لماذا لفتت OpenLedger انتباهي في سوق الذكاء الاصطناعي المزدحم
بصراحة، كنت على وشك تخطي النظر في OpenLedger تمامًا. إذا قضيت وقتًا كافيًا في تتبع تقاطع العملات الرقمية والذكاء الاصطناعي، ستشعر بالإرهاق الشديد. يبدو أن كل عرض مشروع هو نفسه تمامًا بعد فترة: "لدينا سرعات استدلال أسرع،" "انظر إلى وكلائنا المستقلين،" "نحن نبني نماذج أكبر." إنها مجرد لعبة كلمات رنانة بلا توقف. لكن عندما نظرت فعليًا إلى ما وراء طبقة التسويق لـ OpenLedger، أظهرت عيبًا ضخمًا في موجة التكنولوجيا الحالية التي يتجاهلها معظم الناس.
أرى الناس يتحدثون عن BTCFi، لذا قمت أخيرًا بالبحث في Bedrock.
أول شيء حاولت فهمه هو ما إذا كانت تفعل شيئًا جديدًا بالفعل أم أنها مجرد تغليف لبيتكوين في توكن آخر وتسميته ابتكار.
ما زلت أقرأ بعض الأجزاء منه، لكن لم أدرك مدى تركيزهم على جعل بيتكوين قابلاً للاستخدام بدلاً من مجرد الجلوس في التخزين البارد وجمع الغبار.
uniBTC كانت ربما الجزء الذي قضيت فيه أطول فترة. الفكرة نفسها ليست معقدة، لكنها جعلتني أفكر في مقدار BTC الموجود في السوق الذي يكون غير نشط معظم الوقت.
شيء لم أتوقعه هو عدد العناصر المتحركة التي قاموا بتجميعها بالفعل حول النظام البيئي. عادةً عندما أفتح الوثائق، نصف الأشياء تكون معنونة "قريبًا" أو مخفية وراء خارطة طريق.
لم أشعر بذلك هنا.
كان جانب الحوكمة مع BR و veBR مثيرًا للاهتمام أيضًا، على الرغم من أنني بصراحة أكثر اهتمامًا برؤية كيفية تطور الاعتماد بدلاً من مناقشات الحوكمة.
على أي حال، لا أقول إن Bedrock مثالي.
لقد قضيت وقتًا أطول بكثير في القراءة عنه مما كنت أخطط له في الأصل، وهو أمر نادر الحدوث هذه الأيام.
فتحت مستندات Genius في الأصل لأن شخصًا ما ذكرها في دردشة جماعية.
بعد بضع دقائق، كنت أقرأ عن أوامر الأشباح.
لم يكن هذا ما توقعت أن أنتهي إليه.
معظم منصات التداول تتحدث عن تنفيذ أسرع، وأسعار أفضل، وسيولة أعمق. الأشياء المعتادة.
جزء أوامر الأشباح لفت انتباهي لأنه يتطرق إلى مشكلة يعرفها معظم متداولي السلاسل ولكن نادرًا ما يتحدثون عنها حتى تحدث لهم.
ثم بدأت أبحث بعمق.
اتضح أن Genius لا تحاول أن تصبح سلسلة أخرى أو تنافس DEXs التي تتصل بها.
إنها أكثر كطبقة تجلس فوق كل شيء.
الجزء الذي يمكنني الارتباط به هو الجانب المتعلق بالسلاسل المتقاطعة.
فقدت عدًّا لعدد المرات التي كانت فيها أموالي على الشبكة الخاطئة بينما كانت هناك فرصة تحدث في مكان آخر.
جسر.
انتظر.
جسر مرة أخرى.
ادفع المزيد من الرسوم.
كرر.
عند قراءة المستندات، يبدو أن الفريق مركز على إزالة تلك الخطوات الإضافية بدلاً من إنشاء نظام بيئي جديد تمامًا.
المنصة تسحب السيولة من عدد كبير من DEXs، تدعم أنواع الأوامر المتقدمة مثل أوامر الحد وأوامر وقف الخسارة، وتحاول جعل التداول على السلسلة يشعر بأنه أقل تجزئة.
هذا ما برز لي.
ليس لأنه أكثر الروايات بروزًا في عالم الكريبتو الآن.
لكن لأنه يحل مشاكل واجهتها شخصيًا أكثر مما أود الاعتراف به.
ما زلت أتحقق من الأمر، لكن حتى الآن تبدو Genius أقل كقصة رمز وأكثر كقصة منتج.
لقد رأيت مشاريع الذكاء الاصطناعي في كل مكان مؤخرًا، لذا قررت أن أقضي بعض الوقت في قراءة OpenLedger بدلاً من مجرد النظر إلى العناوين.
ما جذب انتباهي لم يكن جانب النموذج.
بل كانت فكرة الملكية.
الكثير من الناس يساهمون في اقتصاد الذكاء الاصطناعي من خلال البيانات، والتعليقات، والتطوير، لكن القليل منهم فقط يشارك في المكافآت. OpenLedger يبني حول نسبة الملكية، مما يجعل المساهمات قابلة للتتبع ويربط المكافآت بالأشخاص الذين ساعدوا في خلق القيمة.
هذا يبدو وكأنه نهج أكثر استدامة من مجرد إطلاق رمز آخر حول سرد الذكاء الاصطناعي.
أحب أيضًا التركيز على النماذج المتخصصة. من المرجح أن تكون الموجة القادمة ليست حول نموذج واحد يقوم بكل شيء. بل ستكون حول أنظمة مصممة خصيصًا تم تدريبها على مجموعات بيانات ذات جودة لمهام محددة.
البنية التحتية التي تجمعها OpenLedger من شبكات البيانات إلى المكافآت المعتمدة على النسبة وأدوات نشر النماذج تشير إلى أنهم يفكرون بما يتجاوز الضجة قصيرة الأجل.
لا زلت أبحث، لكنها واحدة من المشاريع القليلة التي جعلتني أتوقف عن التمرير وقراءة الوثائق فعليًا.
تظهر خريطة التصفية انعدام توازن هائل على مدار الثلاثين يومًا الماضية:
- إجمالي تصفية الصفقات الطويلة: 2.17 مليار دولار - إجمالي تصفية الصفقات القصيرة: 15.52 مليار دولار
تمت تصفية الصفقات القصيرة تقريبًا بمعدل 7 مرات من حجم الصفقات الطويلة، مما يدل على ضغط تصفية قصير عدواني خلال التحركات الأخيرة.
السعر الحالي يقع عند 72,843 دولار، في منطقة حيث تم بناء رافعة كبيرة على الجانب القصير. تشير تجمعات التصفية القصيرة الثقيلة أعلاه إلى احتمال استمرار التقلب إذا دفع السعر للأعلى، في حين تظل تجمعات الصفقات الطويلة أكثر تشتتًا أدناه.
يعكس هذا الإعداد سوقًا لا يزال مهيمنًا عليه التموضع بالرافعة وصيد السيولة.
لم أكن أنوي قضاء وقت طويل في البحث عن OpenLedger. في الحقيقة، فتحت الوثائق فقط لأنني كنت أرى الاسم يظهر في كل مكان. بعد عدة صفحات، أدركت أنهم لم يتحدثوا حقًا عن نفس الشيء الذي تتحدث عنه معظم مشاريع الذكاء الاصطناعي. سباق الذكاء الاصطناعي الحالي يبدو بسيطًا جدًا. ابنِ نموذجًا أكبر. احصل على المزيد من المستخدمين. جمع المزيد من الأموال. كرر. لا بأس بذلك، لكن يبدو أن الجميع يتبعون نفس الوجهة. ما لفت انتباهي في OpenLedger هو التركيز على البيانات.
معظم مشاريع الذكاء الاصطناعي تركز على بناء نماذج أفضل.
#OpenLedger تركز على شيء يتجاهله معظم الناس: البيانات التي تدعم تلك النماذج.
المشروع يبني سلسلة بلوكتشين متوافقة مع EVM حيث تصبح البيانات أصلًا منتجًا بدلاً من مورد مجاني. من خلال نظام إثبات الانتماء، يمكن للمساهمين الحصول على مكافآت بناءً على درجات تأثير مستوى الاستدلال، مما يقيس مدى تأثير بياناتهم فعليًا على مخرجات الذكاء الاصطناعي.
ما جذب انتباهي هو التركيز على الذكاء الاصطناعي المتخصص بدلاً من سباق آخر نحو نماذج لغوية أكبر. يهدف إطار عمل Datanets من OpenLedger إلى ربط مجموعات البيانات والمطورين وتطبيقات الذكاء الاصطناعي في اقتصاد مشترك حيث تتدفق القيمة مرة أخرى إلى المساهمين.
على جانب البنية التحتية، يجعل ModelFactory ضبط LoRA وQLoRA أكثر وصولًا، بينما يستخدم OpenLoRA تقنية SGMV لخدمة الآلاف من المحولات على موارد GPU المشتركة، مما يقلل من تكاليف النشر.
الذكاء الاصطناعي يعمل على البيانات.
تراهن OpenLedger على أن الأشخاص الذين يقدمون تلك البيانات لا ينبغي أن يتم استبعادهم من القيمة التي يتم إنشاؤها منها.
OpenLedger لا تتبع نماذج الذكاء الاصطناعي الأفضل. إنها تتبع الطبقة التي لم يتم إصلاحها أحد.
تجارة الذكاء الاصطناعي كانت بسيطة جداً خلال السنوات القليلة الماضية. اجمع رأس المال. اشترِ وحدات معالجة الرسوميات. درب نموذجاً أكبر. كرر. الاستراتيجية هذه أنشأت بعض من أكبر الشركات في مجال التكنولوجيا، لكنها أيضاً خلقت نقطة عمياء غريبة. الجميع يتحدث عن الحوسبة. الجميع يتحدث عن أداء النماذج. تقريباً لا أحد يتحدث عن الشيء الذي تستهلكه هذه الأنظمة يومياً لتظل مفيدة. البيانات. ليس بيانات إنترنت عامة أيضاً. بيانات متخصصة. الحقيقة هي أن الذكاء الاصطناعي الطبي ليس ذا قيمة لأنه مبني على نموذج أساسي ضخم. إنه ذو قيمة لأن شخصاً ما قضى سنوات في جمع وتنظيم وتنقيح المعرفة الطبية. نفس الشيء ينطبق على المالية، القانون، الأمن السيبراني، اللوجستيات، وفي virtually كل عمود عالي القيمة حيث يُتوقع أن يتخذ الذكاء الاصطناعي قرارات حقيقية.
ما نحتاجه هو ليس المزيد من البروتوكولات؛ بل بحاجة إلى شخص يصلح مشكلة التجزئة. حالياً، التداول عبر الأنظمة البيئية يشعر وكأنه عمل شاق بسبب كيفية تشتت السيولة والمحافظ. العبقري يعمل على حل بسيط جداً: واجهة واحدة تتولى الأعمال الشاقة بين السلاسل بينما تحتفظ بالسيطرة. هكذا يمكن أن تتوسع الـ DeFi بشكل فعلي إلى التيار الرئيسي.
يمكن أنني أفتقد شيئًا هنا، لكنني انتهيت عشوائيًا من قراءة مستندات Trade Genius الليلة، والآن عالق في التفكير فيها.
في البداية افترضت أن $GENIUS مجرد منصة تداول أخرى تحاول ضغط المزيد من لوحات التحكم والمؤشرات. لقد رأينا هذا الفيلم من قبل.
ما أدهشني هو رؤيتهم يتحدثون عن الطلبات الخاصة والتنفيذ الذكي عبر أماكن مختلفة على السلسلة. كان علي إعادة قراءة هذا الجزء عدة مرات لأنني لم أكن متأكدًا حتى من أنني فهمت تمامًا كيف ينجحون في ذلك.
ربما لا شيء. ربما أفرطت في التفكير.
لكن فكرة أنني لن أضطر إلى التنقل بين السلاسل، والمحافظ، وعلامات التبويب العشوائية في كل مرة أريد فيها الاستفادة من فرصة، نعم، هذا أثر فيّ. تستمر الكريبتو في إضافة المزيد من الأشياء، لكن نصف المعركة لا يزال في التعامل مع الفوضى في الأسفل. على أي حال، ما زلت أبحث في الأمر. لا أقول إن $GENIUS هو جوهرة مخفية أو أي شيء. إنه مجرد واحد من القلائل الذين جعلوني أتوقف عن التمرير لدقيقة. @GeniusOfficial $GENIUS #genius
تبدو معظم مشاريع الذكاء الاصطناعي في عالم الكريبتو مشغولة للغاية بالإنتاج. نماذج أفضل. وكلاء أذكى. مزيد من الأتمتة. جعلتني OpenLedger أفكر في المدخلات بدلاً من ذلك. وبصراحة، ربما تكون هذه هي الفرصة الأكبر. لقد قضيت وقتًا كافيًا في عالم الكريبتو لألاحظ نمطًا. الطبقة الأكثر قيمة عادةً ليست اللامعة التي يتحدث عنها الجميع. في DeFi، لم تكن مزارع العائدات. في الذكاء الاصطناعي، لا أعتقد أنها ستكون النماذج أيضًا. إنها البيانات. الشيء الغريب في اقتصاد الذكاء الاصطناعي اليوم هو أن الجميع يتفق على أن البيانات حاسمة، لكن لا يتحدث تقريبًا أحد عن من يمتلكها بالفعل، أو يساهم بها، أو يحصل على مكافأة مقابلها. تتنافس شركات الذكاء الاصطناعي لبناء أنظمة أكبر بينما يظل الأشخاص الذين يولدون معلومات مفيدة غير مرئيين إلى حد كبير. هذا ما لفت انتباهي حول OpenLedger. إنهم يبنون بلوكتشين مركزه على الذكاء الاصطناعي حول فكرة أن البيانات يجب ألا تُستهلك فقط. يجب تتبعها، والتحقق منها، وربطها بالقيمة الاقتصادية. إذا كانت مجموعة بيانات تساهم في نتيجة الذكاء الاصطناعي، يجب أن يكون لدى المساهم وسيلة للمشاركة في الربح. فكرة بسيطة. تداعيات هائلة إذا نجحت. ما أجده مثيرًا للاهتمام هو أن OpenLedger لا تحاول أن تصبح شركة نماذج ذكاء اصطناعي أخرى. إنها تبني بنية تحتية حول جمع البيانات اللامركزية، مجموعات بيانات ذكاء اصطناعي متخصصة، تتبع المساهمات، توزيع المكافآت، والتنسيق الأصلي للذكاء الاصطناعي. ببساطة تسأل سؤالًا تتجنبه معظم المشاريع. لقد رأيت مشاريع مثل Ocean Protocol تستكشف أجزاء من هذه المشكلة من قبل. بعضها حصل على زخم. وبعضها واجه صعوبة لأن التبني صعب للغاية. لا يزال هذا هو التحدي هنا. التكنولوجيا ليست الجزء الصعب. إن جعل المطورين والمساهمين والشركات تعمل داخل نفس نظام الحوافز هو الصعب. وهذه هي النقطة التي تختبر فيها كل مشروع كريبتو طموح في النهاية. ومع ذلك، أعتقد أن OpenLedger تركز على مشكلة أكثر أهمية من معظم سلاسل الذكاء الاصطناعي. ليس من يمتلك أذكى نموذج. ولكن من يمتلك القيمة التي تم إنشاؤها قبل أن يوجد النموذج بالفعل. يستحق الانتباه. @OpenLedger $OPEN #OpenLegder
يمكن لتقنية البلوكتشين الذكي لـ OpenLedger أن تغير كيفية توزيع قيمة الذكاء الاصطناعي
أنا موجود في عالم الكريبتو لفترة طويلة كفاية لأعرف أنه كلما قال مشروع ما إنه راح يصلح الحوافز، من الأفضل أني أخفف توقعاتي. في معظم الأحيان، يتم إصلاح الحوافز لمؤسسي المشروع، والمستثمرين، والمطلعين الأوائل. أما البقية، فيحصلون على توكن، ودور في ديسكورد، ودرس. وهذا جزء من السبب اللي جذب انتباهي لـ OpenLedger. مو لأنه أنا مقتنع إنه راح ينجح. لأني مو مقتنع. بس يمكنه يسأل السؤال الصحيح. أذكر أني تابعت ازدهار الـ NFT في 2021 عندما أصبح الجميع مهوسين بملكية المبدعين. كان من المفترض أن يحصل الفنانين على أجرهم بشكل عادل. بعضهم حصل، وكثير منهم ما حصل. المنصات لا تزال تأخذ معظم القيمة.
أعتقد أن الشيء الذي يجعلني أراقب OpenLedger هو أنني لم أكن أرغب في ذلك.
لقد كنت في عالم الكريبتو لفترة كافية لأتعرض للخسارة بسبب أكثر من سردية ذكاء صناعي. في كل دورة هناك مشروع جديد يعد بثورة في الذكاء، ويقوم بتوزيع كل شيء، ويصلح المستقبل، أيًا كان. لقد استثمرت في بعضهم. وخسرت أموالًا في البعض أيضًا. لذا عندما أرى "ذكاء صناعي + كريبتو"، ردة فعلي الافتراضية هي "نعم، حسنًا، بالتأكيد." ما جذبني كان حديث عشوائي قبل عدة أشهر. صديق لي قضى أسابيع في تنظيف ووضع علامات على بيانات لمشروع ذكاء صناعي. شغل ممل. النوع الذي لا يتحدث عنه أحد على تويتر. بعد ذلك بدأ النموذج يحصل على زخم وفجأة ظهرت إعلانات وشراكات، وبدأ الناس يتحدثون عن مدى قوته.
صديق لي قضى بضعة أسابيع يساعد في تصنيف مجموعة بيانات متخصصة لمشروع الذكاء الاصطناعي العام الماضي. لا شيء مثير، فقط مراجعة العينات، تصحيح الأخطاء، وجعل البيانات قابلة للاستخدام.
بعد بضعة أشهر، بدأ المشروع يجذب الانتباه. مستخدمين جدد، تمويل جديد، والناس يتحدثون عن قدرات النموذج.
المساهمين الذين ساعدوا في بناء مجموعة البيانات؟ بالكاد تم ذكرهم.
بصراحة، هذا شيء رأيته كثيرًا حول الذكاء الاصطناعي.
الصناعة تتحدث بلا توقف عن النماذج، والحوسبة، والاستنتاج، لكن أقل بكثير عن الأشخاص الذين ينشئون البيانات التي تجعل تلك الأنظمة مفيدة في المقام الأول. بمجرد أن يصبح النموذج حيًا، يبدو أن الاتصال بين المساهمين وخلق القيمة يختفي.
هذا جزء من السبب الذي جعل #OpenLedger يجذب انتباهي.
لست مقتنعًا تمامًا به. لا أعرف إذا كان سينجح على نطاق واسع. لكنه يبدو أنه يستهدف المشكلة الصحيحة: اقتصاديات المساهمين.
الميزة التي أجدها الأكثر إثارة للاهتمام هي إثبات النسبة. الطريقة التي أفهمها (وقد أكون أبسطها) تهدف إلى تتبع من ساهم بماذا حتى يكون هناك رابط أوضح بين مساهمات البيانات والقيمة الناتجة لاحقًا.
لقد رأيت أفكارًا مشابهة من قبل. مشاريع مثل Ocean Protocol دفعت المحادثات حول ملكية البيانات، لكن التبني لم يبدو أبدًا مباشرًا كما كانت الرؤية.
وهذا أيضًا حيث تكمن أكبر سؤالي. تتبع المساهمات يبدو رائعًا على الورق، لكن هل يمكن أن يبقى عادلًا عندما يكون هناك الآلاف من المساهمين ومجموعات البيانات المعنية؟
لا أملك تلك الإجابة بعد.
لا زلت أراقب OpenLedger لأنه واحد من المشاريع القليلة التي تسأل شيئًا يتجنبه مجال الذكاء الاصطناعي:
إذا كانت البيانات تخلق قيمة، أليس من المفترض أن يشارك الأشخاص الذين ينشئون تلك البيانات فيها أيضًا؟