HEER_18

Je ne pense pas que l’avenir du trading avec l’IA sera décidé par qui réalise les plus gros profits.

Je pense que cela dépendra plutôt de qui inspire réellement confiance.

Au cours de la dernière année, j’ai testé différents outils de trading et j’ai passé plus de temps à explorer l’IA dans le domaine de la crypto. Un point n’arrêtait pas de me gêner : la plupart des discussions se concentrent sur les rendements, mais très peu de personnes parlent de ce qui se passe quand une IA a accès à votre portefeuille.

Cela a changé ma façon de voir l’automatisation.

Une stratégie rentable signifie très peu si les autorisations qui l’accompagnent ne sont pas sécurisées. Une validation imprudente ou une autorisation trop faible peut effacer des mois de bon trading. J’ai appris cette leçon à mes dépens, et aujourd’hui, la sécurité fait partie des premières choses que je vérifie avant d’essayer une nouvelle plateforme.

C’est pourquoi des projets comme @NewtonProtocol ont attiré mon attention. Au lieu de ne poursuivre que l’exécution plus rapide ou de meilleures performances, ils réfléchissent aussi à la confiance, à l’autorisation sécurisée, et à donner davantage de garanties aux utilisateurs lorsque l’IA est impliquée.

Pour moi, c’est ça, le véritable progrès. De meilleurs profits, c’est formidable, mais ils ne veulent rien dire si les utilisateurs ne se sentent pas assez en sécurité pour continuer à utiliser le produit.

Qu’est-ce qui compte le plus pour vous en matière de trading avec l’IA : des rendements plus élevés ou une confiance et une sécurité plus solides ?

#NewtonProtocol
#BlockchainTechnology
#UKFCAPublishesCryptoRegFramework #BrazilCentralBankSaysStablecoinsElectronicMoney #BitcoinFallsOver50%FromOctoberHigh
$VIC
$SPCXB

$SIREN
Qu’est-ce qui compte le plus pour vous dans le trading avec l’IA ?

La plupart des gens parlent du trading avec l’IA comme si l’algorithme était le plus grand avantage.

À mon avis, la vraie question est plutôt la suivante : qui contrôle les clés derrière l’IA ?

Après avoir suivi différents outils crypto alimentés par l’IA au cours de l’année écoulée, une chose m’est apparue clairement. Même une stratégie intelligente ne signifie pas grand-chose si les autorisations du portefeuille sont trop larges, ou si une seule clé compromise peut vider tout le compte. J’ai commis l’erreur d’approuver des contrats sans les vérifier avec suffisamment d’attention, et cette expérience a totalement changé ma façon de voir l’automatisation.

C’est pourquoi le protocole Newton retient mon attention. Ce qui est intéressant, ce n’est pas uniquement le fait que l’IA exécute des transactions : l’accent est mis sur l’autorisation sécurisée. Si un agent d’IA ne peut effectuer que des actions que vous avez explicitement approuvées, au lieu d’avoir un accès illimité, le profil de risque change considérablement. La sécurité devient une partie de la stratégie, et non un simple “après coup”.

Dans la crypto, chaque nouvelle couche d’automatisation crée aussi une nouvelle couche de responsabilité. Une exécution plus rapide est précieuse, mais c’est la protection des actifs qui vous permet de rester suffisamment longtemps sur le marché pour profiter de ces opportunités. Je pense que les projets qui combinent l’IA avec des contrôles d’autorisations solides auront beaucoup plus de chances de gagner durablement la confiance des utilisateurs que ceux qui ne font que rivaliser en vitesse.

Pour moi, la leçon la plus importante est simple : je ne juge plus les outils de trading IA uniquement sur leurs performances. Je les juge sur la façon dont ils protègent mon capital lorsque quelque chose se passe mal.

Pensez-vous que la sécurité deviendra le facteur le plus déterminant pour l’adoption du trading avec l’IA, ou est-ce que la plupart des utilisateurs continueront de se concentrer uniquement sur les profits ?
@NewtonProtocol $NEWT #Newt


Qu’est-ce qui comptera le plus pour l’adoption du trading avec l’IA ?

Je ne cesse de penser à une question : que se passe-t-il lorsque l’IA commence à gérer des milliards de dollars on-chain, au lieu de se contenter d’aider les gens à analyser les marchés ?

Ce changement transforme complètement la conversation. La vitesse et l’automatisation sont impressionnantes, mais cela ne compte pas si un agent d’IA peut exécuter des transactions sans limites claires. Après avoir suivi Newton Protocol pendant un moment, j’ai réalisé que le projet ne cherche pas à construire la forme d’IA la plus “intelligente”. Il vise à construire la couche de sécurité qui indique à l’IA ce qu’elle peut et ne peut pas faire.

Une leçon que j’ai retenue de la crypto, c’est que la plupart des pertes ne viennent pas de transactions lentes. Elles viennent de permissions inadéquates, de décisions précipitées et de systèmes que les utilisateurs ne peuvent pas vérifier après coup. C’est pourquoi l’idée de politiques programmables m’a interpellé. Si chaque action on-chain a des règles prédéfinies et peut être vérifiée indépendamment, le modèle de confiance devient beaucoup plus solide.

Je ne suppose pas que cela garantisse une adoption massive. Les projets d’infrastructure mettent généralement plus de temps à faire leurs preuves que les applications grand public. Mais si les agents autonomes deviennent courants dans la DeFi, la sécurité et l’autorisation pourraient devenir aussi importantes que les modèles d’IA eux-mêmes.

Mon enseignement le plus marquant est simple : j’accorde plus d’attention aux projets qui résolvent les problèmes d’infrastructure de demain qu’aux cycles d’engouement d’aujourd’hui. C’est une des raisons pour lesquelles je surveille$NEWT de très près.

Pensez-vous que l’autorisation sécurisée deviendra une exigence pour la finance alimentée par l’IA, ou sommes-nous encore trop tôt ?
@NewtonProtocol $NEWT #Newt

Auparavant, je consultais les graphiques des tokens toutes les quelques heures, en me disant qu’ils me diraient tout ce dont j’avais besoin. Avec le temps, j’ai compris que la grande histoire se déroule généralement ailleurs.

Avec $NEWT , je ne pense pas que la bataille la plus importante soit celle du prix. C’est l’équilibre entre l’offre et la demande.

En lisant à propos de @NewtonProtocol , je me posais une question simple : est-ce que les gens auront réellement besoin de ce token si le réseau grandit ? C’est ça qui compte pour moi maintenant. Un token peut annoncer des choses passionnantes, mais s’il n’y a aucune raison réelle de l’utiliser ou de le conserver, l’engouement s’éteint souvent plus vite que prévu.

L’inverse est vrai aussi. Si davantage de développeurs, d’opérateurs et d’utilisateurs commencent à s’appuyer sur le réseau, la demande peut progressivement devenir plus forte. Bien sûr, l’arrivée de nouvelles offres sur le marché reste un point à surveiller. C’est pourquoi j’essaie d’observer les deux côtés plutôt que de réagir à chaque bougie verte ou rouge.

Ce n’est pas comme ça que j’ai investi quand je suis entré dans la crypto pour la première fois. J’ai poursuivi la dynamique et ignoré les fondamentaux plus d’une fois, et j’ai payé pour ces erreurs. Aujourd’hui, je passe plus de temps à comprendre comment un projet crée de la valeur avant même de penser à son prix.

C’est pour ça que je suis $NEWT avec patience, plutôt qu’avec des attentes.

Selon vous, qu’est-ce qui a le plus d’impact sur l’avenir d’un token — la demande qui augmente ou une offre limitée ?

@NewtonProtocol $NEWT #Newt

Je pensais que le plus grand défi de l’IA dans la crypto était de la rendre plus intelligente. Pourtant, en suivant davantage l’écosystème, j’ai réalisé que l’intelligence n’est pas la partie la plus difficile : la confiance l’est.

Il y a quelques mois, je testais différents outils d’IA et je lisais sur les stratégies onchain automatisées. Un point me dérangeait : si une IA peut déplacer des fonds ou approuver des transactions, comment savoir qu’elle agit bien dans les limites que je lui ai réellement fixées ?

C’est cela qui m’a amené à passer plus de temps à m’intéresser à @NewtonProtocol . Ce qui a attiré mon attention n’était pas un marketing tape-à-l’œil ni des promesses audacieuses. C’était l’idée d’une exécution sécurisée et d’autorisations transparentes. Si l’IA doit gérer une vraie valeur, chaque action doit être vérifiable, pas dissimulée derrière une boîte noire.

Je ne pense pas que ce soit un simple détail technique. C’est une forme d’infrastructure qui pourrait devenir discrètement essentielle à mesure que les agents d’IA prendront des rôles plus importants dans la crypto. La vitesse est formidable, mais la vitesse sans responsabilisation peut engendrer des erreurs coûteuses.

Une leçon que j’ai apprise sur ce marché, c’est que les projets les plus solides résolvent souvent des problèmes que les gens n’apprécient pas pleinement tant qu’ils ne deviennent pas impossibles à ignorer. Pour moi, une IA digne de confiance ressemble à l’un de ces problèmes.
#SupremeCourtBlocksTrumpFromRemovingFedCook #DowHitsRecordClose
#YenHitsFourDecadeLowVsDollar
#GoldHoldsDeclin $NFP $VELVET $NEWT #Newt
Pensez-vous que des autorisations transparentes deviendront une norme pour l’IA dans la crypto, ou est-ce qu’on n’est pas encore assez en avance pour en apprécier la valeur ?

Je continue de voir des gens dire que l’IA va changer le trading pour toujours. Peut-être que oui. Mais, pour moi, la vraie question n’a jamais été la rapidité avec laquelle une IA peut prendre une décision. La question, c’est si je peux faire confiance à cette décision en premier lieu.

Il y a quelque temps, j’ai passé du temps à tester différents outils de trading basés sur l’IA. Certains semblaient impressionnants au début, mais j’avais toujours la même pensée en arrière-plan : comment savoir que cela fait exactement ce qu’il est censé faire ? Si une IA déplace des fonds ou passe des ordres, il devrait exister un moyen de vérifier qui lui a donné l’autorisation et si les règles ont changé.

C’est pour cela que le Newton Protocol a retenu mon attention.

Ce qui me plaît, ce n’est pas la promesse d’une « IA plus intelligente ». C’est l’accent mis sur la construction d’une couche de confiance pour la finance alimentée par l’IA. Si l’IA doit interagir avec des portefeuilles, la DeFi et des actifs on-chain, la transparence et l’autorisation ne sont pas optionnelles : elles sont indispensables.

Je suis dans la crypto depuis assez longtemps pour arrêter de courir après chaque nouveau récit séduisant. Aujourd’hui, je prête davantage attention aux projets qui cherchent à corriger de vrais problèmes d’infrastructure, car ce sont généralement ceux qui comptent bien après que l’euphorie s’estompe.

Je continue d’apprendre, et je ne sais pas quels projets vont gagner. Mais je pense que la confiance deviendra l’un des plus grands sujets du trading avec l’IA, et c’est pourquoi je garderai un œil sur $NEWT .

Et vous, qu’en pensez-vous — est-ce que la confiance sera la fonctionnalité la plus importante pour le trading avec l’IA ?

@NewtonProtocol $NEWT #Newt $SYN

@NewtonProtocol $NEWT #Newt
Je reviens sans cesse à cette question, car l’IA fait désormais partie de presque tout ce qui touche à la crypto.

J’ai testé quelques outils de trading basés sur l’IA, principalement par curiosité. Parfois, les résultats étaient étonnamment bons, surtout quand le marché suivait une direction claire. Mais dès que les choses devenaient imprévisibles, j’ai remarqué que l’IA pouvait réagir rapidement sans pour autant prendre la décision que j’aurais prise moi-même.

Cela m’a fait réaliser quelque chose. La vitesse est utile, mais la confiance compte encore plus.

C’est d’ailleurs l’une des raisons pour lesquelles je suis @NewtonProtocol et $NEWT . Si l’IA doit exécuter des trades, déplacer des actifs ou interagir avec DeFi, je ne veux pas seulement voir le résultat. Je veux comprendre ce qui s’est passé en coulisses. Chaque action a-t-elle été autorisée ? Peut-elle être vérifiée ? Si la réponse est oui, je me sentirais beaucoup plus à l’aise de laisser l’IA gérer des responsabilités plus importantes.

Je ne suis pas contre l’IA qui remplace le travail répétitif. Je pense même qu’elle peut rendre la crypto plus facile pour tout le monde. Je ne crois simplement pas qu’on doive traiter l’IA comme quelque chose qui ne doit jamais être remis en question.

Pour moi, le futur n’oppose pas l’IA aux humains. Il s’agit d’une IA que les gens peuvent réellement croire, parce que ses actions sont transparentes et responsables.

Qu’en pensez-vous : la confiance est-elle la pièce manquante avant que l’IA puisse gérer nos actifs à grande échelle ?
$SYN $AIGENSYN

#opg Je faillis presque sauter la lecture des docs d’OpenGradient.

Ce n’est pas parce que je les trouvais mauvaises. Plutôt parce qu’à force, j’en suis au point où beaucoup de projets d’IA finissent par se ressembler. Je m’attendais à parcourir quelques pages, à saisir l’idée principale, puis à passer à autre chose.

Mais ça ne s’est pas vraiment passé comme ça.

Un point n’a cessé de me ramener en arrière. Ils ne semblent pas partir du principe qu’exécuter un modèle d’IA et prouver qu’il a bien fonctionné doivent être gérés par la même partie du réseau. Je ne m’étais pas vraiment posé la question avant.

Plus j’y réfléchissais, plus ça me rappelait quelque chose de simple. Si un ami me dit qu’il a résolu un problème difficile, je n’ai pas toujours besoin de refaire chaque étape moi-même. Il me suffit de suffisamment d’éléments pour croire qu’il l’a réellement fait. Ça peut sembler une petite nuance, mais je pense que c’est une nuance importante.

J’ai aussi réalisé à quelle fréquence j’utilise l’IA sans me demander pourquoi je fais confiance à une réponse, au départ. En général, si ça sonne convaincant, je passe à autre chose. Peut-être que c’est en train de devenir une mauvaise habitude.

Je ne suis pas encore convaincu que cette approche tiendra quand le réseau sera plus chargé. La vérification paraît raisonnable tant que les choses restent simples. Mais jusqu’à ce que des milliers de requêtes commencent à arriver en même temps. C’est la partie que je n’ai pas pu comprendre avec les docs seules.

Si quelqu’un s’est penché sur la façon dont ils évitent que cela devienne un goulot d’étranglement, j’aimerais vraiment entendre votre avis.
@OpenGradient
$OPG
#OPG

#opg J’avais une opinion complètement différente sur OpenGradient ($OPG ) lorsque je l’ai découvert pour la première fois.
Je pensais que c’était un autre projet qui cherchait à combiner l’IA et la crypto, parce que c’est là que se concentre l’attention. Mais après avoir lu son architecture, je me suis mis à penser à un problème tout autre.
Nous sommes devenus obsédés par le fait de rendre l’IA plus intelligente. Chaque nouveau modèle est évalué selon à quel point il est meilleur que le précédent. Mais je vois rarement des gens se poser une question simple : comment sait-on qu’une IA a réellement fait ce qu’elle prétend avoir fait ?
C’est ce qui m’a le plus marqué dans OpenGradient. Il ne se concentre pas seulement sur la génération de sorties d’IA : il semble surtout vouloir rendre ces sorties vérifiables. Plus j’y pensais, plus cela ressemblait à une pièce manquante. Si, à terme, on fait confiance à l’IA pour des transactions financières, l’automatisation des entreprises, ou des agents numériques agissant en notre nom, une confiance aveugle ne suffira probablement pas.
J’apprécie aussi le fait que le projet ne cherche pas à tout décentraliser pour des raisons purement narratives. Séparer le calcul de la vérification me semble être une décision d’ingénierie pragmatique plutôt qu’un argument marketing.
Cela ne veut pas dire que l’issue est garantie. L’infrastructure IA devient un espace très encombré, et une bonne architecture ne compte que si les développeurs construisent réellement avec. L’adoption dira si ces idées deviennent importantes ou si elles restent de simples discussions techniques.
Pour moi, OpenGradient a changé la question que je me pose quand je regarde des projets d’IA. Je ne demande plus : « À quel point le modèle est-il intelligent ? » Je demande : « Dans quelle mesure puis-je faire confiance au résultat ? »
Curieux de savoir si d’autres ont connu le même changement de perspective.
@OpenGradient
$OPG
#OPG

#opg J'ai plongé dans @OpenGradient en m'attendant à un autre récit AI + crypto.

Je suis sorti en pensant à la confiance.

Le fait est que l'IA s'améliore pour fournir des réponses, mais cela ne rend pas automatiquement ces réponses fiables. La plupart du temps, on s'attend encore à prendre la sortie au pied de la lettre et à avancer.

C'est ce qui a rendu @OpenGradient intéressant pour moi.

Au lieu de se concentrer uniquement sur la vitesse ou l'intelligence de l'IA, il semble se focaliser sur quelque chose qui reçoit beaucoup moins d'attention : la vérification. Pas seulement "voici une réponse", mais "voici un moyen de vérifier pourquoi cette réponse existe."

Ce qui m'a marqué, c'est que le projet ne traite pas la confiance comme un slogan marketing. Il essaie de l'intégrer dans l'infrastructure elle-même.

J'aime aussi le fait que le design ne semble pas sacrifier l'utilisabilité pour la vérification. Des réponses rapides sont importantes. Personne ne veut attendre une éternité pour chaque interaction avec l'IA. Mais si l'IA doit être utilisée dans des domaines où les décisions comptent réellement, un certain niveau de responsabilité doit également exister.

Bien sûr, le véritable test n'est pas la technologie. C'est l'adoption. Les développeurs ont besoin d'une raison de l'utiliser, et les utilisateurs doivent se soucier de la vérification suffisamment pour que cela devienne précieux.

Pourtant, après avoir passé un certain temps à rechercher, je pense que @OpenGradient s'attaque à un problème que beaucoup de gens n'ont pas encore pleinement apprécié.

À mesure que l'IA devient plus puissante, la confiance sera-t-elle présumée - ou devra-t-elle être prouvée ?
$BTC $ETH
@OpenGradient
$OPG
#OPG

#opg Une chose que j’ai remarquée après avoir passé du temps dans l’univers de la crypto et de l’IA, c’est que les gens confondent souvent décentralisation et duplication.
Au début, je pensais que le réseau d’IA décentralisé le plus sûr serait celui où chaque nœud exécute chaque inférence. Plus je m'y penchais, moins cette idée semblait pratique. Les modèles d’IA deviennent de plus en plus volumineux, la demande en GPU ne cesse d’augmenter, et répéter le même calcul à travers tout un réseau semble être une manière coûteuse de prouver la confiance.
C’est justement cela qui m’a amené à m’intéresser à OpenGradient ($OPG ).
Au lieu d’essayer de décentraliser chaque étape, le réseau sépare l'exécution de la vérification. Les nœuds de calcul gèrent l’inférence, tandis que la vérification se produit séparément via des preuves et des mécanismes de règlement. Ça semble simple, mais je pense que ça reflète une compréhension plus profonde des véritables goulets d’étranglement.
Ce qui m’a frappé, c’est que cette approche ne traite pas la performance et la confiance comme des objectifs opposés. La plupart des projets penchent lourdement d’un côté. OpenGradient semble essayer d’équilibrer les deux.
Je reviens toujours à une question simple : si l’IA décentralisée doit un jour rivaliser avec les fournisseurs de cloud traditionnels, peut-elle se permettre de faire en sorte que chaque participant réalise chaque tâche ? Je ne suis pas convaincue qu'elle le puisse.
Bien sûr, le modèle doit encore faire ses preuves dans le temps. La couche de vérification devra rester fiable à mesure que l’activité augmente. Mais d'un point de vue design, c'est l'une des approches les plus réfléchies que j'ai rencontrées récemment.
Curieuse de savoir si d'autres voient la séparation de l'exécution et de la vérification devenir une architecture standard pour l’IA décentralisée.
@OpenGradient
$OPG
#OPG

#opg $OPG J'ai en fait défilé plusieurs fois devant OpenGradient ($OPG ) avant de décider de m'y intéresser.

Non pas parce que le projet avait l'air mauvais, mais parce que l'IA et la crypto sont devenues des narrations saturées.
Chaque semaine, une nouvelle plateforme prétend avoir de meilleurs modèles, une inference plus rapide ou une percée révolutionnaire.
Après un certain temps, elles commencent toutes à sonner de la même manière.

Ce qui m'a fait m'arrêter et prêter attention, c'est qu'OpenGradient semble se concentrer sur un problème différent.

L'industrie de l'IA passe beaucoup de temps à parler d'intelligence, mais pas assez de temps à parler de confiance.
La plupart des gens se soucient d'obtenir une réponse. Très peu demandent comment cette réponse a été produite ou si elle peut être vérifiée de manière indépendante.

Après avoir passé un certain temps à rechercher le projet, j'ai commencé à voir pourquoi cela compte. OpenGradient construit une infrastructure autour de l'hébergement de l'IA, de l'inférence et de la vérification plutôt que d'essayer de lancer encore un autre modèle.
Pour moi, c'est un angle plus intéressant car la confiance pourrait devenir un goulot d'étranglement majeur à mesure que l'IA pénètre dans des domaines où les erreurs ont de réelles conséquences.

Cela ne signifie pas que le succès est garanti. Construire une infrastructure utile est difficile, et l'adoption est finalement ce qui sépare les bonnes idées des réseaux réussis.
La concurrence dans les domaines de l'IA et du Web3 croît également rapidement.

Néanmoins, je pense que la conversation autour de l'IA est lentement en train de changer. La capacité devient plus facile à trouver. La confiance ne l'est pas.

Je suis curieux de voir comment les autres le perçoivent. Dans quelques années, les réseaux d'IA les plus précieux seront-ils les plus intelligents ou ceux que les gens peuvent réellement vérifier et en qui ils peuvent avoir confiance ?
@OpenGradient
$OPG
#OPG

#opg Une pensée me revenait sans cesse en lisant sur OpenGradient :
Et si le plus grand défi de l'IA n'était plus l'intelligence ?
Pendant des années, l'objectif était simple : construire des modèles plus intelligents. Et pour être juste, les progrès ont été incroyables. Mais à mesure que l'IA s'intègre dans plus de systèmes, je commence à penser que la confiance pourrait devenir le problème le plus difficile à résoudre.
C'est ce qui m'a poussé à m'arrêter et à passer plus de temps à explorer OpenGradient.
Ce qui m'a marqué, ce n'était pas un produit tape-à-l'œil ou une promesse de meilleures réponses. C'était l'idée que les résultats de l'IA devraient être vérifiables. En ce moment, la plupart des gens reçoivent une réponse d'un modèle d'IA et l'acceptent simplement. Peu de gens se demandent d'où cela vient, comment cela a été généré, ou si le processus peut être vérifié de manière indépendante.
Le focus du projet sur l'inférence décentralisée et la vérification semble être une tentative de combler cette lacune. Que cette approche réussisse est une autre question, mais je trouve le problème lui-même vraiment intéressant.
Une chose que je surveille toujours avec les projets d'infrastructure, c'est l'adoption. Construire la technologie est un défi ; amener les développeurs et les utilisateurs à y faire confiance en est un autre. C'est probablement le plus grand obstacle à venir.
Pourtant, je pense qu'OpenGradient se penche sur une partie de la pile d'IA qui n'obtient pas assez d'attention. Tout le monde remarque l'intelligence lorsqu'elle s'améliore. La confiance est différente. Les gens n'y pensent généralement pas tant qu'elle n'est pas là.
Suis-je le seul à penser que la vérification de l'IA pourrait finir par être aussi importante que les modèles eux-mêmes ?
@OpenGradient
$OPG
#OPG

#opg I au départ, j'ai commencé à m'intéresser à OpenGradient à cause de l'attention récente autour du projet, mais j'ai fini par rester pour une raison complètement différente.
Plus je lisais, plus je réalisais que la plupart des discussions autour de l'IA se concentrent sur ce que les modèles peuvent faire. Très peu de gens parlent de l'endroit où ces modèles fonctionnent, qui les contrôle, ou comment quiconque peut vérifier ce qui se passe réellement en coulisses.
C'est cet angle qui a rendu OpenGradient intéressant pour moi.
D'après ce que j'ai vu, le projet essaie de construire une infrastructure plutôt qu'un autre produit IA en concurrence pour les utilisateurs. Je pense que c'est un chemin beaucoup plus difficile, mais potentiellement plus important si l'IA continue de devenir une partie des économies en ligne et des systèmes automatisés.
Ce qui m'a marqué, c'est l'accent mis sur la vérification. Nous sommes devenus habitués à faire confiance à des plateformes centralisées pour tout, de nos données aux résultats générés par l'IA. OpenGradient semble explorer si cette confiance peut être remplacée par quelque chose de plus transparent et vérifiable.
Bien sûr, il y a encore un long chemin à parcourir. Les projets d'infrastructure ne croissent pas du jour au lendemain, et attirer des développeurs est souvent beaucoup plus difficile que d'attirer l'attention. C'est probablement la plus grande chose que je vais surveiller à l'avenir.
Je ne regarde pas OpenGradient parce que je pense que c'est un projet parfait. Je l'observe parce qu'il pose une question qui semble de plus en plus pertinente : si l'IA devient une partie essentielle d'Internet, qui devrait contrôler l'infrastructure qui la soutient ?
Curieux d'entendre d'autres perspectives à ce sujet.
@OpenGradient
$OPG
#OPG $RE $BTW