Je pense toujours que la puissance de la technologie n'est pas de rendre les choses complexes, mais de rendre le complexe acceptable.

Discutons d'abord de @RaylsLabs : entre plusieurs chaînes et divers exigences de conformité, ce dont les institutions ont le plus besoin n'est pas d'un pont plus rapide, mais d'une infrastructure "conforme et contrôlable tout en étant interopérable avec DeFi". Le point d'entrée de #Rayls ressemble un peu à la création d'une chaîne pour les banques - compatible EVM, $RLS a également conçu un sous-réseau privé et un contrôle de conformité au niveau du protocole, ce qui permet à la finance traditionnelle de conserver les exigences de régulation et de confidentialité lors de la mise en chaîne des actifs, au lieu de laisser ces problèmes à des outils externes bricolés temporairement. Pour moi, cette approche de prédisposition à la conformité dès le niveau de base est pragmatique.

Regardez à nouveau @recallnet : le plus grand problème de l'IA n'est pas la puissance de calcul, mais la capacité à expliquer les décisions. #Recall considère le "pourquoi" de l'agent comme un citoyen de premier ordre : enregistrement, vérification et échange de connaissances sur la chaîne, formant une mémoire et une preuve auditable. Lorsque qu'une stratégie automatisée subit une perte sur le marché des échanges, ce n'est pas une question de critiquer la boîte noire, mais de retracer son raisonnement, de vérifier ses sources de données et de rendre des comptes - c'est une autre manière d'établir la confiance. Le testnet et la chaîne d'outils de $RECALL montrent qu'ils sont en train de transformer ce concept d'un document académique en un produit développable et testable.

Rayls offre une base plus "audacieuse pour des montants élevés, audacieuse pour la conformité sur la chaîne", tandis que Recall propose une méthodologie permettant aux comportements intelligents d'accepter les audits.

Un scénario idéal pour l'avenir serait que les institutions placent des actifs dans des réseaux conformes comme Rayls, tout en utilisant des mécanismes tels que Recall pour certifier les raisons des décisions automatisées. Cela permettrait d'effectuer des opérations financières à grande échelle tout en ayant des preuves en cas de problème. L'efficacité et l'auditabilité sont indispensables.

@cookiedotfuncn @cookiedotfun #SNAPS COOKIE

Version anglaise :
J'ai toujours cru que le pouvoir de la technologie ne réside pas dans le fait de rendre les choses plus complexes, mais dans le fait de rendre la complexité quelque chose que vous êtes suffisamment confiant pour livrer.

Commençons par @RaylsLabs : Dans un monde multi-chaînes avec des exigences de conformité variées, ce dont les institutions ont besoin n'est pas seulement d'un pont plus rapide ; elles ont besoin d'une couche fondamentale qui soit "conforme, contrôlable et interopérable avec la DeFi." L'approche de #Rayls ressemble un peu à la construction d'une blockchain pour les banques : compatibilité EVM, sous-réseaux privés et contrôles de conformité au niveau du protocole. Cela permet à la finance traditionnelle d'amener des actifs sur la blockchain tout en maintenant les exigences réglementaires et de confidentialité, au lieu de laisser ces questions à des outils externes. Pour moi, cette approche ascendante de la pré-établissement de la conformité est pragmatique.

Maintenant, en regardant @recallnet : Le plus grand problème avec l'IA n'est pas la puissance de calcul, mais la capacité à expliquer le processus de prise de décision. #Recall considère le "pourquoi" d'un agent comme une priorité : enregistrer, vérifier et échanger des connaissances sur la chaîne pour former des mémoires et des preuves auditées. Lorsque qu'une stratégie automatisée entraîne des pertes sur le marché, au lieu de maudire la boîte noire, vous pouvez tracer son raisonnement, vérifier ses sources de données et la tenir responsable—c'est une autre façon de construire la confiance. Les testnets et l'outillage de $RECALL montrent qu'ils transforment ce concept de la théorie en un produit convivial pour les développeurs et testable.

Rayls fournit une base qui rend les institutions « confiantes pour se développer et se conformer sur la chaîne », tandis que Recall propose une méthodologie pour rendre les comportements intelligents audités.

Un scénario futur idéal est que les institutions stockent des actifs dans un réseau conforme comme Rayls, tout en enregistrant les raisons derrière les décisions automatisées avec un mécanisme comme Recall, permettant des opérations financières à grande échelle tout en garantissant la traçabilité en cas de problèmes. L'efficacité et la traçabilité sont toutes deux essentielles.