أنا أراقب Genius Terminal بشك مشابه لذلك الذي يكسبه هذا السوق عادةً مع مرور الوقت. كل دورة تنتج في النهاية منصات تدعي تبسيط التداول، الذكاء، التنفيذ، أو الاكتشاف، لكن معظمها ينهار بمجرد أن تحل الضغوط الحقيقية محل الزخم الأولي. الواجهات تبدو حادة خلال فترات الإطلاق. النشاط يرتفع بسرعة. ثم تصل الواقع - سيولة مجزأة، إشارات مزعجة، أتمتة غير موثوقة، والمستخدمون يدركون أن السرعة وحدها لا تخلق ميزة.
ما يجعل Genius Terminal مثيرًا للاهتمام ليس لغة "الطرف النهائي". الأسواق دائمًا ما تبالغ في التأكيد على الديمومة في وقت مبكر جدًا. ما يهم هو ما إذا كانت البنية التحتية الخاصة على السلسلة يمكن أن تقلل فعلاً من الاحتكاك في بيئة تصبح أكثر ازدحامًا واستغلالًا ومراقبة.
لأن هنا حيث تغيرت العملات الرقمية بهدوء.
انتقلت الصناعة من التجريب إلى المنافسة الشديدة. يتم تتبع كل حركة محفظة. يتم تنفيذ كل سرد مسبقًا. يتم نسخ كل نمط مربح حتى يختفي. تحت هذه الظروف، يتوقف الخصوصية عن النظر إليها كأيديولوجية وتبدأ في النظر إليها كتشغيل.
ومع ذلك، فإن البنية التحتية تبقى فقط إذا استمر الناس في الاعتماد عليها بعد أن يتلاشى الحماس. المتداولون لا يرحمون عندما يتعلق الأمر بالكفاءة. إذا أصبحت سير العمل بطيئة، مزدحمة، باهظة الثمن، أو غير موثوقة، يغادرون على الفور.
هذا هو الاختبار الحقيقي لـ Genius Terminal.
ليس ما إذا كانت تجذب الانتباه الآن.
ولكن ما إذا كانت لا تزال تبدو ضرورية عندما يصبح السوق أقل تسامحًا.
أنا أراقب OpenLedger بشكل مختلف تمامًا عن كيفية مشاهدة معظم السوق له حاليًا. الحماس حول تركيبات الذكاء الاصطناعي + البلوكتشين موجود في كل مكان مرة أخرى، لكنني رأيت ما يكفي من الدورات لأعرف أن الانتباه وحده يعني تقريبًا لا شيء بمجرد أن يبدأ الضغط العملي الحقيقي في التزايد.
ما يهمني هنا ليس السرد السطحي حول تحقيق الدخل من البيانات والنماذج والوكلاء. الجزء المثير للاهتمام هو ما إذا كان بإمكان نظام مثل هذا البقاء خلال المرحلة القبيحة الوسطى التي تدمر معظم مشاريع البنية التحتية - المرحلة التي تتوقف فيها العروض التوضيحية عن كونها مهمة ويبدأ الاستخدام الفعلي في كشف الاحتكاك في كل مكان.
لأن أسواق الذكاء الاصطناعي حاليًا مليئة بأنظمة تبدو قوية في البيئات المسيطر عليها لكنها تصبح مكلفة وغير مستقرة أو مرهقة عمليًا بمجرد أن يعتمد عليها المستخدمون الحقيقيون باستمرار. عادةً ما يكون هذا هو المكان الذي تنفصل فيه الحقيقة عن العرض.
يبدو أن OpenLedger على الأقل تستهدف مشكلة هيكلية حقيقية بدلاً من مطاردة الجماليات المؤقتة. أنظمة الذكاء الاصطناعي مجزأة. الوصول إلى البيانات مجزأ. الحوافز مجزأة. وفي النهاية، سيتعين على السوق أن تحتاج إلى طبقات تنسيق يمكن أن تعمل بعيدًا عن المضاربة.
لكن البقاء هو الجزء الصعب.
ليس الإطلاق. ليس الضجيج. ليس الرؤية.
البقاء.
هل يمكن أن تظل البنية التحتية مفيدة بعد أن يتلاشى الانتباه؟ هل يمكن أن يبقى المساهمون نشطين دون حوافز اصطناعية؟ هل يمكن للشبكة الحفاظ على الجودة تحت ضغط التوسع؟
بين ضجة الذكاء الاصطناعي والواقع التشغيلي: مراقبة OpenLedger بعناية
أظل أعود إلى مشاريع مثل OpenLedger بنوع أبطأ من الانتباه الآن. قبل بضع سنوات، ربما كنت سأنظر إلى شيء كهذا من خلال العدسة المعتادة التي يشجعها السوق، مثل حجم الفكرة، وحجم السرد، وسرعة الاتجاه الذي يتشكل حولها. لكن بعد مشاهدة عدد كافٍ من دورات التكنولوجيا ترتفع وتستقر، أصبحت مهتمًا أكثر بما يحدث بعد أن يتلاشى الحماس. ليس أثناء أسبوع الإطلاق، وليس خلال الموجة الأولى من المضاربة، بل بعد أشهر، عندما يتعين على الأنظمة البقاء قيد الاستخدام العادي، والمستخدمين غير المتسقين، وارتفاع التكاليف، والتعب الفني، وضغط الصمت للبقاء مفيدة كل يوم.
لقد رأيت العديد من المحطات التي تعد بتبسيط النشاط على السلسلة.
معظمها تضيف المزيد من علامات التبويب والمزيد من لوحات المعلومات والمزيد من الضوضاء.
ثم هناك محطة Genius.
أول محطة خاصة ونهائية على السلسلة تم بناؤها للأشخاص الذين يتحركون بسرعة ويفكرون بشكل أسرع.
ما لفت انتباهي لم يكن فقط الواجهة. كانت الفكرة وراءها.
محطة واحدة. مركز قيادة واحد. لا تشتت غير ضروري.
في سوق حيث كل ثانية تهم، التنفيذ هو كل شيء. العثور على الفرص، تتبع الحركات، تحليل التدفقات، والتصرف قبل وصول الحشد يمكن أن يكون الفرق بين التقاط الاتجاه ومشاهدته من الهامش.
محطة Genius تبدو مصممة لتلك الحقيقة بالذات.
خاصة بشكل افتراضي. مصممة للعمل. مبنية للمتداولين والباحثين والمستكشفين الذين يعيشون على السلسلة.
ما هو الجزء الأكثر إثارة؟
ما زلنا في وقت مبكر.
the infrastructure shaping the next generation of crypto isn’t always loud. sometimes it’s the tools quietly giving users an edge while everyone else is chasing headlines.
هذا هو السبب في أن محطة Genius تبرز بالنسبة لي.
ليس لأنها تعد بالمستقبل.
لأنها تبني من أجل الأشخاص الذين يصنعونه.
مراقبة دقيقة لما يأتي بعد ذلك.
سباق تجربة السلسلة النهائية يستعر، ومحطة Genius تضمن أن لها مقعدًا في مقدمة الطاولة.
جاني خاطر عشوائي وأنا أستخدم أداة ذكاء اصطناعي مؤخرًا.
نحن نقضي وقتًا طويلًا نتحدث عن ما يمكن أن يفعله الذكاء الاصطناعي، لكن نادرًا ما نتوقف ونتفكر في من أين جاءت كل هذه المعرفة.
كل إجابة، كل فكرة، كل رد مفيد مبني على معلومات قضى عليها شخص ما، في مكان ما، وقتًا طويلًا في إنشائها. باحث. مطور. كاتب. مجتمع صغير على الإنترنت يناقش موضوعًا لا يهتم به الآخرون.
سنوات من الجهد البشري تُضغط في ثوانٍ قليلة على الشاشة.
لهذا السبب لفت انتباهي OpenLedger.
ليس بسبب الضجيج. وليس بسبب التوكن.
لأنه يحاول استكشاف شيء يتجاهله معظم الناس: كيف نتعرف على الأشخاص الذين ساهمت بياناتهم ومعرفتهم في تشغيل هذه الأنظمة ونكافئهم؟
لا أعلم إذا كان لدى أي شخص الحل المثالي بعد.
لكن مع ازدياد دور الذكاء الاصطناعي في الحياة اليومية، يبدو أن هذا سؤال لا يمكننا تجاهله.
OpenLedger (OPEN): الطبقة المفقودة في الذكاء الاصطناعي
قبل أيام قليلة، أثناء استخدامي لأداة ذكاء اصطناعي، وجدت نفسي أتساءل عن شيء نادرا ما يسأل عنه الناس. ليس عن مدى ذكاء النموذج. ولا عن سرعة استجابته. ولكن من أين جاءت كل تلك المعرفة فعلاً. خلف كل إجابة ذكاء اصطناعي يوجد آلاف الأشخاص—كتاب، باحثين، مطورين، مجتمعات، وخبراء قضوا سنوات في إنشاء المعلومات. عملهم يصبح جزءاً من مجموعات البيانات، ومجموعات البيانات تدرب النماذج، والنماذج في النهاية تولد قيمة. ومع ذلك، فإن الصلة بين المساهمين الأصليين وتلك القيمة غالباً ما تضيع.
$NEAR على وشك مقاومة، ليس مضمونًا لكن إذا كنت تستطيع الانتباه إلى إطار الوقت 3D مع المتوسط المتحرك 200 EMA يمكنك أن ترى أنه قد لمس تلك المنطقة فوق 2.46 ومعظم الوقت يحترم تلك
المنطقة هذا لا يعني أنه لا يمكن أن يرتفع فوق هذا. من الممكن أيضًا غدًا أن يكسر 2.6 لكن النقطة الرئيسية هي ماذا سيحدث عندما يغلق الشمعة لمدة 3 أيام في الـ 27 ساعة القادمة. إذا كسر 2.6 لكن لا يزال الشمعة ستغلق حول 2.4 إلى 2.46
قد ينخفض إلى ما دون 2 ربما 1.9 وحتى سحب عميق أكثر من خلال عمل قاع أعلى مع الدعم الأخير. إذا كنت ترغب في الدخول طويلًا أو قصيرًا، كن حذرًا.
ألاحظ كيف تفقد الأشياء شكلها بسرعة في اللحظة التي يتم فيها تحديثها على السلسلة.
كل شيء مرئي. كل معاملة، كل تفاعل، كل تغيير في الحالة موجود هناك. لا شيء مخفي. لكن الرؤية لا تخلق الفهم تلقائيًا.
ما يبدو أصعب هو الاستمرارية. تمر لحظة، ويتقدم النظام دون حمل وزن ما حدث للتو. عندما أعود، لا أفتقد البيانات—بل أفتقد الاتصال بين نقاط البيانات.
إجراء من المحفظة من وقت سابق يغير فجأة كيف تقرأ كل شيء الآن. تفاعل العقد الذي بالكاد سجلته يبدأ في تشكيل التفسير لاحقًا. لكن لا شيء يميز تلك النقلة بشكل صريح.
لذا أجد نفسي أعيد ربط الشظايا التي لم تكن مفصولة حقًا—فقط لم تُحفظ معًا لفترة طويلة بما يكفي لتشعر بأنها مرتبطة.
السلسلة تتذكر كل شيء، لكن الانتباه لا يفعل ذلك.
وفي هذه الفجوة، التحدي الحقيقي ليس الوصول إلى المعلومات. إنه إبقاء السياق حيًا لفترة كافية لكي تعني المعلومات شيئًا.
هنا تشعر محطة Genius بأنها مختلفة—ليس كعرض للنشاط، ولكن كمحاولة للحفاظ على الاستمرارية داخل نظام ينسى بطبيعته كيف ترتبط الأشياء.
أنا أعود دائمًا إلى OpenLedger، وليس للأسباب التي كنت أتوقعها.
في البداية، كنت أركز على الجانب الخاص بالذكاء الاصطناعي - النماذج، البيانات، النتائج. ولكن كلما تابعت أكثر، تحول انتباهي إلى شيء آخر تمامًا.
معظم الأنظمة رائعة في توليد القيمة، لكنها ليست دائمًا رائعة في تذكر من أين جاءت تلك القيمة. مجموعة بيانات تساهم في نموذج، نموذج يؤثر على وكيل، وكيل ينتج نتيجة - وفي مكان ما على طول الطريق، تتلاشى المساهمة الأصلية في الخلفية.
ما جذب انتباهي حول OpenLedger هو تركيزه على الحفاظ على تلك الصلة.
ليس فقط إنشاء ذكاء، ولكن الحفاظ على السياق وراءه.
كلما لاحظت أكثر، يبدو أن التحدي الحقيقي ليس في توليد أنظمة أذكى. إنه التأكد من أن الأشخاص والبيانات والرؤى التي ساعدت في إنشاء ذلك الذكاء لا تصبح غير مرئية مع تطور الشبكة.
بدأت بالنظر إلى التكنولوجيا.
انتهى بي الأمر بالتفكير في الذاكرة، والنسب، والاستمرارية.
كنت فاكر OpenLedger عن الذكاء الاصطناعي. لكن انتهى بي الأمر بالتفكير في الذاكرة
أرجع دايمًا لـ OpenLedger لسبب ما ما توقعتش. في البداية، كنت فاكر إني براقب تدفق البيانات. بعدين فكرت إنه طبقة الذكاء الاصطناعي. بعدين التنسيق بين المشاركين المختلفين. كل مرة كنت حاسس إني حددت مركز الجاذبية، انتبهت لشيء تاني. مؤخراً، كنت بتأمل في اللي بيحصل بعد ما يتم إنشاء حاجة مفيدة. قطعة من المعلومات تدخل نظام. حد بيساهم بيها. نموذج يتعلم منها. وكيل يستخدمها. نتيجة تانية بتتولد في مكان تاني بعد كده. السلسلة بتستمر، لكن كل ما تبتعد، بيكون أصعب تشوف منين جت الإشارة الأصلية.
كلما نظرت إلى OpenLedger، أعود دائمًا إلى نفس الفكرة. في البداية، افترضت أنه كان يحل مشكلة التنسيق. بيانات هنا، نماذج هناك، نتائج في مكان آخر في المستقبل. نظام يربط الأجزاء التي كانت ستظل مفصولة خلاف ذلك.
لكن كلما تابعت، زادت قناعتي بأنه يتعامل مع شيء أعمق. معظم أنظمة الذكاء الاصطناعي جيدة جدًا في إنتاج النتائج. لكن ما ليست جيدة فيه هو الحفاظ على القصة وراء تلك النتائج. من أين جاءت الذكاء. ما الذي أثر فيه. أي المساهمات كانت مهمة حقًا. في مكان ما على طول الطريق، عادة ما تختفي تلك السياقات. هذا هو الجزء الذي يشعر بأنه مختلف هنا. OpenLedger لا ينقل المعلومات فقط عبر شبكة. يبدو أنه مصمم للحفاظ على العلاقات مرئية مع تطور تلك المعلومات. مجموعة بيانات تؤثر على نموذج. نموذج يؤثر على وكيل. وكيل يخلق نتيجة. بدلاً من معاملة تلك كأحداث معزولة، يحتفظ النظام بالخيط سليمًا. الأمر المثير للاهتمام هو أنك بالكاد تلاحظ هذا في البداية. من بعيد، يبدو مثل البنية التحتية. عن قرب، يبدو أكثر مثل الذاكرة. وربما تكون تلك هي الطبقة التي يتجاهلها الناس. مع تزايد توزيع الذكاء الاصطناعي، التحدي ليس فقط في توليد الذكاء. بل هو فهم من أين جاء ذلك الذكاء في المقام الأول. كلما فكرت في الأمر، كلما شعرت أن هذه ليست مجرد مسألة تقنية، بل هي مسألة استمرارية. ليس فقط ما تم إنشاؤه. لكن كيف أصبح ذلك ممكنًا.
OpenLedger والأنظمة التي ترفض النسيان ← أقوى تطابق
لقد كنت أراقب OpenLedger لفترة، والشيء الذي لا يزال يجذب انتباهي ليس ما كنت أتوقعه. في البداية، كنت أركز على الأجزاء الواضحة. نشاط الشبكة. طبقة الذكاء الاصطناعي. التدفق المستمر للمساهمات التي تمر عبر النظام. هذا عادة ما يكون المكان الذي ينظر إليه الناس. لكن بعد فترة، تبدأ تلك التفاصيل في التلاشي إلى الخلفية. ما تبقى هو شيء أصغر. تدخل قطعة من البيانات إلى الشبكة. في مكان ما، يتطور نموذج. لاحقًا، يظهر مخرج. على السطح، تبدو تلك أحداثًا منفصلة. ومع ذلك، يستمر OpenLedger في محاولة الحفاظ على الاتصال بينها، كما لو أن فقدان ذلك الاتصال يعني فقدان شيء مهم.
يمكنك استخدام هذا التعليق الرومانسي الإنجليزي مع صورتك:
❤️ حبي ❤️
في هذا العالم الشاسع، وجدت حبي الحقيقي. أنت سعادتي، وراحتي، والسبب وراء ابتسامتي. كل لحظة معك هي ذكرى جميلة، وكل يوم أحبك أكثر قليلاً. بغض النظر عن المكان الذي تأخذنا إليه الحياة، سيظل قلبي دائمًا لك. أنت لست مجرد حبي، بل أنت أبدي. ❤️
🚀 $SOL : العودة التي لم يرها الكثيرون قادمة 2020 → $1.51 2021 → $172.87 📈 2022 → $9.93 💥 2023 → $77.36 2024 → $209.44 🔥 2025 → $185.30 2026 → ❓ الجميع يتذكر الصعود. القليل يتذكر الهبوط. عندما انهارت FTX، أعلن الكثيرون عن وفاة سولانا. لكن المطورين استمروا في البناء. المقاولون استمروا في الشحن. الشبكة استمرت في العمل. تظهر الأسواق القوة الحقيقية في أسواق الهابطة - وليس في صعود الثيران. السؤال بالنسبة لعام 2026 ليس عن السعر. إنه عن القدرة على التحمل. هل ستظهر $SOL أقوى أم أضعف من هنا وما هو سببك بخلاف العاطفة؟
🚨 $XRP إشارة LONG محملة 🚨 💰 منطقة الدخول: 1.34 – 1.35 🎯 TP1: 1.43 🎯 TP2: 1.50 🎯 TP3: 1.62 🛑 وقف الخسارة: 1.29 ⚡ الثيران تتطلع إلى اختراق من منطقة التجميع. الحفاظ على السعر فوق منطقة الدخول يمكن أن يشعل الزخم نحو الهدف الأول، بينما القوة المستمرة قد تفتح الطريق إلى 1.50 و 1.62. المخاطر محددة بوضوح - ادير مركزك واترك السوق يقوم بالعمل. 🔥 نسبة المخاطرة إلى العائد تبدو جذابة. العيون على XRP!
يعتقد معظم الناس أن الذكاء الاصطناعي يتعلق بالنماذج القوية والدردشات الأكثر ذكاءً.
لكن هناك سؤال نادراً ما يتم مناقشته:
من الذي يحصل فعلاً على المكافأة مقابل البيانات والمعرفة التي تجعل الذكاء الاصطناعي ممكنًا؟
كل نموذج ذكاء اصطناعي يعتمد على معلومات أنشأها ملايين الأشخاص—الباحثون، المطورون، الشركات، الخبراء، ومستخدمي الإنترنت العاديين. ومع ذلك، عندما يولد الذكاء الاصطناعي قيمة، فإن معظم المساهمين لا يرون أي حصة منها.
لهذا السبب تجعل OpenLedger (OPEN) الأمر مثيرًا للاهتمام.
بدلاً من التركيز على بناء تطبيق ذكاء اصطناعي آخر، تقوم OpenLedger بإنشاء بنية تحتية حيث يمكن أن تُعزى البيانات، ونماذج الذكاء الاصطناعي، والوكالات المستقلة، وتُ monetized، وتُكافأ بشفافية. الفكرة بسيطة: إذا كانت مساهمتك تساعد في خلق قيمة، يجب أن يكون لديك وسيلة للاستفادة منها.
ما يبرز لي هو أن OpenLedger لا تحاول حل مشكلة خيالية. إن صناعة الذكاء الاصطناعي تكافح حقًا مع نسب الملكية. أصبحت البيانات واحدة من أكثر الأصول قيمة في العالم، ولكن الأشخاص الذين يقدمونها غالبًا ما يصبحون غير مرئيين بمجرد دخولها في عملية التدريب.
رؤية OpenLedger هي تغيير ذلك من خلال ربط المساهمين، والمطورين، وأنظمة الذكاء الاصطناعي من خلال طبقة اقتصادية شفافة مدعومة بتكنولوجيا blockchain.
بالطبع، الطريق إلى الأمام لن يكون سهلاً. بناء نظام بيئي ناجح للذكاء الاصطناعي صعب. بناء شبكة blockchain صعب. الجمع بين الاثنين أصعب.
لكن بينما تتبع العديد من المشاريع الضجيج، تركز OpenLedger على سؤال سيصبح أكثر أهمية مع نمو الذكاء الاصطناعي:
مع إنشاء الذكاء الاصطناعي المزيد من القيمة، من الذي يستحق حصة من تلك القيمة؟
يمكن أن تشكل الإجابة على هذا السؤال مستقبل الذكاء الاصطناعي أكثر من إصدار النموذج التالي.
OpenLedger (OPEN): إعادة التفكير في من يستحق المكافأة في اقتصاد الذكاء الاصطناعي
قبل كم شهر، لقيت نفسي أستخدم أداة ذكاء اصطناعي عشان أساعد في تنظيم مجموعة فوضوية من الملاحظات والمقالات ومستندات البحث. سوت في ثواني اللي كان بياخذني معظم فترة بعد الظهر. مثل معظم الناس، كانت ردة فعلي الأولى هي الامتنان للتكنولوجيا. ردة فعلي الثانية كانت الفضول. من وين جت كل هالمعرفة؟ مو من شركة الذكاء الاصطناعي بس. الإجابات جت من معلومات انشأها عدد لا يحصى من الناس على مر السنين. الباحثين نشروا دراسات. المطورين كتبوا كود. الخبراء شاركوا المعرفة. المجتمعات ناقشت أفكار على الإنترنت. الشركات جنت بيانات من العمليات اليومية. ملايين الناس، سواء كانوا يعرفوا أو لا، ساهموا بقطع من المعلومات اللي في النهاية صارت جزء من عملية التدريب خلف أنظمة الذكاء الاصطناعي الحديثة.
معظم الناس يتحدثون عن نماذج الذكاء الاصطناعي. قليل جداً من يتحدث عن الأشخاص الذين يقفون وراء البيانات التي تجعل تلك النماذج مفيدة في المقام الأول. كل نظام ذكاء اصطناعي يتعلم من المعلومات التي أنشأها
الباحثون، المطورون، الخبراء، الشركات، ومستخدمي الإنترنت العاديين. ومع ذلك، بمجرد أن تدخل تلك البيانات عملية التدريب، غالبًا ما تختفي الصلة بين المساهمين والقيمة الناتجة لاحقًا. هذه واحدة من الأسباب التي تجعلني أجد OpenLedger مثيرة للاهتمام. بدلاً من التركيز فقط على بناء الذكاء الاصطناعي، يستكشف OpenLedger سؤالاً أكبر: كيف يمكن أن تصبح البيانات، النماذج، وعوامل الذكاء الاصطناعي أصولاً
يمكن للمبدعين فعلاً تحقيق الربح منها؟ يقدم المشروع فكرة النسبة والملكية داخل نظم الذكاء الاصطناعي، ويهدف إلى إنشاء إطار حيث يتم التعرف على المساهمات القيمة بدلاً من أن تضيع داخل صندوق أسود. هل ستحل كل التحديات المتعلقة بملكية الذكاء الاصطناعي ونسبة البيانات؟ ربما ليس بين عشية وضحاها. هذه مشاكل معقدة للغاية.
ولكن طرح الأسئلة الصحيحة هو المكان الذي تبدأ فيه الابتكارات ذات المعنى عادةً. مع استمرار نمو الذكاء الاصطناعي، ستصبح المحادثات حول
الشفافية، المساهمة، وتوزيع القيمة العادلة بنفس أهمية المحادثات حول أداء النماذج. وهذا هو بالضبط السبب في أن مشاريع مثل OpenLedger تستحق الانتباه.
مؤخراً، لقيت نفسي أسوي شيء معظمنا يسويه بدون ما نفكر. سألت أداة ذكاء اصطناعي سؤال معقد، وحصلت على جواب مفصل بشكل مفاجئ خلال ثواني، نسخت جزء منه في ملاحظاتي، وكملت يومي. كل التفاعل ما أخذ أقل من دقيقة. بعدها، فكرة ثانية خطرت على بالي. من وين جا هالجواب بالضبط؟ مو الشركة اللي بنت النموذج. مو الموقع اللي استخدمته. أقصد السؤال الأعمق. مين اللي أنشأ المعرفة ورائها؟ مين جمع البيانات؟ مين نظمها؟ مين قضى سنوات في البحث عن المواضيع اللي تعلم منها النموذج؟ وربما الأهم، مين اللي استفاد مالياً لما ساعدت تلك المعرفة في توليد القيمة؟