DavidSpark

Trade Btc

986Ви підписалися

1,2 тис.підписники

Новини

GM CT Що мене цікавить у @quipnetwork — це не лише те, що вони працюють над квантовою роботою, а й те, як вони зводять її до рівня, коли звичайні користувачі можуть користуватися ним сьогодні, а не тримати її заблокованою в дослідницьких лабораторіях чи великомасштабній інфраструктурі. У тестовій мережі звичайні користувачі з ноутбуками та настільними ПК вже можуть виконувати реальні оптимізаційні завдання, такі як DeFi-маршрутизація, оптимізація портфоліо та навіть наукові симуляції, зовсім не знаючи квантову фізику. Мені особливо запам'ятається проєктування системи, де класичні обчислення опрацьовують простіші частини, а квантове відпалювання D-Wave зосереджується на складніших шарах оптимізації, що дозволяє всьому конвеєру ефективно працювати на практиці. З цієї точки зору, Quip — це не просто побудова мережі, а й пакування дуже складної технології у щось доступне, де користувачі просто запускають вузол, а система абстрагує складність. Особисто я вважаю це дуже прагматичним підходом, бо замість того, щоб чекати, поки квантова техніка стане досконалою, вони просувають його у реальне використання на ранньому етапі, що природно створює дані, сценарії використання та впровадження У галузі, яка досі здебільшого орієнтована на дослідження, наявність чогось, що справді працює сьогодні, навіть якщо воно недосконале, може бути набагато сильнішою перевагою, ніж теоретичний потенціал. Як ви думаєте, квантова технологія має залишатися на дослідницькому рівні, чи її слід спрямовувати до повсякденної зручності? 👇 $QUIP #Quipnetwork #Quantum #DePIN #Web3

Люди з GM, Є досить слушне питання, якщо подивитися на сучасну робототехніку: чому більшість гуманоїдних роботів досі залишаються лише демо, хоча технологія вражає на перший погляд? На мою думку, проблема не в тому, що роботи недостатньо «розумні», а в тому, що вони ще не витримали реальне середовище, де навіть невелика помилка, така як розхитаний кабель, перешкоди сенсора чи рішення на кілька часток секунди, може призвести до відмови всієї системи. І саме тут я бачу, що напрямок @StrikeRobot_ai суттєво відрізняється. Замість того, щоб намагатися створювати універсальних роботів для будь-якого середовища, вони зосереджуються на найсуворіших місцях, таких як електростанції, радіоактивні зони або промислові системи з високим ризиком, де вимоги до стабільності та чутливості майже абсолютні Варто зазначити, що вони не надто зосереджуються на апаратному забезпеченні, а зосереджуються на тому, як побудувати інтелектну систему, здатну працювати з реальним середовищем — від сприйняття сигналів з кількох джерел, розуміння контексту, прийняття рішень і послідовного виконання дій. Якщо придивитися, це не лише проблема ШІ, а й проблема надійності при розміщенні роботів у середовищах, де також є загрозою для людей, і це також є бар'єром, через який багато проєктів зупиняються на демонстраціях. Одне, що мені подобається — це те, як вони використовують дані з кожного розгортання, адже чим більше вони працюють у реальному середовищі, тим більше система навчається, і перевага полягає не в одній моделі, а у всьому наборі даних, накопиченому з часом. Особисто я вважаю, що це досить чіткий напрямок: не гонитися за «крутішими» роботами, а зосередитися на створенні роботів, здатних виживати і працювати в найскладніших умовах. Якщо він піде в цьому напрямку, фізичний ШІ перестане бути концепцією, а буде новим класом праці, що замінить людей для виконання завдань, які люди не повинні виконувати. #StrikeRobot #PhysicalAI #Robotics