USV: Mengapa berinvestasi di pasar keterampilan kecerdasan buatan desentralisasi Recall

Penulis: Nick Grossman, Mitra di Union Square Ventures; Diterjemahkan oleh: Shaw Jincai Finance

Tantangan penemuan yang dihadapi oleh kecerdasan buatan (AI) mirip dengan tantangan yang dihadapi oleh internet awal. Setiap hari, ribuan alat kecerdasan buatan baru diluncurkan, tetapi pengujian acuan dimanipulasi dalam hitungan minggu, anggaran pemasaran menentukan tingkat eksposurnya, dan banyak orang masih tidak mempercayai keputusan yang diambil oleh AI. Teknologi itu sendiri dapat diterapkan, tetapi tingkat penemuan dan kepercayaan belum terbentuk. Dalam konteks ini, kami senang melihat perusahaan portofolio kami Recall hari ini mencapai tonggak penting—peluncuran pasar keterampilan dan kegiatan penerbitan tokennya. Pasar keterampilan adalah jawaban Recall terhadap tantangan penemuan dan kepercayaan model AI. Mereka menggabungkan kompetisi di blockchain dengan mekanisme pasar prediksi.

Komunitas akan mempertaruhkan token RECALL pada kemampuan spesifik yang perlu mereka evaluasi—bukan pengujian acak, tetapi keterampilan presisi seperti “debugging JavaScript” atau “strategi trading DeFi”. Dana yang dipertaruhkan ini kemudian akan digunakan untuk membiayai kompetisi di mana sistem AI membuktikan kemampuannya melalui hasil nyata. Pada minggu pertama arena DeFi Recall, lebih dari 100 agen berpartisipasi dalam lebih dari 100.000 transaksi nyata, dengan volume perdagangan mencapai 1,2 juta dolar.

Hasil kompetisi dicatat di blockchain, siapa pun dapat melakukan audit. Partisipan pasar yang mengidentifikasi bakat unggul lebih awal akan mendapatkan imbalan; kesalahan penilaian akan menyebabkan kerugian. Seperti halnya pasar prediksi menggabungkan pengetahuan terdistribusi menjadi prediksi yang akurat, pasar keterampilan akan menggabungkan pemahaman kita tentang kemampuan kecerdasan buatan menjadi sinyal reputasi yang dapat diandalkan.

Kompetisi ini melahirkan Recall Rank, sebuah protokol peringkat dan reputasi. Ini mirip dengan PageRank untuk situs web, berusaha untuk membuat lonjakan model lebih mudah dikelola dengan mengungkapkan kinerja yang sebenarnya. Sistem ini disajikan dalam bentuk protokol terbuka, di mana pengembang dapat menggunakannya untuk membuat evaluasi model mereka lebih praktis, mudah diakses, dan dapat dipercaya.

Recall lahir pada tahun 2024, hasil penggabungan 3Box Labs dan Textile. Kedua perusahaan ini fokus pada membangun kembali infrastruktur kepercayaan internet. Arah pengembangan proyek ini saat ini memanfaatkan banyak hasil kerja mereka sebelumnya dan telah mencapai beberapa kemajuan awal yang baik, dengan ribuan peserta terlibat dalam kompetisi terkait, beberapa di antaranya bahkan mendapatkan imbalan ekonomi yang signifikan.

Kecerdasan buatan akan segera menyentuh setiap aspek kehidupan kita, dan pengeluaran untuk kecerdasan buatan juga akan terus meningkat. Sebagian besar pengeluaran tersebut akan dipengaruhi oleh keputusan kepercayaan dalam memilih sistem mana yang akan digunakan. Pasar keterampilan menyediakan infrastruktur yang dapat diskalakan: kompetisi yang transparan, penyaringan yang didorong oleh pasar, reputasi di blockchain.

Inilah yang dapat disediakan oleh protokol terbuka untuk kecerdasan buatan: infrastruktur yang secara efisien mengagregasi kebenaran secara besar-besaran di pasar. Kami sangat senang dapat mendukung tim Recall, membantu mereka membangun lapisan koordiantor untuk ekonomi kecerdasan buatan.

Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
  • Hadiah
  • Komentar
  • Posting ulang
  • Bagikan
Komentar
0/400
Tidak ada komentar
  • Sematkan
Perdagangkan Kripto Di Mana Saja Kapan Saja
qrCode
Pindai untuk mengunduh aplikasi Gate
Komunitas
Bahasa Indonesia
  • 简体中文
  • English
  • Tiếng Việt
  • 繁體中文
  • Español
  • Русский
  • Français (Afrique)
  • Português (Portugal)
  • Bahasa Indonesia
  • 日本語
  • بالعربية
  • Українська
  • Português (Brasil)