بيل غيتس طرح مؤخرًا وجهة نظر قوية حول مستقبل الذكاء الاصطناعي. بحسب رأيه، نحن أمام مستقبل—ربما بعد عشر سنوات فقط—لن يكون البشر ضروريين لمعظم المهام. هذه هي موجة الأتمتة التي يتنبأ بها. يجعلك تتساءل ما الدور الذي سنلعبه فعلاً عندما تستطيع الآلات تولي معظم الأعمال في مختلف الصناعات.

تقرير تدقيق شبكة idOS صدر، والنتائج كانت مستقرة.
في جانب تشفير الأجزاء، تم التأكد من عدم وجود تسريبات، ومر كل من الـ SDK وبيئة التنفيذ الموثوقة الفحص بنجاح. هذه الآلية تعتبر قوية لحماية الهوية عبر السلاسل، وتخزين البيانات المجزأة فعلياً مفيد في بيئة متعددة السلاسل.
بالنسبة للتوكن، إجمالي المعروض مقفل عند مليار وحدة. المجتمع حصل على حصة 41.3%، مخصصة بشكل رئيسي للتخزين والمشاركة في التصويت على الحوكمة. هذا التوزيع يمنح المجتمع وزناً كبيراً مقارنة بمشاريع مماثلة.
نشاط التصنيف على أحد المنصات لا يزال مستمراً، كيف كانت نتائجكم في Epoch 2؟ آلية الفارمينج هذه مصممة بشكل مثير للاهتمام، حيث ترتبط مكافآ

طرحت Grok للتو ميزة جديدة سيحبها المطورون - بيئة ترميز مدمجة مع تكامل GitHub. الآن يمكنك فعليًا البرمجة وإدارة مستودعاتك مباشرة من خلال Grok Code.
يبدو أنهم يتجهون بكل قوة نحو أدوات المطورين. من المتوقع وصول المزيد من التحديثات قريبًا.

فكر في هذا: إذا لم تتمكن من التحقق مما يفعله نموذج الذكاء الاصطناعي الخاص بك فعلياً، فكيف يمكنك الوثوق به في الأنظمة ذات الأهمية البالغة؟
نحن نشاهد حرفياً البنية التحتية تُسلَّم إلى نماذج الصندوق الأسود في الوقت الحالي. انعدام الشفافية. انعدام المساءلة.
الحل؟ بعض المشاريع تبني طبقات تحقق تقوم بختم كل قرار بشكل تشفيري. التنفيذ المقفل بتقنية TEE يعني:
→ كل إجراء يحصل على توقيع غير قابل للتلاعب
→ سجل تدقيق كامل مدمج في البنية التحتية
→ لا مزيد من "ثق بي يا عزيزي" عندما تكون المليارات على المحك
البنية التحتية اللامركزية تتطلب حسابات قابلة للتحقق. أي شيء أقل من ذلك هو مجرد مجازفة بمخاطر نظامية.

حرب المواهب في مجال الذكاء الاصطناعي أصبحت شرسة للغاية، وأحد عمالقة التقنية ينزف بشدة.
شركة تصنيع هواتف ذكية كبرى وجدت نفسها في موقف محرج—تشاهد مهندسي الذكاء الاصطناعي وهم يحزمون حقائبهم لينضموا إلى المنافسين. النزوح؟ ضخم للغاية. عدد من كبار المواهب انتقلوا إلى عملاق وسائل التواصل الاجتماعي، وآخرون توجهوا إلى مختبرات الذكاء الاصطناعي الرائدة، وبعضهم اختار شركة بحثية تركز على أمان الذكاء الاصطناعي.
وفي الوقت نفسه، يواصل الرئيس التنفيذي للشركة إصدار... لنقل، بعض التحركات الإعلامية المثيرة للاهتمام.
التباين واضح: بينما يبني المنافسون نماذج ذكاء اصطناعي متطورة ويخطفون أفضل العقول، تبدو هذه الشركة

بعض مشاريع البنية التحتية تتضح بساطتها عندما تنظر إليها لاحقًا.
خذ أنظمة الهوية الموحدة التي تعمل عبر سلاسل الكتل المختلفة والتطبيقات اللامركزية—يبدو أن idOS تبني بالضبط هذا النظام. عندما يمكن لطبقة هوية واحدة أن تنتقل بين السلاسل والتطبيقات بدون أي عوائق، فإنها تفتح إمكانيات جديدة كليًا لما يمكن أن تقدمه بنية Web3 التحتية فعليًا.
التغير الحقيقي؟ هو تأسيس معيار مشترك يمكن أن يتوحد خلفه النظام البيئي بأكمله.

حالياً، أنظمة التحقق من المستخدم والامتثال التنظيمي تعيق بشكل كبير تطور العديد من المشاريع.
بعض حلول البنية التحتية قادرة على إدارة هذه العملية بهدوء في الخلفية - مما يسمح لمنصات العملات المستقرة بالتقدم بشكل أكثر مرونة، كما يمكن للمستخدمين الانضمام للنظام دون الحاجة للتعامل مع إجراءات معقدة. ومع انخفاض الحواجز التقنية، يتسارع اعتماد تطبيقات الدفع بالعملات الرقمية على نطاق واسع.

الناس غالبًا يبالغون في تحليل كلامي لما منشور يحصل على تفاعل كبير. الموضوع بسيط - أنا أتكلم حرفيًا، مو بشكل غامض. لما أقول الآلات تتعلم أسرع من البشر، أقصد سرعة التدريب الفعلية. خذ مثلاً عمليات تدريب PPO. الشيء اللي ممكن يحتاج ساعات من شخص لفهمه بشكل نظري، النموذج يعالجه خلال 30 ثانية. ويمكن حتى أسرع مع التحسين. ما فيه استعارة مخفية، ولا فلسفة عميقة. بس كفاءة حوسبة صافية تقوم بدورها. أحيانًا التفسير المباشر هو بالضبط الصحيح.

هناك مشروع يُدعى Covalent يعمل على شيء مثير للاهتمام - ربط بيانات البلوكشين بأنظمة الذكاء الاصطناعي. لقد طوروا حزمة تطوير وكيل الذكاء الاصطناعي وأطلقوا ما يسمونه بروتوكول سياق النماذج (MCP). ما الهدف من ذلك؟ السماح لنماذج الذكاء الاصطناعي بالوصول المباشر إلى بيانات البلوكشين في الوقت الفعلي والبيانات التاريخية، مع ضمان الوصول القابل للتحقق ضمنياً. هذا يفتح آفاقاً لبناء تطبيقات أكثر تطوراً يمكنها فعلاً فهم ما يحدث على البلوكشين.

في شيء غريب يحدث هنا. لقد تجاوزنا مرحلة مجرد توجيه النماذج للحصول على إجابات. الآن؟ أنا فعلياً أشاهد تجارب التعلم الآلي القابلة للتكرار تولد أدلة يمكن التحقق منها لفرضيات كنت ألاحقها. ليس مجرد تكهنات — بل بيانات فعلية يمكنني اختبارها وإعادة بنائها.
أتمتة البحث ليست قادمة. إنها هنا بالفعل. وهي خارجة عن المألوف بأفضل طريقة ممكنة.

تمام ما كنت تعتقد أن ثغرات البروكسي لا يمكن أن تصبح أسوأ، ظهر تهديد جديد: هجوم "البروكسي السري في منتصف البروكسي". هذا الاستغلال الطبقي أخطر من هجمات الرجل في المنتصف التقليدية لأنه يختبئ خلف بنية بروكسي شرعية. أي شخص يشغل عقد أو يتعامل مع إعدادات بروكسي يجب أن يفهم هذا التهديد فوراً. سلسلة الهجوم خفية، واكتشافها ليس بالأمر السهل.

بعد أسبوع تقريبًا من العمل الشاق، أخيرًا تمكنت من ضبط جميع الأجزاء الأساسية في روبوت التداول الموجي الذي كتبته بنفسي.
من منطق الاستراتيجية إلى ربط الواجهات، ثم إلى وحدة إدارة المخاطر، واجهت الكثير من المشاكل في الطريق. لكن رؤية الروبوت يبدأ في تنفيذ الصفقات بنفسه كانت شعورًا رائعًا — أخيرًا، لم تكن تلك الليالي الطويلة بلا فائدة.
الخطوة التالية هي مرحلة الاختبار الفعلي، لنرى ما إذا كان هذا المنطق سيصمد في السوق الحقيقي. في النهاية، مهما كانت بيانات الاختبار الخلفي جميلة، يجب أن يثبت نفسه أمام قسوة السوق.

نحن نندفع نحو واقع تهيمن عليه الآلات أسرع مما يدركه معظم الناس.
إيلون ماسك كان يطرح هذه التنبؤات الجريئة مؤخرًا—أن الذكاء الاصطناعي سيتطور إلى درجة تصبح فيها الوظائف التقليدية اختيارية. من المفترض أن ندخل ما يسمى بـ"اقتصاد الوفرة" حيث تتولى الآلات كل شيء. يبدو الأمر يوتوبيًا أو ديستوبيًا حسب وجهة نظرك.
ما هو المثير حقًا؟ أن الحكومات لم تعد تتجاهل هذا كخيال علمي بعد الآن. فالقوى الاقتصادية الكبرى باتت تتعامل علنًا مع الروبوتات والأتمتة كقطاعات استراتيجية حرجة، وتضخ الموارد في البنية التحتية الداعمة لاقتصادات "آلة إلى آلة".
لكن طبقة البنية التحتية لهذا التحول يجب أن تكون لامركزية. لا يمكن أن يكو

لتوي لاحظت هذا - Mobyscreener أطلقت دعم تتبع $PLUTO ! أخيرًا يمكنني مراقبة هذا بشكل صحيح الآن. إضافة قوية للوحة التحكم.

SN64، بوضوح من أفضل السابنتس في Bittensor حالياً.
$TAO يواصل إبهاره.

معظم المشاريع تواجه صعوبة عندما تحاول دمج التحقق من الهوية مع فحوصات الامتثال. هذا الدمج عادة يسبب احتكاك—الأمور تصبح بطيئة، وتجربة المستخدم تتدهور، وقابلية التوسع تتحول إلى كابوس.
لكن بعض حلول البنية التحتية تقلب هذا المفهوم رأساً على عقب. بدلاً من جعل الامتثال عائقاً، تقوم بدفعه إلى الطبقة الخلفية. فكر فيها مثل السباكة: لا أحد يراها، لكن كل شيء يجري بسلاسة لأنها موجودة. تصبح عملية التحقق بأكملها غير مرئية للمستخدمين مع استمرار استيفاء المتطلبات التنظيمية.
هذا هو نوع التحول المعماري الذي يحتاجه التمويل اللامركزي فعلاً إذا كنا جادين بشأن الاعتماد الجماهيري.

تواصلت للتو مع قيادة قسم السحابة في مايكروسوفت بخصوص مشكلة حرجة في الوصول إلى البيانات. أعمالي متوقفة تماماً لأن البيانات الأساسية محجوزة في بنيتهم التحتية. لقد قمت بالفعل بالتصعيد عبر القنوات الرسمية، وآمل الآن أن يقدم أحد من الفريق التنفيذي دعماً بشرياً فعلياً بدلاً من الردود الآلية. هذا بالضبط هو السبب في أن حلول التخزين اللامركزي تكتسب شعبية - عندما تواجه مزودي السحابة المركزيين مشاكل، قد تتوقف عملياتك بالكامل. هل واجه أي شخص آخر مواقف مماثلة حيث تصبح البيانات الحيوية غير متاحة؟

هل تساءلت يومًا ما الذي يدفع موجة الابتكار القادمة في مجال الذكاء الاصطناعي؟
سواء كنت تطلق النماذج، أو تتعامل مع البنية التحتية، أو تدرب الوكلاء، أو تطلق التطبيقات—هناك إطار عمل واحد لا يمكنك تجاهله: اقتصاد الذكاء القائم على المهام.
هذا ليس مجرد تصور بعيد. إنه المخطط الذي يُبنى عليه كل شيء الآن.
فكر في الأمر. الأنظمة التقليدية؟ هي معزولة. جامدة. تبني شيئًا واحدًا ليقوم بمهمة واحدة. لكن الذكاء القائم على المهام؟ إنه مرن. ديناميكي. يتم نشر الذكاء في المكان والزمان المطلوبين.
النماذج تصبح خدمات. الوكلاء يصبحون عمالًا. التطبيقات تصبح منسقين.
يتم إعادة هيكلة الطبقة التقنية بالكامل. بدلًا من امتلاك

توني شفت القائمة واكتشفت نفسي فيها، لازم أواصل الشغل. ليش كل هالحماس؟ لأني أنتظر اليوم اللي OpenGradient يحل فيه مشكلة الثقة بالذكاء الاصطناعي بالكامل.
تتجرأ تثق بجواب يعطيك إياه ذكاء اصطناعي وأنت مغمض؟ أعتقد قليل جداً اللي يقدر يضمن هالشيء.
السبب بسيط — هو مجرد صندوق أسود:
• ممكن يوم من الأيام يتم تغيير معايير النموذج من ورا الكواليس بدون ما تدري
• احتمال يتم التلاعب بعملية الحساب نفسها
• ممكن يحطون لك إعلان أو يزرعون ثغرة في السياق اللي يجيك
• وأنت أصلاً ما تدري كيف وصل لهالنتيجة
عشان كذا "توليد الأدلة" صار اتجاه مهم جداً. إذا قدرنا نخلي عملية استدلال الـAI قابلة للتحقق والتتبع، أساس الثقة ف

حل LLM الخاص بـ QVAC Fabric سيستمر في التحديث خلال الأشهر القادمة — الهدف هو تمكين النماذج الكبيرة من العمل على أي GPU، وأي نظام تشغيل، وأي جهاز طرفي محلياً، لتحقيق تطبيق واسع النطاق فعلياً.
أحدث أبحاثهم حققت تقدماً ثورياً: لأول مرة تم بنجاح تعديل نموذج على وحدة معالجة الرسوميات في الأجهزة المحمولة. ماذا يعني ذلك؟ في السابق كان تدريب نماذج الذكاء الاصطناعي يعتمد كلياً على قدرات الحوسبة السحابية، أما الآن فالأجهزة مثل الهواتف المحمولة والأجهزة اللوحية يمكنها المشاركة أيضاً. بالنسبة لشبكات الذكاء الاصطناعي اللامركزية، قد يكون هذا نقطة تحول — لم تعد قدرات الحوسبة حكراً على مراكز البيانات، وأصبح ب