Lishay_Era

قضيت بعض الوقت أفكر في أين تبدأ السياسة فعلاً.
يفترض معظم الناس أنها تبدأ عندما يتم تقييم القواعد.
لكنني لست متأكدًا من أن هذا صحيح دائمًا.
مع نيوتن، تمر الطلبات بأكثر من مجرد ريگو.
فالهوية والتواقيع والتحقق الواعي بالسياسة كلها تؤثر في ما إذا كانت المهمة تصل أصلًا إلى محرك السياسة.
في البداية، بدا لي ذلك تعقيدًا غير ضروري.
كلما نظرت أكثر، بدا لي الأمر مقصودًا.
لا يمكن للسياسة فرض شروط على طلب لا يثبت أبدًا من الذي أنشأه.
في بعض التدفقات، التحقق من النية قبل التقييم جزء من نموذج الأمان، وليس خطوة إضافية.
الذي برز لم يكن التشفير.
بل كان تحول المسؤولية.
لا يمكن للتطبيقات الاعتماد فقط على مخطط واجهة برمجة تطبيقات مشترك.
يجب أيضًا أن تفهم متطلبات السياسة المحددة ومسار التنفيذ الذي تستخدمه قبل تقديم طلب.
وهذا يطرح سؤالًا مثيرًا للاهتمام.
مع ازدياد استقلالية وكلاء الذكاء الاصطناعي، هل ينبغي أن تكشف البنية التحتية واجهةً مرنة واحدة لكل سير عمل، أم ينبغي أن تجعل المتطلبات الخاصة بكل مسار من المستحيل تقريبًا التغاضي عنها منذ البداية?
@NewtonProtocol #Newt $NEWT
$LAB $VANRY

عاجل: سيقوم سايلور بشراء المزيد من البيتكوين هذا الأسبوع.

#bitcoin $BTC

كلما قرأت أكثر عن بروتوكول نيوتن، كلما اقتنعت بأن أكبر ابتكاراته ليست الذكاء الاصطناعي.
الفكرة هي أنه ينبغي إجبار الأتمتة على شرح نفسها قبل أن تتصرف.
تركّز أغلب المحادثات حول الذكاء الاصطناعي على جعل الوكلاء أسرع أو أذكى أو أكثر استقلالية. لكن هذه الصفات لا تهم كثيرًا إذا لم يكن أحد قادرًا على التحقق من سبب حدوث الإجراء.
حتى عملية تنفيذ مثالية تمامًا بمعالجة قرار غير قابلة للتتبع ما تزال تتطلب ثقة.
أما معاملة أبطأ مع مسار قرار يمكن التحقق منه، فهي تخلق مساءلة.
ويبدو أن هذه المفاضلة أهم مما يدركه الناس.
إذا كان وكلاء الذكاء الاصطناعي سيتولّون إدارة المحافظ، أو نقل رأس المال، أو فرض سياسات على السلسلة، فقد تصبح الشفافية في النهاية أكثر قيمة من الذكاء الخام.
ربما لا تكون المنافسة الحقيقية حول من يبني أكثر وكيل ذكاءً.
بل ستكون حول من يبني الوكيل الذي يثق به الناس عند التعامل مع الأصول الفعلية.
هل أنتم ترون الأمر بالطريقة نفسها؟ أم أن السرعة ستظل تتغلب على قابلية التحقق لدى معظم المستخدمين.

@NewtonProtocol #Newt $NEWT
$LAB $HMSTR

توقفت صناديق بيتكوين المتداولة عن النزيف

بعد سلسلة قاسية من الشموع الحمراء، سجلت #BTC ETFs تدفقات صافية بلغت +221.7 مليون دولار ليوم 2 يوليو.

لا يزال مشهد الـ30 يومًا سلبيًا عند -6.61B، لكن هذه أول إشارة على تحول الزخم مجددًا باتجاه الثيران 📈
$BTC

يواصل الجميع التساؤل عمّا إذا كانت وكلاء الذكاء الاصطناعي قادمين إلى عالم العملات المشفّرة.
أعتقد أن السؤال الأكثر فائدة هو سؤال مختلف:
ماذا يحدث عندما يرتكب هؤلاء الوكلاء خطأً؟
لهذا السبب كنت أتابع @NewtonProtocol ($NEWT ).
الجزء المثير للاهتمام ليس أنه يساعد على أتمتة الإجراءات على السلسلة (onchain). فهناك مشاريع كثيرة تسعى إلى الأتمتة. الاختلاف الحقيقي هو أن نـيوتن (Newton) يعامل التصاريح والسياسات كـبُنية تحتية، لا كفكرة لاحقة.
ومع ذلك، لا أعتقد أن التكنولوجيا وحدها هي التي تحدد الفائزين.
التاريخ مليء بالبروتوكولات التي كانت متفوّقة تقنياً لكنّها جاءت قبل أن يهتم المستخدمون بها بما يكفي للانتقال. لا يستيقظ معظم الناس وهم يريدون فرض السياسات التشفيرية. كل ما يريدونه هو أن تعمل المعاملات، وأن تبقى المحافظ آمنة، وأن تكون الأتمتة التي يستخدمونها دون الحاجة إلى إعادة التفكير فيها.
هذه هي تحديات نـيوتن الحقيقية.
إذا أصبح وكلاء الذكاء الاصطناعي مسؤولين عن إدارة رأس المال وتوقيع المعاملات والتنسيق للنشاط المالي، فلن تبدو حواجز الحماية (guardrails) ميزة اختيارية بعد الآن. ستشعر بأنها أساسية مثل ما تشعر به اليوم المحافظ والعقود الذكية.
إذا حدث هذا التحوّل، فلن يكون نـيوتن منافساً كبروتوكول ذكاء اصطناعي آخر.
قد يصبح جزءاً من البنية التحتية غير المرئية التي يعتمد عليها المستخدمون دون أن يفكّروا في ذلك مطلقاً.
ولعلها المفارقة.
أكثر البنى التحتية نجاحاً عادةً هي التي لا يلاحظها أحد إلا عندما تغيب.
#Newt
$TLM

اعتدت أن أعتقد أن أكثر أتمتة أمانًا تأتي من كتابة قواعد أكثر صرامة.
لم أعد متأكدًا من ذلك.
إن قراءة معماريّة نيوتن غيّرت طريقتي في النظر إلى أنظمة السياسات. يمكن أن تبقى القاعدة نفسها دون تغيير تمامًا بينما يتبدّل الناتج لأن شخصًا ما عدّل بعض قيم الإعدادات. ارفع حدّ الإنفاق. شدّد سقف التعرّض. وسّع قائمة السماح. سياسة واحدة. واقع مختلف.
هذا جعلني أدرك شيئًا.
نقضي وقتًا طويلًا في تدقيق الكود، لكننا نقضي وقتًا أقل بكثير في السؤال عن من يتحكم في الإعدادات التي تُشكّل طريقة عمل هذا الكود.
الجزء المثير للاهتمام ليس فقط أن نيوتن يفصل منطق السياسة القابل لإعادة الاستخدام عن الإعدادات. بل إن هذا الفصل يجعل الحوكمة واضحة. كل تحديث للإعدادات يخلق هوية سياسة جديدة بدلًا من تغيير السلوك بصمت في الخلفية. هذا حدّ أقوى مما تُظهره كثير من الأنظمة.
لكن الشفافية وحدها ليست خط النهاية.
إذا لم يفهم المستخدمون ما الذي تغيّر بين إعدادين، فهل يقيمون حقًا السياسة نفسها—أم أنهم يثقون بمجموعة جديدة من الافتراضات مُغلّفة باسم مألوف؟
كلما درست أتمتة مدفوعة بالذكاء الاصطناعي، قلّت قناعتي بأن الثقة تأتي من الكود غير القابل للتغيير وحده.
بل تأتي من جعل كل قرار مهم—ليس فقط القواعد، بل أيضًا المعلمات الكامنة وراءها—قابلًا للرصد والمراجعة والمساءلة.
هذه هي الطبقة التي سأراقبها أكثر.
@NewtonProtocol #Newt $NEWT $SYN $H

لم أتوقع أن @NewtonProtocol هو المشروع الذي غيّر طريقتي في التفكير بشأن بنية البلوكشين التحتية.
في البداية، افترضت أنه بروتوكول آخر يحاول جعل المعاملات أسرع.
ثم أدركت أنه لا يحاول تحسين المعاملة.
إنه يحاول تحسين القرار قبل تنفيذ المعاملة.
بقي هذا الفرق معي.
في الحياة اليومية، نثق بالنظم لأن هناك لا حصر له من عمليات التحقق التي تحدث قبل أن يُسمح بأي شيء بأن يُعتمد.
البنوك تتحقق من الهويات. شبكات الدفع تكتشف الاحتيال. توجد حدود للصرف لسبب.
على السلسلة، ركّزنا كثيرًا على التنفيذ لدرجة أننا نادرًا ما نسأل من الذي ينبغي أن يُسمح له بالتنفيذ أصلًا.
قراءة ورقة عمل بروتوكول نيوتن جعلتني أشعر وكأنني كنت أنظر إلى البلوكشين من زاوية خاطئة.
ربما لن تكون الموجة التالية من التبنّي مدفوعة بسلسلة أخرى ذات TPS أعلى.
ربما ستأتي من بنية تحتية تُمكّن المؤسسات ووكلاء الذكاء الاصطناعي والمستخدمين العاديين من التفاعل بثقة لأن آليات التفويض والخصوصية والامتثال مُضمّنة في العملية.
أقوى البنى التحتية غالبًا تكون غير مرئية.
ولا تدرك أهميتها إلا عندما يبدأ كل شيء آخر بالاعتماد عليها.
لهذا السبب بروتوكول نيوتن موجود في قائمتي للمراقبة.
متشوق لمعرفة كيف سيتطور هذا النهج خلال الأشهر القليلة القادمة.
#Newt $NEWT

تدفقات بيتكوين إتفس (ETF) تواصل الضعف.

خلال آخر 90 يومًا، شهدت صناديق الاستثمار المتداولة تدفقات صافية خارجية بقيمة 4.75 مليار دولار، بما في ذلك خروج 231 مليون دولار أخرى في آخر جلسة.

عمليات خروج كبيرة ومتواصلة تقلل من ضغوط الشراء وغالبًا ما تجعل من الصعب على البيتكوين الحفاظ على الصعودات (الارتفاعات). ورغم أن السعر قد يرتدّ في الأجل القصير، فإن هذا اتجاه يستحق المتابعة بينما نتجه إلى الشهر الجديد.

سنواصل متابعة تدفقات الإتفس لأنها تظل واحدة من أوضح الإشارات على توجهات المستثمرين المؤسسيين.
https://askclash.ai/tools/etf-flows

#Bitcoin #ETF #Crypto $BTC

يقرأ معظم الناس نيوتن باعتبارها سردًا آخر للذكاء الاصطناعي + الامتثال. هذا يفوّت النقطة.

يحاول نيوتن تقديم شيء تشفيرته بالكامل تقريبًا: التفويض قبل التسوية.

اليوم، تسوّي البلوك تشين المعاملات بشكل ممتاز. لكن التسوية ≠ الترخيص.

البنوك تُجيز → ثم تُسوّي.

التشفير ينفّذ غالبًا → ثم يراقب.

يضع نيوتن طبقة برمجية في المنتصف.

معاملة → سياسة → إثبات تصديق تشفيري → تنفيذ.

ما الذي يلفت الانتباه:
• يحوّل Rego/OPA الامتثال إلى كود بدلًا من ملفات PDF قانونية
• يُنشئ مشغلو EigenLayer تفويضًا مدعومًا بالرهان
• تبقى الهوية خاصة عبر شهادات VC + تقييم مُشفّر
• تنفّذ وكلاء الذكاء الاصطناعي داخل حدود محددة مسبقًا بدل الوصول غير المحدود إلى المحفظة

إذا نجحت هذه البنية، فستكون الفرصة أكبر من العملات المستقرة.

تصبح وسيطًا لـ RWA، وDeFi المؤسسي، وتجارة الوكلاء، وتمويل عبر السلاسل.

تتطور روايات البنية التحتية.
التسوية → التنفيذ → التفويض.
@NewtonProtocol #Newt $NEWT

تَخَلَّلَتْني أفكاري وأنا أقرأ حتى @OpenGradient .
يحتفل معظم الناس بلحظة ظهور ردٍّ من الذكاء الاصطناعي على الشاشة. لكنني وجدت نفسي أتساءل عن كل ما يحدث بعد ذلك.
قد يكون الناتج موجودًا بالفعل. وقد تكون الرسوم قد دُفعت بالفعل. ومن منظور المستخدم، يبدو أن الطلب قد اكتمل.
لكن ماذا لو كانت عملية التحقق ما تزال جارية؟
تبدو تلك المهلة الصغيرة غير مهمة إلى أن يبدأ الناتج في تشغيل شيء مهم. وكيل ذكاء اصطناعي ينقل أموالًا. بروتوكول يوافق على معاملة. سير عمل تجاري يتخذ قرارًا. فجأة، لم يعد السؤال هو "هل أجاب النموذج؟" بل "هل أثبتت الشبكة بالفعل هذا الرد؟"
كلما فكرت في الأمر أكثر، ازدادت قناعتي بأن البنية التحتية للذكاء الاصطناعي في المستقبل ستُقاس بساعدين مختلفين للوقت.
أحدهما يقيس مدى سرعة إنتاج الذكاء.
والآخر يقيس مدى سرعة ترسيخ الثقة.
وهما ليسا الشيء نفسه.
ما أقدّره في OpenGradient هو أنها لا تتظاهر بأن الأمر واحد. فمعمارها يفصل بين التنفيذ والتحقق، معترِفًا بأن توليد الذكاء وإثباته هما وظيفتان مختلفتان.
لدي شعور بأنه مع مرور الوقت سيتوقف الناس عن سؤال أي ذكاء اصطناعي هو الأسرع.
وسيطلبون معرفة أي ذكاء اصطناعي يمكنهم الوثوق به عندما تكون المخاطر حقيقية.
ويشعر ذلك كأنه سباق أكثر أهمية بكثير.
#OPG $OPG $BEAT

تواجه شركة مايكروسوفت أسوأ شهر لها منذ عام 2000 📉

انخفضت أسهم مايكروسوفت بنسبة 21.6% في يونيو، مسجلة أسوأ أداء شهري منذ عصر الدوت-كوم.

يأتي هذا الهبوط بعدما بدأ المستثمرون في التساؤل عما إذا كان الإنفاق الضخم للشركة على الذكاء الاصطناعي سيحقق عوائد كافية.

ومن المتوقع أن تنفق مايكروسوفت وحدها قرابة 190 مليار دولار على البنية التحتية للذكاء الاصطناعي خلال السنة المالية الحالية.

كنت أعتقد أن أصعب جزء في بنية الذكاء الاصطناعي هو جعل النماذج أسرع.
كلما راقبت السوق، قلّ اقتناعي.
السرعة في نهاية المطاف تصبح شيئًا متوقعًا. الاعتمادية أصعب في البناء وأكثر صعوبة في إثباتها.
هذا ما غيّر طريقة تفكيري عندما بدأت بالنظر إلى مشاريع مثل OpenGradient.
معظم النقاشات حول الذكاء الاصطناعي تركز على نماذج أكبر أو استدلال أرخص. لكن إذا كان الذكاء الاصطناعي سيعمل على تشغيل الأنظمة المالية أو الوكلاء المستقلين أو سير عمل المؤسسات، فالسؤال الحقيقي ليس ما إذا كان يمكن توليد إجابة. بل ما إذا كان بإمكان كل مشارك التحقق بشكل مستقل من كيفية إنتاج تلك الإجابة.
وهذا ينقل عملية التحقق من ميزة تقنية إلى بنية تحتية اقتصادية.
إذا كان المطورون يدفعون مرارًا مقابل استدلال يمكن التحقق منه لأنه يقلل المخاطر التشغيلية، وإذا كانت جهة التشغيل تحصل على رسوم مقابل توفير تنفيذ موثوق، وإذا نما المشاركة المربوطة مع الاستخدام الفعلي، فسيبدأ الطلب في التوجه نحو المنفعة بدلًا من الحوافز.
التحدي هو ما إذا كان هذا الانتقال سيحدث فعلًا.
يمكن لانبعاثات الرموز أن تجذب المشاركين الأوائل، لكنها لا تستطيع تعويض العملاء بشكل دائم. تأتي القيمة المستدامة عندما تعود التطبيقات لأنها تضمن شيئًا يستحق الدفع مقابلها، وليس لأن المكافآت تجعل الاقتصاد يبدو جذابًا مؤقتًا.
عندما أقيم البنية التحتية الآن، أقضي وقتًا أقل في مراقبة الإعلانات وأزيد من التساؤل عما إذا كانت الشبكة تولد نشاطًا اقتصاديًا متكررًا يستمر حتى بعد أن تخبو الحوافز.
إذا أصبح التحقق شرطًا بدلًا من كونه ميزة اختيارية، فقد يبدو الطلب على بنية تحتية موثوقة للذكاء الاصطناعي مختلفًا جدًا عن توقعات السوق الحالية.
لهذا السبب أواصل متابعة $OPG .
@OpenGradient #OPG $BEAT $VELVET

لم أبدأ في التشكيك بسرعة الاستدلال.
بدأت بالتشكيك في سبب بقائي أتحقق من نفس النموذج مرتين.
كان النموذج يبدو قادرًا. كانت الوثائق موجودة. وكان التسعير منطقيًا.
ومع ذلك، قبل كل تشغيل، كنت أجد نفسي أعيد فتح صفحة المعيار، وأقرأ سجل الإصدارات مرة أخرى، وأتساءل هل هذا ما زال النموذج الذي أريد أن أثق به.
لم يفشل شيء فعليًا.
وهذا هو الجزء المثير للاهتمام.
لم تكن الاحتكاكات تقنية. كانت معرفية.
كنت أفكر باستمرار في فكرة بسيطة:
ثقة النموذج = الأداء × القابلية للتحقق × القابلية للتنبؤ ÷ احتكاك القرار
النموذج السريع الذي يجبر المطورين على إعادة تقييم كل عملية نشر ببطء يصبح مكلفًا، حتى لو بقيت تكلفة الاستدلال منخفضة.
والعكس صحيح أيضًا.
النموذج الذي يتصرف بثبات، ويكشف عن تحقق واضح، ويجعل التحديثات مفهومة يقلل إرهاق اتخاذ القرار. يتوقف المطورون عن تدقيق كل طلب ويبدأون في البناء.
وهذا يبدو كتحدٍّ يقلّ تقديره في بنية تحتية للذكاء الاصطناعي.
@OpenGradient ليس فقط توسيعًا للحوسبة. قد تكون الفرصة الأكبر هي تقليل العبء الذهني بين اكتشاف نموذج وبين الثقة به بما يكفي لاستخدامه مرارًا.
المؤشر الذي أراقبه ليس مجرد حجم الاستدلال.
بل عدد المطورين الذين يتوقفون عن التشكيك في طلبهم التالي.
#OPG $OPG


ما الذي يخلق طلبًا طويل الأمد أكثر: إضافة نموذج آخر، أم جعل النماذج الحالية أسهل في الثقة؟
$BEAT $VELVET

اعتقدت أن التحقق سيكون الجزء الأكثر تكلفة في تشغيل أحمال عمل الذكاء الاصطناعي.
اتضح أن الجدولة كانت أكثر صعوبة.
كانت قائمة انتظار استدلال واحدة @OpenGradient تفشل باستمرار في نافذة الإكمال المتوقعة. كان استخدام وحدة المعالجة المركزية يبدو جيدًا. كان ضغط الذاكرة منخفضًا. لم تكن النماذج نفسها مثقلة.
في البداية عزوت ذلك للحوسبة.
ثم بدأت أراقب أين تهبط الوظائف.
عقدة ذات سعة متاحة أكبر قليلًا أنهت التنفيذ في وقت متأخر باستمرار مقارنة بعقدة كانت تبدو أكثر ازدحامًا على الورق. لم يكن هناك خطأ في العتاد. كان الفارق فيما يحدث بعد انتهاء الاستدلال.
كان التحقق من حركة المرور وإقرارات التخزين وظروف الشبكة تتنافس على نفس المسار. لم تكن العقدة بطيئة لأنها تفتقر إلى الحوسبة.
كانت بطيئة لأن بقية النظام كان مشغولًا بإثبات أن العمل قد حدث.
غيّر ذلك طريقة تفكيري بشأن بنية تحتية للذكاء الاصطناعي.
إضافة وحدات معالجة الرسوم (GPUs) لا تزيد الإنتاجية تلقائيًا إذا أصبح التحقق هو عنق الزجاجة التالي.
يبدو OpenGradient مثيرًا للاهتمام لأن معماره يعامل الاستدلال والتحقق كطبقتين منفصلتين بدلًا من افتراض أن الحوسبة هي القصة كاملة.
كلما اتجه الذكاء الاصطناعي نحو الأنظمة المالية وال وكلاء المستقلين والتطبيقات على السلسلة، زاد أهمية هذا التمييز.
الإجابات السريعة قيمة.
الإجابات القابلة للتنبؤ والتحقق هي البنية التحتية.
#OPG $OPG

إذا أصبح التحقق هو العامل المحدِّد بدلًا من الحوسبة، فما المقياس الذي ينبغي للمديرين تحسينه أولًا؟
$BEAT