$Tôi đã viết một phiên bản theo phong cách ngắn mà bạn đã định trước. OPG ở đây tôi viết theo cách OpenGradient, nó là một dự án thiên về "AI suy diễn có thể xác minh"; tài liệu cho thấy, OPG chủ yếu được sử dụng cho thanh toán suy diễn, hiện thực hóa mô hình, đảm bảo staking, truy cập ứng dụng và quản trị.

Gần đây, một vấn đề trong lĩnh vực AI ngày càng rõ ràng:

Mọi người đều đang so sánh sức mạnh của các mô hình, nhưng rất ít người đặt câu hỏi liệu đầu ra của mô hình có thể được xác minh hay không.

Đây cũng là điểm đáng chú ý phía sau $OPG và @OpenGradient .

Nó không cắt vào các ứng dụng AI thông thường, mà là "AI suy diễn có thể xác minh".

Hiểu đơn giản, tức là sau khi AI đưa ra một kết quả, không thể chỉ để người dùng tin vào cái hộp đen, mà phải thông qua cơ chế trên chuỗi, làm cho quá trình suy diễn, kết quả gọi và dịch vụ mô hình trở nên đáng tin cậy hơn.

#OPG muốn làm không phải là chỉ nói về một khái niệm AI nữa, mà là biến AI suy diễn thành một dịch vụ mạng có thể thanh toán, có thể xác minh và có thể thu phí.

Điểm mấu chốt của $OPG cũng không nên chỉ xem như tài sản giao dịch.

Nó giống như một token sử dụng trong mạng, có thể đảm nhận thanh toán suy diễn, hiện thực hóa mô hình, đảm bảo staking, truy cập ứng dụng và nhu cầu quản trị.

Nhưng vấn đề cũng rất thực tế.

Cạnh tranh trong lĩnh vực AI suy diễn rất khốc liệt, cơ chế xác minh có hiệu quả hay không, các nhà phát triển có sẵn sàng tích hợp hay không, khả năng gọi thực sự có thể duy trì hay không, tất cả sẽ quyết định giá trị lâu dài của nó.

Vì vậy, khi tôi nhìn vào OPG, không chỉ nhìn vào độ nóng của AI.

Bài kiểm tra thực sự là: liệu nó có thể đưa đầu ra AI từ "tin vào mô hình" sang giai đoạn "xác minh mô hình" hay không.