Ahmio_7
Bitcoin enthusiast | Spot-driven strategies | Selective futures trading | Sharing honest insights & clear charts |
Aberto ao trading
Trader Frequente
10.9 mês(es)
4 A seguir
24.2K+ Seguidores
10.7K+ Gostaram
476 Partilharam
Publicações
Portfólio
Tudo
Vídeos
Em direto
Eu estava sentado na comunidade Genius à noite, lendo tópicos aleatórios sobre ferramentas que tentam evitar rastreamento. Nada barulhento estava acontecendo, apenas pequenas mensagens aparecendo lentamente.
A maioria das pessoas não estava falando como usuários de um produto; elas estavam falando como pessoas testando algo que pode sobreviver aos aplicativos. Algumas pessoas estavam depurando, outras estavam questionando suposições. Parecia mais uma discussão e mais como checar a realidade.
Comecei a notar um padrão em como as ferramentas resistentes à vigilância eram discutidas. As pessoas não estavam discutindo-as como recursos. Mais como hábitos que as pessoas adotam lentamente quando param de confiar nos sistemas padrão.
Um momento ficou comigo: um desenvolvedor explicou como eles mudaram de ferramentas, não por causa do hype, mas porque os logs pareciam muito expostos. Não era apenas um medo prático se transformando em escolhas de design.
Depois de um tempo, percebi que é por isso que essas ferramentas resistentes à vigilância parecem infraestrutura. Não porque sejam perfeitas, mas porque as pessoas constroem seu trabalho em torno dessas ferramentas resistentes à vigilância sem pensar duas vezes.
Ainda não tenho certeza de onde isso leva. Percebo mais equipes se movendo discretamente nessa direção, mesmo quando ninguém fala sobre isso abertamente.
Acho que a mudança não é barulhenta, acontece nas escolhas. As pessoas param de perguntar se devem usar essas ferramentas de vigilância; elas simplesmente começam a usá-las. Da mesma forma que terminais se tornaram normais em alguns espaços, essas ferramentas resistentes à vigilância estão se tornando normais. É quieto e constante, talvez esse seja o sinal.
@GeniusOfficial
#genius $GENIUS
A maioria das pessoas não estava falando como usuários de um produto; elas estavam falando como pessoas testando algo que pode sobreviver aos aplicativos. Algumas pessoas estavam depurando, outras estavam questionando suposições. Parecia mais uma discussão e mais como checar a realidade.
Comecei a notar um padrão em como as ferramentas resistentes à vigilância eram discutidas. As pessoas não estavam discutindo-as como recursos. Mais como hábitos que as pessoas adotam lentamente quando param de confiar nos sistemas padrão.
Um momento ficou comigo: um desenvolvedor explicou como eles mudaram de ferramentas, não por causa do hype, mas porque os logs pareciam muito expostos. Não era apenas um medo prático se transformando em escolhas de design.
Depois de um tempo, percebi que é por isso que essas ferramentas resistentes à vigilância parecem infraestrutura. Não porque sejam perfeitas, mas porque as pessoas constroem seu trabalho em torno dessas ferramentas resistentes à vigilância sem pensar duas vezes.
Ainda não tenho certeza de onde isso leva. Percebo mais equipes se movendo discretamente nessa direção, mesmo quando ninguém fala sobre isso abertamente.
Acho que a mudança não é barulhenta, acontece nas escolhas. As pessoas param de perguntar se devem usar essas ferramentas de vigilância; elas simplesmente começam a usá-las. Da mesma forma que terminais se tornaram normais em alguns espaços, essas ferramentas resistentes à vigilância estão se tornando normais. É quieto e constante, talvez esse seja o sinal.
@GeniusOfficial
#genius $GENIUS
Alguns dos traders que conheço que operam com commodities pararam de falar sobre petróleo bruto como se fosse apenas uma questão de oferta e demanda.
Essa mudança aconteceu lentamente.
Há um ano, todas as conversas giravam em torno de quanto petróleo estava sendo produzido, as rotas que os navios tomavam ou quanto petróleo estava armazenado. Hoje em dia, quando estou em grupos de trading ou lendo pesquisas de empresas menores, as pessoas parecem menos confiantes e mais incertas. Traders experientes parecem duvidar de si mesmos com mais frequência.
Percebi isso ao prestar atenção em como os mercados de energia reagem a eventos globais que criam tensão.
Às vezes, o preço do petróleo sobe quando há notícias, mas depois cai novamente, mesmo que nada tenha mudado para melhor. No começo, fiquei confuso com isso. Pensei que talvez o mercado não estivesse funcionando direito... Então entendi que as pessoas não estão mais apenas negociando petróleo. Elas estão tentando adivinhar o que acontecerá com os governos, a inflação, os bancos centrais, os riscos de transporte e até mesmo as eleições, tudo ao mesmo tempo.
Acompanhei um trader por meses que parou silenciosamente de negociar commodities completamente. Não porque perdeu muito dinheiro. Ele disse que estava apenas cansado de tentar descobrir como a política afetaria o mercado todas as manhãs, antes mesmo de tomar seu café.
Isso realmente ficou marcado em mim.
O estranho é que novos traders ainda entram no mercado de petróleo esperando que as coisas sejam claras e diretas como costumavam ser... As coisas parecem diferentes agora. Pequenas mudanças de preço fazem as pessoas se sentirem mais emocionais. Elas fecham suas operações mais rápido. Elas perdem confiança rapidamente.
Isso me faz pensar se a próxima grande mudança no mercado de petróleo será mais sobre como as pessoas podem lidar com a incerteza antes de desistirem, em vez de sobre escassez.
#PostonTradFi
Essa mudança aconteceu lentamente.
Há um ano, todas as conversas giravam em torno de quanto petróleo estava sendo produzido, as rotas que os navios tomavam ou quanto petróleo estava armazenado. Hoje em dia, quando estou em grupos de trading ou lendo pesquisas de empresas menores, as pessoas parecem menos confiantes e mais incertas. Traders experientes parecem duvidar de si mesmos com mais frequência.
Percebi isso ao prestar atenção em como os mercados de energia reagem a eventos globais que criam tensão.
Às vezes, o preço do petróleo sobe quando há notícias, mas depois cai novamente, mesmo que nada tenha mudado para melhor. No começo, fiquei confuso com isso. Pensei que talvez o mercado não estivesse funcionando direito... Então entendi que as pessoas não estão mais apenas negociando petróleo. Elas estão tentando adivinhar o que acontecerá com os governos, a inflação, os bancos centrais, os riscos de transporte e até mesmo as eleições, tudo ao mesmo tempo.
Acompanhei um trader por meses que parou silenciosamente de negociar commodities completamente. Não porque perdeu muito dinheiro. Ele disse que estava apenas cansado de tentar descobrir como a política afetaria o mercado todas as manhãs, antes mesmo de tomar seu café.
Isso realmente ficou marcado em mim.
O estranho é que novos traders ainda entram no mercado de petróleo esperando que as coisas sejam claras e diretas como costumavam ser... As coisas parecem diferentes agora. Pequenas mudanças de preço fazem as pessoas se sentirem mais emocionais. Elas fecham suas operações mais rápido. Elas perdem confiança rapidamente.
Isso me faz pensar se a próxima grande mudança no mercado de petróleo será mais sobre como as pessoas podem lidar com a incerteza antes de desistirem, em vez de sobre escassez.
#PostonTradFi
À noite, eu estava lendo as discussões do Genius novamente. Notei algo estranho.
As pessoas mais inteligentes lá nunca parecem totalmente certas.
Elas não são negativas, apenas cautelosas.
A princípio, pensei que talvez a comunidade estivesse sem confiança... Depois de passar mais tempo dentro do ecossistema Genius, acho que vem de outra coisa. As pessoas dentro do Genius parecem cansadas de fingir que entendem tudo imediatamente.
Você pode realmente sentir isso quando os desenvolvedores explicam suas ferramentas. Eles compartilham pensamentos finalizados e pequenos avisos. Eles até fazem correções alguns dias depois. Ninguém age como se o sistema Genius estivesse magicamente resolvido para sempre.
Essa honestidade me fez ficar mais tempo do que eu esperava no ecossistema Genius.
Eu me lembro de testar um recurso e me sentir confuso por uma hora. Continuei verificando se tinha perdido alguma instrução. Então, mais tarde, vi outro usuário perguntando a mesma coisa nas discussões do Genius. Ninguém zombou dele. As pessoas responderam devagar e honestamente, como se a confusão fosse normal na comunidade Genius.
Isso parecia raro no ecossistema cripto.
A maioria dos ecossistemas recompensa opiniões. O ecossistema Genius às vezes recompensa a paciência em vez disso. Você percebe quem continua construindo mesmo quando ninguém está observando de perto no ecossistema Genius.
Honestamente, acho que isso muda o comportamento dos usuários ao longo do tempo no ecossistema Genius.
As pessoas barulhentas desaparecem primeiro porque não há atenção instantânea no ecossistema Genius. Os contribuintes mais silenciosos ficam mais tempo. Comece a notar coisas pequenas e estranhas no ecossistema Genius. Eles notam padrões de carteira e hábitos de usuários repetidos. Eles veem as pessoas aparecendo durante períodos de baixa atividade no ecossistema Genius.
Isso me faz questionar se algumas comunidades são moldadas mais pelo silêncio do que pela empolgação, no ecossistema Genius.
@GeniusOfficial
#genius $GENIUS
As pessoas mais inteligentes lá nunca parecem totalmente certas.
Elas não são negativas, apenas cautelosas.
A princípio, pensei que talvez a comunidade estivesse sem confiança... Depois de passar mais tempo dentro do ecossistema Genius, acho que vem de outra coisa. As pessoas dentro do Genius parecem cansadas de fingir que entendem tudo imediatamente.
Você pode realmente sentir isso quando os desenvolvedores explicam suas ferramentas. Eles compartilham pensamentos finalizados e pequenos avisos. Eles até fazem correções alguns dias depois. Ninguém age como se o sistema Genius estivesse magicamente resolvido para sempre.
Essa honestidade me fez ficar mais tempo do que eu esperava no ecossistema Genius.
Eu me lembro de testar um recurso e me sentir confuso por uma hora. Continuei verificando se tinha perdido alguma instrução. Então, mais tarde, vi outro usuário perguntando a mesma coisa nas discussões do Genius. Ninguém zombou dele. As pessoas responderam devagar e honestamente, como se a confusão fosse normal na comunidade Genius.
Isso parecia raro no ecossistema cripto.
A maioria dos ecossistemas recompensa opiniões. O ecossistema Genius às vezes recompensa a paciência em vez disso. Você percebe quem continua construindo mesmo quando ninguém está observando de perto no ecossistema Genius.
Honestamente, acho que isso muda o comportamento dos usuários ao longo do tempo no ecossistema Genius.
As pessoas barulhentas desaparecem primeiro porque não há atenção instantânea no ecossistema Genius. Os contribuintes mais silenciosos ficam mais tempo. Comece a notar coisas pequenas e estranhas no ecossistema Genius. Eles notam padrões de carteira e hábitos de usuários repetidos. Eles veem as pessoas aparecendo durante períodos de baixa atividade no ecossistema Genius.
Isso me faz questionar se algumas comunidades são moldadas mais pelo silêncio do que pela empolgação, no ecossistema Genius.
@GeniusOfficial
#genius $GENIUS
Às vezes eu penso que a coisa mais estranha sobre a OpenLedger é como as pessoas desaparecem dela de forma tão silenciosa.
Não estão bravas, não fazem tópicos. Elas simplesmente param de aparecer.
Eu percebi isso depois de passar algumas semanas dentro do ecossistema OpenLedger. Alguns desenvolvedores entraram esperando sinais, respostas rápidas e reconhecimento imediato... A OpenLedger parece mais lenta do que a maioria dos espaços cripto. Você envia seu trabalho e depois nada acontece por um tempo. Não há aplausos, nenhum grande painel mostrando seu nome em todo lugar.
A princípio, eu pensei que isso fosse uma fraqueza.
Então, uma noite, eu estava verificando os canais de colaboradores e percebi que as pessoas que ficaram geralmente não eram as mais barulhentas. Eram as pessoas que se tornaram curiosas sobre o processo OpenLedger em si.
Um cara continuou testando a lógica de atribuição depois de dizer que estava confuso com isso. Outro colaborador desapareceu por um mês e então, de repente, voltou com um trabalho mais limpo do que antes. Ninguém celebrou isso; ele simplesmente continuou silenciosamente.
Essa parte ficou na minha cabeça.
A maioria dos ecossistemas cripto treina as pessoas para reagir todos os dias. A OpenLedger quase faz o oposto. Ela te força a conviver com a incerteza mais do que você gostaria.
Honestamente, eu ainda não entendo completamente se isso é design ou apenas design inacabado.
Talvez ambos.
Comecei a notar algo sobre mim enquanto usava a OpenLedger. Eu parei de checar por recompensas o tempo todo. Prestei atenção em como as contribuições se conectam ao longo do tempo com a OpenLedger.
Não muitos protocolos mudam acidentalmente o comportamento do usuário, como acontece com a OpenLedger.
Talvez seja por isso que algumas pessoas saem cedo enquanto outras lentamente se estabelecem na OpenLedger.
@OpenLedger
#openledger $OPEN
Não estão bravas, não fazem tópicos. Elas simplesmente param de aparecer.
Eu percebi isso depois de passar algumas semanas dentro do ecossistema OpenLedger. Alguns desenvolvedores entraram esperando sinais, respostas rápidas e reconhecimento imediato... A OpenLedger parece mais lenta do que a maioria dos espaços cripto. Você envia seu trabalho e depois nada acontece por um tempo. Não há aplausos, nenhum grande painel mostrando seu nome em todo lugar.
A princípio, eu pensei que isso fosse uma fraqueza.
Então, uma noite, eu estava verificando os canais de colaboradores e percebi que as pessoas que ficaram geralmente não eram as mais barulhentas. Eram as pessoas que se tornaram curiosas sobre o processo OpenLedger em si.
Um cara continuou testando a lógica de atribuição depois de dizer que estava confuso com isso. Outro colaborador desapareceu por um mês e então, de repente, voltou com um trabalho mais limpo do que antes. Ninguém celebrou isso; ele simplesmente continuou silenciosamente.
Essa parte ficou na minha cabeça.
A maioria dos ecossistemas cripto treina as pessoas para reagir todos os dias. A OpenLedger quase faz o oposto. Ela te força a conviver com a incerteza mais do que você gostaria.
Honestamente, eu ainda não entendo completamente se isso é design ou apenas design inacabado.
Talvez ambos.
Comecei a notar algo sobre mim enquanto usava a OpenLedger. Eu parei de checar por recompensas o tempo todo. Prestei atenção em como as contribuições se conectam ao longo do tempo com a OpenLedger.
Não muitos protocolos mudam acidentalmente o comportamento do usuário, como acontece com a OpenLedger.
Talvez seja por isso que algumas pessoas saem cedo enquanto outras lentamente se estabelecem na OpenLedger.
@OpenLedger
#openledger $OPEN
As empresas coletaram dados em todos os lugares. Ninguém realmente me disse qual parte importava a longo prazo. Conversei com consultores e todos usaram palavras semelhantes. Eles continuavam dizendo que precisávamos de painéis, mais análises e mais rastreamento... Nenhum deles conseguiu explicar como os dados permanecem valiosos em uma economia quando os objetivos mudam.
Quando olhei como a OpenLedger lidava com as contribuições, percebi algo
O sistema não apenas perguntava quem possui o modelo.
Ele também perguntava quem ajudou a moldar os dados antes que o modelo existisse.
Isso mudou como eu pensava sobre meu comportamento.
Percebi que a maioria das pessoas, incluindo eu, não tem um plano para nossos dados.
Nós apenas criamos informações em todos os lugares. Esperamos que as plataformas continuem valorizando isso para sempre.
As plataformas mudam prioridades rapidamente.
Uma atualização e anos de trabalho podem de repente se tornar sem valor.
O que me interessou na OpenLedger não foi o marketing.
Foi a estrutura subjacente.
O sistema parece ser construído em torno da ideia de que os dados são uma coisa viva que perde valor se ninguém os mantém ou atualiza.
Isso parece mais realista.
Ainda me pergunto como isso será estável quando jogadores maiores se envolverem.
Os pequenos contribuidores ainda importarão quando grandes organizações começarem a fornecer dados em larga escala?
O sistema se tornará lentamente centralizado como outros sistemas de cripto?
Eu também encontrei algo
Quanto mais estudei os mercados de dados, mais percebi que a maioria das pessoas está subestimando suas informações.
Isso acontece porque elas nunca aprenderam como esses sistemas lucram com isso.
Nenhum consultor nunca me explicou essa parte claramente.
Acho que as pessoas, incluindo eu, estão apenas entregando suas informações sem entender seu valor.
A OpenLedger parece entender isso. Eu ainda tenho perguntas sobre seu futuro.
@OpenLedger
#openledger $OPEN
Quando olhei como a OpenLedger lidava com as contribuições, percebi algo
O sistema não apenas perguntava quem possui o modelo.
Ele também perguntava quem ajudou a moldar os dados antes que o modelo existisse.
Isso mudou como eu pensava sobre meu comportamento.
Percebi que a maioria das pessoas, incluindo eu, não tem um plano para nossos dados.
Nós apenas criamos informações em todos os lugares. Esperamos que as plataformas continuem valorizando isso para sempre.
As plataformas mudam prioridades rapidamente.
Uma atualização e anos de trabalho podem de repente se tornar sem valor.
O que me interessou na OpenLedger não foi o marketing.
Foi a estrutura subjacente.
O sistema parece ser construído em torno da ideia de que os dados são uma coisa viva que perde valor se ninguém os mantém ou atualiza.
Isso parece mais realista.
Ainda me pergunto como isso será estável quando jogadores maiores se envolverem.
Os pequenos contribuidores ainda importarão quando grandes organizações começarem a fornecer dados em larga escala?
O sistema se tornará lentamente centralizado como outros sistemas de cripto?
Eu também encontrei algo
Quanto mais estudei os mercados de dados, mais percebi que a maioria das pessoas está subestimando suas informações.
Isso acontece porque elas nunca aprenderam como esses sistemas lucram com isso.
Nenhum consultor nunca me explicou essa parte claramente.
Acho que as pessoas, incluindo eu, estão apenas entregando suas informações sem entender seu valor.
A OpenLedger parece entender isso. Eu ainda tenho perguntas sobre seu futuro.
@OpenLedger
#openledger $OPEN
Ultimamente, tenho notado como o pessoal de IA fala sobre modelos como se eles surgissem do nada.
Todo mundo discute financiamento, poder computacional e avaliações de empresas.
Muito poucas pessoas falam sobre os trabalhadores, pesquisadores e analistas que passaram anos limpando informações antes de qualquer modelo se tornar útil.
Senti isso pessoalmente quando comecei a estudar a OpenLedger.
Foi na época em que um sistema tratava abertamente conjuntos de dados como contribuições econômicas, e não apenas como material de fundo.
Meu último empregador nunca pensou dessa forma.
Preparávamos dados todo dia, rotulando erros, corrigindo registros quebrados e removendo ruídos.
A empresa chamava isso de "trabalho de suporte".
Mais tarde, aqueles mesmos conjuntos de dados melhoraram silenciosamente a automação dentro do negócio.
Isso mudou minha forma de pensar sobre propriedade em IA.
A maioria das empresas recompensa engenharia, mas esconde o valor da preparação invisível.
A parte estranha é que a IA moderna depende muito dessa camada de preparação de dados.
Sem dados, a maioria dos modelos rapidamente se torna não confiável.
A OpenLedger não resolveu tudo de uma vez para mim.
A precificação de dados é um problema.
A atribuição pode se tornar confusa.
Algumas pessoas ainda manipularão sistemas por recompensas.
Acho que a mudança importante é cultural.
A conversa finalmente inclui as pessoas que criam a própria fundação da informação, os conjuntos de dados.
Isso me parece mais sustentável do que corridas sem fim por atenção.
A empolgação desaparece rapidamente.
As pessoas permanecem comprometidas quando os sistemas reconhecem seu trabalho, mesmo depois que as manchetes desaparecem e os ciclos de mercado mudam completamente.
@OpenLedger
#openledger $OPEN
Todo mundo discute financiamento, poder computacional e avaliações de empresas.
Muito poucas pessoas falam sobre os trabalhadores, pesquisadores e analistas que passaram anos limpando informações antes de qualquer modelo se tornar útil.
Senti isso pessoalmente quando comecei a estudar a OpenLedger.
Foi na época em que um sistema tratava abertamente conjuntos de dados como contribuições econômicas, e não apenas como material de fundo.
Meu último empregador nunca pensou dessa forma.
Preparávamos dados todo dia, rotulando erros, corrigindo registros quebrados e removendo ruídos.
A empresa chamava isso de "trabalho de suporte".
Mais tarde, aqueles mesmos conjuntos de dados melhoraram silenciosamente a automação dentro do negócio.
Isso mudou minha forma de pensar sobre propriedade em IA.
A maioria das empresas recompensa engenharia, mas esconde o valor da preparação invisível.
A parte estranha é que a IA moderna depende muito dessa camada de preparação de dados.
Sem dados, a maioria dos modelos rapidamente se torna não confiável.
A OpenLedger não resolveu tudo de uma vez para mim.
A precificação de dados é um problema.
A atribuição pode se tornar confusa.
Algumas pessoas ainda manipularão sistemas por recompensas.
Acho que a mudança importante é cultural.
A conversa finalmente inclui as pessoas que criam a própria fundação da informação, os conjuntos de dados.
Isso me parece mais sustentável do que corridas sem fim por atenção.
A empolgação desaparece rapidamente.
As pessoas permanecem comprometidas quando os sistemas reconhecem seu trabalho, mesmo depois que as manchetes desaparecem e os ciclos de mercado mudam completamente.
@OpenLedger
#openledger $OPEN
A maioria das pessoas olha para o OPEN pelo lado das recompensas primeiro. Eu tentei ver do ponto de vista de alguém que realmente rotula os dados. Isso muda tudo.
Passei um tempo observando como as tarefas se movem pelo sistema. Honestamente, parece menos polido do que o que as publicações dizem. A parte interessante não é como parece. É a pressão por trás. Todo modelo precisa de dados. O OPEN parece ser construído em torno disso.
O que me chamou a atenção foi o quão entediante o trabalho pode ficar quando há muito dele. Bons sistemas de rotulagem geralmente quebram quando a velocidade é mais importante que a precisão. O OPEN tenta desacelerar isso com verificações.. Eu ainda me pergunto o que acontece quando muitos trabalhadores de baixa qualidade entram só por recompensas. A maioria das redes diz que a qualidade importa. Poucos realmente se importam com isso na prática.
Eu também percebi o quanto os rotuladores dependem uns dos outros. Se os trabalhadores pegam o contexto levemente errado, a saída muda de maneiras. Esse risco parece maior do que as pessoas pensam. Sistemas de IA não falham de repente. Eles ficam um pouco piores ao longo do tempo.
Comparado a marketplaces de dados, o OPEN parece mais ciente desse problema. O sistema parece mais forte.. Sistemas mais fortes podem ser mais difíceis de usar. Alguns trabalhadores vão sair se as verificações se tornarem irritantes. Então outra pergunta surge. Um sistema descentralizado pode manter a qualidade alta sem se tornar mais centralizado, em torno dos trabalhadores?
Essa parte ainda me parece pouco clara.
Talvez esse seja o teste que está acontecendo por trás de tudo isso.
@OpenLedger
#openledger $OPEN
Passei um tempo observando como as tarefas se movem pelo sistema. Honestamente, parece menos polido do que o que as publicações dizem. A parte interessante não é como parece. É a pressão por trás. Todo modelo precisa de dados. O OPEN parece ser construído em torno disso.
O que me chamou a atenção foi o quão entediante o trabalho pode ficar quando há muito dele. Bons sistemas de rotulagem geralmente quebram quando a velocidade é mais importante que a precisão. O OPEN tenta desacelerar isso com verificações.. Eu ainda me pergunto o que acontece quando muitos trabalhadores de baixa qualidade entram só por recompensas. A maioria das redes diz que a qualidade importa. Poucos realmente se importam com isso na prática.
Eu também percebi o quanto os rotuladores dependem uns dos outros. Se os trabalhadores pegam o contexto levemente errado, a saída muda de maneiras. Esse risco parece maior do que as pessoas pensam. Sistemas de IA não falham de repente. Eles ficam um pouco piores ao longo do tempo.
Comparado a marketplaces de dados, o OPEN parece mais ciente desse problema. O sistema parece mais forte.. Sistemas mais fortes podem ser mais difíceis de usar. Alguns trabalhadores vão sair se as verificações se tornarem irritantes. Então outra pergunta surge. Um sistema descentralizado pode manter a qualidade alta sem se tornar mais centralizado, em torno dos trabalhadores?
Essa parte ainda me parece pouco clara.
Talvez esse seja o teste que está acontecendo por trás de tudo isso.
@OpenLedger
#openledger $OPEN
Deixei o OpenLedger acessar meus dados proprietários sem liberá-los completamente
Por muito tempo, evitei colocar qualquer conjunto de dados útil perto de plataformas de IA.
Não porque temia a tecnologia. Principalmente porque, uma vez que os dados saem das suas mãos, geralmente se tornam inventário da plataforma para sempre. O sistema aprende com isso. A empresa monetiza. O contribuinte desaparece em algum lugar no fundo.
Esse padrão agora parece normal.
O que me fez pausar com o OpenLedger foi a forma como o acesso e a propriedade foram separados. Essa distinção importa mais do que as pessoas pensam.
Teste um pequeno conjunto de dados proprietários conectado ao rastreamento do comportamento do mercado. Nada enorme. Apenas informações coletadas lentamente ao longo do tempo que realmente custariam esforço para reconstruir. O que me surpreendeu foi que o sistema se concentrou mais no uso controlado do que na transferência direta.
Isso muda completamente a sensação.
Normalmente, quando as plataformas dizem “compartilhe seus dados”, o que realmente querem dizer é “nos dê direitos de extração permanentes.” Aqui, parecia mais como uma utilidade temporária com camadas de atribuição anexadas.
Ainda não é perfeito, porém.
Continuei me perguntando o que acontece uma vez que os modelos absorvem sinal suficiente do próprio conjunto de dados. Mesmo que os dados brutos permaneçam protegidos, a inteligência extraída deles se torna impossível de separar depois? Essa parte ainda parece não resolvida em todo o setor de IA, não apenas no OpenLedger.
Outra coisa que notei foi quão dependente toda a estrutura é de um rastreamento honesto. Se os sistemas de recompensa podem ser manipulados, então dados de baixa qualidade inundam a rede rapidamente. Todo sistema aberto eventualmente enfrenta esse problema.
Mas, comparado à maioria dos projetos de infraestrutura de IA, isso parecia menos extrativo e mais consciente de onde o valor realmente se origina. Isso, por si só, me fez continuar assistindo quietamente.
@OpenLedger
#openledger $OPEN
Por muito tempo, evitei colocar qualquer conjunto de dados útil perto de plataformas de IA.
Não porque temia a tecnologia. Principalmente porque, uma vez que os dados saem das suas mãos, geralmente se tornam inventário da plataforma para sempre. O sistema aprende com isso. A empresa monetiza. O contribuinte desaparece em algum lugar no fundo.
Esse padrão agora parece normal.
O que me fez pausar com o OpenLedger foi a forma como o acesso e a propriedade foram separados. Essa distinção importa mais do que as pessoas pensam.
Teste um pequeno conjunto de dados proprietários conectado ao rastreamento do comportamento do mercado. Nada enorme. Apenas informações coletadas lentamente ao longo do tempo que realmente custariam esforço para reconstruir. O que me surpreendeu foi que o sistema se concentrou mais no uso controlado do que na transferência direta.
Isso muda completamente a sensação.
Normalmente, quando as plataformas dizem “compartilhe seus dados”, o que realmente querem dizer é “nos dê direitos de extração permanentes.” Aqui, parecia mais como uma utilidade temporária com camadas de atribuição anexadas.
Ainda não é perfeito, porém.
Continuei me perguntando o que acontece uma vez que os modelos absorvem sinal suficiente do próprio conjunto de dados. Mesmo que os dados brutos permaneçam protegidos, a inteligência extraída deles se torna impossível de separar depois? Essa parte ainda parece não resolvida em todo o setor de IA, não apenas no OpenLedger.
Outra coisa que notei foi quão dependente toda a estrutura é de um rastreamento honesto. Se os sistemas de recompensa podem ser manipulados, então dados de baixa qualidade inundam a rede rapidamente. Todo sistema aberto eventualmente enfrenta esse problema.
Mas, comparado à maioria dos projetos de infraestrutura de IA, isso parecia menos extrativo e mais consciente de onde o valor realmente se origina. Isso, por si só, me fez continuar assistindo quietamente.
@OpenLedger
#openledger $OPEN
Eu estava ficando cansado de ler sobre projetos de cripto que soavam todos iguais depois de um tempo. Eles tinham nomes e logotipos, mas por trás eram todos praticamente os mesmos. Eles tinham um token, alguma forma de falar sobre isso e grandes promessas de como iriam mudar o mundo com sistemas e inteligência descentralizada.
Isso foi o que eu pensei antes de começar a investigar a OpenLedger.
O que chamou minha atenção foi que a OpenLedger está focada em quem possui os dados, não em quem pode usá-los para fazer dinheiro. A maioria dos sistemas de inteligência artificial precisa de muitos dados para funcionar. Ninguém realmente fala de onde esses dados vêm ou quem fica com eles.
A OpenLedger parece estar tentando resolver esse problema.
Ainda acho que há alguns problemas com essa ideia. A forma como eles recompensam as pessoas por contribuir parece boa à primeira vista, mas pode atrair pessoas que estão apenas tentando enganar o sistema. Uma vez que as pessoas começam a fazer coisas pelas recompensas, o sistema precisa ser capaz de verificar se está tudo certo. Então, as pessoas encarregadas têm que garantir que tudo está funcionando bem, mesmo que o projeto diga que não é controlado por ninguém.
Isso parece um problema que não pode ser evitado.
Eu também me pergunto se os desenvolvedores realmente vão querer usar um sistema assim por muito tempo. Muitos projetos de cripto empolgam as pessoas por um tempo, mas isso não significa que estão realmente sendo usados. É mais difícil fazer as pessoas realmente usarem algo do que apenas fazê-las falar sobre isso.
Eu realmente acho que a OpenLedger está tentando fazer algo diferente. Eles parecem se importar mais em mostrar de onde vêm os dados da inteligência artificial do que apenas tentar vender uma história sobre como a automação é incrível. Isso me fez querer aprender mais sobre o assunto. A maioria dos projetos perde meu interesse porque usam linguagem para esconder os problemas. A OpenLedger, pelo menos, parece saber que as pessoas param de confiar em algo quando se torna muito difícil de entender.
@OpenLedger
#openledger $OPEN
Isso foi o que eu pensei antes de começar a investigar a OpenLedger.
O que chamou minha atenção foi que a OpenLedger está focada em quem possui os dados, não em quem pode usá-los para fazer dinheiro. A maioria dos sistemas de inteligência artificial precisa de muitos dados para funcionar. Ninguém realmente fala de onde esses dados vêm ou quem fica com eles.
A OpenLedger parece estar tentando resolver esse problema.
Ainda acho que há alguns problemas com essa ideia. A forma como eles recompensam as pessoas por contribuir parece boa à primeira vista, mas pode atrair pessoas que estão apenas tentando enganar o sistema. Uma vez que as pessoas começam a fazer coisas pelas recompensas, o sistema precisa ser capaz de verificar se está tudo certo. Então, as pessoas encarregadas têm que garantir que tudo está funcionando bem, mesmo que o projeto diga que não é controlado por ninguém.
Isso parece um problema que não pode ser evitado.
Eu também me pergunto se os desenvolvedores realmente vão querer usar um sistema assim por muito tempo. Muitos projetos de cripto empolgam as pessoas por um tempo, mas isso não significa que estão realmente sendo usados. É mais difícil fazer as pessoas realmente usarem algo do que apenas fazê-las falar sobre isso.
Eu realmente acho que a OpenLedger está tentando fazer algo diferente. Eles parecem se importar mais em mostrar de onde vêm os dados da inteligência artificial do que apenas tentar vender uma história sobre como a automação é incrível. Isso me fez querer aprender mais sobre o assunto. A maioria dos projetos perde meu interesse porque usam linguagem para esconder os problemas. A OpenLedger, pelo menos, parece saber que as pessoas param de confiar em algo quando se torna muito difícil de entender.
@OpenLedger
#openledger $OPEN
Projetos de IA em cripto parecem estranhos quando você os acompanha por um tempo.
Eles geralmente prometem ser abertos. As informações importantes ficam escondidas atrás de APIs, modelos ou conjuntos de dados privados. A blockchain apenas cuida dos pagamentos enquanto a camada de inteligência permanece fechada. Essa lacuna continua sendo ignorada.
Isso é parte do motivo pelo qual achei a OpenLedger interessante.
Há algumas semanas, eu estava dando uma olhada em diferentes ecossistemas relacionados à IA e notei algo estranho. A maioria das redes fala muito sobre poder computacional. GPUs, processamento mais rápido e mais escalabilidade... Muito poucos dedicam tempo para rastrear de onde os dados vêm ou quem moldou os resultados.
A OpenLedger parece focada nessa parte ausente.
O interessante não é apenas descentralizar modelos. Muitos projetos já dizem isso. O importante é tentar anexar responsabilidade ao próprio fluxo de dados. Quem contribuiu, como foi usado e se os resultados podem ser inspecionados ou confiados cegamente.
Isso soa simples até você pensar sobre quão complexos são os sistemas de IA.
Os dados mudam o tempo todo e os modelos evoluem silenciosamente nos bastidores. Incentivos podem rapidamente distorcer a qualidade. Uma vez que os tokens entram no sistema, as pessoas otimizam por recompensas, não pela verdade. Já vi mercados de dados de IA menores se encherem de informações de qualidade ou recicladas porque ninguém conseguiu verificar adequadamente sua utilidade.
Então, continuo me perguntando como a OpenLedger lida com essa pressão ao longo do tempo.
A transparência ainda pode funcionar quando a rede fica lotada?
Os contribuintes podem continuar honestos se as recompensas se tornarem competitivas?
O que acontece se as empresas eventualmente quiserem privacidade enquanto o protocolo promove a abertura?
Essa troca parece real para mim.
Ainda assim, há algo pé no chão aqui em comparação com muitos projetos de IA em cripto. A OpenLedger não parece obcecada em fazer a IA soar mágica. O design parece com um pensamento de infraestrutura. Sistemas silenciosos tentando rastrear de onde os dados vêm, confiança e histórico de contribuições.
Talvez isso importe mais do que outro modelo que as pessoas mal entendem de qualquer forma.
@OpenLedger
#openledger $OPEN
Eles geralmente prometem ser abertos. As informações importantes ficam escondidas atrás de APIs, modelos ou conjuntos de dados privados. A blockchain apenas cuida dos pagamentos enquanto a camada de inteligência permanece fechada. Essa lacuna continua sendo ignorada.
Isso é parte do motivo pelo qual achei a OpenLedger interessante.
Há algumas semanas, eu estava dando uma olhada em diferentes ecossistemas relacionados à IA e notei algo estranho. A maioria das redes fala muito sobre poder computacional. GPUs, processamento mais rápido e mais escalabilidade... Muito poucos dedicam tempo para rastrear de onde os dados vêm ou quem moldou os resultados.
A OpenLedger parece focada nessa parte ausente.
O interessante não é apenas descentralizar modelos. Muitos projetos já dizem isso. O importante é tentar anexar responsabilidade ao próprio fluxo de dados. Quem contribuiu, como foi usado e se os resultados podem ser inspecionados ou confiados cegamente.
Isso soa simples até você pensar sobre quão complexos são os sistemas de IA.
Os dados mudam o tempo todo e os modelos evoluem silenciosamente nos bastidores. Incentivos podem rapidamente distorcer a qualidade. Uma vez que os tokens entram no sistema, as pessoas otimizam por recompensas, não pela verdade. Já vi mercados de dados de IA menores se encherem de informações de qualidade ou recicladas porque ninguém conseguiu verificar adequadamente sua utilidade.
Então, continuo me perguntando como a OpenLedger lida com essa pressão ao longo do tempo.
A transparência ainda pode funcionar quando a rede fica lotada?
Os contribuintes podem continuar honestos se as recompensas se tornarem competitivas?
O que acontece se as empresas eventualmente quiserem privacidade enquanto o protocolo promove a abertura?
Essa troca parece real para mim.
Ainda assim, há algo pé no chão aqui em comparação com muitos projetos de IA em cripto. A OpenLedger não parece obcecada em fazer a IA soar mágica. O design parece com um pensamento de infraestrutura. Sistemas silenciosos tentando rastrear de onde os dados vêm, confiança e histórico de contribuições.
Talvez isso importe mais do que outro modelo que as pessoas mal entendem de qualquer forma.
@OpenLedger
#openledger $OPEN
trade perfeito para trader ❤️
$PEPE /USDT SHORT 📉
Entrada: 0.00000363 – 0.00000368
Alavancagem: 20x
SL: 0.00000378
TP1: 0.00000354
TP2: 0.00000346
TP3: 0.00000338
Tendência permanece baixista abaixo das médias móveis chave com tentativas de bounce fracas. Vendedores ainda controlando a estrutura após rejeição perto de 0.00000376.
$PEPE
$PEPE /USDT SHORT 📉
Entrada: 0.00000363 – 0.00000368
Alavancagem: 20x
SL: 0.00000378
TP1: 0.00000354
TP2: 0.00000346
TP3: 0.00000338
Tendência permanece baixista abaixo das médias móveis chave com tentativas de bounce fracas. Vendedores ainda controlando a estrutura após rejeição perto de 0.00000376.
$PEPE
salve, traders! aproveitem a operação 😊
$TON /USDT LONG 🚀
Entrada: 1.940 – 1.955
Leverage: 15x
SL: 1.905
TP1: 1.985
TP2: 2.015
TP3: 2.070
Preço segurando acima do suporte MA de curto prazo, com compradores defendendo a zona de 1.92. Quebrar acima de 1.99 pode enviar TON para uma continuação de momentum.
$TON
$TON /USDT LONG 🚀
Entrada: 1.940 – 1.955
Leverage: 15x
SL: 1.905
TP1: 1.985
TP2: 2.015
TP3: 2.070
Preço segurando acima do suporte MA de curto prazo, com compradores defendendo a zona de 1.92. Quebrar acima de 1.99 pode enviar TON para uma continuação de momentum.
$TON
Inicia sessão para explorares mais conteúdos