Ditulis oleh: Shen Chao TechFlow
Besok, $BIO yang telah lama ditunggu-tunggu di pasar akan resmi diluncurkan. Sebagai proyek DeSci yang didukung langsung oleh Binance, pasar berspekulasi apakah peluncuran $BIO akan membawa lonjakan besar pada sektor DeSci dan membagi sebagian likuiditas sektor AI.
Namun, apakah AI dan sektor Decsi harus bersaing? Tidak juga. Proyek YesNoError di rantai Solana yang baru-baru ini banyak dibicarakan justru menemukan jalan untuk mengintegrasikan DeSci dengan AI, menggunakan teknologi AI untuk meninjau dan menemukan kesalahan dalam makalah penelitian.
Token $YNE-nya pada hari peluncuran 20 Desember langsung mencapai nilai pasar 60 juta dolar, dan kemudian juga didukung oleh KOL Twitter terkenal Andrew Kang (selanjutnya disebut AK) yang membuat nilai pasar saat ini sekitar 50 juta dolar.
Apakah benar-benar perlu bagi AI untuk meninjau makalah ilmiah?
Jika Anda masih belum mengetahui di mana kegunaan YesNoError, salah satu anggota tim YesNoError, Ben Parr, menjelaskan melalui tweet yang memberikan contoh tentang perlunya meninjau informasi kesalahan dalam makalah ilmiah:
Pada Oktober 2024, sebuah makalah penelitian mengklaim bahwa peralatan dapur plastik hitam mengandung racun, berita ini cepat menyebar di media. (The Atlantic) bahkan menerbitkan artikel berjudul "Buang Peralatan Dapur Plastik Hitam Anda", yang memicu kepanikan publik. Bahkan Ben Parr sendiri mulai membersihkan peralatannya. Namun, Joe Schwartz, direktur Kantor Ilmu Pengetahuan dan Masyarakat Universitas McGill menemukan bahwa ada kesalahan matematis penting dalam penelitian ini—kesalahan perkalian sederhana menyebabkan tingkat toksisitas yang dilaporkan 10 kali lebih tinggi dari tingkat yang sebenarnya. Kasus ini menunjukkan bahwa bahkan penelitian yang tampaknya otoritatif dapat memiliki kesalahan besar, dan kesalahan tersebut sering kali dapat berdampak nyata pada kehidupan orang biasa.
Jika menggunakan teknologi AI untuk meninjau makalah penelitian, kesalahan perhitungan angka sederhana ini dapat dihindari semaksimal mungkin. YesNoError lahir dari kebutuhan ini.
YesNoError dibuat oleh Matt Schlicht, menggunakan model o1 OpenAI sebagai dasar teknis. Cara kerja proyek ini sangat langsung: tim menggunakan AI untuk meninjau makalah penelitian, kemudian mempublikasikan masalah yang ditemukan di situs web mereka yesnoerror.com dan di Twitter resmi.
Dengan cara operasional yang transparan ini, dunia ilmiah dan publik dapat segera mengetahui masalah yang mungkin ada dalam penelitian penting. Meskipun proyek ini baru saja dimulai, namun telah mencapai beberapa hasil yang signifikan dan menemukan beberapa kesalahan dalam penelitian.
Sedangkan token $YNE juga diberikan penggunaan praktis, pemegang dapat menggunakan $YNE untuk mendapatkan prioritas dalam peninjauan makalah mereka oleh YesNoError AI.
Hingga saat ini, YesNoError AI telah meninjau 2219 makalah, dan benar-benar menemukan banyak kesalahan dalam makalah.
Persetujuan atau keraguan, beberapa suara di pasar
AK optimis, menulis dengan semangat
Pada hari peluncuran token $YNE, AK yang selalu optimis dengan DeSci menyatakan apresiasi terhadap proyek YesNoError.
AK menyatakan "Nilai inti YesNoError terletak pada penerapan nyata cryptocurrency x AI x DeSci."
YesNoError memanfaatkan karakteristik ekosistem cryptocurrency, di lingkungan khusus ini, modal tidak memerlukan pengembalian investasi dalam arti tradisional. Selama Anda dapat menarik perhatian yang cukup, Anda dapat mendapatkan dukungan dana yang memadai. (Yaitu ekonomi perhatian, jika ada yang memperhatikan, akan ada yang membeli token.)
Sementara YesNoError juga menemukan arah aplikasi yang baik untuk cryptocurrency. Dalam skenario yang tepat, token tidak lagi hanya udara belaka, tetapi benar-benar dapat mendukung produk publik yang sulit dipertahankan oleh model bisnis tradisional.
Mungkin karena sangat optimis (atau memiliki banyak saham?), pada 31 Desember, AK kembali menulis untuk memperkenalkan dan memuji keberadaan serta kegunaan YesNoError dari sudut pandang data.
AK menyatakan bahwa YesNoError memiliki kemampuan untuk meninjau kesalahan dalam lebih dari 90 juta makalah di perpustakaan ilmiah global, hanya membutuhkan beberapa minggu atau bulan untuk menyelesaikannya. Jika dihitung secara manual, itu akan memakan waktu puluhan ribu tahun, bahkan jika membentuk tim doktor sebanyak 5000 orang, itu masih akan memerlukan hampir sepuluh tahun (dan selama sepuluh tahun itu tidak akan bisa mengikuti laju publikasi makalah baru), dan perkiraan biaya konservatifnya adalah 5,4 miliar dolar.
Melalui model AI yang dioptimalkan, hanya sekitar 30 juta dolar (0,3 dolar per makalah) diperlukan untuk menyelesaikan pekerjaan peninjauan yang lebih akurat dan lebih terstandarisasi—biayanya kurang dari 1% dari metode manual.
Jika di bidang ilmu pengetahuan tradisional, mengumpulkan 30 juta dolar juga merupakan proyek yang tidak kecil, tetapi jelas dalam kripto, ini jauh lebih mudah. (Meskipun ada banyak faktor spekulatif, tetapi hanya dalam sepuluh hari, nilai pasar $YNE telah mencapai 50 juta dolar.)
Saat ini, agen AI ini telah meninjau lebih dari 1700 makalah, dengan tingkat kesalahan sekitar 3-4%. Dan setelah terus dioptimalkan, kecepatan pemrosesannya juga akan meningkat lebih lanjut. Di antara 90 juta makalah, kemungkinan ada banyak makalah penting yang mengandung kesalahan besar, dan memperbaiki kesalahan ini akan membawa dampak positif yang nyata bagi dunia.
Akun resmi BIO Protocol juga setuju dengan pandangan AK:
Apakah ini permintaan yang tidak nyata? Mari lihat suara yang berbeda.
Di luar suara optimis, ada juga yang meragukan kebutuhan nyata YesNoError.
Kyle Samani, salah satu pendiri Multicoin Capital, mengajukan keberatan di bawah tulisan AK ini:
Kyle berpendapat bahwa menurut prinsip 80/20, hanya sedikit makalah yang benar-benar penting, dan makalah penting ini karena mendapat perhatian yang cukup, tidak mungkin ada kesalahan yang diketahui.
Namun, Andrew Kang membantahnya dengan data. Ia menunjukkan bahwa bahkan menurut logika Kyle, di antara 90 juta makalah, jika hanya 5% yang penting, masih ada 4,5 juta makalah penting. Bahkan jika hanya 0,1% dari makalah penting ini yang memiliki kesalahan, itu tetap berarti ada 4500 makalah penting yang memiliki kesalahan yang perlu diperbaiki. Dan kasus "penelitian alat hitam" yang disebutkan sebelumnya menunjukkan bahwa bahkan makalah yang berpengaruh besar pun dapat memiliki kesalahan, dan dapat memberikan dampak tertentu pada masyarakat.
Kesimpulan
Meninjau makalah dengan AI sebenarnya bukanlah hal baru, sudah banyak contoh penggunaan AI untuk meninjau makalah sejak ChatGPT diluncurkan. Dan dilihat dari sudut pandang kripto, kemunculan YesNoError mungkin tidak hanya menyelesaikan masalah kesalahan dalam makalah ilmiah, tetapi juga memberikan beberapa perkembangan nyata dalam penggunaan cryptocurrency di luar spekulasi (tentu saja saat ini mungkin masih dalam tahap awal proyek, sebagian nilai masih tergantung pada antusiasme spekulatif pasar).
Kembali ke perilaku pasar, meskipun banyak perilaku optimis di pasar dapat diringkas dengan "pantat menentukan otak", jika proyek ini benar-benar dapat dilakukan, dan memiliki nilai praktis yang terwujud di luar spekulasi, maka perilaku "menghasilkan uang dengan berdiri" ini pasti akan diakui oleh pasar.
Bagaimana perkembangan YesNoError ke depan masih perlu dilihat dari tekad pihak proyek untuk terus bergerak setelah hype pasar berlalu. Kami akan terus memantau.
Semoga semakin banyak proyek yang memberi manfaat bagi dunia.
