Die letzte @AlloraNetwork AMA mit Ari und Humble beginnt diesen Sonntag. Wenn man die Uhrzeit 12 Uhr nutzt, ist es immer verwirrend, ob es Tag oder Nacht ist, und ich habe oft Feedback dazu erhalten, dass Ari extra erwähnt hat, dass es Sonntag um 12 Uhr mittags ist. Für weitere Details könnt ihr den zitierten Text unten überprüfen. Bei Allora scheint es auch nicht mehr lange bis zum TGE zu dauern, und ich hoffe, dass alle basierend auf dem Allora Yapping gute Ergebnisse erzielen können. Ich bin etwas spät eingestiegen und habe intensiv gechattet, was anscheinend zu einem relativ guten Ranking in kurzer Zeit geführt hat. Es wird gesagt, dass das sich entwickelnde AI-Netzwerk Allora, das verschiedene Modelle integriert, validiert und verbessert, später auch einen Vorhersagemarkt wie Limitless herausbringen wird, was ich am meisten erwarte. Ich bin wirklich neugierig, wie hoch das Volumen sein wird, wenn Allora Vorhersagen trifft und man darauf wetten kann, ob sie richtig oder falsch sind.

Ich versuche, @trylimitless etwa 5-10 Mal am Tag zu nutzen. Das liegt nicht nur daran, Volumen zu erzeugen oder Transaktionen zu hinterlassen, sondern weil ich denke, dass es im Bereich der Vorhersagemärkte oft zu Marktungleichgewichten kommt, was viele Gelegenheiten bietet. Ich habe gehört, dass man Punkte sammelt, wenn man mit einem Volumen von über 200 Dollar handelt, also habe ich versucht, dieses Volumen zu überschreiten. Ich habe herausgefunden, dass die Aktualisierung jeden Montag erfolgt. Da es in Übersee Montag ist, wird es in Korea wahrscheinlich Dienstag sein, also denke ich, dass ich erst am Dienstag überprüfen kann, ob die Punkte gesammelt werden. Gibt es hier Leute, die viele Limitless-Punkte gesammelt haben? Abgesehen von der grundlegenden Strategie, das Risiko zu minimieren und viel Volumen zu erzeugen, wie zum Beispiel hohe Beträge einzusetzen, wenn es 99% erreicht, was gibt es noch für Strategien? Kommentare mit Ideen sind willkommen! ㅎㅎ.

Was bedeutet vertrauenswürdige Daten im Zeitalter der KI. @WalrusProtocol hat ein ziemlich interessantes Papier veröffentlicht, in dem es darum geht, dass es im KI-Zeitalter immer schwieriger wird, den Daten selbst zu vertrauen, und wie Walrus dieses Problem löst. Im Folgenden finden Sie eine Zusammenfassung des Artikels und meine persönlichen Gedanken dazu. Probleme im KI-Zeitalter: - Die KI-Industrie (200 Milliarden Dollar) ist auf Daten angewiesen, aber 78 % der Unternehmen, die KI nutzen, überprüfen nur 20 % der Ergebnisse. - Das größte Problem ist, dass man den KI-Daten nicht vertrauen kann, weshalb praktisch eine 100 %ige Überprüfung erforderlich ist. - Unzuverlässige Daten führen zu sozialen und wirtschaftlichen Risiken. - Wenn Entscheidungen auf falschen Daten basieren, ist der Ausgangspunkt selbst falsch, was die Wahrscheinlichkeit eines korrekten Ergebnisses stark verringert. Notwendigkeit: - Ohne eine vertrauenswürdige Dateninfrastruktur ist die KI- und digitale Wirtschaft anfällig und manipulierbar. Die Rolle von Walrus: - Gewährleistung der Datenintegrität und des Eigentums → dauerhafte Speicherung ohne Manipulation oder Leckage - Bereitstellung von Zugangskontrollen → nur autorisierte Personen können auf die Daten zugreifen - Mehrere Akteure können sicher mit vertraulichen Daten rechnen → Schaffung neuer Datensätze und Märkte Datenmarkt: - Der Datenmarkt wächst schnell (34,7 Milliarden Dollar im Jahr 2024), aber 67 % der Nutzer haben kein Vertrauen in die Daten. - Walrus bietet Transparenz und Vertrauen, um den neuen Datenmarkt zu aktivieren. => Hier ist jedoch der Punkt, dass die Daten selbst transparent und vertrauenswürdig sein können, was durch die Smart-Contract-Funktion von Walrus gewährleistet werden kann. Wenn jedoch die ursprünglichen Daten nicht nachgewiesen werden, nachdem sie einmal durch die KI verarbeitet wurden, könnte das wenig Bedeutung haben. In diesem Fall wäre es vielleicht besser, wenn Walrus mit einem Ort wie Openledger zusammenarbeitet. Natürlich wird das nicht geschehen. Openledger ist eine eigene L2-basierte EVM, während Walrus auf SUI basieren muss. Wenn man auf sein eigenes Ökosystem beschränkt ist, wird die Kooperation etwas schwierig, was ich etwas bedauerlich finde. - Anwendungsbeispiele: - CUDIS: Eigentum und Verkauf persönlicher Gesundheitsdaten. - Hier hat man auch auf SUI umgestellt und begonnen, Hardware separat zu verkaufen. - Alkimi: Werbung transparenter machen und AdFi (Finanzierung von Werbedaten) schaffen. - Baselight: Sofortiger Datenvertrieb ohne zentrale Genehmigungsverfahren. Vision: - Daten sollen nicht nur gespeichert, sondern zu vertrauenswürdigen Vermögenswerten werden, die in allen Bereichen wie KI, Gesundheitswesen und Finanzen neue Märkte und Einnahmequellen schaffen. 👉 Zusammenfassung: - Walrus wird zur Schlüssel-Infrastruktur im KI-Zeitalter, indem es Vertrauen, Eigentum und Nutzung von Daten gewährleistet und eine Plattform schafft, die neue Märkte auf der Grundlage vertrauenswürdiger Daten eröffnet. Persönliches Fazit: Ich bin positiv gegenüber der Idee, dass die Daten von Walrus durch Dezentralisierung vertrauenswürdiger sind, aber ob dies auch die Verantwortung für die Vertrauenswürdigkeit der KI-Daten übernimmt, bleibt für mich fraglich. Letztendlich ist es bedeutungslos, wenn die KI die Daten verarbeitet, ohne dass ein Originalnachweis vorliegt, basierend auf der Logik von AGI. Dennoch scheint es richtig zu sein, dass die Herkunft, das Vertrauen und die Nachweisbarkeit von Daten zunehmend wichtiger werden.