Saya ingat melihat seorang penjual buah kecil di pinggir jalan beberapa tahun yang lalu. Setiap pagi dia mengatur buah-buahan yang sama dengan cara yang sedikit berbeda. Pada awalnya saya mengira dia hanya menjaga kiosnya tetap rapi. Kemudian saya menyadari sesuatu yang lain. Buah-buahan yang diletakkan di tempat yang secara alami dilihat orang pertama kali terjual lebih cepat meskipun kualitasnya sama. Pengamatan itu mengubah cara saya berpikir tentang pasar. Pada awalnya saya berpikir bahwa kesuksesan sebagian besar berasal dari memiliki aset terbaik atau fundamental terkuat. Setelah menghabiskan bertahun-tahun mengamati pasar crypto, saya menjadi kurang yakin. Perhatian sering kali bertindak sebagai filter jauh sebelum modal membuat keputusan. Apa yang dilihat orang mempengaruhi apa yang mereka riset. Apa yang mereka riset mempengaruhi apa yang mereka trading. Itu adalah salah satu alasan GENIUS menarik perhatian saya. Pertanyaan yang lebih menarik bukanlah apakah sebuah proyek menarik perhatian. Banyak proyek yang melakukannya. Pertanyaan yang lebih sulit adalah apakah perhatian itu menjadi partisipasi yang bertahan lama. Pasar penuh dengan aset yang secara singkat menjadi sangat terlihat tetapi kesulitan untuk mempertahankan pengguna setelah rasa ingin tahu awal memudar. Kekuatan potensial GENIUS adalah bahwa perhatian dapat menciptakan umpan balik. Lebih banyak visibilitas dapat menarik lebih banyak pengguna. Lebih banyak pengguna dapat menciptakan lebih banyak diskusi dan aktivitas. Dalam teori, itu dapat meningkatkan distribusi dan kesadaran seiring waktu. Risikonya adalah bahwa perhatian adalah salah satu sumber daya yang paling tidak tahan lama dalam crypto. Itu bergerak dengan cepat. Apa yang populer hari ini dapat diabaikan sebulan kemudian. Jika partisipasi terlalu bergantung pada visibilitas yang konstan, jaringan mungkin kesulitan ketika perhatian beralih ke tempat lain. Sebelum semakin yakin, saya akan mengamati beberapa hal dengan seksama. Apakah pengguna baru tetap aktif setelah bergabung? Apakah aktivitas menyebar di berbagai kelompok atau terkonsentrasi di antara sejumlah kecil peserta? Dan yang paling penting, apakah keterlibatan tetap stabil ketika antusiasme pasar mereda? Metrik-metrik tersebut sering kali mengungkapkan lebih dari perhatian itu sendiri. @GeniusOfficial #genius $GENIUS
Kenapa Ruang Penyimpanan Museum Membuat Saya Berpikir Tentang OpenLedger Beberapa tahun yang lalu, saya mengunjungi sebuah museum. Mereka membiarkan pengunjung melihat sebagian dari area penyimpanan mereka. Saya terkejut melihat bahwa barang-barang berharga tidak dipajang. Mereka dicatat dengan hati-hati di latar belakang. Setiap objek memiliki catatan tentang dari mana asalnya, siapa yang menanganinya, dan bagaimana objek tersebut terhubung dengan yang lainnya. Pengalaman itu melekat pada saya. Koleksi tersebut hanya memiliki nilai jika sejarahnya dapat diverifikasi. Tanpa informasi itu, banyak barang akan sulit dipercaya. Saya telah memikirkan tentang itu sambil mengikuti diskusi seputar atribusi data dalam AI. Seiring model AI menjadi lebih kuat, sebuah pertanyaan sederhana menjadi penting: dari mana data itu berasal? Banyak sistem menghasilkan hasil, tetapi memahami sumber pengetahuan di balik hasil tersebut adalah tantangan. Itulah salah satu alasan OpenLedger menarik perhatian saya. OpenLedger sedang menjelajahi infrastruktur yang membantu menghubungkan sistem AI dengan kontribusi data. Ideanya bukan hanya menghasilkan kecerdasan. Menciptakan tautan yang jelas antara pencipta data, dataset, dan nilai yang dihasilkan dari mereka. Apa yang menjadikannya menarik adalah bahwa atribusi sering kali terasa seperti masalah latar belakang sampai menjadi kritis. Seperti ruang penyimpanan museum, kebanyakan orang tidak pernah melihat catatan di balik koleksi tersebut. Namun catatan-catatan itu membuat koleksi tersebut bermakna. Saya pikir atribusi data terdesentralisasi layak untuk diperhatikan. AI bergantung pada informasi dari berbagai sumber. Sistem yang dapat melacak dan mengorganisir kontribusi tersebut mungkin akan menjadi sama pentingnya, seperti model itu sendiri. Terkadang bagian penting dari sebuah sistem bukanlah apa yang Anda lihat. Ini adalah catatan tentang bagaimana semuanya didapat. OpenLedger sedang mengerjakan itu. Atribusi data adalah kunci. @OpenLedger #openledger $OPEN
Beberapa tahun yang lalu, saya sedang menunggu di stasiun kereta ketika kereta saya terlambat. Yang benar-benar menarik perhatian saya adalah bagaimana ratusan orang masih bergerak di sekitar stasiun tanpa masalah. Kereta-kereta itu. Berangkat dari platform yang berbeda. Orang-orang berpindah kereta. Staf sedang menyesuaikan jadwal. Kebanyakan orang bahkan tidak menyadari semua kerja keras yang dilakukan di belakang layar untuk menjaga semuanya berjalan lancar. Mereka hanya menyadari ketika sesuatu tidak berjalan dengan baik. Pengalaman ini tetap teringat karena saya menyadari bahwa banyak sistem tidak bergantung pada seberapa cepat sesuatu dilakukan, tetapi pada seberapa baik semuanya dikoordinasikan. Saya memikirkan ini ketika saya melihat Bedrock dan topik koordinasi validator. Ketika orang-orang berbicara tentang crypto, mereka biasanya membicarakan transaksi atau aplikasi.. Ada lapisan di bawah semua itu yang membantu semua orang yang terlibat tetap sejalan. Jika lapisan ini mulai mengalami masalah, itu bisa mempengaruhi jaringan. Yang saya pikir sangat menarik tentang Bedrock adalah bahwa ia membawa perhatian pada bagian infrastruktur ini yang biasanya tidak terlihat oleh orang-orang. Proyek ini terhubung dengan hal-hal seperti staking dan partisipasi validator, yang biasanya dianggap sebagai tugas latar belakang.. Hal-hal ini memiliki pengaruh besar pada bagaimana jaringan tetap konsisten dan bagaimana tanggung jawab dibagi di antara orang-orang yang terlibat. Stasiun kereta dapat berfungsi karena banyak bagian yang berbeda semuanya mengikuti sistem. Tidak ada satu orang pun yang perlu mengetahui jadwal untuk stasiun tersebut agar dapat berfungsi. Jaringan crypto memiliki tantangan. Mereka perlu menemukan cara agar kelompok besar orang dapat bekerja sama tanpa memiliki satu orang yang bertanggung jawab. Itulah mengapa koordinasi validator adalah sesuatu yang perlu diperhatikan. Mungkin bukan bagian yang mencolok dari crypto, tetapi sering menentukan seberapa andalnya sebuah jaringan seiring waktu. Semakin saya melihat proyek, seperti Bedrock, semakin saya menemukan diri saya memperhatikan sistem yang menjaga semuanya terhubung daripada fitur-fitur yang mendapatkan semua perhatian. @Bedrock #bedrock $BR
Apa yang Diajar oleh Sistem Inventaris Gudang tentang Genius Setahun yang lalu, saya pergi ke sebuah gudang besar di mana banyak barang masuk dan keluar setiap hari. Yang mengejutkan saya adalah pekerja tidak mengandalkan ingatan mereka. Setiap kotak memiliki lokasi dan setiap gerakan dilacak. Nilai sebenarnya bukanlah produk di rak. Sistem yang membantu menemukan dan memahami produk tersebut. Saya memikirkan ini saat mempertimbangkan Genius dan menemukan informasi di crypto. Crypto menciptakan sejumlah besar transaksi data yang terjadi, pergerakan likuiditas, token baru muncul, dan cerita berubah. Sebagian besar dari itu bersifat publik. Menemukan informasi yang berguna itu sulit. Apa yang saya temukan menarik tentang Genius adalah bahwa itu seperti sistem yang membantu Anda menemukan dan memahami informasi lebih dari sekadar aplikasi crypto biasa. Alih-alih menciptakan informasi baru, ia mengorganisir apa yang sudah ada dan memudahkan navigasi. Gudang itu berfungsi karena setiap item memiliki konteks. Tanpa struktur itu, akan terlihat seperti tumpukan kotak. Crypto bisa terasa seperti itu. Data saja tidak terlalu berguna jika orang tidak bisa menghubungkannya dengan sesuatu. Itulah mengapa saya terus mengawasi proyek seperti Genius. Bukan karena mereka menciptakan aktivitas, tetapi karena mereka membantu membuat arus informasi lebih masuk akal. Sistem yang secara diam-diam mengorganisir informasi seringkali kurang terlihat dibandingkan dengan yang memproduksinya. Mereka bisa sama pentingnya karena memahami jaringan seringkali adalah langkah pertama untuk menggunakannya dengan baik. @GeniusOfficial #genius $GENIUS
Kenapa OpenLedger Ingatkan Gue Sama Ruang Kontrol Di Atas Stasiun Kereta
Beberapa minggu yang lalu, gue lagi nunggu di stasiun kereta yang rame dan gue ngeliat sesuatu yang kebanyakan orang gak pernah notice. Tinggi di atas platform ada ruang kontrol dengan jendela yang ngadep ke rel. Penumpang fokus banget buat ngejar kereta mereka. Para vendor lagi nyediain makanan buat orang-orang. Pengumuman dibuat setiap menit. Semuanya keliatan simpel dari luar. Stasiun kereta itu gak berjalan lancar cuma karena apa yang orang bisa liat. Itu berjalan lancar karena informasi terus bergerak di belakang layar. Sinyal lagi diubah. Rute lagi disesuaikan. Jadwal lagi di-update. Ratusan keputusan menjaga seluruh jaringan kereta tetap terkoordinasi.
Saya punya pertanyaan yang terus mengganggu saya ketika melihat proyek yang menggabungkan kecerdasan dan cryptocurrency: seberapa banyak kita benar-benar tahu dari mana jawaban dari sebuah model berasal? Biasanya orang hanya peduli pada jawaban akhir. Jika jawabannya terlihat benar, tidak ada yang berpikir tentang bagaimana cara membuatnya.. Semakin saya belajar tentang OpenLedger, semakin saya melihat bahwa mereka berusaha untuk menyimpan catatan dari semua yang terjadi pada sebuah model dari awal dengan data hingga jawaban akhir. Pada awalnya, saya pikir ini adalah cara untuk lebih terbuka dan jujur.. Setelah menyelidikinya lebih lanjut, saya mulai melihat mengapa ini penting. Jika kita dapat melacak dari mana data berasal, siapa yang membantu melatih model, dan apa yang dilakukan model, maka kita setidaknya bisa mencoba memahami dari mana nilai itu berasal dan siapa yang membantu membuatnya. Ini tidak otomatis menyelesaikan semua masalah kita. Catatan tentang apa yang terjadi hanya berguna jika informasi tersebut baik dan orang-orang memeriksanya. Catatan-catatan ini juga bisa membuat segalanya lebih rumit dan banyak pengguna mungkin tidak akan melihatnya. Saya pikir hal yang menarik bukanlah model itu sendiri. Ini adalah upaya untuk menunjukkan jalur yang diambil oleh model tersebut. Di pasar di mana jawaban dari kecerdasan sering kali tampak muncul entah dari mana, ini terasa seperti perubahan dalam cara berpikir orang. Semakin saya mengamati apa yang terjadi ketika kecerdasan dan cryptocurrency bekerja sama, semakin saya berpikir bahwa pertanyaannya bukan tentang apa yang dapat dibuat oleh model, tetapi tentang apakah ada yang bisa mencari tahu bagaimana cara membuatnya. @OpenLedger #openledger $OPEN
Gue liat orang-orang ngomong tentang Genius Terminal. Mereka bilang ini kayak Bloomberg-nya pasar onchain. Awalnya gue pikir ini cuma omongan orang di crypto Twitter karena kedengarannya keren. Setelah gue spend waktu ngeliat Genius Terminal, pandangan gue sedikit berubah. Yang gue suka dari Genius Terminal adalah dia tidak berusaha menebak apa yang akan terjadi selanjutnya. Ini tentang ngambil semua informasi yang ada di chain dan ngebawainnya dengan cara yang lebih mudah dipahami. Di crypto banyak banget informasi tapi semuanya berantakan. Di dompet, protokol, dashboard, dan feed sosial. Bagian sulitnya bukan nyari informasi tapi nemuin cara untuk memahaminya. Di sinilah perbandingan dengan Bloomberg mulai masuk akal. Bloomberg itu berharga karena trader bisa liat semua informasi yang mereka butuhin di satu tempat. Genius Terminal kayaknya berusaha melakukan hal yang sama untuk aktivitas onchain. Perbandingan dengan Bloomberg tidak sempurna. Pasar tradisional punya informasi yang terstandarisasi sementara crypto berantakan dan bisa jadi sangat berisik. Bahkan jika informasinya terorganisir dengan baik, pengguna tetap harus memutuskan mana yang penting dan mana yang tidak. Semakin gue liat Genius Terminal, semakin sedikit gue anggap itu sebagai alat untuk menganalisis informasi dan semakin gue anggap itu sebagai cara untuk mempermudah ngadepin semua informasi yang ada di luar sana. Apakah itu bermanfaat atau tidak kemungkinan besar tergantung pada apakah trader bisa membuat keputusan karena itu, bukan seberapa banyak informasi yang bisa diberikan Genius Terminal. @GeniusOfficial
Satu hal yang menarik perhatian saya baru-baru ini adalah bagaimana peluang yield mulai terlihat sangat berbeda dari apa yang terlihat satu atau dua tahun lalu. Untuk sementara waktu, sebagian besar strategi terasa terikat pada satu aset atau satu ekosistem. Jika kondisi berubah, tidak ada fleksibilitas. Sementara saya melihat ke Bedrock, saya mulai berpikir tentang peluang yield. Apa yang menonjol bagi saya adalah fokus pada membawa aset ke dalam percakapan restaking alih-alih membangun segalanya di sekitar satu token. Pendekatan ini terasa lebih mendekati bagaimana banyak pengguna mengelola portofolio mereka. Orang jarang memegang satu aset dan menunggu sesuatu terjadi. Bagian yang menarik bukanlah hanya pengembalian dari peluang yield. Ini adalah ide bahwa sumber yield dapat menjadi lebih beragam sementara aset tetap produktif di seluruh lapisan pasar. Peluang yield ada. Perubahan ini penting. Pada saat ini, ada batasan pada peluang yield baru ini. Bagian yang bergerak biasanya berarti lebih banyak kompleksitas. Memahami dari mana yield berasal dan risiko apa yang terikat pada peluang yield menjadi lebih sulit saat strategi berkembang di seluruh protokol. Itulah mengapa saya tidak melihat proyek seperti Bedrock sebagai pengganti staking tradisional. Saya melihat mereka sebagai tanda bahwa pasar sedang bereksperimen dengan cara menggunakan modal yang tidak terpakai. Peluang yield ada. Evolusi ini penting. Perubahan dalam peluang yield itu sendiri mungkin lebih penting daripada angka yield apa pun karena ini menunjukkan betapa cepatnya struktur peluang onchain terus berkembang. Peluang yield semakin beragam. Perubahan ini signifikan. @Bedrock #bedrock $BR
OpenLedger Terasa Berbeda Ketika Kecerdasan Mulai Terlihat Seperti Aset
Untuk sementara, saya melihat jaringan AI seperti saya melihat sebagian besar proyek infrastruktur. Kamu membangun sistem untuk menarik para developer, meningkatkan penggunaan, dan berharap nilai akan muncul di kemudian hari. Masalahnya adalah bahwa kecerdasan itu sendiri biasanya berada di luar struktur. Model AI menghasilkan output yang dikonsumsi pengguna, perusahaan mengumpulkan pendapatan. Kecerdasan di dalam sistem jarang memiliki neraca sendiri. Itu. Menciptakan nilai, namun seringkali sulit untuk diukur dan bahkan lebih sulit untuk dimiliki. Itu adalah salah satu alasan OpenLedger terus menarik perhatian saya.
Untuk beberapa waktu, saya pikir persaingan dompet lebih banyak tentang membuat semuanya lebih mudah digunakan. Satu dompet menambah perlindungan. Yang lain membuat transaksi terlihat nyata. Seseorang membangun tampilan. Kategori bergerak maju. Ide utama tetap sama. Itu sebabnya membandingkan Genius Terminal dan Rabby terasa lebih menarik daripada yang terlihat pada awalnya. Sekilas mereka berada di kategori yang sama. Keduanya membantu pengguna berurusan dengan crypto. Keduanya dekat dengan lapisan transaksi. Keduanya mencoba mengurangi kesalahan. Arah yang terasa berbeda. Rabby masih terlihat seperti dompet yang semakin pintar seiring waktu. Pekerjaan utamanya masih mengelola transaksi. Segala sesuatu yang lain mendukung tujuan itu. Ketika saya menggunakannya, rasanya sederhana. Saya memeriksa transaksi. Saya memahami risikonya. Saya tanda tangani jika itu masuk akal. Genius Terminal tampaknya bergerak menuju sesuatu Dompet masih ada.. Rasanya lebih seperti pusat lingkungan pengambilan keputusan. Fokusnya tampaknya bergeser dari menandatangani transaksi menjadi membantu pengguna memahami apa yang harus dilakukan sebelum menandatanganinya. Itu terdengar berguna sampai pertanyaan berbeda muncul. Apa yang terjadi ketika banyak kecerdasan berada di antara pengguna dan pasar? Setiap lapisan bantuan memperkenalkan satu lapisan kepercayaan lagi. Jika rekomendasi menjadi bagian dari alur kerja, maka pengguna mungkin akhirnya berhenti mempertanyakan asumsi. Crypto memiliki sejarah orang yang mengalihkan penilaian dan kemudian menemukan bahwa kenyamanan membawa risikonya sendiri. Tetap saja, ide ini layak untuk diawasi. Sebagian besar dompet dibangun untuk dunia di mana pengguna sudah tahu apa yang mereka inginkan. Generasi yang lebih baru tampaknya menganggap pengguna perlu bantuan menemukan peluang sebelum mereka mencapai layar transaksi. Perbedaan itu mungkin berakhir lebih penting daripada perbandingan fitur. Rabby tampaknya fokus pada membuat transaksi lebih aman. Genius Terminal tampaknya fokus pada membuat keputusan lebih mudah. Itu terdengar mirip. Dalam praktiknya, mereka bisa mengarah ke ekosistem yang berbeda. @GeniusOfficial #genius $GENIUS
Bagian yang Menarik Perhatian Saya Bukanlah Modelnya. Melainkan Waktu Tunggunya. Proyek AI berbicara tentang model yang lebih besar dan output yang lebih baik.. Sangat sedikit yang membahas tentang penundaan kecil yang diam-diam merusak pengalaman. Itulah mengapa OpenLedgers yang bekerja dengan OpenLoRA terasa layak untuk diperhatikan. Beberapa hari yang lalu saya memikirkan bagaimana sebagian besar sistem AI melambat ketika terlalu banyak pengguna datang pada saat yang bersamaan. Modelnya mungkin bagus. Waktu tunggunya meningkat. Respons menjadi tidak konsisten. Akhirnya pengembang mulai membatasi akses atau menambahkan perangkat keras yang mahal. OpenLoRA tampaknya mendekati masalah itu. Penggunaan Flash Attention dan Paged Attention bukanlah fitur. Itu seperti pekerjaan di belakang layar yang tidak ada yang memperhatikan ketika semuanya berjalan dengan baik. Flash Attention mengurangi pergerakan memori selama inferensi. Paged Attention mengelola memori secara efisien ketika banyak permintaan aktif sekaligus. Pertanyaan menarik adalah apa yang terjadi ketika ribuan adaptor LoRA yang disesuaikan bersaing untuk sumber daya. Sebagian besar sistem kesulitan ketika personalisasi meningkat. Setiap variasi model baru menciptakan overhead. OpenLoRA tampaknya dirancang berdasarkan realitas itu daripada berpura-pura bahwa itu tidak ada. Apa yang saya temukan solid adalah fokus pada latensi sebelum skala menjadi masalah. Banyak proyek menunggu sampai kemacetan muncul dan kemudian mulai mencari perbaikan. Masih ada beberapa pertanyaan. * Bagaimana penampilan kinerja ketika aktivitas jaringan menjadi tidak terduga? * Apa yang terjadi ketika perpustakaan adaptor tumbuh jauh lebih besar dari yang diharapkan? * Dapatkah efisiensi tetap konsisten di berbagai lingkungan perangkat keras? Pertanyaan-pertanyaan ini penting karena latensi rendah mudah untuk dibuktikan dalam kondisi terkendali.. Ekosistem nyata jarang terkendali. Untuk saat ini, pilihan desain terasa praktis. Daripada mengejar angka yang lebih besar, OpenLoRA tampaknya fokus pada memastikan sistem terus bergerak ketika penggunaan menjadi berantakan. Itu mungkin menjadi lebih penting daripada ukuran model itu sendiri. OpenLoRA OpenLoRA tampaknya memiliki pendekatan. Model dan OpenLoRA bekerja sama. @OpenLedger #openledger $OPEN
LayerZero Memungkinkan OpenLedger Berbicara dengan 130 Blockchain Lainnya
Untuk beberapa waktu, saya pikir sebagian besar kemitraan blockchain hanyalah pengumuman yang mencoba menyelesaikan masalah visibilitas. Sebuah integrasi baru dipublikasikan. Orang-orang membicarakannya selama dua hari. Lalu tidak ada yang benar-benar berubah. Itu sebabnya koneksi OpenLedger dan LayerZero menarik perhatian saya. Bagian yang menarik bukanlah bahwa OpenLedger sekarang bisa terhubung dengan lebih dari 130 blockchain. Bagian yang menarik adalah apa yang dikatakan itu tentang bagaimana tim melihat masa depan infrastruktur AI dan blockchain. Sebagian besar proyek blockchain masih bertindak seperti pulau terpisah. Mereka menarik pengguna ke dalam satu lingkungan. Harap semua orang tinggal di sana. Asumsi itu sederhana. Bangun fitur dan likuiditas dan orang-orang tidak akan pergi.
Kebanyakan orang sudah berhenti menghitung klik. Pada suatu titik, kamu hanya menerima bahwa memindahkan nilai antar rantai berarti melakukan empat hal ketika satu sudah cukup. Kamu memilih jalur sendiri. Kamu menyetujui jembatan. Kamu menunggu. Kamu memeriksa apakah sudah mendarat. Urutan ini menjadi begitu normal sehingga hampir tidak ada yang menyebutnya rusak lagi. Masalah yang lebih dalam bukanlah jembatannya. Itu adalah asumsi di bawah jembatan. Crypto dibangun seperti kumpulan kota tanpa sistem jalan yang saling terhubung. Setiap rantai menyimpan likuiditasnya. Setiap dompet memperlakukan saldo sebagai inventaris. Jadi, ketika kamu perlu bertindak di dua atau tiga lingkungan sekaligus, sistem memaksa kamu untuk menjadi koordinator logistikmu sendiri. Ini bertambah perlahan dan diam-diam. Apa yang Genius lakukan dengan routing antar saldo multichain lebih sulit dijelaskan daripada yang terdengar. Genius tidak hanya menemukan jalannya. Genius memperlakukan saldo Crypto-mu di seluruh rantai sebagai satu posisi yang bisa dibelanjakan dan kemudian mengeksekusi pergerakan dan tindakan dalam satu napas. Tidak perlu penempatan awal. Tidak ada jembatan manual yang diperlukan sebelum trading. Perubahan perilaku yang dialami pengguna Crypto dengan Genius itu halus. Kamu berhenti berpikir tentang di mana modal Crypto-mu berada. Kamu mulai berpikir tentang apa yang ingin kamu lakukan dengan modal Crypto-mu. Ini adalah perubahan psikologis tetapi itu mengubah cara kamu berinteraksi dengan seluruh tumpukan Crypto. Saya tidak mengatakan eksekusi Genius sempurna. Sistem Crypto ini selalu memiliki kasus tepi yang lebih penting selama volatilitas.. Ada sesuatu yang jujur tentang desain yang memperlakukan realitas Crypto multichain sebagai asumsi awal, bukan sebagai pemikiran belakangan. @GeniusOfficial #genius $GENIUS
Sebulan yang lalu, saya memperhatikan sesuatu yang terus mengganggu saya setiap kali saya menggunakan alat kecerdasan buatan. Model-modelnya semakin baik. Responsnya datang lebih cepat. Outputnya terlihat lebih rapi. Setiap kali saya menggunakannya, saya selalu bertanya pada diri sendiri pertanyaan yang sama. * Dari mana data itu berasal? * Siapa yang membantu melatih model-model ini? * Siapa yang seharusnya mendapatkan imbalan ketika sistem AI menciptakan nilai? Bagian anehnya adalah kebanyakan orang jarang lagi bertanya pertanyaan ini. Kita membicarakan bagaimana performa model-model tersebut. Kita membandingkan benchmark mereka. Kita mendiskusikan perusahaan AI mana yang memimpin. Bagaimana dengan orang-orang di balik layar? Seseorang menghabiskan waktu untuk menciptakan data. Seseorang mengorganisir informasi. Seseorang memberikan pengetahuan yang membantu membentuk model. * Dapatkah kita melihat kontribusi mereka? * Dapatkah kita melacak bagaimana data mereka digunakan? * Dapatkah mereka mendapatkan manfaat ketika nilai itu diciptakan? Dalam kebanyakan sistem AI, jawabannya tidak jelas. Itulah yang membuat saya memperhatikan OpenLedger. Bukan karena ia menjanjikan sebuah model. Bukan karena ia mengklaim akan mengubah segalanya. Yang menarik perhatian saya adalah ide memberikan kredit di tempat yang tepat. Jika AI bergantung pada kontribusi orang, maka haruskah kontribusi tersebut tetap tidak terlihat? Jika data itu berharga, lalu mengapa begitu sulit untuk melacak dari mana nilai itu berasal? OpenLedger mendekati AI dari sudut pandang itu. Ia fokus pada pencatatan kontribusi. Menciptakan jalur yang jelas antara data, model, dan hasil. Teknologinya penting.. Pertanyaan yang lebih besar adalah tentang keadilan. Ketika AI menjadi bagian dari produk dan keputusan, ekosistem jenis apa yang ingin kita bangun? Satu di mana kontributor menghilang ke latar belakang? Satu di mana orang dapat melihat, mengukur, dan menghargai partisipasi? Saya pikir pertanyaan itu akan semakin penting dengan setiap model yang dirilis. #openledger $OPEN
OpenLedger Dengan Tenang Menyelesaikan Masalah yang AI x Crypto Terlalu Malu untuk Diakui
Ada semacam kelelahan yang datang dari memberikan sesuatu kepada sistem dan tidak pernah mendengar kabar kembali. Kamu tidak mendapatkan pesan bahwa kamu gagal. Kamu tidak mendapatkan pesan bahwa kamu ditolak. Kamu hanya mendapatkan keheningan. Kamu memberikan informasi kepada sistem. Sistem itu menggunakannya untuk belajar. Sesuatu dibuat di suatu tempat.. Kamu tidak mendapatkan apa-apa sebagai imbalan. Tidak ada catatan bahwa kamu melakukan sesuatu. Tidak ada bukti bahwa kamu membantu. Tidak ada ucapan terima kasih. Hanya perasaan bahwa sistem itu tidak dibuat untuk mengingatmu. Inilah rasanya bekerja dengan intelijen sebelum OpenLedger. Itu tidak bermaksud jahat. Itu hanya tidak mengingat apa-apa.
Saya menemukan sebuah posting tentang **kelelahan alat dan fragmentasi perhatian**. Ini tentang biaya tersembunyi dalam mengelola posisi blockchain dengan infrastruktur yang rusak.
Dulu saya sering membuka banyak tab saat trading di blockchain. Saya berhenti menghitungnya. Saya punya satu tab untuk swapping, satu lagi untuk bridging, dan satu lagi untuk memeriksa apakah jembatan itu berfungsi. Saya memiliki dompet untuk Solana dan Base dengan gas terbuka di keduanya. Itu sangat membingungkan. Saya pikir ini adalah hal yang normal dan banyak orang di crypto juga berpikir demikian. Kita diam-diam terbiasa dengan sesuatu yang seharusnya tidak nyaman.
Masalah tentang kelelahan alat di crypto adalah bahwa itu tidak terasa seperti masalah. Itu terasa seperti keterampilan. Kita mengasosiasikan kompleksitas dengan menjadi kompeten. Mengelola protokol sekaligus menjadi bagian dari identitas kita. Tidak ada yang mempertanyakan mengapa infrastruktur menuntut ini dari kita. Kita hanya semakin cepat dalam menangani kekacauan.
Genius Terminal membuat saya sadar betapa banyak usaha mental yang telah saya biasakan. Bukan karena tampilannya yang mencolok atau kaya fitur. Karena menggunakannya menunjukkan betapa banyak biaya yang telah saya normalisasi. Satu antarmuka menangani berbagai chain. Ini menggabungkan trading spot dan perpetual. Tidak perlu mengganti dompet. Gas ditangani di latar belakang. Anda hanya merasakan gesekan saat itu hilang.
Saya tertarik dengan lapisan privasi mereka untuk eksekusi trade. Memisahkan order di berbagai dompet tanpa komponen off-chain itu penting. Kebanyakan orang mungkin tidak peduli sekarang. Jumlah modal yang besar berperilaku berbeda ketika mereka tahu mereka sedang diawasi di blockchain. Genius tampaknya memahami masalah ini sebelum pasar melakukannya.
Itu bisa jadi taruhan atau waktu yang sangat awal. Sulit untuk mengatakan mana.
OpenLedger Berusaha Mengubah Pola yang Butuh Bertahun-tahun untuk Terjadi Kebanyakan orang yang membuat sesuatu secara online berhenti berharap mendapatkan imbalan dari AI. Ini termasuk penulis, peneliti, dan pengembang. Ketika kamu berusaha untuk menciptakan sesuatu dan membagikannya dengan dunia, model AI dilatih dengan itu. Seiring waktu, ini menjadi pemahaman. Tidak ada yang setuju dengan itu. Ini hanya menjadi cara yang dilakukan. Sebagai hasilnya, berkontribusi pada sistem yang tidak bisa kamu cek atau audit menjadi pilihan. OpenLedger dibangun di atas ide bahwa ekonomi AI saat ini bergantung pada kerja dan insentif yang cacat. Ini mungkin terdengar seperti tawaran penjualan. Sebenarnya ini adalah analisis tentang bagaimana keadaan yang ada. Kurangnya visibilitas bukanlah kesalahan. Ini adalah bagaimana AI menggunakan internet sejak awal. OpenLedger memiliki sesuatu yang disebut Datanets. * Datanets memungkinkan pengguna mengunggah dataset ke dalam grup yang dibagikan. * Pengembang kemudian menggunakan ini untuk melatih model. * Kontrak pintar secara otomatis mengirimkan pembayaran berdasarkan penggunaan yang terverifikasi. Kata "nyata" di sini penting. Pembayaran tidak didasarkan pada perkiraan atau tebakan. Sebaliknya, mereka melacak seberapa banyak setiap potongan data mempengaruhi setiap output. Informasi ini dicatat dalam buku besar. Saat membuat Datanet, kamu memutuskan bagaimana hadiah dibagi antara kamu dan orang lain yang berkontribusi nanti. Sistem Bukti Atribusi melacak data mana yang mengarah ke output mana. Kemudian, ia mengirim token kembali, kepada orang-orang tanpa perlu akuntansi manual. Ini menyelesaikan sebuah masalah. Ini adalah frustrasi berkontribusi pada sistem yang tidak bisa kamu lihat di dalamnya. Kebanyakan proyek telah berurusan dengan sisi kepemilikan data. Namun, mereka belum mengubah situasi tersebut. OpenLedger sedang menangani momen ketika kepercayaan mulai runtuh. Apakah itu berhasil adalah pertanyaan lain. Masalah yang diangkatnya adalah nyata. Banyak orang diam-diam berhenti menyadarinya. @OpenLedger #openledger $OPEN
OpenLedger dan Argumen Arsitektural Bahwa AI Tidak Dapat Terus Menerus Tidak Jujur
Sebulan yang lalu, saya menyadari sesuatu yang membuat saya merasa tidak nyaman ketika saya menggunakan alat kecerdasan buatan yang terhubung dengan sistem cryptocurrency. Model-modelnya semakin mudah digunakan. Tapi semakin sulit untuk dipercaya. Ini bukan karena mereka jelas-jelas jahat. Kebanyakan dari waktu, mereka terdengar membantu. Mereka memberikan jawaban dengan antarmuka yang halus dan output yang bersih. Namun semakin saya menggunakannya, semakin saya sadar bahwa saya tidak tahu bagaimana keputusan dibuat di bawah permukaan. Satu model merangkum diskusi tentang tata kelola dengan cara yang berbeda dari model lainnya. Asisten dompet akan menyarankan tindakan yang secara diam-diam menguntungkan ekosistem. Sistem reputasi terlihat objektif. Lalu Anda akan menyadari betapa mudahnya untuk membuatnya terlihat seperti orang-orang berpartisipasi. Terkadang saya tidak bisa memberi tahu apakah hasilnya berasal dari konsensus atau dari siapa pun yang mengendalikan jalur pelatihan.
Sebulan yang lalu, saya menyadari bahwa saya tidak benar-benar menggunakan waktu saya di crypto untuk membuat keputusan.
Saya menghabiskan sebagian besar waktu saya mencoba mengingat apa yang saya lakukan.
Saya akan membuka satu dompet untuk memeriksa imbalan saya, dompet lain untuk memindahkan uang saya, dan dompet ketiga karena beberapa sistem masih menganggap alamat lama saya adalah yang satu. Saya memiliki banyak tab di latar belakang seperti daftar tugas yang tidak pernah saya selesaikan. Setengah dari waktu saya dihabiskan untuk mencoba mencari tahu di mana semuanya, atau berpikir tentang apa yang ingin saya lakukan dengan itu.
Setelah berada di crypto untuk sementara waktu, orang-orang terbiasa dengan cara melakukan hal-hal ini. Crypto membuat kita baik-baik saja dengan selalu sibuk. Kita harus terus menyambungkan, menyetujui hal-hal berulang kali, dan mengurus saldo di tempat yang berbeda. Ada juga penundaan yang tidak terlalu lama. Mereka menjengkelkan. Kebanyakan trader berhenti mengeluh tentang masalah ini karena mereka sudah terbiasa dengan mereka.
Itulah mengapa saya mulai memperhatikan OpenLedger.
Ini tidak membuat segalanya menjadi sederhana. Sepertinya dirancang untuk membuat pergerakan di crypto terasa mulus, bukan patah. Cara pengaturan itu penting. Ketika pengaturan tidak berfungsi dengan baik, orang-orang mengubah perilaku mereka. Mereka menjadi lebih hati-hati dan ragu-ragu. Mereka tidak banyak menggunakan uang mereka dan harus memperhatikan terlalu banyak hal.
Saya mulai menyadari bahwa $OPEN terasa berbeda. Itu bukan sesuatu untuk dibeli dan dijual, itu adalah sesuatu yang bekerja dengan cara orang sudah menggunakan crypto. Ini, seperti token hanya masuk akal ketika Anda melihat bagaimana orang bergerak antara jaringan dan alat.
Mungkin ini yang banyak proyek tidak pahami.
Pengguna tidak hanya membutuhkan teknologi, mereka perlu bisa melakukan hal-hal tanpa terganggu sepanjang waktu.
Setelah berurusan dengan sistem buruk begitu lama, kebanyakan orang bahkan tidak menyadari seberapa lelah mereka. @OpenLedger #openledger $OPEN
OpenLedger Menyadari Sesuatu yang Diharapkan Lab-Lab Besar Tidak Akan Terlihat
Sebulan yang lalu, saya melihat sesuatu yang aneh saat berpindah-pindah antara proyek crypto yang terkait dengan AI. Bagian tersulit bukanlah memahami teknologinya. Tapi, mencari tahu di mana sebenarnya kepercayaan itu berada. Satu dashboard menunjukkan berapa banyak orang yang berpartisipasi. Lainnya menunjukkan berapa banyak uang yang bergerak. Saya harus melihat tempat lain untuk melihat bagaimana orang mengambil keputusan. Identitas saya berubah tergantung dompet mana yang saya gunakan minggu itu. Reward bergerak cepat. Reputasi saya tidak. Rasanya ekosistem ini lebih baik dalam melacak uang daripada orang.