كنت أعتقد دائمًا أن قوة التكنولوجيا ليست في جعل الأشياء معقدة، ولكن في جعل التعقيد شيئًا يمكنك الوثوق به.

دعونا نتحدث أولاً عن @RaylsLabs: بين العديد من السلاسل ومتطلبات الامتثال المختلفة، ما تحتاجه المؤسسات ليس جسراً أسرع، بل مجموعة من "الامتثال القابل للتحكم الذي يمكنه أيضاً التفاعل مع DeFi". نقطة دخول #Rayls تشبه إلى حد ما بناء سلسلة للبنوك - متوافقة مع EVM، $RLS صممت أيضاً شبكة فرعية خاصة وضوابط الامتثال على مستوى البروتوكول، مما يسمح للتمويل التقليدي بالحفاظ على متطلبات الرقابة/الخصوصية عند نقل الأصول إلى السلسلة، بدلاً من ترك هذه القضايا للأدوات الخارجية لتجميعها مؤقتاً. بالنسبة لي، فإن هذا النهج الذي يضع الامتثال في الأساس هو نهج عملي.

انظر مرة أخرى إلى @recallnet: أكبر مشكلة في الذكاء الاصطناعي ليست القدرة الحسابية، ولكن ما إذا كان يمكن توضيح القرارات. #Recall تجعل "لماذا" الوكلاء مواطنين من الدرجة الأولى: تسجيل البيانات على السلسلة، والتحقق منها وتبادل المعرفة، مما يشكل ذاكرة قابلة للتدقيق وإثبات. عندما تتسبب استراتيجية آلية في خسارة في سوق التداول، لا يتم توبيخ الصندوق الأسود، بل يمكن تتبع استدلالها، والتحقق من مصادر بياناتها وتحميلها المسؤولية - هذه طريقة أخرى لبناء الثقة. توضح شبكة الاختبار وأدوات $RECALL أنهم يقومون بتحويل هذا المفهوم من ورقة بحثية إلى منتج قابل للتطوير والاختبار.

توفر Rayls قاعدة "أكثر جرأة في وضع المبالغ الكبيرة، وأكثر جرأة في الامتثال على السلسلة"، بينما تقدم Recall منهجية تجعل السلوك الذكي يجرؤ على قبول التدقيق.

المشهد المثالي في المستقبل هو أن تضع المؤسسات الأصول في شبكة متوافقة مثل Rayls، في الوقت نفسه تستخدم آلية مثل Recall لتوثيق أسباب القرارات الآلية، مما يتيح إجراء عمليات مالية على نطاق واسع، وأيضًا يمكن التحقق من الأمور في حالة حدوث مشكلات. الكفاءة والقابلية للتدقيق لا غنى عنهما.

@cookiedotfuncn @cookiedotfun #SNAPS COOKIE

النسخة الإنجليزية:
لقد كنت أؤمن دائمًا أن قوة التكنولوجيا ليست في جعل الأمور أكثر تعقيدًا، بل في جعل التعقيد شيئًا يمكنك تقديمه بثقة.

لنبدأ بـ @RaylsLabs: في عالم متعدد السلاسل مع متطلبات امتثال متنوعة، ما تحتاجه المؤسسات ليس مجرد جسر أسرع؛ بل تحتاج إلى طبقة أساسية تكون "متوافقة، قابلة للتحكم، وقابلة للتشغيل المتداخل مع DeFi." نهج #Rayls يشبه إلى حد ما بناء سلسلة كتلة للبنوك - توافق EVM، شبكات فرعية خاصة، وضوابط امتثال على مستوى البروتوكول. هذا يسمح للتمويل التقليدي بإدخال الأصول إلى سلسلة الكتل مع الحفاظ على المتطلبات التنظيمية والخصوصية، بدلاً من ترك هذه القضايا لتُجمع من قبل أدوات خارجية. بالنسبة لي، فإن هذا النهج من الأسفل إلى الأعلى لضبط الامتثال هو نهج عملي.

الآن، بالنظر إلى @recallnet: أكبر مشكلة في الذكاء الاصطناعي ليست القدرة الحاسوبية، ولكن ما إذا كانت عملية اتخاذ القرار يمكن تفسيرها. تعتبر #Recall "لماذا" الوكيل كعنصر من الدرجة الأولى: تسجيل، والتحقق، وتبادل المعرفة على السلسلة لتشكيل ذكريات وأدلة يمكن تدقيقها. عندما تؤدي استراتيجية آلية إلى خسائر في السوق، بدلاً من اللعن على الصندوق الأسود، يمكنك تتبع تفكيرها، والتحقق من مصادر بياناتها، ومحاسبتها - هذه طريقة أخرى لبناء الثقة. تظهر الشبكات الاختبارية وأدوات $RECALL أنهم يحولون هذا المفهوم من الورق إلى منتج سهل الاختبار للمطورين.

تقدم Rayls أساسًا يجعل المؤسسات "واثقة من التوسع والامتثال على السلسلة"، بينما تقدم Recall منهجية لجعل السلوكيات الذكية قابلة للتدقيق.

سيناريو المستقبل المثالي هو أن تخزن المؤسسات الأصول في شبكة متوافقة مثل Rayls، مع تسجيل الأسباب وراء القرارات الآلية بآلية مثل Recall، مما يمكّن العمليات المالية على نطاق واسع مع ضمان إمكانية التدقيق في حالة حدوث مشكلات. الكفاءة وإمكانية التدقيق هما أمران أساسيان.