Penulis asli: Shenchao TechFlow
Besok, $BIO yang sudah lama ditunggu-tunggu oleh pasar akan resmi diluncurkan. Sebagai proyek DeSci yang didukung langsung oleh Binance, pasar berspekulasi apakah peluncuran $BIO akan memicu bull run di sektor DeSci dan mengambil beberapa likuiditas dari sektor AI.
Namun, apakah AI dan sektor DeSci harus menjadi kompetitor? Tidak juga. Proyek YesNoError yang banyak dibicarakan di blockchain Solana baru-baru ini mengambil jalan untuk menggabungkan DeSci dengan AI, menggunakan teknologi AI untuk meninjau dan menemukan kesalahan dalam makalah penelitian.
Tokennya $YNE pada hari peluncuran 20 Desember langsung mencapai nilai pasar 60 juta dolar, dan kemudian juga dipuji oleh KOL Twitter terkenal Andrew Kang (selanjutnya disebut AK), dengan nilai pasar saat ini sekitar 50 juta dolar.
Apakah perlu AI untuk meninjau makalah ilmiah?
Jika Anda masih belum memahami di mana kegunaan YesNoError, sebuah tweet penjelasan oleh anggota tim YesNoError, Ben Parr, memberikan contoh yang menunjukkan pentingnya peninjauan informasi kesalahan dalam makalah ilmiah:
Pada bulan Oktober 2024, sebuah makalah penelitian mengklaim bahwa peralatan dapur plastik hitam mengandung racun, berita ini dengan cepat menyebar di media. (Majalah Atlantic) bahkan menerbitkan artikel berjudul 'Buang Peralatan Dapur Plastik Hitammu', yang memicu kepanikan publik. Bahkan Ben Parr sendiri mulai membersihkan peralatan dapurnya. Namun, Joe Schwartz, Direktur Kantor Sains dan Masyarakat di Universitas McGill, menemukan adanya kesalahan matematis yang signifikan dalam penelitian ini - kesalahan perkalian sederhana menyebabkan tingkat toksisitas yang dilaporkan 10 kali lebih tinggi daripada tingkat yang sebenarnya. Kasus ini menunjukkan bahwa bahkan penelitian yang tampak otoritatif pun bisa mengandung kesalahan besar, dan kesalahan ini sering kali memiliki dampak nyata pada kehidupan orang biasa.
Dan jika menggunakan teknologi AI untuk meninjau makalah penelitian, dapat menghindari kesalahan-kesalahan dasar dalam perhitungan nilai ini sebanyak mungkin. YesNoError lahir dari kebutuhan ini.
YesNoError dibuat oleh Matt Schlicht, menggunakan model o 1 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, baik dunia ilmiah maupun publik dapat segera mengetahui masalah yang mungkin ada dalam penelitian penting. Meskipun proyek ini baru saja dimulai, telah mencapai beberapa hasil yang signifikan, menemukan beberapa kesalahan dalam penelitian.
Token $YNE juga diberikan kasus penggunaan praktis, pemegang dapat menghabiskan $YNE untuk memprioritaskan peninjauan makalah mereka oleh YesNoError AI.
Hingga saat ini, YesNoError AI telah meninjau 2.219 makalah, dan memang menemukan banyak kesalahan dalam makalah.
Dukungan atau Keraguan, beberapa suara di pasar
AK optimis, menulis dengan semangat
Pada hari peluncuran token $YNE, AK yang selalu optimis terhadap DeSci menyatakan penghargaan terhadap proyek YesNoError.
AK menyatakan 'Nilai inti YesNoError terletak pada penerapan nyata cryptocurrency x AI x DeSci.'
YesNoError memanfaatkan karakteristik ekosistem cryptocurrency, di mana dalam lingkungan khusus ini, modal tidak memerlukan pengembalian investasi dalam arti tradisional. Selama Anda dapat menarik perhatian yang cukup, Anda dapat memperoleh dukungan dana yang cukup. (Yaitu ekonomi perhatian, jika ada yang memperhatikan, pasti ada yang membeli token.)
Sementara itu, YesNoError juga menemukan arah aplikasi yang baik untuk cryptocurrency. Dalam skenario yang tepat, token tidak lagi hanya udara, tetapi benar-benar dapat mendukung produk publik yang sulit dipertahankan oleh model bisnis tradisional.
Mungkin karena sangat optimis (atau memiliki banyak posisi?), pada 31 Desember, AK kembali menulis dan memuji dari sudut pandang data mengenai keberadaan YesNoError yang diperlukan dan berguna.
AK menyatakan, YesNoError mampu meninjau kesalahan dalam lebih dari 90 juta makalah di basis data literatur ilmiah global, dan dapat diselesaikan dalam beberapa minggu atau bulan. Jika dihitung sebagai peninjauan manual, itu memerlukan puluhan ribu tahun, bahkan jika membentuk tim 5.000 doktor, itu masih membutuhkan waktu hampir sepuluh tahun (dan selama sepuluh tahun itu tidak dapat mengikuti kecepatan penerbitan makalah baru), dan perkiraan konservatif membutuhkan 5,4 miliar dolar.
Dan dengan model AI yang dioptimalkan hanya memerlukan sekitar 30 juta dolar (0,3 dolar per makalah) untuk menyelesaikan pekerjaan peninjauan yang lebih akurat dan lebih terstandarisasi - biayanya kurang dari 1% dari metode manual.
Jika dalam bidang ilmu tradisional, mengumpulkan 30 juta dolar juga merupakan proyek besar, tetapi jelas lebih mudah dalam cryptocurrency. (Meskipun mencakup banyak faktor spekulatif, dalam sepuluh hari saja, nilai pasar $YNE sudah mencapai 50 juta dolar.)
Saat ini, agen AI ini telah meninjau lebih dari 1.700 makalah, dengan tingkat kesalahan sekitar 3-4%. Dan setelah terus dioptimalkan, kecepatan pemrosesannya akan semakin meningkat. Di antara 90 juta makalah, kemungkinan ada banyak makalah penting yang mengandung kesalahan signifikan, dan memperbaiki kesalahan ini akan memiliki dampak positif yang nyata bagi dunia.
Akun resmi BIO Protocol juga setuju dengan pandangan AK:
Apakah ini permintaan palsu? Mari lihat suara yang berbeda
Di luar suara optimis, ada juga orang yang meragukan kebutuhan nyata YesNoError.
Kyle Samani, salah satu pendiri Multicoin Capital, mengajukan keberatan di bawah tulisan pujian 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 memiliki kesalahan yang sudah diketahui.
Namun, Andrew Kang membantah dengan data. Dia menunjukkan bahwa bahkan menurut logika Kyle, di antara 90 juta makalah, jika hanya 5% yang penting, itu berarti ada 4,5 juta makalah penting. Bahkan jika hanya 0,1% dari makalah penting ini yang mengandung kesalahan, itu masih berarti ada 4.500 makalah penting yang memiliki kesalahan yang perlu diperbaiki. Dan kasus penelitian tentang sekop hitam yang disebutkan sebelumnya menunjukkan bahwa bahkan makalah yang memiliki dampak besar pun bisa mengandung kesalahan, yang berdampak pada masyarakat.
Ringkasan
Sebenarnya, peninjauan makalah dengan AI bukanlah hal baru; sudah ada banyak contoh peninjauan makalah menggunakan AI sejak ChatGPT diluncurkan. Dan dalam konteks cryptocurrency, kemunculan YesNoError mungkin tidak hanya menyelesaikan masalah kesalahan dalam makalah ilmiah, tetapi juga memberikan perkembangan nyata bagi penggunaan cryptocurrency di luar spekulasi (tentu saja, saat ini masih dalam tahap awal proyek, sebagian nilai masih tergantung pada semangat spekulatif pasar).
Kembali ke perilaku pasar, meskipun banyak perilaku optimis di pasar dapat diringkas dengan 'pantat menentukan kepala', tetapi jika proyeknya benar-benar dapat dilaksanakan dan memiliki nilai yang dapat diterapkan di luar spekulasi, maka perilaku 'mendapatkan uang dengan berdiri' pasti juga akan diakui oleh pasar.
Bagaimana perkembangan YesNoError ke depan masih perlu dilihat dari tekad pihak proyek untuk terus berjalan setelah gelembung spekulatif di pasar berlalu. Kami akan terus memantau.
Semoga semakin banyak proyek yang memberikan manfaat bagi dunia.
