aI

Крис Маршалек, основатель и CEO Crypto.com, приобрёл домен AI.com за $70 млн – это самая дорогая сделка с доменным именем в истории.
Оплата прошла полностью в криптовалюте.

 Под брендом AI.com он запускает платформу персональных AI-агентов: помощников, которые смогут писать сообщения, работать с приложениями и даже помогать с инвестициями и трейдингом.

Маршалек дал комментарий:

ИИ – одна из крупнейших технологических волн ближайших 10–20 лет. И владение таким доменом – это не просто бренд, а ставка на доверие и узнаваемость в будущем.

Интересный момент:
Он также рассказал, что ему уже предлагали «абсолютно безумную сумму» за AI.com, но он отказался.
Для него это долгосрочная инвестиция в экосистему и доверие к бренду.

Фактически Маршалек теперь владеет двумя легендарными доменами – Crypto.com и AI.com.

📌 крипта + AI всё плотнее сходятся, и крупные игроки уже делают очень долгие ставки.

В то время как AI-компании привлекают раунд за раундом, у нашей команды растет ощущение тревожности относительно технологического сектора. Безусловно, инвесторы с опытом, несмотря на рост стоимости активов, ощущают как позитив, так и лёгкую нервозность.

В таком состоянии пребывают многие, но пока об этом не говорят публично — по крайней мере, top-tier партнеры из фондов.

Ощущения Майкла Бьюри и других рыночных паникеров не берем в расчет, потому что в их картине мировоззрения все должно рушиться каждый год, а кризис должен лишь сменяться очередным кризисом.

Цель их публичных высказываний ясна — это набор позиции по тем или иным инструментам, но из раза в раз у панических шортистов мало что получается.

🙂 Стоит отдать должное: из 50 попыток пара точно сработает.

🧠 Наша сторона не говорит, что AI — это пузырь, как и не утверждает, что случится схлопывание оценок для всех имен.

Однако мы видим на радарах все больше и больше действительно overvalued-бизнесов с повышенными мультипликаторами и серьезным отклонением в оценке.

Продолжаем говорить о ключевых трендах в сфере искусственного интеллекта для реального сектора экономики. Сегодня — о стратегии внедрения генеративного AI на предприятиях, куда он приходит не как революционная замена, а как эволюционное дополнение.

Главный принцип внедрения: модульность и приемственность. Мы не заменяем системы, а добавляем модули генеративного AI к ERP, CRM. К уже работающим решениям подключаются «умные ассистенты», которые анализируют многолетние массивы данных и выдают рекомендации на основе накопленного опыта. 

Фактически речь идет о создании интеллектуального интерфейса поверх устоявшихся систем управления. Такой подход минимизирует риски и затраты, встраиваясь в текущие бизнес‑процессы без их полной перестройки.

#FIAI #AI_Trends #Future

В настоящее время ресерчу во всю ширину и глубину ончейн данные Ethereum на нодах одной очень мощной команды.

Но ноды у многих есть.  Но не у всех есть настроенная Kafka, которая темный лес из терабайтной мешанины превращает в структурированные потоки, на которых как раз и можно обучать LLM-ки разные.

Я когда внутрь этих данных погрузился, мне стало категорически понятно, что это на порядок полезнее чем какой-нибудь «тех-анализ».
И то, что это не все пользуют, говорит о простом.  Не всем это очевидно, не всем доступно и у многих мозг зомбирован всем околорыночным столетним движем.

Предлагаю законтачить, кому интересно, еще и вот по какой причине.
Сейчас стратегия у той команды содержит в себе элемент мощного демпинга.  Поэтому если вы пользуете топики Кафки каких то других провайдеров и может вас цена не устраивает или качество или отношение :)   То велком.    Будет интересно.

Ну и как обычно.  О неактуальности приглашения/предложения  будет обязательно сообщено, если станет неактуальным.  (Сам пост наверное не буду удалять, чисто для истории оставлю)  

Один из основных инструментов контроля отдела мерчандайзинга — фотоотчёты. Это удобный и эффективный инструмент, но для его использования необходим большой объем ручного труда.

Благодаря AI-аудитору на базе платформы MD Audit сеть магазинов женской одежды и обуви смогла сократить время обработки фотоотчётов почти вдвое. 

Искусственный интеллект взял на себя проверку снимков: он анализирует фото на соответствие стандартам и автоматически формирует проекты претензий, освобождая менеджеров от рутинных операций. Вся информация передаётся в облако и становится доступной на уровне всей сети сразу после загрузки.

Для fast fashion-сегмента, где обновление коллекций происходит каждые две-три недели, возможность получать данные «здесь и сейчас» означает десятки миллионов рублей дополнительной прибыли в год. Практика показывает, что даже недельный пилот способен дать бизнесу прозрачность и инсайты для поддержания роста продаж.

#FIAI #FIAI_кейс

Когда в ончейн-среде начинают действовать AI-агенты, резко всплывает простая проблема: «кто это вообще» и «почему этому можно доверять». Подпись транзакции доказывает контроль ключа, но не доказывает качество работы и проверяемость результата.

Что предложили:
Разработчики Ethereum готовят стандарт ERC-8004 — попытка стандартизировать слой доверия к AI-агентам:

• чтобы агенты могли находить друг друга

• подтверждать идентичность

• переносить репутацию между компаниями и сетями

• и обходиться без закрытых списков и ручных допусков

Три реестра (ядро концепции):

1. Identity registry
   Постоянная ончейн-идентичность агента (ERC-721-подобный идентификатор) + файл с описанием функций, интерфейса связи и поддерживаемых протоколов.

2. Reputation registry
   Публичные сигналы репутации: структурированный фидбек от пользователей и других агентов.
   Базовые данные — ончейн, более сложные оценки — оффчейн.

3. Validation registry
   Механизм независимой проверки результатов: агент запрашивает валидацию, валидаторы публикуют, что и кем проверено.

Друзья, продолжаем серию публикаций о ключевых трендах в сфере искусственного интеллекта. Сегодня поговорим о том, как генеративный AI трансформирует коммуникацию между человеком и машиной.

С появлением генеративных моделей системы научились не только анализировать данные, но и создавать их интерпретацию на естественном языке.

Если классические ML-системы выдают числовые показатели (вероятность выхода узла из строя — 34%), то генеративный AI формирует развернутые рекомендации, например: «Узел выйдет из строя с вероятностью 34%. Рекомендуется техобслуживание по инструкции на основе 15 аналогичных случаев».

Ключевое значение имеет именно коммуникационный аспект — способность системы формулировать выводы в форме, понятной для человека без глубокой технической подготовки. Этот переход будет наиболее заметным в следующий год-два. 

Будущее же за целостными гибридными системами, где сила генеративного AI в работе с языком и контекстом усиливается точностью и надежностью проверенного классического машинного обучения.