Фьючерсы
Доступ к сотням фьючерсов
TradFi
Золото
Одна платформа мировых активов
Опционы
Hot
Торги опционами Vanilla в европейском стиле
Единый счет
Увеличьте эффективность вашего капитала
Демо-торговля
Введение в торговлю фьючерсами
Подготовьтесь к торговле фьючерсами
Фьючерсные события
Получайте награды в событиях
Демо-торговля
Используйте виртуальные средства для торговли без риска
Запуск
CandyDrop
Собирайте конфеты, чтобы заработать аирдропы
Launchpool
Быстрый стейкинг, заработайте потенциальные новые токены
HODLer Airdrop
Удерживайте GT и получайте огромные аирдропы бесплатно
Pre-IPOs
Откройте полный доступ к глобальным IPO акций
Alpha Points
Торгуйте и получайте аирдропы
Фьючерсные баллы
Зарабатывайте баллы и получайте награды аирдропа
Инвестиции
Simple Earn
Зарабатывайте проценты с помощью неиспользуемых токенов
Автоинвест.
Автоинвестиции на регулярной основе.
Бивалютные инвестиции
Доход от волатильности рынка
Мягкий стейкинг
Получайте вознаграждения с помощью гибкого стейкинга
Криптозаймы
0 Fees
Заложите одну криптовалюту, чтобы занять другую
Центр кредитования
Единый центр кредитования
Я недавно заметил кое-что интересное в экосистеме ИИ в эти дни. Китайские технологические гиганты наконец-то решились всерьез заняться глобальными моделями. Alibaba и Tencent недавно выпустили свои предложения, Happy Oyster и HY-World 2.0, пытаясь создать системы, которые лучше понимают, как устроен физический мир.
Интересно, что это не только движение Китая. World Labs и AMI Labs также недавно завершили раунды финансирования на миллиарды. Очевидно, что деньги текут в это направление, но вот что меня интригует: никто явно не понимает, что именно такое глобальная модель.
Индустрия разделена. Некоторые говорят о 3D-восстановлении, другие — о причинном рассуждении, третьи — о совершенно разных вещах. Без четких технических стандартов невозможно сравнить, какое решение работает лучше. Оценки противоречивы, и каждый проект измеряет свой прогресс по своей собственной шкале.
Кроме того, остаются нерешенные проблемы, которые довольно серьезны. Недостаток качественных обучающих данных по-прежнему является узким местом. Точность физических симуляций все еще недостаточна. И есть тема, которую мало кто поднимает: кто несет ответственность, когда эти системы дают сбой? Этические руководства практически отсутствуют.
Я думаю о приложениях, таких как автономное вождение или критические промышленные операции. Если глобальная модель совершит ошибку, последствия могут быть реальными. Это тот тип технологий, который требует надежных рамок ответственности перед масштабированием. Пока что технологические гиганты торопятся, но индустрии нужно немного замедлиться, чтобы заложить более прочную основу.