Fuente del artículo: ShenChao TechFlow

Mañana, el esperado $BIO que ha estado esperando el mercado se lanzará oficialmente. Como un proyecto del sector DeSci respaldado personalmente por Binance, el mercado especula si el lanzamiento de $BIO impulsará una gran ola en el sector DeSci y desviará algo de liquidez del sector de IA.

¿Pero son AI y el sector DeSci necesariamente competitivos? No necesariamente. El proyecto YesNoError en la cadena de Solana, que ha sido objeto de muchas discusiones recientes, ha trazado un camino que fusiona DeSci con IA, utilizando tecnología de IA para revisar y descubrir errores en trabajos de investigación.

Su token $YNE alcanzó un valor de mercado de 60 millones de dólares el día de su lanzamiento el 20 de diciembre, y luego fue respaldado nuevamente por el conocido KOL de Twitter Andrew Kang (en adelante AK), con un valor de mercado actual de alrededor de 50 millones de dólares.

¿Es realmente necesario que la IA revise trabajos científicos?

Si todavía no entiendes dónde radica la utilidad de YesNoError, un tweet explicativo del miembro del equipo de YesNoError, Ben Parr, ilustra la necesidad de revisar la información errónea en trabajos científicos con un ejemplo.

En octubre de 2024, un trabajo de investigación afirmó que los utensilios de cocina de plástico negro contenían toxinas, y esta noticia se propagó rápidamente en los medios. (The Atlantic Monthly) incluso publicó un artículo titulado "Deshazte de tus utensilios de cocina de plástico negro", causando pánico público. Incluso Ben Parr comenzó a limpiar sus utensilios. Sin embargo, Joe Schwartz, director de la oficina de Ciencia y Sociedad de la Universidad McGill, descubrió un error matemático importante en esta investigación: un simple error de multiplicación llevó a que el nivel de toxicidad reportado fuera 10 veces mayor que el real. Este caso demuestra que incluso las investigaciones aparentemente autorizadas pueden contener errores significativos, y estos errores a menudo tienen un impacto sustancial en la vida de las personas comunes.

Si se utiliza tecnología de IA para revisar trabajos de investigación, se pueden evitar al máximo estos errores de cálculo básicos. YesNoError nació precisamente de esta necesidad.

YesNoError fue creado por Matt Schlicht, utilizando el modelo o1 de OpenAI como base técnica. La forma de operación del proyecto es bastante directa: el equipo utiliza IA para revisar trabajos de investigación y luego publica los problemas encontrados en su sitio web yesnoerror.com y en Twitter oficial.

A través de este modo de operación transparente, tanto la comunidad científica como el público pueden conocer oportunamente los problemas que pueden existir en investigaciones importantes. Aunque el proyecto apenas ha comenzado, ya ha logrado algunos resultados significativos, encontrando varios errores en investigaciones.

El token $YNE también se ha dotado de casos de uso práctico, los titulares pueden gastar $YNE para usar YesNoError AI para la revisión prioritaria de sus trabajos.

Hasta ahora, YesNoError AI ha revisado 2219 trabajos y ha encontrado varios errores en ellos.

Reconocimiento o cuestionamiento, algunas voces en el mercado.

AK es optimista y su publicación es entusiasta.

El día del lanzamiento del token $YNE, AK, quien siempre ha apoyado a DeSci, expresó su aprecio por el proyecto YesNoError.

AK señala que "el verdadero valor central de YesNoError radica en la implementación real de criptomonedas x IA x DeSci."

YesNoError ha utilizado las características del ecosistema de criptomonedas, en este entorno especial, el capital no necesita un retorno de inversión en el sentido tradicional. Mientras puedas atraer suficiente atención, podrás obtener un apoyo financiero adecuado. (Es decir, economía de atención, si alguien presta atención, habrá alguien que compre tokens.)

Al mismo tiempo, YesNoError también ha encontrado una buena dirección de aplicación para las criptomonedas. En el escenario adecuado, el token ya no es solo aire, sino que puede realmente apoyar productos públicos que son difíciles de mantener con modelos comerciales tradicionales.

Quizás porque realmente creen (¿o tienen muchas acciones?), el 31 de diciembre AK volvió a publicar sobre YesNoError y elogió la necesidad y utilidad de su existencia desde un punto de vista de datos.

AK afirma que YesNoError tiene la capacidad de revisar errores en más de 90 millones de trabajos en la base de datos global de literatura científica, y puede completarlo en unas pocas semanas o meses. Si se hiciera de manera manual, tomaría miles de años, incluso formando un equipo de 5000 doctores, se necesitarían casi diez años (y durante esos diez años, no podrían seguir el ritmo de la publicación de nuevos trabajos), y se estima conservadoramente que costaría 5.4 mil millones de dólares.

Además, mediante un modelo de IA optimizado, solo se necesitan aproximadamente 30 millones de dólares (0.3 dólares por trabajo) para llevar a cabo una revisión más precisa y estandarizada, un costo que es menos del 1% de los métodos manuales.

Si se trata del campo científico tradicional, reunir 30 millones de dólares también es un gran esfuerzo, pero evidentemente en criptomonedas, esto es mucho más fácil. (Aunque incluye muchos factores de especulación, en solo diez días, el valor de mercado de $YNE ya ha alcanzado los 50 millones de dólares).

Hasta ahora, este agente de IA ha revisado más de 1700 trabajos, encontrando una tasa de error de alrededor del 3-4%. A medida que se optimiza continuamente, su velocidad de procesamiento también se mejorará aún más. En 90 millones de trabajos, es muy probable que existan muchos trabajos importantes con errores significativos, y corregir estos errores tendrá un impacto positivo sustancial en el mundo.

La cuenta oficial de BIO Protocol también comparte la opinión de AK:

¿Es una demanda falsa? Escucha diferentes voces.

Más allá de las voces optimistas, también hay quienes cuestionan la necesidad real de YesNoError.

Kyle Samani, cofundador de Multicoin Capital, presentó objeciones en la publicación de AK.

Kyle cree que, según la regla del 80/20, solo unos pocos trabajos son realmente importantes, y estos trabajos importantes, al recibir suficiente atención, es poco probable que contengan errores conocidos.

Sin embargo, Andrew Kang refutó esto con datos. Señaló que, incluso siguiendo la lógica de Kyle, en 90 millones de trabajos, suponiendo que solo el 5% son importantes, eso aún representa 4.5 millones de trabajos importantes. Incluso si solo el 0.1% de estos trabajos importantes tienen una tasa de error, eso aún significa que hay 4500 trabajos importantes con errores que necesitan ser corregidos. El caso mencionado anteriormente de la "investigación de la pala negra" demuestra que incluso los trabajos de gran impacto pueden contener errores, que pueden tener un impacto significativo en la sociedad.

Resumen.

La revisión de trabajos por IA no es realmente una novedad, desde que ChatGPT fue lanzado, ya ha habido muchos casos de uso de IA para revisar trabajos. Y visto en el ámbito de las criptomonedas, la aparición de YesNoError podría resolver el problema de los errores en trabajos científicos y, al mismo tiempo, tener un verdadero desarrollo práctico de casos de uso para las criptomonedas más allá de la especulación (aunque actualmente podría seguir en las etapas iniciales del proyecto, parte de su valor aún depende del fervor especulativo del mercado).

Al hablar del comportamiento del mercado, aunque muchas acciones optimistas en el mercado pueden resumirse con "el trasero decide la cabeza", si el proyecto es realmente viable y tiene un valor práctico que se sostiene más allá de la especulación, entonces esta acción de "ganar dinero de pie" seguramente será reconocida por el mercado.

Cómo se desarrollará YesNoError en el futuro aún depende de la determinación del equipo del proyecto para continuar después de que la especulación del mercado haya pasado. Seguiremos atentos.

Cada vez hay más proyectos que esperan beneficiar al mundo.