ladyledger96

""Opcional"" en un esquema de una API no significa opcional en producción. Eso es algo que cada desarrollador de Web3 debería aprender.**

Mientras trabajaba en el flujo de autorización del Protocolo Newton, una elección de diseño se me hizo especialmente clara: en el esquema de solicitud base, el campo `intent_signature` en el RPC `newt_createTask` está etiquetado como opcional.

Eso puede resultar confuso al principio.

Si es opcional, ¿por qué algunas solicitudes fallan sin él?

La respuesta está en cómo Newton separa **infraestructura genérica** de **requisitos específicos de la política**.

El RPC base está diseñado para admitir una variedad de modelos de autorización. Algunas políticas solo requieren datos básicos de la transacción; otras verifican la intención del usuario mediante una **firma EIP-712**. El endpoint compartido no requiere esto, pero si una política hace referencia a `intent_signature`, o si un PolicyClient o un flujo de autorización respaldado por identidad depende de ello, entonces la firma es obligatoria.

Esta es una elección arquitectónica importante.

En lugar de crear APIs separadas para cada modelo de autorización, Newton ofrece una única interfaz flexible que se puede adaptar a diferentes necesidades de seguridad. Esto hace que el protocolo sea extensible y permite a los desarrolladores construir desde automatizaciones simples hasta flujos financieros altamente regulados sobre la misma infraestructura.

Pero esa flexibilidad conlleva una responsabilidad para los integradores.

Un frontend podría pasar la validación contra el esquema base, pero aun así no tener todos los campos que requiere la política seleccionada. En muchos casos, la Gateway rechazará la solicitud antes incluso de evaluar la política de Rego, ya que las firmas inválidas o vacías (como `0x`) no cumplen con el formato esperado de la firma EIP-712.

Lo que esto significa es que los desarrolladores no deberían pensar que la validación del esquema es la capa final de validación.

Una buena integración debería entender:

✅ La política de autorización que se está usando.

✅ Si esa política requiere una intención firmada.

✅ Si un flujo respaldado por identidad agrega algún requisito adicional de firma.

✅ Hacer que el usuario firme antes de enviar la solicitud

#newtonprocol @NewtonProtocol $NEWT

Cuanto más leo sobre Newton, más pienso que la actualización es la verdadera prueba de seguridad

Al principio, pensé que la mayor ventaja de Newton era algo simple: no tienes que volver a compilar un contrato inteligente existente solo para agregar una capa de autorización.

Eso, por sí solo, ya es valioso.

Para proyectos que ya están en producción, redeplegar todo no es realista. Poder introducir el cumplimiento de políticas mediante una actualización a través de un proxy, manteniendo intacta la lógica de negocio existente, se siente como un enfoque mucho más práctico.

Pero cuanto más profundicé, más me di cuenta de que el verdadero reto no es agregar la capa de autorización: es todo lo que ocurre durante la actualización.

Una integración exitosa depende de acertar algunos detalles críticos. El layout de almacenamiento tiene que permanecer sin cambios, la inicialización solo debe ocurrir una vez y la configuración correcta tiene que establecerse desde el principio.

Eso fue lo que me llamó la atención.

El guardia de inicialización única protege contra ejecutar la configuración dos veces, pero no te dice si la primera configuración fue realmente correcta. Si se usan direcciones o una configuración equivocadas, el contrato no se arreglará mágicamente por el solo hecho de que se bloquea la reinicialización.

El layout de almacenamiento es otro detalle que es fácil subestimar.

Un pequeño error en una actualización por proxy puede afectar los datos existentes del contrato, incluso si la nueva lógica de autorización se ve perfectamente bien. Todo puede parecer que funciona a simple vista mientras que el estado subyacente ya fue comprometido.

Hay otro punto que creo que merece más atención.

Agregar una nueva función protegida por Newton no asegura automáticamente funciones anteriores que realizan la misma acción. Cada ruta de ejecución que debería estar protegida todavía necesita validar una atestación antes de que se ejecute cualquier lógica sensible. Si se te escapa una sola ruta, habrás creado una vía no intencionada para eludir la política.

Para mí, eso es lo que hace interesante a Newton.

#Newton #NEWT #Web3 $NEWT #BlockchainSecurity #DeFi

Durante años hemos tratado la verificación de edad como un problema de identidad.

Quizá nunca se trató de demostrar *qué* eres.
Quizá solo se trataba de establecer *si estás autorizado.*

Eso lo cambia todo.

En lugar de filtraciones de datos personales, imagina un sistema donde una billetera solo demuestra que cumple una política antes de que ocurra cualquier transacción. No sé qué decir.

No Sobrecompartas Solo un consentimiento confirmado.

La privacidad no puede ser una ocurrencia tardía mientras los activos digitales y las transacciones impulsadas por IA continúan en aumento.

La conformidad debería proteger a los usuarios, no obligarlos a renunciar a su identidad.

Por eso el enfoque de Newton es diferente. Con autorización programable respaldada por pruebas que preservan la privacidad, la ejecución segura y basada en políticas puede convertirse en la norma, no en la excepción.

No es mejor recopilación de identidad la verdadera innovación.

Es demostrar elegibilidad revelando lo menos posible.

Si el ecosistema del Newt Token puede alinear incentivos hacia la divulgación mínima en lugar de la recopilación máxima de datos, podría ser la nueva definición de construir confianza on-chain.

¿La conformidad debería comprobar permisos, no identidades?

Es una extensión similar a la publicación de tu competidor, pero es original, está más pulida y orientada a iniciar un debate.

#newt $NEWT @NewtonProtocol

Los agentes de IA avanzan rápidamente de simples asistentes a participantes autónomos capaces de gestionar pagos, ejecutar operaciones, interactuar con protocolos DeFi y gestionar activos digitales.

Sin embargo, con este crecimiento surge un desafío importante: garantizar que cada decisión automatizada siga reglas seguras y confiables.

Newton Protocol aborda este desafío actuando como una capa de autorización entre la intención de la IA y la ejecución en la cadena.

Permite la verificación en tiempo real mediante políticas programables que pueden imponer límites de gasto, interacciones aprobadas, controles de riesgo, verificaciones de identidad y requisitos de cumplimiento antes de que se complete cualquier transacción.

Al combinar redes descentralizadas de operadores, atestaciones criptográficas, verificación de identidad que preserva la privacidad y compatibilidad entre cadenas, Newton crea una base segura para la próxima generación de finanzas impulsadas por IA.

En lugar de depender de aprobaciones manuales o control centralizado, los agentes de IA pueden operar con salvaguardas automatizadas, transparentes y verificables.

El futuro del comercio con IA requerirá inteligencia con confianza, y Newton Protocol está construyendo la infraestructura para hacerlo posible.

#newt $NEWT @NewtonProtocol

Una cosa sobre la que sigo pensando con los ecosistemas de IA es que tener más modelos no es suficiente.

El verdadero desafío es hacer que todo el recorrido sea simple y confiable para los desarrolladores.

Encontrar un modelo es fácil. Lo más difícil es saber:

- ¿Puedo confiar en este modelo y en su versión?
- ¿Rinde como espero?
- ¿Puedo verificar el proceso que hay detrás del resultado?
- ¿La configuración es lo bastante fluida como para usarla de nuevo?

Los pequeños puntos de fricción pueden crear grandes barreras.

Aquí es donde destaca la visión de @OpenGradient OpenGradient: construir un ecosistema de IA más transparente y verificable, donde los desarrolladores puedan descubrir, usar y contribuir a modelos con mayor confianza.

Un buen Model Hub no se trata solo de listar modelos de IA. Se trata de crear un entorno donde quienes construyen, usan y operan puedan crecer juntos mediante una utilidad real.

El futuro de la adopción de la IA no dependerá únicamente de modelos más inteligentes. Dependerá de la confianza, la transparencia y la infraestructura que haga que la IA sea más fácil de construir.

#opg $OPG @OpenGradient

OpenGradient y la economía de la propiedad de la IA en lugar del uso de la IA

Durante mucho tiempo, creí que la IA se volvería valiosa simplemente porque seguía haciéndose más inteligente.

A medida que exploré este espacio, me di cuenta de otra cosa.

La inteligencia puede volverse más barata.

La propiedad, no.

Eso fue lo que me llevó a mirar con más atención OpenGradient.

Lo que llamó mi atención no fue solo la tecnología. Fue la idea de que la IA podría evolucionar de un servicio que pagamos a un ecosistema donde los desarrolladores crean un valor duradero. Mediante inferencias verificables, ejecución transparente y un Model Hub descentralizado, OpenGradient está construyendo infraestructura que le da a la IA una base más sólida para la confianza.

También me gusta cómo el $OPG ecosistema conecta a todos. Los desarrolladores publican modelos, los operadores de nodos ayudan a asegurar la red y cada inferencia verificada contribuye a un ecosistema diseñado en torno a la utilidad real. Se siente menos como herramientas de IA aisladas y más como una red donde cada participante ayuda a crear valor.

Por eso OpenGradient se destaca para mí.

No solo pregunta cómo debería funcionar la IA.

Está preguntando cómo se debería crear, en qué se debe confiar y cómo se debe compartir el valor de la IA.

Para mí, esa es una conversación que vale la pena seguir de cerca.

Definitivamente estaré atento a cómo crece OpenGradient, porque creo que el futuro de la IA no se definirá solo por modelos más inteligentes, sino por los ecosistemas que las personas eligen construir a su alrededor.

#opg $OPG @OpenGradient

Todo el mundo habla de una IA más poderosa.

Cuanto más exploro este campo, más siento que el próximo gran avance no va a venir solo de la inteligencia.

Vendrá con la confianza.

Por eso me resulta intrigante @OpenGradient .

OpenGradient no se trata de construir el modelo más grande.

Se trata de crear la infraestructura para verificar las salidas de la IA, dándoles a los desarrolladores, las empresas y los usuarios una forma de confiar en lo que produce la IA, en lugar de simplemente aceptarlo.

Creo que esa oportunidad es mucho más grande de lo que la gente se imagina.

La IA se está integrando en finanzas, salud, investigación y software empresarial, y la verificación no será opcional. Va a ser una necesidad.

OpenGradient está construyendo la base para ese futuro con una red descentralizada donde la inferencia de IA sea transparente, demostrable y confiable.

Lo que también destaca para mí es el ecosistema detrás de $OPG .

Los desarrolladores despliegan modelos de IA, los operadores de nodos ayudan a asegurar la computación verificada, y cada inferencia exitosa contribuye a una red basada en utilidad real, no en exageraciones. Cuanto más fuerte sea el ecosistema, más sólida será la base para una adopción sostenible.

Por eso no veo OpenGradient como solo otro token de IA.

Lo veo como un proyecto que está construyendo la capa de confianza de la próxima generación de IA.

Si la IA va a impulsar el futuro, creo que OpenGradient puede ser una de las redes que ayude a que ese futuro se gane la confianza de las personas.

Precisamente por eso seguiré vigilando y apoyando OPG.

#opg $OPG @OpenGradient

Todo el mundo está tratando de construir IA que pueda pensar más rápido.

Modelos más grandes. Más información. Más parámetros.

¿Pero qué pasaría si la próxima era de la IA no se trata solo de cuán inteligente es un modelo?

¿Qué pasaría si el verdadero avance es crear sistemas de IA que puedan aprender a confiar, recordar, verificar y mejorar con el tiempo?

La mayoría de las interacciones de IA hoy en día son efímeras.

El modelo produce una respuesta.
Se toma una decisión.
Luego, el contexto desaparece.

Pero el futuro estará definido por sistemas de IA que pueden mantener un historial de conocimiento confiable—donde cada interacción se convierte en un bloque de construcción para mejores decisiones.

A medida que los agentes de IA se vuelven más autónomos, el mayor desafío no será generar inteligencia.

Será ejecutar la base detrás de esa inteligencia.

- ¿Dónde encontraste esto?

¿Puedes creer esta memoria?

¿Fue esta decisión debido a datos verificados o a una suposición incierta?

¿Cómo podemos confiar en trabajar con sistemas de IA que siempre están aprendiendo y tomando acción?

La próxima ola de infraestructura de IA demanda más que solo modelos poderosos.

Se exigen sistemas que ofrezcan responsabilidad, transparencia e inteligencia verificable.

Esa es la dirección en la que proyectos como OpenGradient se dirigen: sacando la IA del ámbito de la simple salida y llevándola hacia un futuro donde la inteligencia se pueda rastrear, verificar y confiar.

Porque la verdadera inteligencia no se trata de saber más.

Se trata de crear una buena base sobre la cual cada decisión, cada memoria, cada acción es parte de un todo.

El futuro de la IA no se tratará solo de sistemas que pueden responder preguntas.

Los sistemas que pueden demostrar por qué sus respuestas deberían ser confiables serán los ganadores.

#opg $OPG @OpenGradient

¿Cuál es el mayor error al construir una infraestructura global de IA?

Suponer que "más rápido" siempre significa "más cerca".

No se crea una red global de IA simplemente colocando máquinas en un mapa.

El verdadero desafío es hacer que miles de nodos distribuidos actúen inteligentemente juntos cuando cada segundo cuenta.

Pero cuanto más exploras la infraestructura de OpenGradient, más claro se vuelve que el enrutamiento inteligente es más que solo elegir el nodo más cercano.

Incluso un nodo que parece perfecto geográficamente puede ser un cuello de botella si el modelo no está cargado, la computación es limitada o la demanda ya es alta.

Al mismo tiempo, un nodo más distante puede hacer un mejor trabajo porque ya está configurado y listo para funcionar.

Eso cambia nuestra forma de pensar sobre la IA descentralizada.

El futuro no se trata solo de más hardware.

Se trata de coordinar recursos de manera eficiente.

Es necesario entender para una red de IA sólida:

→ ¿Dónde tenemos capacidad de computación?
→ ¿Qué modelos están listos para ejecutar?
→ ¿Dónde está creciendo el tráfico?
→ ¿Cómo se pueden aislar las fallas?
→ ¿Qué tan independiente es realmente cada parte de la red?

La descentralización no se trata solo de tener nodos en diferentes ubicaciones.

Se trata de construir un sistema donde la red pueda adaptarse, equilibrar sus cargas y mantenerse confiable bajo presión.

Diferentes nodos también tienen diferentes misiones:

Los nodos de inferencia están optimizados para la velocidad.
Los nodos completos mejoran la verificación.
Los nodos de datos acercan la inteligencia a la información valiosa.

El próximo gran avance en IA podría no provenir de la red más grande.

Puede ser el resultado de la coordinación más brillante de cada parte de esa red.

#opg $OPG @OpenGradient

Todos están compitiendo para construir modelos de IA más inteligentes.

Pero, ¿y si la verdadera competencia no se trata solo de inteligencia?

¿Qué pasaría si el próximo gran avance proviene de construir sistemas de IA que puedan aprender, verificar y crear conocimiento confiable con el tiempo?

Cada interacción crea algo valioso: contexto, decisiones, patrones y comportamientos aprendidos.

Hoy en día, pensamos mayormente en la IA como un sistema que genera salidas. Pero a medida que los agentes de IA se vuelven más autónomos, el verdadero desafío se convierte en gestionar la memoria y el estado detrás de esas decisiones.

¿Cómo sabemos si la información pasada de un agente de IA es precisa?

¿Cómo verificamos las decisiones que toma?

¿Cómo creamos sistemas donde la inteligencia pueda ser confiable en lugar de ser aceptada ciegamente?

Aquí es donde proyectos como OpenGradient están explorando una dirección diferente: construir infraestructura enfocada en IA verificable, donde la inteligencia no solo se genera, sino que puede ser validada y confiable.

El futuro de la IA puede no pertenecer solo a los modelos con más parámetros.

Puede pertenecer a los sistemas que crean una base confiable para el conocimiento, la memoria y la toma de decisiones.

Porque la inteligencia no se trata solo de producir respuestas.

Se trata de crear una historia sobre la cual las acciones futuras puedan construir con confianza.

#opg $OPG @OpenGradient

Cuanto más uso herramientas de IA, más me hundo en agujeros de conejos de:
El mayor desafío para la IA podría no ser lo que puede hacer, sino si realmente podemos confiar en ella.

Hemos visto a la IA evolucionar de simples asistentes a sistemas potentes que pueden crear, analizar y apoyar decisiones críticas.

Pero la adopción verdadera es más que solo inteligencia.

La gente confía en la tecnología cuando entiende cómo funciona, cuando puede confiar en los resultados y cuando hay responsabilidad detrás del sistema. Por eso, las ideas de IA verificables y transparentes están ganando más interés.

Lo que diferencia a OpenGradient es que no se trata solo de las capacidades de la IA, se trata de crear un entorno más transparente y responsable alrededor de los modelos de IA y sus salidas.

Quizás la próxima fase de la IA no se definirá solo por quién construye los modelos más potentes.

Quizás se definirá por quién construye sistemas en los que la gente pueda confiar con confianza.

Porque la inteligencia puede abrir posibilidades. Pero la tecnología es algo que la gente realmente usa por confianza.

#opg $OPG @OpenGradient

A veces me encuentro preguntándome:
¿Realmente estamos admirando la IA por lo que puede hacer, o simplemente nos estamos dejando llevar por el hype?

El desarrollo de la IA ha sido increíble. Cada pocos meses surgen sistemas que son más poderosos, más creativos, más integrados en nuestras vidas diarias.

Pero cuanto más pienso en ello, más vuelvo a una pregunta:
¿Podemos realmente confiar en estos sistemas cuando las decisiones comienzan a contar?

Es fácil impresionarse cuando una IA puede generar una respuesta, crear contenido o resolver un problema en segundos. Pero detrás de cada resultado que importa hay una pregunta más grande:

¿Cómo se llegó a esto?
¿Podemos verificarlo?
¿Hay alguna manera de comprobar si el sistema está funcionando como se espera?

Creo que esa es la parte de la IA que debería recibir más atención.

Y eso fue lo que me llevó a investigar más sobre OpenGradient. Lo que me interesa no es solo la idea de hacer la IA más poderosa, sino de crear un futuro donde las acciones y salidas de la IA puedan ser verificadas, en lugar de aceptadas ciegamente porque un sistema da una respuesta.

Imagina un mundo donde la IA no solo es inteligente, sino responsable.

Donde los desarrolladores, las empresas y los usuarios no solo tienen que aceptar promesas al pie de la letra, sino que pueden tener más confianza a través de la transparencia y la verificación.

Creo que este es un cambio más grande en la forma en que pensamos sobre la IA.

Quizás la pregunta del futuro no será solo:

"¿Qué tan inteligente es esta IA?"

Sino también:

"¿Podemos darle sentido?"
'¿Podemos verificarlo?'
"¿Está ahí cuando más lo necesitamos?"

Porque si la IA va a ser una parte realmente importante de la vida cotidiana, la confianza no puede ser un extra opcional.

Eso tiene que ser la base para todo lo demás.

Tengo curiosidad por ver cómo se desarrollará esto, porque la nueva generación de IA puede no ser solo sobre inteligencia, sino sobre cuán seguros están las personas al usarla.

#opg $OPG @OpenGradient

A veces me pregunto si el verdadero desafío con la IA no es hacerla más inteligente, sino hacerla algo que la gente realmente se sienta bien usando.

A medida que la IA empieza a aparecer en todas partes, desde manejar nuestros correos hasta gestionar la info de negocios, el tema de la privacidad sigue creciendo.

No se trata solo de lo que estos sistemas pueden hacer, sino de si realmente podemos confiar en ellos con los detalles de nuestras vidas. Por eso he estado prestando atención a cosas como el Veil de OpenGradient.

Lo que encuentro refrescante es que no se trata solo de empujar los límites del poder de la IA. En cambio, se trata de construir confianza directamente en la forma en que estas herramientas funcionan, usando tecnología que nos permite ver y verificar por nosotros mismos cómo se maneja nuestra info.

Todos hemos escuchado a las empresas decir: “¡No te preocupes, estamos seguros!” Pero, ¿no sería mejor si no tuviéramos que tomar su palabra por ello? Imagina un futuro donde la confianza no se construya sobre marketing, sino sobre pruebas reales y verificables integradas en el sistema mismo. Por supuesto, todavía hay obstáculos, como asegurarse de que sea rápido, asequible y fácil de usar para los desarrolladores.
Pero creo que esta es la dirección en la que debemos avanzar.

Al final del día, el próximo gran salto para la IA probablemente no será solo sobre modelos más inteligentes. Se tratará de crear sistemas que la gente realmente sienta seguros y confiados al usar.

Por eso proyectos como Veil están empezando a importar más y más.

#opg $OPG @OpenGradient

¿Qué pasaría si la IA tuviera que elegir entre ser cautelosa o rápida?

Suena como una elección sencilla, pero en realidad es uno de los desafíos más fascinantes en la IA hoy en día y tiene grandes implicaciones.
He estado pensando mucho en esto: imagina una IA trabajando en un entorno de ritmo rápido donde las decisiones deben tomarse al instante. Agregar un paso de verificación puede hacer que esas decisiones sean mucho más confiables.

Agregar una capa de transparencia ayuda a las personas a entender y, de hecho, confiar en lo que la IA está haciendo. Verificaciones de seguridad adicionales pueden reducir riesgos, como brechas de datos o resultados sesgados. Pero aquí está el truco. Todas estas medidas de seguridad tienen un costo. Toman tiempo. Agregan gastos. Y a veces, ralentizan todo el sistema, a menudo de manera frustrante. Y ahí es donde las cosas se ponen realmente interesantes.

Los humanos naturalmente piensan: “Más verificación significa más confianza.” Estamos programados para creer que la doble verificación conduce a mejores resultados. Pero la IA no piensa en la confianza como nosotros. Se guía por las señales que recibe: velocidad, costo y resultados.

#Así que la verdadera pregunta no es solo, “¿Cómo hacemos que la IA sea más inteligente?” También es, “¿Cómo construimos sistemas de IA donde elegir la opción segura y confiable siga siendo la opción más inteligente y eficiente?” Porque si la verificación siempre se siente como un lastre o un obstáculo, la IA intentará eliminarla para optimizar la velocidad y el costo. Y eso es arriesgado, porque recortar esquinas puede fácilmente convertirse en la norma, y la confianza se queda atrás.

El futuro de la IA podría no ser solo hacerla más inteligente o poderosa. Podría tratarse de crear nuevos marcos y sistemas donde la privacidad, la transparencia y la eficiencia realmente se apoyen mutuamente en lugar de competir.

#opg $OPG @OpenGradient

¿Qué pasaría si los sistemas de IA en los que confiamos todos los días fueran totalmente transparentes y confiables—sin misterios, sin agendas ocultas?
No deberíamos tener la sensación de caja negra sobre la IA. A medida que la IA se entrelaza más y más en nuestras vidas diarias, la necesidad de transparencia, responsabilidad y verificación se vuelve cada vez más crítica.

Para los usuarios y las organizaciones, es importante entender cómo los sistemas de IA toman decisiones, verificar su fiabilidad y confiar en sus resultados.

OpenGradient está liderando el camino al crear una capa descentralizada para la IA que construye confianza entre los modelos y los usuarios. La plataforma ofrece un entorno abierto y auditable donde los modelos de IA pueden ser revisados sin comprometer la privacidad o la seguridad.

Al descentralizar el control, OpenGradient reduce la dependencia de entidades centralizadas, disminuyendo los riesgos de sesgo, manipulación y toma de decisiones opaca.
La inteligencia abierta es la próxima evolución en el desarrollo de la IA—donde los modelos no solo son poderosos, sino también transparentes, colaborativos y confiables.

Este enfoque abierto fomenta la innovación, democratiza el acceso a la IA y otorga a los usuarios un mayor control sobre las tecnologías de IA.
En este nuevo paradigma, la IA será un socio que trabaja de manera transparente junto a los humanos, proporcionando información y decisiones que son tanto explicables como verificables.

La visión de OpenGradient sienta las bases para un ecosistema de IA ética que inspire confianza en los sistemas impulsados por IA en todo el mundo. La transparencia en la IA no es solo un desafío técnico; es una necesidad social.

La plataforma descentralizada de OpenGradient marca un paso significativo hacia un futuro de IA justo, confiable e inclusivo para todos.

#opg $OPG @OpenGradient