A economia oculta da Universidade vs EdTech. TL; DR - edtech como indústria é uma e sempre será uma. Se você tentar estudar por conta própria um tópico bastante avançado (teoria dos tipos, topologia, complexidade computacional, etc.), descobrirá que há uma abundância de material gratuito (como legalmente gratuito, não há necessidade de piratear) - material de alta qualidade. Mesmo que haja talvez menos de 100.000 pessoas no mundo que o leriam, não há uma escassez significativa de material educacional. Mesmo que esses assuntos "não ganhem dinheiro" - ainda há muito incentivo para criar materiais educacionais para eles - como abordarei em um segundo. Por outro lado, se você tentar estudar algo que "pague dinheiro" (como funcionam as VMs alternativas, matemática avançada de DeFi, etc.), de repente há uma escassez de materiais. A discrepância está em como as universidades tradicionais compensam os escritores versus como a "edtech" compensa os escritores. As universidades tradicionais compensam os escritores com "influência" - e "influência" eventualmente leva à estabilidade - (basicamente pagamento garantido, às vezes na casa dos seis dígitos para o resto de sua vida). Até certo ponto, embora a "influência" seja escassa e deva ser conquistada, ela ainda pode ser criada sem nenhuma atividade econômica real - ou seja, criar materiais educacionais para tópicos que não ganham dinheiro (matemática muito avançada e teórica). Efetivamente, o ecossistema universitário pode imprimir influência do nada e pagá-la aos educadores para fazer ótimos livros didáticos gratuitos. Embora a taxa de câmbio entre influência e estabilidade não seja clara, existe um mercado para isso, então professores extremamente brilhantes com um profundo conhecimento de assuntos difíceis cultivam influência escrevendo livros didáticos que são distribuídos gratuitamente. Então, como o sistema universitário sustenta o valor da influência? (O que eles têm que fazer - porque a posse custa dinheiro real). Duas coisas: 1. Dinheiro do contribuinte 2. Vender prestígio com um prêmio gigantesco As universidades privadas cultivam subsídios de forma muito agressiva do governo (não estou fazendo um julgamento político sobre isso, apenas afirmando que é um fato que ninguém contesta). Portanto, a influência é sustentada pelo dinheiro do contribuinte. Em segundo lugar, as universidades vendem prestígio. Você pode literalmente obter uma educação do MIT gratuitamente no Opencourseware, mas as pessoas pagam centenas de milhares de dólares por um diploma do MIT porque isso lhe dá um nível de prestígio que um Rolex não pode. Mesmo que o diploma não seja do MIT, dizer "eu não tenho um diploma" carrega estigma em alguns círculos, então algumas pessoas ainda pagarão taxas altas por uma universidade de 4 níveis. A Edtech não pode vender prestígio (pelo menos não nos níveis do MIT), nem pode cultivar subsídios públicos (apenas organizações sem fins lucrativos podem fazer isso). Claro, a web3 edtech ganha dinheiro com subsídios de fundações, mas eles são insignificantes em comparação com os subsídios federais. Até certo ponto, o maior concorrente da edtech é um vendedor de luxo maior que a LVMH, que também tem acesso ao dinheiro do contribuinte. Enquanto for esse o caso, a edtech não pode fazer apostas de longo prazo em materiais educacionais que as universidades podem se dar ao luxo de fazer, o que significa que a edtech sempre estará faltando, exceto em assuntos que exigem capital muito baixo para produzir (como codificar, matemática do ensino médio, etc). A Edtech sempre pode competir em certos nichos, mas estruturalmente estará lutando pelas sobras. Desafio aceito.

Mais dois dias para compensar, certo? Prometo que vou parar de abrir caixas depois de empatar.

O tópico de "raízes da unidade" no contexto de um campo finito nem aparece em muitos livros didáticos de álgebra abstrata. No entanto, eles são essenciais para tornar os algoritmos ZK eficientes (e até possíveis em alguns casos). Até agora, a maior parte do tratamento online para raízes de unidade em um campo finito são um monte de definições desmotivadas e não relacionadas - e os tratamentos ZK que se referem a elas pressupõem que o leitor conhece as propriedades importantes que raramente são discutidas. Mesmo se você pedir a uma IA para ensiná-lo sobre as raízes da unidade em um campo finito, ela lhe dará a mesma resposta que você obtém dos principais resultados em um mecanismo de pesquisa. Se você está batendo a cabeça contra PLONK, FRI e FTT e se perguntando por que os algoritmos não estão clicando para você, há uma boa chance de que seja porque você tem uma lacuna de conhecimento com raízes de unidade. BTW, é por isso que a RareSkills ainda não publicou sobre esses algoritmos. Eu poderia dar uma palestra de uma hora e explicar como eles funcionam de ponta a ponta, com animações sofisticadas para torná-lo legal? Claro que eu poderia. Mas não é disso que os alunos realmente precisam. Para realmente aprender um algoritmo, você precisa de uma estrutura para redescobrir o algoritmo por conta própria - não apenas memorizar a sequência de etapas a serem executadas. No entanto, você precisa memorizar o ide-chave, pois o algoritmo depende - e não apenas memorizá-los - de ter uma codificação generalizável dessas informações para que você possa conectá-las facilmente a outros conhecimentos de pré-requisito. As raízes da unidade em um campo finito são uma dessas dependências críticas do conhecimento.