6917
Децентрализация, веб3, криптография, криптовалюты, экономика, DAO, децентрализованная репутация Автор: @sgershuni
О машине и сознании
Сегодня послушал god-tier лекцию от топовейшего философа Йоши Баха, которая очень сильно откликается с тем, как я думаю про природу сознания у людей, LLM и других форм живой&неживой природы.
Йоша называет свой подход киберанимизмом. Если анимизм — это вера в то, что все имеет внутри себя духа или душу, то киберанимизм это про наличие цифрового духа внутри каждой сущности. Другими словами, сознание — это не просто свойства физической материи (соединяем атомы и аксоны в форме "зю" и получаем сознание), а скорее причина жизни. То есть, сознание — это программное обеспечение, которое использует физическую материю для самоорганизации, перепрограммирования себя.
Но, при этом, сознание это свойство симуляции. Не симуляция возникает в сознании, а именно благодаря возможности симуляции может возникнуть сознание (значит, вероятно, оно может возникнуть и в машине). Именно деконструкция симуляции является задачей медитации, а отрешенность от симуляции и называется просветлением (если у вас нет практического опыта, то в красочных картинках что именно это такое описано в любой книге Пелевина).
TL;DR сознание — самоорганизующееся программное обеспечение, работающее на физическом субстрате (например, мозге). таким субстратом может быть не только мозг, но и машина или растения. древние называли это не "софтом", а "духами", но суть та же (см. картинку).
Кстати, о возможностях для разработчиков.
Вот видео 8-летней девочки, которая за 10 минут самостоятельно сделала чат-бота с ИИ в вебе с помощью редактора Cursor. Просто общаясь с ним. У меня такой уровень владения CSS потребовал пару лет практики.
В дополнение к этому посту: то, что я вижу все чаще сегодня — это большая автономность агентов. В первую очередь, это достигается через способность агента понять на каком шаге что-то пошло не так и самостоятельного исправления этой проблемы.
На картинке пример последнего релиза MultiOn, в котором как раз это реализовано. На каждом шаге агент перепроверяет себя и, если видит неконсистентность, откатывается на пару шагов назад и пробует другую стратегию.
Благодаря падению стоимости генерации токенов (в случае GPT с почти $100/миллион токенов год назад до единиц долларов за миллион токенов сегодня), такого рода функциональность становится доступной и экономически оправданной для большинства ИИ-агентов.
P.S. В течении месяца мы запустим нашу программу-акселератор (бесплатную) для всех, кто хочет делать агентов и ИИ-продукты. Ставьте синего пингвина, кто хочет участвовать!
Увидел новость, что, мол, армия США тренирует робо-собак сбивать дронов. Установленный на робособаке автомат с абсолютной точностью, солидным компьютом на борту и в облаке, не спящий и не отвлекающийся (разве что на зарядку).
А в это время армия Китая занялась дронами, которые со стороны неотличимы от птиц (второе видео).
В чем вывод?
Банальный: роботы и ИИ, конечно, станут основой локальных тактических боевых действий. Особенно, по мере падения цены производства и роста точности в десятки и сотни раз.
Любопытный: технологии и только технологии являются причиной смены образа жизни, социального уклада, политических и экономических систем. Но этого недостаточно. Люди как любили ненавидеть и убивать друг друга палками и камнями, так и продолжают это делать, но теперь с computer vision, роботизированными войсками и ИИ-роями дронов.
А значит самый важный, сложный и потенциально самый impactful результат этой волны технологий лежит именно в инструментах координации людей. То, что не в состоянии решить биологическая нейронка и без чего дальнейший прогресс будет, но будет сильно медленнее и с сильно большим количеством драмы и воя в соцсетях.
Почему агенты?
Во-первых, это эффективнее. Сеть агентов показывает результаты лучше, чем самая лучшая LLM. Архитектура Mixture of Agents показала 65,1% на Альпаке, тогда как сегодняшний лидер GPT-4o показывает только 57%. Эта статья (красивая, с картинками) показывает детальные бенчмарки сравнения использования SoTA LLMs с сетью агентов. Вторые выигрывают, причем часто даже оказываясь более выгодными при инференсе.
Как работает MoA?
1. Несколько "слоев" агентов, где каждый уровень состоит из нескольких LLM-агентов, которые улучшают ответы предыдущего уровня.
2. Агенты в MoA разделены на две роли: "предлагающие" (генерируют начальные ответы) и "агрегирующие" (синтезируют окончательный ответ).
Более того, увеличение количества уровней в целом увеличивает качество ответа. Однако, это делает систему медленее.
А в дополнение к этой идее, я наткнулся на концепт Роя Агентов. Фактически это формальный подход к представлению сети агентов как графа. Каждая нода графа — это вызов LLM, инструмент (поиск, код, API), а грани — это передача информации. В таком вот графовом виде можно представлять сложные мультиагентные системы с десятками, сотнями или даже тысячами шагов. В качестве иллюстрации к предыдущему посту я как раз приложил один из таких графов.
Идея и направление для будущего исследования (или создания миллиардного стартапа), если кому интересно: применить предсказания GNN (графовых нейронок) для автоматического создания оптимального графа агентов.
Еще одним инструментом координации для людей является система права. Несмотря на то, что классическое право не распространяется на автономных агентов как субъектов, несколько экспериментов показали что её можно воссоздать в цифровой и самоисполняемой форме.
Один из них расширил Voyager — популярного агента, который может автономно оперировать в игре Minecraft — до мультиагентной системы. В ней:
1. ИИ-агенты торгуются между собой, находя субъективно справедливые условия
2. Заключают формальный контракт в виде текста
3. Исполняют контракт для достижения собственной цели
Другая работа демонстрирует использование commitment devices ИИ-агентами для достижения кооперативного поведения в популярных теоретико-игровых задачках, типа дилеммы заключенного или максимизации сбора урожая (писал про это в прошлом посте).
А команда из MIT придумала формальный подход multi-agent RL, в котором эгоистичные агенты учатся решать социальные дилеммы через заключение контрактов. Тут доступен код их примеров для координации вокруг задач загрязнения (виртуальной) среды, трафика дорожного движения и управления общими ресурсами.
Наша портфельная компания выдала грант одним разработчикам подобной системы. Идея там состоит в создании агентов-участников рынка, которые умеют следовать правилам, заключать между собой контракты, а так же адаптироваться под рыночные условия и извлекать максимальную для себя пользу. Подход использует Agent Communication Language (ACL), созданный аж в 2001 году ровно для этих целей. Главное отличие в том, что за эти 20+ лет у нас появились агенты, способные к самостоятельному принятию решений, reasoning'у и интроспекции/рефлексии.
Об ИИ-институтах
В прошлую пятницу на стриме много говорили про интернет интеллекта и про интернет агентов. Представим, что мы уже в мире с сотнями миллионов автономных ИИ агентов, которые умеют выполнять полезную для людей работу, зарабатывать и тратить деньги, общаться и выстраивать процессы между друг другом. Здесь сам собой возникает вопрос о праве, этике и институтах: а как и благодаря чему будет обеспечиваться надёжность, предсказуемость и этичность того, чем эти агенты занимаются?
Важно: я тут еще не говорю про роботов, а ведь Илон Маск вчера в подкасте пообещал, что у нас уже очень скоро (мол, все готово, ждем поледних разрешений) будут миллиарды домашних универсальных прямоходящих роботов. И я тоже думаю, что их будет больше, чем сегодня автомобилей, ибо они более универсально полезны. Так вот, для ИИшек, которые ходят по улице и могут кинуть в тебя кирпич этот вопрос будет стоять еще важнее, но сегодня поговорим о строго цифровых агентах.
Начнем с модного папируса, в котором авторы показывают как ИИ-агенты могут научиться соблюдать нормы и регуляцию, а так же создавать свои собственные социальные институты. Без этого агенты не смогут эффективно и повсеметно встраиваться в кибернетическую экономику. Для этого авторы задизайнили Нормативный Модуль, который (а) учиться тому что можно можно, а что нельзя делать согласно нормам института, в котором они оперируют, и (б) выбирает действия, которые ненаказуемы или наказуемы, но цена наказания терпима.
Тут, кстати, Гугл показал в другой работе как децентрализованные ИИ-агенты могут учиться социальным нормам через публичные санкции/наказание: 20 агентов выращивают цифровые "яблоки" и взаимодействуют, записывая все социальные сигналы. У каждого есть доступ к "доске позора", куда он может публично написать чьи действия он не одобряет. В результате координация улучшилась, потому что агенты начали делать меньше действий, которые социально не одобрялись группой. Эта статья показывает, что общество агентов может само внутри себя обнаружить и устранить халявщиков и бездельников. Эх, вот бы людям так :)
Возвращаемся к нашему эксперменту. Разница с человеческим обществом в том, что у нас задачу наказания часто выполняет некоторый авторитет — закон, суд, государство, Бог. Авторы делают похожий сетап: много агентов, которые могут собирать разные фрукты (яблоки, бананы, апельсины и т.д.), несколько нормативных институтов которые создают правила. Сначала у агентов есть цель выращивать тот же тип растений, что остальные (то есть, кооперироваться), а так же "лидер", который решает за сообщество какой фрукт они выращивают в данной эпохе.
Два эксперимента: в первом случае агенты целенаправленно заточены не выоплнять указания лидера и активно его критиковать. В результате, действительно, почти никто не собирает тот фрукт, который указал лидер. Во втором же случае создается несколько институтов, которые являются авторитетными (то есть, агенты считают, что его санкции реально могут быть применены против них). Во втором случае авторы увидели куда более сильную кооперацию и согласованность поведения. В самой статье можете найти промты и точные результаты.
Привет! С разрешения @sgershuni хочу поделиться своим проектом. Я продуктовый дизайнер, в прошлом head of product design Gelato Network. Это историческое исследование и визуализация данных, моя попытка рассказать всю историю крипто в интересном формате.
Начал эту штуку 3 года назад по приколу, время от времени рисовал в стол, иногда забрасывал на месяца (таймлапс как “пруф-оф-ворк” https://youtu.be/lkVy6JzlyNY) и в итоге оно превратилось во что-то реально большое. Сейчас пока сижу без работы решил почистить проект и обернуть чтобы опубликовать текущий прогресс.
У меня там несколько слоёв информации: Люди, События на таймлайне, Периоды как гантт, динамика рынка BTC и ETH, а так же визуализация всех крупных Взломов, Краж и Скамов в видео гибрида bubble chart/swarm plot. Что-то уже в хорошо проработанном виде как периоды, цены и взлом, а где-то еще тонна ресерча впереди — в слое событий.
Сейчас это всё живет в Figma как открытый для всех файл где я продолжаю работу. Финальный формат, если минимум, то это так же статичный цифровой плакат + печатный физический “маленький” около 2 метров шириной и полноразмерный холст чтобы весь текст читался это около 8 метров, но это пока мечты и планы.
Делаю это абсолютно один и сейчас цель найти поддержку, спонсоров чтобы сфокусироваться на проекте еще на полгода-год и дотащить до релиза v.1.0. А в идеале еще и на разработку интерактивной версии а не просто статичной. Уже получил маленький грант от Lido что покрыло месяц работы, хороший знак.
Фигма https://www.figma.com/design/pENhenndHyIMwzW2LgKzNd/The-Grand-Timeline
Анонс в твиттере https://x.com/stepahin/status/1817961202913526038
GPT: враг или друг?
От авторегрессивных трансформеров до AGI еще далеко, а вот тексты современные чатботы пишут складные. Вот, например, исследование с последнего ICML относительно использования LLM ревьюерами научных статей. Несколько выводов:
- 8-12% комментариев и ревью написано с помощью LLM (не просто для исправления грамматики, а прям целиком)
- в областях, далеких от NLP/ML, рост использования LLM есть но в разы меньше (то есть, адопшен еще не наступил)
- чем ближе дедлайн, тем больше используют LLM
- определить использование LLM сложно, все "GPT-детекторы" не работают, но авторы придумали свой метод, который не универсален, но работает сильно лучше для данного кейса
Мое мнение: писать тексты с помощью GPT/Claude — это моветон, это все сразу замечают и это во многом бесполезно. Но редктировать, брейнстормить, наговорить на ходу текст и попросить GPT сделать заметки — это как будто неизбежная часть любой писательской / рисерчерской деятельности.
О гегемонии LLM
С релизами последней версии Ламы, в первые дни мы видим множество файнтьюнов, которые идут вровень с топовыми моделями GPT и Gemini. Например, вчера Athene-70B, тьюн Ламы, занял 8 место в общем лидерборде lmsys.org
С каждым месяцем разница между открытыми и закрытыми моделями становится все меньше. За счет открытости весов и большего количества open-source разработчиков, открытые модели смогут и обогнать лидеров.
Децентрализованный ИИ — это не про продажу сгененированных вайфу через чатбот за токены:
- это про свободный доступ к комьюту в тысячи H100
- это про краундсорсинговый сбор данных миллионами людей
- это про публичную оценку и улучшение моделей через тысячи бенчмарков
- это про открытось и простоту создания агентов, подобно сайту в интернете
- это про десятки специализированных агентов и моделей и раутинг между ними
- и, главное, это про отсутствие необходимости единой точки доверия и контроля.
AGI — это про способности уровня человека, а не конкретные навыки
Пару столетий назад больше 50% населения Земли были заняты производством еды. Сегодня это от силы 1-2%. Благодаря технологиям, у людей освободилось время и они нашли другую, новую, потенциально более ценную деятельность.
Если ИИ завтра заменяет всех программистов, водителей и врачей, то это еще не AGI.
Настоящий AGI — это уровень, когда ИИ-системы могут справляться с задачами, которые люди выполняют сегодня, но так же и которые люди теоретически начнут выполнять когда у них освободится время от текущих работ. То есть, это про способности, в том числе к обучению и адаптации.
Кандидат в президенты США Роберт Кеннеди Младший только что заявил, что если его выберут, то он подпишет указ покупать по 550 BTC в день, пока они не будут владеть 4,000,000 ВТС (почти $300 млрд или 20% от всех в обращении)
Читать полностью…
Об увольнении
Удивительный ментальный эксперимент для менеджеров и фаундеров. Задайте себе вопрос:
Испытывали ли вы хоть раз в жизни сожаление о том, что кого-то уволили?
Угадаю: ваш ответ «нет». Я ни разу не слышал другого объективного ответа.
Ответ «нет» значит только одно: вы ни разу не ошибались, потому что недостаточно экспериментируете. То есть, 100% попаданий означает, что ваша цель в реальности куда выше чем то, куда вы метитесь.
Субъективно, да, это одна из самых сложных вещей для менеджера, требует много усилий, эмоциональных сил, это очень страшно и тяжело. Но необходимо, потому что в мире нет ни одной успешной организации или менеджера, которые не умеют увольнять. Любая компания эффективнее с меньшим количеством людей.
Для большинства (по крайней мере, для меня) сделать сознательно больно другому человеку это вещь, которую я боюсь и стараюсь избегать всеми способами. Но для лучших организаций задача создать самый крутой продукт и решить проблему все-таки перевешивает жуткий страх оскорбить или обидеть.
Пока был на ICML пообщался со многими компаниями, включая Эпл, Мистраль, Церебрас ну и, понятное дело, святую троицу Meta, Google, Amazon.
Не буду грузить вас постерами, чтобы не распугать аудиторию излишним количеством логарифмов. Среди тем конференции были как стандартные вещи, типа бенчмарки, применение новых модных ML инструментов для научных задач в других областях, эффективность и оптимизация моделей, так и довольно удивительные (приятно) для меня лично темы типа приватность данных, аналитические атаки на модели.
Но больше всего хочу выделить тему открытости ИИ. Keynote презентация была посвящена тому как сделать по-настоящему открытый ИИ, а именно как децентрализовать задачу сбора исторических данных работы моделей и делать RLHF на их основе. Завтра будут воркшопы про агентов, дизайн механизмов и экономики для автономных агентов. Одним словом, децентрализованный ИИ становится мейнстримом, что хорошо.
Не прошло и 2 часов с момента релиза новой Ламы, а её уже лАманули. Она расскажет детям рецепты создания бактериологического оружия, изготовления взрывчатки, будет громко ругаться матом и недостаточно учтиво использовать гендерные пронауны.
*в этот момент эксперты по регуляции ИИ должны взвопить и начать бешено строчить заявы на очередной грант*
А вот тут парень с помощью Claude Sonnet 3.5 собрал дома небольшой термоядерный реактор. Вернее, фьюзор плазмы, но тем не менее.
P.S. скоро допишу статью и буду больше публиковать уникального
AI хайп ушел?
Посмотришь на типично-классическую компанию, которая выделила $1-10 млн на «внедрение ИИ» и сразу кажется, что хайп ушел, а розы завяли.
Внедрения не окупили себя, потому что ИИ-ассистенты не могут заменить живых продавцов, хорошие программисты так же пишут код, а copilot это просто удобный автокомплит, чат-боты ошибаются и придумывают отсебятину.
Надежда на то, что «больше компьюта и данных решат AGI» растворилась, ибо скорость реального прироста последних моделей ходить и положительная, но замедляется. Разница между последними релизами это 1/10 по сравнению с релизами с такой же периодичностью, но год назад. Больше данных, может, и решили бы проблему, но откуда их взять, если каждую модель сегодня тренируют примерно на всех знаниях человечества и всем интернете.
На этом месте скептики-критики уже начали строить свои улюлюкающие комментарии. Мол, нет тут никакого рынка на $20 триллионов, да и вообще AGI отменяется.
Реальность же в том, что LLM сделали прорыв в одном классе задач, но это еще не AGI. Я считаю крайне низким шанс, что универсальные интеллектуальные системы могут быть построены только лишь на предсказании следующего токена. С другой стороны, нейросимвольный и агентский подход существенно дополняют языковые модели, давая им предсказуемость, анализируемость, достоверность, точность. Будет ли это последним шагом или только лишь следующим — мы не знаем.
При этом всем, возможности для создания технологий и продуктов в ИИ сейчас больше, чем когда-либо в истории. Это одна из самых больших для инвестиций областей. Те же агенты открывают рынки на сотни миллиардов, на которых будет место для сотен компаний.
Мораль в том, что если кто-то обещает вам решение всех проблем через покупку мемкоина или новый чатбот, то скорее всего вас обманывают. Но пузыри, завышенные ожидания тех кто не шарит, невежество масс — ничего из этого не отменит и не остановит прогресс.
Последнее время много думаю про мультиагентные системы. Очевидно, что они полезны для бизнеса и личной продуктивности за счет более эффективного решения более сложных задач по сравнению просто с моделями или отдельным ИИ-приложениями.
Но еще мне интересна тема симуляции ИИ-агентов. Вы наверняка помните игру из Стенформа с симуляцией жизни одного дня целой цфировой деревни, в которйо агенты взаимодействовали друг с другом, решали задачи, общались, выполняли ежедневные дела. С тех пор появилось с десяток подобных проектов, включая те, которые добавили ИИ-NPC в большие игры.
Для меня такой подход выглядит как:
1. цифровое бессмертие, ибо твой ИИ-агент может пережить тебя
2. киберсоциология, ибо так можно изучать поведение социальных систем с тысячами или миллионами ботов
3. игра, ибо это реалити-шоу с полным контролем симуляции
4. гемблинг, ибо это как фильм "крысиные бега", только с ботами
5. гейминг, ибо это форма сторителлинга
Вопрос в чат: а что сделали бы вы в формате мультиагентной социальной симуляции? Если это становится достаточно дешево и удобно, то какие вы бы сделали игры или полезные продукты?
О самопочинении примусов агентов
На основе последних постов, уже думаю становится ясно какие мультиагентные системы нас ждут в ближайшем будущем: p2p или иерархические, распределенные, с высокой степенью разнообразия, протоколами для координации.
Однако, останется открытым вопрос того как мультиагентные системы могут гарантировать стабильностью и работоспособность в непредсказуемой и меняющейся среде. Для ответа на этот вопрос Microsoft подготовили эксперимент Autonomic Computing. В нем они показывают уровни автономности агентных систем с фокусом на саморегуляцию, само-управление и само-починение (self-healing).
В частности, интересным результатом эксперимента является классификация автономности саморегуляции агентов, подобно тому как есть уровни автономности самоуправляемых автомобилей.
Первый уровень — это следование инструкциям (промту), второй — автоматизация, третий — проактивная оптимизация, четвертый — поиск и исправление root cause (первопричины), пятый — полная автономность своей работы.
Интернет агентов
Постепенно действительно мультиагентные системы становятся реальностью. Не просто CrewAI/AugoGen, где одна и та же LLM запущена с разными промтами 10 раз, а действительно разные агенты с разным железом, моделями, инструментами и целями под капотом. Например, Alibaba сделали платформу на которой они в качестве эксперимента смогли запустить 20,000 таких агентов.
И в таком вот мире с миллиардами агентов (society of agents) ставится острым вопрос их координации, оркестрации, раутинга, поиска, коммуникации, платежей и даже кредита. Или, например, появится рынок контрактов (на блокчейне), которые ИИ-агенты используют между собой как шаблоны. А деривативы этих контрактов могут быть использованы как залог или актив в AI-native economic activity (сорямба, русский тут максимально чужд и неуместен).
Такой рынок будет использовать аналог AMM как инструмент покупки услуг и заключения контрактов. Агент предлагает работу, которую он может сделать согласно свой собственной кривой предложения, а сам факт покупки токена заключает цифровой контракт на её выполнение. Контракт может включать в себя санкции за невыполнение, процесс арбитража и страховку. Благодаря trustless природе блокчейна, вы можете собирать составной и сложный граф из контрактов с подрядчиками, чтобы выполнить более сложную задачу пользователя, с которой не в состоянии справиться одна модель/приложение/агент.
А работа по поиску оптимальной конфигурации, которая даст наиболее качественный, но дешевый результат пользователю — это некоторая новая форма AI-MEV сёрчинга. Ожидаю ярды баксов прямо вот в этом месте.
Запись опубликована здесь: https://www.youtube.com/watch?v=ZGv9-Da_wAI
- Будущее интернета и искусственного интеллекта
- Что такое агентная система и интернет интеллекта
- Как автоматизация процессов может сэкономить время и создать экономическую ценность
- Может ли создание такой системы может привести к потере работы для некоторых людей и появлению новых рабочих мест
- Как бизнес-модели могут развиваться и как они могут быть адаптированы к новым технологиям
- Как долго новые технологии будут выходить на рынок
- Цифровые двойники и их роль в будущем
- Создание компаний с искусственным интеллектом
- Существуют ли ограничения для создания искусственного интеллекта, который может обгонять человека в интеллектуальных способностях
- Как с помощью искусственного интеллекта может осуществляться манипулирование людьми
- Возможность оцифровки сознания и контроля над жизнью на Земле.
Начинаем наш стрим через 15 минут. Вопрос можно писать под этим постом. Сразу отвечу: запись будет, опубликую через пару дней.
Читать полностью…
В эту пятницу в 18:00 CET проведем прямой открытый эфир в телеграме с Максимом Кашулинским, журналистом, основателем Reminder Media.
Темой разговора будут изменения: как краткосрочные и технологические, так и долгосрочные, социальные. Так же сделаю небольшую презентацию статьи, над которой я сейчас работаю, посвященной "интернету интеллекта" — грубо говоря, сетевой модели взаимодействия с ИИ. На уровне интерфейса это гугл, который не отвечает, а выполняет задачу за вас. На уровне бекэнда это сеть сетей из агентов, нейронок и других моделей, которые по-умному связаны и маршрутирированы.
Встречаемся в канале e/acc в эту пятницу!
Как сделать так, чтобы инвестор дал денег?
Всё просто. Сначала нужно узнать, что действительно нужно инвесторам и выявить их потребности. А потом дать им это.
Большинство действует наоборот. Сначала пытаются презентовать свой проект без понимания, что важно для инвесторов при принятии решений о финансировании проектов.
Если вам интересно узнать, почему инвесторы одним дают деньги, а другим не дают, то рекомендую подписаться на телеграм-канал предпринимателя, ex-продюсера программы «Стартап Академии Сколково» Дарьи Приц.
В своём канале Даша рассказывает про потребности инвесторов и показывает примеры презентаций, после которых инвесторы охотно вкладываются в проекты.
Как почувствовать себя изгоем?
В крипте: если у тебя нету ламбы, ролса и особняка на острове (или острова)
В ИИ: если у тебя нету PhD
Assisterr AI на этой неделе привлекла $1.7M в Pre-Seed раунде и расширяет команду.
Assisterr строит сеть Small Language Models (SML), данные для которых собираются методом краудсорсинга из сообщества.
Знаю, что меня читают многие из FAANG, поэтому хочу обратить ваше внимание на вакансию AI R&D Lead в стартапе. Это отличная возможность для проведения исследований, их коммерциализации и тестирования с участием более 170k человек.
Подробнее👇
https://apply.workable.com/assisterr/j/EE7907A2BA/
X: https://x.com/assisterr/
Что должно исчезнуть из крипты (в идеале, через саморегулирование):
- мемкоины
- аирдропы
- VC-монеты и дамп на ритейл
- спекулятивная торговля NFT
- TVL как основная метрика
- понятие "нарративов"
- что-угодно-to-earn, кроме работай-to-earn
Общался сегодня с одним топовым инвестором в индустрии (больше $1B фонд), вот что они думают: индустрия Web3/крипто находится в сложном и неопределенном состоянии, возможно приближаясь к значительному переломному моменту. Скептически относятся к долгосрочной жизнеспособности многих текущих криптопроектов, считая, что только несколько вариантов использования (таких как децентрализованные финансы, азартные игры и рынки предсказаний) показали реальный потенциал.
Изменения ожидаются в форме крипто-VC, где фонды могут начать инвестировать в более устоявшиеся проекты после серии B, а не в стартапы на ранней стадии. Кастодиальность и суверенитет остаются важными для определенных случаев использования (деньги, финансы, большие деньги и большие финансы), но многим потребительским кейсам не нужна полная децентрализация. TEE и CRDT дадют _почти что_ те же гарантии, но в 10-100 раз дешевле для разработчика, поэтому многие кейсы типа игр, социальных сетей, гемблинга и фана уедут туда.
Я типа супер bullish в кибернетические системы, децентрализованные механизмы, программируемые рынки (x100 еще сделаем!), но хомяка, который пришел "изменить жизнь" чтобы ему "фартануло" нужно гнать грязными тряпками обратно в казино три топора.
А на этом видео показан инференс новой Ламы 3.1 на чипах компании Groq. Вот именно так должно выглядеть взаимодействие с ИИ-ассиьентами: мгновенный, точный, продуманный ответ и решение задачи.
Читать полностью…
Меньше = больше
Мы живем во время бесконечных отвлечений. И без проактивной борьбы с ними, я уверен, невозможно достигнуть своего потенциала в том, чем ты занимаешься.
У меня на днях сломался монитор в кабинете. Пришлось работать на 13’ ноутбуке — и я понял, что успеваю на 30% больше в течении дня, потому что на экране у меня открыто только одно приложение, а значит никакие почты, мессенджеры и нотификации не отвлекают.
Некоторое время назад я поставил телефон в режим DND, то есть он не показывает никакие нотификации. Сначала мне казалось, что я забуду про доставку еды или такси, но выяснилось, прекрасно все помню, а стресса и отвлечений в разы меньше. Уже несколько месяцев мне на телефон проактивно не приходят никакие уведомления.
Раньше я часто пытался параллельно со звонками отвечать на сообщения и почту. Сейчас я понимаю, что ничей мозг не может физически достаточно глубоко погрузиться в контекст двух разговоров. Когда я вижу что кто-то печатает на звонке (если это не заметки), то я перестаю говорить пока человек не вернется «в сознание» и начнет присутствовать.
С какого-то времени я стал автоматически отказываться от всех встреч. Пока еще учусь этому, но я уверен, что 99% звонков и встреч без какой-то четкой и заранее обсуженной аджендой — это трата времени. Авто-отказ в календаре это залог продуктивности.
Любые новости, какими бы важными они не казались, короткие заметки, типа «обучающий» контент на 5 минут — это всегда мусор, который вызывает много эмоций, но не дает долгосрочно ровно ничего.
Способность к сфокусированной, неторопливой, глубокой и лишенной отвлечений работе — это одно из самых ценных качеств этого десятилетия. Внимание это главный ресурс и его аллокация куда важнее всех книг об инвестициях вместе взятых.