Nedgångar på en tjurmarknad är avsedda att köpas, särskilt på projekt med stora katalysatorer Vi vet alla att AI är berättelsen om denna cykel, som startades av ai16z och Virtuals förra året. Jag slår vad om att marknaden kommer att fokusera på mer komplexa och sofistikerade teknologier som VLAs, och låt mig berätta varför. LLM:er (Large Language Models) läser och skriver huvudsakligen text: de är bra på att förklara, planera och generera instruktioner, men de styr inte själva motorer eller interagerar med den fysiska världen (som du kanske har upplevt med chatgpt). VLA:er (Vision Language Action-modeller) skiljer sig från LLM:er eftersom de är multimodala system som tittar på saker (vision), förstår instruktioner (språk) och direkt producerar handlingar. Det är som att säga till en robot att plocka upp en röd kopp och sedan röra på armen för att göra det. VLA:er tränas på exempel som parar ihop bilder/video + instruktioner + verkliga handlingsspår (hur en robot faktiskt rörde sig), och de måste köras snabbt och säkert i realtid. LLM:er å sin sida är utbildade på enorma textsamlingar och fokuserar på resonemang och språkuppgifter. TL; DR LLM:er tänker och talar när VLA:er ser, resonerar och agerar. Som du kan se är VLA:er ett stort tillskott till LLM:er och kommer särskilt att möjliggöra nästa 0 till 1 innovation i den totala ekonomin som kommer att vara robotik. En majoritet av investeringsfonderna allokerar en stor del av sina investeringar till denna sektor, vilket ses som nästa logiska utveckling inom AI-industrin. Jag gjorde redan ett inlägg för ett tag sedan om den nuvarande ledaren på kryptomarknaden, @codecopenflow, som inte samlade in kapital (rättvis lansering) men som ändå skickar banbrytande produkter och för närvarande ligger på 23 miljoner dollar FDV. För information samlade andra kryptokonkurrenter in 20 miljoner dollar (@openmind_agi) till vad som förmodligen är 200 miljoner till 300 miljoner dollar ++ FDV medan ingen produkt eller gemenskap har byggts och levererats ännu. Det som gör Codec till ett ledande projekt inom sektorn är att de tar itu med en avgörande flaskhals inom robotik och AI, nämligen svårigheten att få alla AI-verktyg att samverka med varandra. Låt mig förklara. Deras senaste version, OPTR (operatör), är en verktygslåda som hjälper till att bygga operatörer som kan interagera på flera plattformar som robotar, stationära datorer, webbläsare eller simuleringar. Målet för en operatör är att se, resonera och agera (VLA) i både digitala (datorer) och fysiska (robotar) världar. Denna verktygslåda fungerar som kärninfrastruktur för robotteam som vill testa sin produkt och förbättra den övergripande processen genom att tillhandahålla en enhetlig upplevelse istället för separata för webbläsare, simuleringar eller robotar. Detta gör i huvudsak operatören anpassningsbar och autonom oavsett miljö. Så du fattar, det kommer att spara mycket tid för företag och utvecklare som tidigare var tvungna att gå igenom varje steg manuellt och där du kan spara tid kan du spara pengar. Det kommer också att göra det möjligt för Codec att bygga sina egna operatörsprojekt och relativt snabbt lansera ny kapacitet på marknaden, särskilt via sin marknadsplats. TL; DR: Du har förmodligen sett videor av robotar som viker näsdukar, sorterar lådor eller hoppar på olika element. De har alla tränats för detta mycket specifika användningsfall, och tyvärr kan en färdighet inte återanvändas i en annan miljö som en människa skulle kunna göra. OPTR från Codec löser detta genom att göra färdigheter överförbara mellan miljöer och situationer, vilket gör utbildning och utveckling mycket snabbare och billigare för företag. Det är därför Codec är så intressant för att förena den digitala världen med den fysiska världen. $CODEC, kodad.