Dips in een bullmarkt zijn bedoeld om gekocht te worden, vooral bij projecten met grote katalysatoren. We weten allemaal dat AI het verhaal van deze cyclus is, gestart door ai16z en Virtuals vorig jaar. Mijn weddenschap is dat de markt zich zal richten op meer complexe en geavanceerde technologieën zoals VLAs, en laat me je vertellen waarom. LLMs (Large Language Models) lezen en schrijven voornamelijk tekst: ze zijn geweldig in uitleggen, plannen en genereren van instructies, maar ze controleren op zichzelf geen motoren of interageren met de fysieke wereld (zoals je misschien hebt ervaren met chatgpt). VLAs (Vision Language Action modellen) verschillen van LLMs omdat ze multimodale systemen zijn die naar dingen kijken (visie), instructies begrijpen (taal) en direct acties produceren. Het is alsof je een robot vertelt een rode beker op te pakken en vervolgens zijn arm beweegt om dit te doen. VLAs worden getraind op voorbeelden die afbeeldingen/video + instructies + echte actie-traces (hoe een robot daadwerkelijk bewoog) combineren, en ze moeten snel en veilig in real-time functioneren. LLMs aan de andere kant worden getraind op enorme tekstcollecties en richten zich op redeneertaken en taalopdrachten. TL;DR LLMs denken en spreken terwijl VLAs zien, redeneren en handelen. Zoals je kunt zien, zijn VLAs een belangrijke aanvulling op LLMs en zullen ze opmerkelijk de volgende 0 naar 1 innovatie in de algehele economie mogelijk maken, die robotica zal zijn. Een meerderheid van de investeringsfondsen wijst een groot deel van hun investeringen toe aan deze sector, gezien als de volgende logische evolutie in de AI-industrie. Ik heb een tijdje geleden al een post gemaakt over de huidige leider in de cryptomarkt, @codecopenflow, die geen kapitaal heeft opgehaald (eerlijk lancering) maar wel geavanceerde producten levert en momenteel op $23M FDV zit. Ter informatie, andere crypto-concurrenten hebben $20m opgehaald ( @openmind_agi) bij wat waarschijnlijk een FDV van $200M tot $300M ++ is, terwijl er nog geen product of gemeenschap is gebouwd en geleverd. Wat Codec een leidend project in de sector maakt, is dat ze een cruciale bottleneck in robotica en AI aanpakken, namelijk de moeilijkheid om alle AI-tools samen te laten werken. Laat me uitleggen. Hun laatste release, OPTR (operator), is een toolkit die helpt bij het bouwen van operators die kunnen interageren op meerdere platforms zoals robots, desktops, browsers of simulaties. Het doel van een operator is om te zien, redeneren en handelen (VLA) in zowel digitale (computers) als fysieke (robots) werelden. Deze toolkit dient als kerninfrastructuur voor robotteams die hun product willen testen en het algehele proces willen verbeteren door een uniforme ervaring te bieden in plaats van aparte ervaringen voor webbrowsers, simulaties of robots. Dit maakt de operator in wezen adaptief en autonoom, ongeacht zijn omgeving. Dus je begrijpt het, het zal veel tijd besparen voor bedrijven en ontwikkelaars die eerder elke stap handmatig moesten doorlopen en waar je tijd kunt besparen, kun je geld besparen. Het zal Codec ook in staat stellen om hun eigen operatorprojecten te bouwen en nieuwe capaciteiten relatief snel op de markt te brengen, met name via hun marktplaats. TL;DR: Je hebt waarschijnlijk video's gezien van robots die tissues vouwen, dozen sorteren of op verschillende elementen springen. Ze zijn allemaal getraind voor deze zeer specifieke gebruiksgevallen, en helaas kan één vaardigheid niet opnieuw worden gebruikt in een andere omgeving zoals een mens dat zou kunnen doen. OPTR van Codec lost dit op door vaardigheden overdraagbaar te maken tussen omgevingen en situaties, waardoor training en ontwikkeling veel sneller en goedkoper worden voor bedrijven. Dit is waarom Codec zo interessant is in het verenigen van de digitale wereld met de fysieke wereld. $CODEC, Coded.