Mañana, el mercado espera con ansias el lanzamiento oficial de $BIO. Como un proyecto del sector DeSci respaldado personalmente por Binance, el mercado especula si el lanzamiento de $BIO impulsará una locura en la cadena del sector DeSci y desviará algo de liquidez del sector de IA. Pero, ¿son realmente sectores en competencia AI y DeSci? No. El proyecto de la cadena de Solana, YesNoError, que ha sido objeto de discusión recientemente, ha encontrado un camino para fusionar DeSci con IA, utilizando tecnología de IA para revisar y descubrir errores en artículos de investigación científica. Su token, $YNE, alcanzó un valor de mercado de 60 millones de dólares el día de su lanzamiento el 20 de diciembre, y posteriormente fue apoyado por el conocido KOL de Twitter Andrew Kang (en adelante AK), actualmente con un valor de mercado de alrededor de 50 millones de dólares. ¿Es realmente necesario revisar artículos científicos con IA? Si aún no entiendes cuál es la utilidad de YesNoError, un tuit explicativo del miembro del equipo de YesNoError, Ben Parr, utiliza un ejemplo para ilustrar la necesidad de revisar información errónea en artículos científicos: en octubre de 2024, un artículo de investigación afirmaba que los utensilios de cocina de plástico negro contenían toxinas, y esta noticia se propagó rápidamente en los medios. (The Atlantic) incluso publicó un artículo titulado "Desecha tus utensilios de cocina de plástico negro", causando pánico en el 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 importante error matemático en el estudio: un simple error de multiplicación que hacía que los niveles de toxicidad reportados fueran 10 veces más altos que los niveles reales. Este caso muestra que incluso investigaciones que parecen autorizadas pueden contener errores significativos, y que estos errores a menudo pueden tener un impacto sustancial en la vida de las personas comunes. Si se utiliza tecnología de IA para revisar artículos de investigación, se pueden evitar en gran medida estos errores de cálculo. YesNoError nació precisamente de esta necesidad. YesNoError fue creado por Matt Schlicht, utilizando el modelo o1 de OpenAI como base tecnológica. El funcionamiento del proyecto es muy directo: el equipo utiliza IA para revisar artículos de investigación y publica los problemas que encuentran en su sitio web yesnoerror.com y en Twitter oficial. A través de esta forma de operación transparente, la comunidad científica y el público pueden conocer a tiempo los problemas que pueden existir en investigaciones importantes. Aunque el proyecto apenas ha comenzado, ya ha logrado algunos resultados notables, descubriendo varios errores en investigaciones. Además, el token $YNE se ha dotado de un caso de uso práctico; los titulares pueden gastar $YNE para que YesNoError AI revise prioritariamente sus propios artículos. Hasta ahora, YesNoError AI ha revisado 2219 artículos y ha encontrado varios errores en ellos. Reconocimiento o cuestionamiento, algunas voces en el mercado son optimistas. AK, que ha sido positivo, expresó su apoyo al proyecto YesNoError el día del lanzamiento del token $YNE, señalando su aprecio por el proyecto. AK afirmó: "El valor central de YesNoError radica en la verdadera implementación de criptomonedas x IA x DeSci." YesNoError aprovecha las características del ecosistema de criptomonedas; en este entorno especial, el capital no requiere un retorno de inversión en el sentido tradicional. Siempre que puedas atraer suficiente atención, podrás obtener suficiente apoyo financiero. (Es decir, economía de atención; donde hay atención, hay compra de tokens). Al mismo tiempo, YesNoError también ha encontrado una buena dirección de aplicación para las criptomonedas. En los escenarios adecuados, el token ya no es aire puro, sino que puede respaldar productos públicos que son difíciles de mantener con modelos comerciales tradicionales. Quizás porque realmente son optimistas (¿o porque tienen una buena cantidad de tokens?), el 31 de diciembre, AK volvió a publicar sobre YesNoError, elogiando su necesidad y utilidad desde un enfoque basado en datos. AK señaló que YesNoError tiene la capacidad de revisar errores en más de 90 millones de artículos en la base de datos de literatura científica global, y puede completarse en unas pocas semanas o meses. Si se hiciera manualmente, tomaría miles de años, incluso si se formara un equipo de 5000 doctores, aún necesitaría casi diez años (y durante esos diez años no podría mantenerse al día con la velocidad de publicación de nuevos artículos), y se estima que costaría 5.4 mil millones de dólares. Sin embargo, utilizando un modelo de IA optimizado, solo se necesitan alrededor de 30 millones de dólares (0.3 dólares por artículo) para completar un trabajo de revisión más preciso y estandarizado, que cuesta menos del 1% de lo que costaría hacerlo manualmente. Si se tratara de un campo científico tradicional, recaudar 30 millones de dólares sería un gran proyecto, pero claramente en el ámbito de las criptomonedas, esto es mucho más fácil. (A pesar de que hay muchos factores de especulación, en solo diez días, la capitalización de mercado de $YNE ya ha alcanzado 50 millones de dólares). Actualmente, el agente de IA ya ha revisado más de 1700 artículos, y la tasa de error se encuentra en torno al 3-4%. A medida que se optimiza continuamente, su velocidad de procesamiento seguirá mejorando. Entre 90 millones de artículos, es muy probable que muchos artículos importantes contengan errores significativos, y corregir estos errores tendrá un impacto positivo sustancial en el mundo. La cuenta oficial de BIO Protocol también está de acuerdo con la opinión de AK: ¿es una demanda falsa? Observando diferentes voces, además de las positivas, algunos cuestionan la verdadera necesidad de YesNoError. Kyle Samani, cofundador de Multicoin Capital, expresó su desacuerdo en la publicación de AK: Kyle cree que según el principio 80/20, solo unos pocos artículos son realmente importantes, y estos artículos importantes, al recibir atención adecuada, 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 artículos, si asumimos que solo el 5% son importantes, aún habría 4.5 millones de artículos importantes. Incluso si solo el 0.1% de estos artículos importantes tienen una tasa de error, eso aún significa que hay 4500 artículos importantes que necesitan correcciones. Y el caso del "estudio de la pala negra" mencionado anteriormente demuestra que incluso los artículos con un gran impacto pueden contener errores y tener cierto efecto en la sociedad. Resumen: La revisión de artículos por IA no es algo nuevo; desde que ChatGPT fue lanzado, ya ha habido muchos casos de uso de IA para revisar artículos. Y en el ámbito de las criptomonedas, la aparición de YesNoError puede resolver el problema de los errores en artículos científicos, al mismo tiempo que proporciona un verdadero desarrollo práctico para el uso de criptomonedas más allá de la especulación (aunque actualmente puede estar en una etapa temprana del proyecto y parte de su valor aún depende del entusiasmo especulativo del mercado). Y volviendo al comportamiento del mercado, aunque muchos comportamientos optimistas en el mercado pueden resumirse como "el trasero determina la cabeza", si el proyecto es realmente viable y tiene un valor práctico y aterrizado más allá de la especulación, entonces este tipo de comportamiento de "ganar dinero de pie" seguramente será reconocido por el mercado. ¿Cómo se desarrollará YesNoError en el futuro? Dependerá de la determinación del equipo del proyecto para seguir adelante una vez que pase el fervor especulativo del mercado. Seguiremos atentos. Esperamos que haya cada vez más proyectos que beneficien al mundo.