь @OpenGradient начинает выглядеть заметно.

ИИ, который прав на 99% времени, делает 1% оставшихся ошибок более значимыми, чем когда-либо.
Возможности создают ответы.
Проверка определяет, когда стоит доверять этому ответу.

Парадокс в том, что:
Чем сильнее ИИ.
Тем меньше проверяют люди.
Когда проверки становится меньше, необходимость в проверке только увеличивается.

Если будущее ИИ в том, чтобы быть повсеместно используемым, следующая гонка может не заключаться в создании большего количества интеллекта.

А в том, чтобы помочь пользователям знать, когда стоит доверять этому интеллекту.

Возможно, именно поэтому уровни проверки становятся все более важными.

И именно здесь OpenGradient сосредоточила свои усилия с самого начала.
Чем сильнее ИИ.
Вопрос «он прав?» станет важнее, чем когда-либо. #OPG $OPG

В технологии самые дорогие ошибки обычно не связаны с неправильным решением задачи.

А с тем, что очень хорошо решается задача, которая больше не является узким местом.

Искусственный интеллект может оказаться в такой ситуации.

Большая часть текущей гонки сосредоточена на предположении: чем умнее модель, тем больше создаваемая ценность. Поэтому отрасль продолжает вбухивать вычислительные мощности, данные и капитал в интеллект.

Но что произойдет, если интеллект больше не является самым большим узким местом?

Многие важные проблемы ИИ возникают после того, как ответ уже был получен:

Как узнать, какая модель была запущена?

Как удостовериться, что результат не был изменен?

Как подтвердить, а не просто доверять?

Это уже не задача интеллекта.

Это задача доверия.

OpenGradient строится на именно этом разграничении. HACA рассматривает выполнение и верификацию как два разных слоя.

Если эти два слоя действительно независимы, более мощная модель не будет автоматически создавать более высокий уровень доверия.

Это заметный компромисс.

Оптимизация интеллекта помогает ИИ давать лучшие ответы.

Но это не решает вопрос, можно ли эти ответы подтвердить.

Отрасль может продолжать инвестировать в то, что когда-то было самым большим узким местом.

Но когда узкое место меняется, затраты будут расти быстрее, чем создаваемая ценность.

ИИ может не испытывать нехватки в более умных моделях.

Он может испытывать нехватку в системах, которые помогают нам знать, когда стоит им доверять.
@OpenGradient #OPG $OPG