Block_Zen

Càng nghĩ về tài chính tự động (autonomous finance), tôi càng thấy thách thức lớn nhất có lẽ không nằm ở việc làm cho AI hay tự động hóa “thông minh hơn”. Chúng ta đã đạt tới một giai đoạn mà phần mềm có thể quét thị trường, tái cân bằng danh mục và thực hiện giao dịch nhanh hơn bất kỳ con người nào từng làm được.
Điều tôi bắt đầu nghi ngờ lại là một vấn đề còn đơn giản hơn.

Một chiến lược tự động nên được trao mức độ “quyền hạn” thực sự đến đâu?

Trong một thời gian dài, phần lớn chúng ta được yêu cầu hãy tin rằng mã hoạt động đúng, các nhà phát triển đã đưa ra quyết định đúng đắn, và sẽ không có điều gì bất ngờ xảy ra. Mô hình đó đã phát huy tác dụng trong nhiều trường hợp, nhưng nó cũng đặt rất nhiều niềm tin vào những điều diễn ra “hậu trường”.

Khi đọc về Newton Protocol, tôi thấy mình nhìn vấn đề từ một góc độ khác. Thay vì trao cho tự động hóa quyền tự do vô hạn, có vẻ nền tảng này tập trung vào việc xác định chính xác ranh giới nơi quyền tự do bắt đầu và nơi nó kết thúc.
Hãy tưởng tượng một chiến lược chỉ có thể sử dụng các tài sản đã được phê duyệt, gửi tiền tới các địa chỉ cụ thể, tuân thủ giới hạn chi tiêu, và từ chối thực hiện bất cứ thứ gì nằm ngoài các điều kiện đó. Phần mềm vẫn được tự động hóa, nhưng nó không tự đưa ra mọi quyết định. Nó vận hành trong những quy tắc đã được đồng thuận từ trước.

Cách đó giống như một phương thức thực tế hơn để xây dựng niềm tin.
Tôi vẫn đang học cách cơ chế này hoạt động trên các vault DeFi và các công cụ dành cho nhà phát triển, nên chắc chắn tôi chưa có toàn bộ bức tranh. Có thể sẽ có những đánh đổi mà tôi chưa nhìn thấy. Nhưng ý tưởng rằng quyền truy cập nên được áp đặt bằng cơ chế (permissions) thay vì chỉ “được kỳ vọng” là điều gì đó chắc chắn diễn ra đúng, với tôi rất hợp lý.
Tự động hóa không chỉ là để chạy nhanh hơn. Nếu nó phải xử lý giá trị thực, có lẽ nó cần những ranh giới rõ ràng nhiều như cần trí tuệ.
Rất tò mò để xem hướng tiếp cận này sẽ phát triển như thế nào theo thời gian.

@NewtonProtocol

$SYN $VANRY $LAB

Càng đọc về Tài chính tự chủ, tôi càng nghĩ thách thức lớn nhất không phải là làm cho AI thông minh hơn. Có vẻ như vấn đề khó hơn là quyết định một AI thực sự được phép làm gì khi nó đã có quyền truy cập vào Vốn.

Đó là một lý do khiến Newton Protocol gần đây làm tôi thấy thú vị. Tôi không thực sự xem nó như một dự án AI khác. Tôi coi đó là nỗ lực xây dựng một lớp ủy quyền (authorization) cho các hành động trên onchain. Thay vì phản ứng sau khi có chuyện gì đó đi sai, mục tiêu là kiểm tra xem một giao dịch thậm chí có nên xảy ra ngay từ đầu hay không.

Hãy hình dung một vault DeFi được AI quản lý. Tác nhân có thể được phép tái cân bằng danh mục, nhưng không được di chuyển quá một hạn mức nhất định, không được tương tác với các Protocol có rủi ro cao, hoặc không được tiếp tục giao dịch nếu một stablecoin đột nhiên bắt đầu mất neo giá.

Những giới hạn đó trở thành một phần của hệ thống, thay vì chỉ là các best practise được viết trong tài liệu.
Tôi cũng nghĩ bắt đầu từ các vault là hợp lý vì chúng vốn đã được thiết kế xung quanh quản trị rủi ro. Nếu các quy tắc đó có thể được xác minh thay vì chỉ được tin tưởng, thì đó là một bước tiến có ý nghĩa.

Tôi vẫn tò mò mạng lưới chính sách (policy network) sẽ phi tập trung đến mức nào và liệu các nhà phát triển có thực sự áp dụng một lớp ủy quyền dùng chung hay không. Nếu các tác nhân tự chủ tiếp tục quản lý nhiều quỹ onchain hơn, thì có lẽ cơ sở hạ tầng quan trọng tiếp theo sẽ không phải là AI thông minh hơn, mà là các hệ thống phân quyền (permission systems) tốt hơn.

@NewtonProtocol $NEWT #Newt

Tôi đã mong Newton Protocol sẽ khiến tôi ấn tượng nhờ giao dịch tự động. Thay vào đó, nó hoàn toàn thay đổi cách tôi nghĩ về niềm tin trong Tự động hóa.

Càng đi sâu, tôi càng nhận ra việc thực thi không phải là bài toán khó nhất. Kiểm soát mới là thứ khó.

Phần lớn các giải pháp tự động hóa yêu cầu người dùng trao quyền hạn và hi vọng không có gì trục trặc.

Newton lại tiếp cận theo cách khác: cho phép người dùng thiết lập các chính sách có thể lập trình trước khi bất cứ điều gì xảy ra. Giới hạn chi tiêu, các hợp đồng được phê duyệt và điều kiện bị từ chối trở thành một phần của Hệ thống thay vì dựa vào niềm tin mù quáng.

Điều khiến tôi tiếp tục đọc không phải bản thân sự tự động hóa, mà là phần Xác minh đứng sau nó. Quy tắc sẽ có giá trị hơn rất nhiều khi bạn có thể chứng minh rằng chúng đã được tuân thủ, chứ không chỉ đơn giản là giả định. Sự thay đổi này biến Tự động hóa từ thực thi được ủy quyền thành thực thi có trách nhiệm.

Khi các tác nhân AI và tài chính tự chủ tiếp tục phát triển, tôi tin rằng quản lý quyền (permission) sẽ quan trọng không kém gì trí thông minh. Tự động hóa mạnh mẽ chẳng có ý nghĩa gì nếu nó không thể đáng tin cậy ở trong những giới hạn mà chủ sở hữu đã đặt ra.

Tôi vẫn đang khám phá Newton Protocol, nhưng góc nhìn của tôi đã thay đổi từ sớm. Đổi mới thực sự không phải là biến các hành động onchain thành tự động. Mà là làm cho việc tự động hóa trở nên minh bạch, có thể kiểm soát và có thể xác minh từ đầu đến cuối.

@NewtonProtocol $NEWT #Newt

Tôi đã đi tìm câu trả lời về Kiến trúc tuân thủ của Newton Protocol. Cuối cùng, tôi lại bắt đầu tự hỏi về Governance.

Càng đào sâu, tôi càng nhận ra rằng tuân thủ có thể kiểm chứng không chỉ là vấn đề của mật mã hay các công cụ thực thi chính sách. Nó còn phụ thuộc vào việc ai là người có thẩm quyền để thay đổi các chính sách đó.

Trong giai đoạn mainnet beta, việc giữ quyền kiểm soát nâng cấp gần với đội ngũ cốt lõi là điều hợp lý. Việc lặp nhanh là quan trọng khi một Protocol vẫn đang trong quá trình trưởng thành. Nhưng nếu đích đến là sự chấp nhận mang tính thể chế, thì tính Dự đoán trước lại quan trọng không kém gì đổi mới.

Đó là lúc có điều gì đó “khớp” với tôi. Governance không chỉ đứng bên cạnh sản phẩm; nó là một phần của sản phẩm.

Kiểm chứng các quy tắc hiện tại là có giá trị. Việc biết ai có thể viết lại các quy tắc của ngày mai còn quan trọng hơn.

Các tổ chức không chỉ cần các chính sách mà họ có thể tự kiểm chứng ngay hôm nay. Họ cần sự tin tưởng rằng những chính sách đó sẽ không âm thầm thay đổi giữa các lần quyết toán. Đó là một kiểu niềm tin hoàn toàn khác.

Tôi vẫn chưa tìm thấy một lộ trình công khai rõ ràng giải thích cách Newton dự định cân bằng giữa Governance phi tập trung với sự ổn định chính sách dài hạn. Có thể nó đã đang được phát triển, hoặc có thể là chưa. Dù thế nào đi nữa, tôi nghĩ cuộc trò chuyện này xứng đáng được chú ý nhiều hơn.

Một Protocol có thể trở nên phi tập trung mà không làm cho việc tuân thủ trở nên khó đoán không? Đó là câu hỏi mà tôi cứ quay lại mãi.

@NewtonProtocol $NEWT #Newt

Tôi không nghĩ rằng các bản sao AI còn gặp vấn đề công nghệ nữa. Tôi nghĩ chúng đang gặp vấn đề về niềm tin.

Ý nghĩ đó cứ quay lại khi tôi khám phá hệ sinh thái của OpenGradient, đặc biệt là Twin.fun. Bề ngoài, đây là một thị trường nơi các nhà sáng tạo ra mắt các phiên bản AI của chính họ. Nhưng điều thực sự thu hút sự chú ý của tôi không phải là sản phẩm... mà là lớp hạ tầng bên dưới.
Những AI song sinh này chạy trên lớp suy luận có thể xác minh của OpenGradient, nghĩa là mọi câu trả lời đều có thể được liên kết mật mã với mô hình đã tạo ra nó. Điều này không chứng minh rằng một AI là hoàn hảo, nhưng nó khiến việc chịu trách nhiệm trở nên khả thi—thay vì yêu cầu mọi người phải tin vào một “hộp đen”.

Với tôi, câu hỏi lớn hơn không phải liệu các bản sao AI có trở nên phổ biến hay không. Mà là ai thực sự kiểm soát chúng sau khi triển khai. Mô hình thuộc về ai? Ai quyết định các bản cập nhật trong tương lai? Nếu một bản sao kỹ thuật số nói điều mà người tạo ra nó không bao giờ nói, thì phải có một cách minh bạch để hiểu lý do vì sao.

Các vấn đề kinh tế cũng thật thú vị. Các nhà sáng tạo kiếm tiền từ mọi tương tác đã được xác minh có thể biến tri thức thành một tài sản kỹ thuật số dài hạn thay vì chỉ là nội dung một lần. Nhưng tất cả điều đó sẽ không có ý nghĩa gì nếu mức độ tương tác giảm dần sau sự hứng khởi ban đầu.
Tôi cứ nghĩ rằng cuộc đua thực sự sẽ không phải là cuộc đua xây dựng một bản sao AI “người” nhất. Mà là xây dựng bản mà mọi người đủ tin tưởng để quay lại.

@OpenGradient #opg $OPG

Một ý nghĩ cứ quay trở lại khi tôi dành nhiều thời gian hơn để tìm hiểu $OPG .

Trước đây, tôi từng nghĩ rằng bài toán khó nhất trong AI phi tập trung là chứng minh rằng một mô hình thực sự chạy được. Càng đọc, tôi càng nhận ra rằng đó chỉ là một phần của thách thức lớn hơn nhiều.
Vấn đề thực sự là xây dựng một mạng lưới AI nơi trí tuệ không phụ thuộc vào sự tin tưởng mù quáng. Tính toán, bộ nhớ, thanh toán và xác minh đều phải phối hợp với nhau theo cách minh bạch, có thể mở rộng và thực tế.

Điều khiến tôi chú ý là cách tiếp cận của OpenGradient đối với các node chuyên biệt. Thay vì yêu cầu mọi người tham gia phải thực hiện mọi tác vụ, mạng lưới tách bạch trách nhiệm và kết hợp Môi trường Thực thi Đáng tin cậy (Trusted Execution Environments) với các chứng minh mật mã khi cần xác minh mạnh hơn. Cách làm này giống như một hướng đi thực tế hơn để mở rộng AI, thay vì chỉ đơn giản là thêm nhiều sức mạnh tính toán.

Những hàm ý của nó vượt xa bản thân công nghệ. Nếu AI bắt đầu ảnh hưởng đến thị trường dự đoán, quản trị, nghiên cứu khoa học hoặc các tác nhân tự chủ, thì câu hỏi sẽ không chỉ là liệu một mô hình có tạo ra câu trả lời hay không. Con người sẽ cần sự tin cậy rằng quy trình tạo ra câu trả lời đó có thể được xác minh khi điều đó thực sự quan trọng.

Đó là lý do vì sao OpenGradient nổi bật đối với tôi. Nó không chỉ cố gắng làm cho AI phi tập trung hơn; mà đang xây dựng hạ tầng cần thiết để biến trí tuệ phi tập trung thành thứ có thể chịu trách nhiệm khi mức độ áp dụng ngày càng tăng.

Kết luận của tôi thật đơn giản: thế hệ AI tiếp theo sẽ không chỉ được định nghĩa bởi các mô hình thông minh hơn. Nó sẽ được định nghĩa bởi những mạng lưới giúp trí tuệ đủ đáng tin để hỗ trợ các quyết định trong thế giới thực.

@OpenGradient #opg $OPG

Tôi từng nghĩ thử thách lớn nhất trong AI là xây dựng những mô hình thông minh hơn.

Một suy nghĩ cứ xuất hiện lại khi tôi dành nhiều thời gian nghiên cứu $OPG :

thế nếu trí tuệ không còn là nút thắt cổ chai?

Thế nếu xác minh mới là nút thắt?

Điều thu hút sự chú ý của tôi về OpenGradient không phải là một câu chuyện AI khác. đó là kiến trúc.

Thay vì bắt buộc mỗi nút phải thực hiện suy diễn tốn kém, Kiến trúc Tính toán AI Lai của nó tách biệt suy diễn, xác minh và trách nhiệm dữ liệu giữa các bên tham gia chuyên biệt.

Điều đó nghe có vẻ như một chi tiết kỹ thuật, nhưng ý nghĩa thì lớn hơn nhiều.

Chúng ta đã chuyển từ DeFi sang NFTs, DAOs, RWAs, và giờ là AI. mỗi chu kỳ giới thiệu từ vựng mới, nhưng vấn đề giống nhau vẫn tồn tại: niềm tin.

Hầu hết các hệ thống AI vẫn hoạt động như những chiếc hộp đen. Bạn nhận được một đầu ra, nhưng việc chứng minh cách nó được tạo ra thường là không thể.

Điều đó trở nên quan trọng khi AI bắt đầu ảnh hưởng đến thị trường dự đoán, quyết định quản trị, nghiên cứu và các tác nhân tự động. Trong những môi trường đó, một sai lầm không chỉ sản sinh ra một câu trả lời xấu. Nó có thể định hình phân bổ vốn, phiếu bầu, phát hiện, và các hành động thực tế.

Điều làm cho OpenGradient thú vị là nó tách bạch tính toán khỏi trách nhiệm.

Suy diễn diễn ra ở nơi có chi phí thấp nhất.

Xác minh diễn ra ở nơi có thể tin tưởng.

Sự đánh đổi đó có thể quan trọng hơn hiệu suất mô hình thô khi AI ngày càng được tích hợp vào các hệ thống kinh tế.

Cách tiếp cận của OpenGradient coi xác minh như hạ tầng, không phải là một ý nghĩ sau cùng. Tính toán nặng xảy ra ở nơi hiệu quả. Trách nhiệm xảy ra ở nơi có thể được xác minh.

Tất nhiên, thực tế sản xuất sẽ là thẩm phán cuối cùng. Chi phí, độ trễ, và độ tin cậy luôn là vấn đề quan trọng.

Luận điểm của tôi rất đơn giản:

cuộc đua AI tiếp theo có thể không được thắng bởi mạng lưới tạo ra nhiều trí tuệ nhất, mà bởi mạng lưới có thể chứng minh trí tuệ của nó có thể được tin cậy.

@OpenGradient $OPG #OPG

$SYN $RESOLV

Tôi luôn quay lại một câu hỏi:

Điều gì sẽ xảy ra khi một AI kiểm soát các động lực, phân bổ tài nguyên hoặc giải quyết tranh chấp và không ai có thể xác minh lý do tại sao nó đưa ra quyết định?

Một điều mà tôi đã bắt đầu nhận thấy khi theo dõi $OPG là quản trị AI không chỉ là về việc xây dựng các tác nhân thông minh hơn. Nó còn là về việc làm cho các quyết định của họ có thể xác minh được.

Tôi không nghĩ rằng những thử nghiệm thực sự đầu tiên về quản trị AI sẽ xảy ra ở quy mô quốc gia hoặc doanh nghiệp. Chúng sẽ xuất hiện trong các xã hội vi mô nhỏ, được hỗ trợ bởi AI, nơi các tác nhân tự động phối hợp các động lực, quản lý tài nguyên chung và đưa ra quyết định ảnh hưởng trực tiếp đến những người tham gia.

Những môi trường đó nhanh chóng bộc lộ một vấn đề:

Liệu con người có thể tự mình xác minh lý do tại sao một AI đưa ra kết luận không?

Đó là nơi mà @OpenGradient nổi bật với tôi.

Thay vì yêu cầu người dùng tin tưởng vào kết quả, OpenGradient đang xây dựng xung quanh sự suy diễn có thể xác minh, kết hợp các chứng minh zkML, xác nhận TEE và kiến trúc HACA của nó để tạo ra bằng chứng rằng các phép toán AI đã được thực hiện như đã tuyên bố. Mục tiêu không chỉ là trí tuệ. Đó là trí tuệ có thể được kiểm toán.

Là một người đã dành thời gian trong lĩnh vực crypto, cách tiếp cận đó cảm thấy quen thuộc. Các blockchain không mở rộng quy mô chỉ vì mọi người tin tưởng vào chúng. Chúng mở rộng quy mô vì các hành động trở nên có thể chứng minh được.

Luận điểm của tôi rất đơn giản: một AI quản trị mà không có bằng chứng cuối cùng sẽ trở thành một quyền lực khác. Một AI có thể chứng minh các quyết định của nó trở thành cơ sở hạ tầng.

@OpenGradient #opg $OPG

Gần đây, tôi nhận ra một điều về bản thân.
Vài tháng trước, tôi đã chuyển sang một quán cà phê mới.
Cà phê ngon hơn. Ghế ngồi thoải mái hơn. Thậm chí còn rẻ hơn một cách kỳ lạ.
Ba ngày sau, tôi lại quay lại chỗ cũ.
Không phải vì nó tốt hơn.
Mà vì nó quen thuộc.
Suy nghĩ đó cứ quay lại khi tôi đang học về $OPG .
Tôi nghĩ thị trường Crypto thường xuyên mắc sai lầm một điều.
Chúng ta giả định rằng động lực sẽ tạo ra thói quen.
Nhưng không phải.
Chúng tạo ra hoạt động.
Thói quen hình thành khi mọi người ngừng suy nghĩ.
Thách thức lớn nhất trong công nghệ không phải là thu hút người dùng.
Mà là trở thành hành vi mặc định.
Và chướng ngại lớn nhất để trở thành thói quen là thứ tôi gọi là Nợ Quyết Định.
Mỗi lựa chọn thêm vào nghe có vẻ vô hại khi đứng riêng lẻ.
Chọn một ví.
Chọn một mô hình.
So sánh phí.
Xác minh nghiên cứu.
Cấu hình một tác nhân.
Không có nhiệm vụ nào trong số này là khó khăn.
Nhưng khi xếp chồng đủ những thứ này lại với nhau, cuối cùng việc sử dụng sản phẩm lại cảm thấy như công việc.
Đó là vấn đề mở rộng ẩn giấu trong cả crypto và AI.
Hầu hết các hệ thống giả định rằng người dùng sẽ liên tục đánh giá niềm tin cho chính họ.
Ai đã sản xuất kết quả này?
Tôi có thể xác minh nó không?
Tôi có nên tin vào mô hình này không?
Tác nhân này có thực sự làm những gì nó tuyên bố không?
Càng có nhiều trí tuệ được tích hợp vào quy trình làm việc hàng ngày, mọi người càng ít sẵn lòng trả lời những câu hỏi đó bằng tay.
Đó là nơi cơ sở hạ tầng trở nên quan trọng.
Thế hệ AI tiếp theo sẽ không chiến thắng vì nó tạo ra đầu ra tốt hơn.
Nó sẽ chiến thắng vì niềm tin, xác minh và phối hợp diễn ra ở nền tảng mà không tạo ra thêm ma sát cho người dùng.
Đó là lý do OpenGradient thu hút sự chú ý của tôi.
Cơ hội không chỉ là những mô hình AI tốt hơn.
Mà là xây dựng lớp cơ sở hạ tầng giúp trí tuệ dễ sử dụng hơn, dễ xác minh hơn và dễ tin tưởng hơn mà không ép buộc người dùng phải suy nghĩ về sự phức tạp tiềm ẩn mỗi khi họ tương tác với nó.
Luận điểm của tôi:
Các sản phẩm thu hút người dùng.
Cơ sở hạ tầng thu hút thói quen.
Và các mạng lưới trở thành thói quen thường sẽ thắng tất cả.
@OpenGradient #opg $OPG

Dạo này mình suy nghĩ về hạ tầng AI một cách khác hơn một chút.

Hầu hết các cuộc thảo luận đều tập trung vào Mô hình, Hiệu suất, hoặc ai có công nghệ tốt nhất. Nhưng mình cứ quay lại với một câu hỏi đơn giản hơn:
Điều gì giữ cho một mạng lưới sống sót sau khi sự phấn khích qua đi?

Đó là phần lý do khiến mình chú ý đến OpenGradient.

Công nghệ có thể thu hút Builders từ sớm, nhưng thành công lâu dài thường phụ thuộc vào các động lực.
Các mạng lưới mạnh mẽ nhất không phải lúc nào cũng là những mạng có kỹ thuật ấn tượng nhất. Chúng là những mạng mà Developers, các nhà vận hành node, và người dùng đều có lý do để tiếp tục tham gia.
Phần khó khăn là lòng tin.

Việc xác minh nghe có vẻ tuyệt vời trên giấy, nhưng nếu nó tạo ra quá nhiều ma sát, mọi người thường chọn sự thuận tiện hơn. Crypto đã cho thấy bài học đó hết lần này đến lần khác.

Điều mình thấy thú vị về OpenGradient là nó không chỉ tập trung vào suy diễn AI. Nó dường như đang cố gắng cân bằng giữa sự mở, xác minh, tính khả dụng, và động lực mà không hy sinh khả năng mở rộng. Đó là một vấn đề khó hơn để giải quyết.

Cuối cùng, hạ tầng không được định nghĩa bởi cách mà Kiến trúc trông như thế nào. Nó được định nghĩa bởi những gì mà mọi người tiếp tục Xây dựng khi phần thưởng giảm dần, sự chú ý chuyển sang nơi khác, và Lòng tin trở thành lý do chính để ở lại.
Đó là thời điểm mà hạ tầng thực sự chứng tỏ giá trị của nó.

@OpenGradient #opg $OPG

Mình cứ quay lại với ý tưởng rằng lòng tin có thể là điều khó khăn nhất để mở rộng.

Crypto đã dành nhiều năm để giải quyết cách di chuyển giá trị qua các mạng lưới. Nhưng một thách thức sâu xa hơn vẫn còn đó: làm thế nào để chúng ta xác minh điều gì là đúng ở những hệ thống không tự nhiên tin tưởng lẫn nhau?
Gần đây, mình đã suy nghĩ về việc AI đang gặp phải một hạn chế tương tự.

Trong nhiều năm, trọng tâm là xây dựng các mô hình tốt hơn, bộ dữ liệu lớn hơn và các đầu ra có khả năng hơn. Nhưng khi AI bắt đầu ảnh hưởng đến việc phân bổ vốn, tự động hóa và quyết định trong thế giới thực, một câu hỏi khác trở nên quan trọng hơn:
Làm thế nào chúng ta biết đầu ra đến từ đâu?
Quá trình nào đã tạo ra nó?

Nó có thể được xác minh độc lập không?
Trí tuệ một mình không trả lời được những câu hỏi đó.

Càng suy nghĩ về nó, mình càng cảm thấy hạ tầng đang trở thành mặt trận thực sự.
Không phải hạ tầng theo nghĩa truyền thống của tính toán và lưu trữ, mà là hạ tầng cho trách nhiệm.
Đó là một phần lý do khiến OpenGradient trở nên thú vị với mình. Ý tưởng không chỉ là chạy các mô hình AI. Mà là xây dựng hạ tầng phi tập trung nơi mà tính toán và xác minh tồn tại trong cùng một Hệ thống, cho phép đầu ra đi kèm với bằng chứng thay vì chỉ lòng tin.
Về mặt khái niệm, nó cảm giác giống như những gì blockchain đã làm cho các giao dịch.

Thách thức, tất nhiên, là liệu tầm nhìn đó có sống sót khi tiếp xúc với thực tế hay không.
Nhiều Hệ thống trông hấp dẫn trong lý thuyết. Ít hệ thống hơn vẫn hiệu quả khi đối mặt với quy mô, động lực kinh tế và hành vi đối kháng. Việc xác minh thì dễ dàng khi không ai đang tấn công nó. Kiểm tra thực sự là liệu nó có vẫn tin cậy khi giá trị đang bị đe dọa.

Điều nổi bật là sự thay đổi trong cách nhìn nhận.
Cuộc trò chuyện đang từ từ chuyển từ việc tạo ra trí tuệ sang việc chứng minh nó.
Và điều đó có thể quan trọng hơn những gì nghe có vẻ.
Trí tuệ đang trở nên phong phú hơn. Khả năng xác minh vẫn khan hiếm.

Nếu AI trở thành một lớp quyết định quan trọng, các Hệ thống có thể chứng minh cách trí tuệ được sản xuất có thể cuối cùng sẽ có giá trị hơn cả chính trí tuệ đó.

@OpenGradient #opg $OPG
$BEL $RE

Tôi cứ quay lại với một câu hỏi mà hầu hết các thị trường AI dường như rất thích bỏ qua:

Điều gì sẽ xảy ra nếu thứ giá trị nhất trong AI không phải là trí tuệ, mà là độ tin cậy?

Tôi đã thấy các token liên quan đến AI bùng nổ trên các sàn giao dịch, sự tham gia tăng vọt, và các câu chuyện lan rộng trên các dòng thời gian. Tuy nhiên, gần như không có ai quan tâm đến việc các đầu ra AI có thực sự đáng tin cậy hay không.

Điều đó khiến tôi cảm thấy kỳ lạ.

Trong Crypto, chúng ta đã học rằng việc xác minh tạo ra giá trị. Các giao dịch trở nên có giá trị vì chúng có thể được chứng minh một cách độc lập. OpenGradient thú vị vì nó mở rộng ý tưởng đó ra ngoài các giao dịch và vào chính việc tính toán.

Nếu các đầu ra AI có thể được xác minh bằng mật mã, thì niềm tin không còn chỉ là một tuyên bố tiếp thị mà bắt đầu trở thành cơ sở hạ tầng.

Đó là nơi mà luận điểm trở nên thú vị.

Các nhà điều hành gắn kết vốn. Việc tính toán được xác minh. Các nhà phát triển trả tiền cho việc thực thi có thể chứng minh. Các doanh nghiệp nhận được những đảm bảo mạnh mẽ hơn về các hệ thống mà họ dựa vào. Theo thời gian, độ tin cậy bắt đầu hành xử ít giống như danh tiếng và nhiều hơn như một tài sản tạo ra giá trị.

Nhưng công nghệ một mình thì không đủ.

Bài kiểm tra thực sự là liệu mọi người có tiếp tục trả tiền cho việc xác minh sau khi các động lực phai nhạt.

Tôi theo dõi việc sử dụng lặp lại, sự tham gia gắn kết, việc tạo phí, và hấp thụ nguồn cung nhiều hơn so với các thông báo. Thị trường tốt trong việc định giá các câu chuyện. Chúng chậm hơn nhiều trong việc định giá tiện ích.

Các câu chuyện có thể tạo ra sự chú ý.

Tiện ích có thể tạo ra doanh thu.

Nhưng độ tin cậy là thứ duy nhất có thể kết hợp cả hai.

Thị trường đã định giá AI.

Tôi đang theo dõi xem liệu nó có cuối cùng định giá niềm tin hay không.

@OpenGradient #opg $OPG

Rủi ro lớn nhất trong AI có thể không phải là các mô hình trở nên quá thông minh. Có thể rủi ro là chúng trở nên quá dễ dãi. Đó là lý do tại sao tôi đã chú ý đến $OPG . Hầu hết các cuộc trò chuyện về AI xoay quanh một câu hỏi đơn giản: Mô hình nào thông minh nhất? Nhưng càng nghiên cứu về OpenGradient, tôi càng nghĩ rằng chúng ta đang đặt ra câu hỏi sai.

Thách thức thực sự có thể không phải là trí thông minh mà là góc nhìn. Mỗi hệ thống AI học hỏi từ các tương tác. Khi bộ nhớ tăng lên, khả năng cá nhân hóa cũng cải thiện. Nhưng có một điều khác cũng phát triển: Các mẫu sự đồng thuận. Theo thời gian, một AI có thể trở nên đồng điệu đến mức với sở thích của chúng ta mà ngừng thách thức các giả định của chúng ta và bắt đầu củng cố chúng. Một AI luôn đồng ý với bạn không phải là trí thông minh. Nó chỉ là một chiếc gương.

Đó là một rủi ro tinh vi mà hầu hết mọi người hiếm khi nhắc đến. Điều khiến OpenGradient trở nên thú vị là hướng đi của nó về suy diễn có thể xác minh và thực thi mô hình phi tập trung. Thay vì dựa vào một hệ thống mờ đục duy nhất, nó tạo ra khả năng cho các kết luận xuất hiện từ nhiều mô hình có thể kiểm toán với các con đường lý luận khác nhau. Đối với tôi, điều đó lớn hơn một bản nâng cấp kỹ thuật. Nếu AI trở thành một phần của hạ tầng đứng sau đầu tư, nghiên cứu, quản trị và các quyết định hàng ngày, thì sự đa dạng trong lý luận có thể trở nên quan trọng không kém gì độ chính xác. Hôm nay, chúng ta cạnh tranh cho các câu trả lời thông minh hơn. Ngày mai, chúng ta có thể cạnh tranh cho các góc nhìn rộng hơn. Sự chuyển mình đó có vẻ dễ bị bỏ lỡ hôm nay, nhưng rất khó để bỏ qua khi AI bắt đầu giúp hình thành các quyết định mà định hình chúng ta.

@OpenGradient #opg $OPG

Càng nhìn vào không gian này, tôi càng trở lại với một câu hỏi đơn giản: tại sao AI vẫn phụ thuộc vào một vài hệ thống tập trung?

Nghe có vẻ lạ khi bạn suy nghĩ về điều đó. Chúng ta nói về các mạng phi tập trung mọi lúc, nhưng nhiều ứng dụng AI vẫn dựa vào cơ sở hạ tầng do một số nhà cung cấp nhỏ kiểm soát. Nếu phi tập trung đã giải quyết nhiều vấn đề phối hợp ở nơi khác, tại sao AI vẫn khác biệt?

Có thể thử thách không phải là các mô hình tự chúng. Có thể là mọi thứ bên dưới chúng. Tính toán, xác minh, lưu trữ, định tuyến và các động lực đều phải hoạt động cùng nhau. Nghe có vẻ đơn giản trong lý thuyết, nhưng lịch sử cho thấy điều đó khó khăn hơn nhiều trong thực tế. Nhiều dự án đã cố gắng phân phối cơ sở hạ tầng trước đây. Một số gặp khó khăn với hiệu suất. Những dự án khác không thể thu hút đủ người dùng. Một vài dự án giải quyết các vấn đề kỹ thuật nhưng không bao giờ giải quyết được việc áp dụng.

Đó là một phần lý do tại sao OpenGradient thu hút sự chú ý của tôi. Không phải vì nó tuyên bố có tất cả các câu trả lời, mà vì nó dường như tập trung vào lớp cơ sở hạ tầng thay vì vòng đời cường điệu AI. Ý tưởng làm cho việc thực thi AI trở nên mở và có thể xác minh được đặt ra những câu hỏi thú vị về cách mà sự tin tưởng được tạo ra trong những hệ thống này.

Tôi cứ tự hỏi liệu tương lai của AI sẽ được xác định bởi các mô hình mà mọi người sử dụng, hay bởi các mạng lặng lẽ phối hợp mọi thứ phía sau. Có thể đó là câu đố đáng để chú ý.

@OpenGradient #opg $OPG

Tôi đã tin tưởng vào các đầu ra của AI cho đến khi tôi nhận ra một điều không thoải mái: Tôi không có cách nào để xác minh xem chúng thực sự xứng đáng với sự tin tưởng của tôi. Tuần trước, tôi đã hỏi nhiều hệ thống AI cùng một câu hỏi về một dự án Crypto. Tôi nhận được những kết luận khác nhau.
Vấn đề không phải ở đó. Các nhà phân tích thường bất đồng với nhau. Vấn đề thực sự là mỗi câu trả lời đều nghe có vẻ thuyết phục, nhưng tôi không thể xác minh cách lý luận đó được sản xuất ra, những giả định nào đã hình thành nó, hay liệu quá trình suy diễn có thực sự đáng tin cậy hay không.
Khi AI vượt ra ngoài việc viết email để phân tích thị trường, cung cấp các tác nhân tự động và ảnh hưởng đến các quyết định tài chính, điều này trở thành một thách thức lớn hơn nhiều. Internet đã tạo ra một nền kinh tế thông tin. Blockchain đã tạo ra một nền kinh tế giá trị thông qua xác minh. Nếu AI đang tạo ra một nền kinh tế trí tuệ, thì trí tuệ có thể xác minh có thể trở thành nền tảng thiếu hụt của nó.

Đó là lý do tại sao OpenGradient đã thu hút sự chú ý của tôi. Thông qua Suy diễn Có thể Xác minh, nó đang khám phá cách mà các đầu ra của AI có thể được hỗ trợ bởi các chứng minh mật mã xác nhận rằng các phép toán đã xảy ra như đã tuyên bố, cho phép trí tuệ được kiểm toán thay vì được tin tưởng mù quáng.

Thay vì chỉ dựa vào sự tự tin vào đầu ra của mô hình, người dùng có thể có được bằng chứng có thể xác minh rằng chính quá trình suy diễn là xác thực và không bị sửa đổi.

Cuộc đua AI tiếp theo có thể không được thắng bởi các mô hình thông minh nhất. Trí tuệ không thể xác minh có thể vẫn chỉ là một công cụ. Trí tuệ có thể xác minh có thể trở thành cơ sở hạ tầng. Khi AI trở thành một phần của các hệ thống tài chính và kỹ thuật số của chúng ta, điều gì sẽ quan trọng hơn: các mô hình thông minh hơn hay trí tuệ mà chúng ta thực sự có thể xác minh?

@OpenGradient #opg $OPG

Càng nhìn vào OpenGradient, tôi càng thấy nó không giống như một Sản phẩm mà giống như một nỗ lực để giải quyết vấn đề phối hợp.

Mô hình đã tồn tại. Tính toán đã tồn tại. Xác minh đã tồn tại. Truy cập đã tồn tại. Nhưng những mảnh ghép này hiếm khi hoạt động như một Hệ thống đồng nhất cho cả những người xây dựng lẫn người dùng.
Điều này khiến tôi tự hỏi tại sao những nỗ lực trước đây trong việc phát triển tính toán phi tập trung và thị trường mô hình lại gặp khó khăn trong việc thu hút sự chú ý lâu dài, ngay cả khi công nghệ có vẻ hứa hẹn. Có thể vấn đề không chỉ nằm ở Hiệu suất. Có thể đó là vấn đề phối hợp.

Sự khám phá và niềm tin tạo ra ma sát. Bạn nên sử dụng mô hình nào? Tại sao bạn nên tin vào đầu ra của nó? Người dùng có thường xuyên phải xây dựng lại niềm tin từ đầu không?

Đó là điều khiến OpenGradient thú vị đối với tôi. Cơ hội không phải là bất kỳ mô hình hay dịch vụ đơn lẻ nào. Mà là liệu phối hợp có thể trở thành hạ tầng mà mọi người dựa vào mà không phải suy nghĩ liên tục về nó hay không.

Bài kiểm tra thực sự có thể là liệu lớp phối hợp đó có trở nên vô hình đủ để việc sử dụng AI trở nên dễ dàng thay vì hoạt động. Nếu điều đó xảy ra, trí tuệ có thể chuyển từ một thứ mà chúng ta chủ động tìm kiếm sang một thứ liên tục được chuyển đến chúng ta ở phía sau.

Và có lẽ thách thức khó khăn nhất trong AI không phải là xây dựng trí tuệ nhiều hơn.
Mà là làm cho Phối hợp biến mất.

@OpenGradient #opg $OPG

Hôm nay, tôi nhận ra một điều hoàn toàn thay đổi cách tôi nghĩ về lợi suất trong DeFi. Tôi đã kiểm tra vị thế uniETH của mình sau vài tháng. Số dư không thay đổi chút nào, nhưng giá trị thực sự cao hơn đáng kể bằng ETH. Không có rebases lòe loẹt. Không có số dư liên tục tăng lên. Chỉ là giá trị âm thầm tích lũy thông qua tỷ giá hối đoái cải thiện.
Ban đầu, cảm giác khá thụ động. Trong Crypto, chúng ta đã quen với việc mong đợi những con số to lớn trong ví như một minh chứng cho việc điều gì đó đang hoạt động.

Nhưng Bedrock đã chọn một con đường khác. Bằng cách giữ cho uniETH và brBTC không có rebasing, họ vẫn tương thích với thị trường cho vay và AMMs mà không tạo ra sự cản trở không cần thiết. Điều khiến tôi quan tâm nhất không phải là lợi suất bản thân. Đó là cơ sở hạ tầng đứng sau nó. Các phiếu bầu veBR gauge có tiềm năng hướng các ưu đãi về phía các tích hợp tạo ra tiện ích thực sự, chứ không chỉ là sự cường điệu tạm thời. Tuy nhiên, tôi tự hỏi liệu mô hình "tăng trưởng vô hình" này có làm cho việc chấp nhận trở nên khó khăn hơn không. Mọi người nhận thấy sự tăng số dư.
Tăng giá trị tỷ giá? Không phải lúc nào cũng vậy. Tiến tới, tôi đang theo dõi một điều chặt chẽ: liệu phần thưởng veBR có bắt đầu phản ánh phí giao thức thực tế hơn là chỉ là phát thải đơn thuần hay không. Đó là lúc BTCFi bền vững thực sự bắt đầu, theo ý kiến của tôi.

@Bedrock #Bedrock $BR