Worldcoin为“加密货币玩家”提供15美元的饮料折扣——首先需要你的眼球

币界网Publicado a 2024-08-15Actualizado a 2024-08-15

币界网报道:

在未能实现到2023年使用反乌托邦眼球扫描球搭载10亿人的目标后,Sam Altman的Worldcoin转向了一种鲜为人知的能量饮料来扩大用户群。

这个备受争议的项目最近进行了“苹果风格”的改造,以改善其形象,现在与“世界上第一种由神经科学家配制和批准的起泡饮料”Flojo合作

该合作伙伴关系为每位在World ID上注册的用户提供15美元的桃子或芒果味混合物折扣。“成为一个独特的人是值得的,”Worldcoin说。

Flojo似乎正试图进军加密货币市场,因为它也与Solana合作。该饮料的联合创始人Christine Wong解释了这一举措,称加密货币玩家“还没有代表性的饮料”

尽管该视频声称价格为10美元,但Flojo网站将其列为15美元的折扣。

Flojo联合创始人、新加坡的Paul Tan也是加密种子投资基金DAOvergence的创始人,在多家加密公司工作。Messari和Cryptorank都将Tan列为失败的NFT市场DoingGud筹集的500万美元种子轮的出资人。

Worldcoin的饮料合作伙伴在营销上大做文章

饮料很多。它声称是亚洲第一种通过神经科学家精心挑选的“适应原”和“益智药”来提高精神清晰度的“生产力”饮料。

对于外行来说,适应原显然是帮助调节身体的天然物质,但并没有一个统一的定义。益智药被认为是改善认知功能的物质,被称为“智能药物”

八包Flojo售价30美元,目前只送货到新加坡。

药理学前沿发表的一篇研究论文将适应原描述为“几乎没有科学价值”。它说,它“在欧盟的临床和药理学术语中不被接受,并且被认为不适合上市授权。”

各种出版商也对益智药的有效性进行了辩论。GQ的一篇文章得出结论,你最好去散步。

这不是关于Worldcoin吗?

Worldcoin声称自创建以来已经吸引了640万眼球,距离2023年的目标“仅”9.936亿次世界身份验证。

阅读更多:人道协议首席执行官如何将其之前的公司推向破产

该公司已将其主页和眼球扫描仪柜台从2000年更新为3480,这表明其业务有所扩张,但表示仍面临国际国家的全球抵制。

除了Worldoin的困境之外,还有一种新的加密货币身份系统:人类协议。这家新公司或多或少都在努力实现Worldcoin的目标,同时使用手掌扫描技术。然而,其首席执行官Terence Kwok在维持公司运营方面并没有最好的记录。

有消息吗?给我们发电子邮件或ProtonMail。如需了解更多信息,请在X、Instagram、Bluesky和谷歌新闻上关注我们,或订阅我们的YouTube频道。

Lecturas Relacionadas

Huang Renxun: El Prompt está quedando obsoleto, Loop es el nuevo paradigma

En el mundo de la IA, se está produciendo un cambio de paradigma: el "prompt" (instrucción directa) pierde relevancia frente al "loop" (bucle o ciclo). Según expertos como Jensen Huang (fundador de NVIDIA), Peter, Boris Cherny (creador de Claude Code) y Andrew Ng, la nueva tarea clave no es escribir prompts detallados, sino diseñar y gestionar loops. ¿Qué es un loop? Es un sistema automatizado donde la IA recibe un objetivo general, ejecuta tareas, las verifica automáticamente y, si no cumple los criterios, reintenta de forma independiente hasta completarlo o alcanzar un límite. Esto libera al humano de supervisar cada paso, transformándolo de "instructor" a "diseñador de reglas". Un loop no es lo mismo que un agente de IA: el agente ejecuta, mientras que el loop es el mecanismo que orquesta y automatiza su trabajo continuo sin intervención constante. Productos como Claude Code y OpenAI Codex ya implementan esta idea. Claude Code ofrece funciones como `/goal` (ejecución orientada a objetivos) y `/schedule` (tareas programadas), utilizando modelos separados para generar código (modelo principal) y para validarlo (modelo más pequeño como Haiku), asegurando una verificación objetiva. Codex emplea una "línea de ensamblaje automatizada" con múltiples subagentes que trabajan en paralelo. Boris Cherny describe cómo dirige cientos de pequeños agentes en loops automatizados que manejan desde issues de GitHub hasta fallos en CI, interviniendo solo en casos excepcionales. Para implementar loops efectivos, se recomienda: 1) Evaluar si la tarea es repetitiva, verificable automáticamente, con presupuesto de tokens viable y con herramientas adecuadas. 2) Comenzar con un loop mínimo viable (disparador, habilidad/Skill, archivo de estado STATE.md y compuerta/Gate de verificación). 3) Separar siempre la generación de código de su validación, usando agentes o modelos independientes para evitar sesgos. 4) Evitar errores comunes: establecer condiciones de parada claras (límites de tokens, iteraciones), persistir el estado en archivos, asignar solo tareas con criterios objetivos verificables por máquina (como corrección de Lint) y revisar los cambios (diffs) para mantener la comprensión del código. 5) Medir el éxito por el "costo promedio por modificación aceptada"; una tasa de aceptación inferior al 50% indica ineficiencia. Este enfoque representa la evolución natural en la ingeniería de IA: desde el "Prompt Engineering" (2023-2024, enfocado en redactar instrucciones), pasando por el "Context Engineering" (2024-2025, organizar la información de fondo), luego el "Harness Engineering" (2025-2026, crear entornos de ejecución con herramientas), hasta el actual "Loop Engineering". El nivel de control humano asciende desde frases específicas hacia el diseño de sistemas autónomos. Conceptos académicos como el marco ReAct (Reason+Act, 2022) de Shunyu Yao, que integra razonamiento y acción en un ciclo, sentaron las bases teóricas. A pesar del entusiasmo, expertos como Addy Osmani (Google) advierten sobre la etapa temprana de esta tecnología y los costos de tokens. Andrej Karpathy subraya una reflexión crucial: aunque la IA puede externalizar la ejecución, la comprensión profunda del problema sigue siendo responsabilidad humana. El loop marca un paso hacia una automatización más autónoma, pero su adopción requiere cuidado y criterio.

marsbitHace 1 hora(s)

Huang Renxun: El Prompt está quedando obsoleto, Loop es el nuevo paradigma

marsbitHace 1 hora(s)

GPT diseña GPT

OpenAI ha presentado su primer chip, Jalapeño, un cambio estratégico que va más allá de competir con Nvidia. La empresa busca controlar todo el proceso de producción de inteligencia artificial, desde los modelos hasta el hardware, la energía y los centros de datos. La brecha entre modelos líderes se está reduciendo, mientras que la ventaja competitiva se desplaza a capas más profundas: suministro de computación, costes de inferencia y eficiencia de sistemas. Cada token generado implica un costo, y OpenAI, con productos de gran consumo como ChatGPT, necesita reducir esta "tasa de inferencia" para fortalecer su rentabilidad y defensa competitiva a largo plazo. Jalapeño, un chip ASIC optimizado para inferencia de modelos de lenguaje, fue desarrollado en solo nueve meses con Broadcom. Este plazo résubevela la ventaja clave de OpenAI: utiliza su propio conocimiento interno sobre cómo se ejecutan sus modelos masivos en producción para guiar el diseño del hardware. Esencialmente, GPT ayuda a diseñar las máquinas que ejecutarán la próxima generación de GPT, creando un ciclo de retroalimentación potente. El enfoque en la inferencia es crucial porque, a diferencia del entrenamiento (una inversión puntual enorme), la inferencia consume el flujo de caja diario. Al optimizarla, OpenAI reduce costes operativos fundamentales para su escalabilidad comercial, especialmente con futuros agentes de IA que realizarán cadenas largas de razonamiento. Este movimiento refleja una ambición mayor: OpenAI no quiere ser solo un proveedor de modelos, sino construir un ecosistema integrado al estilo de Apple, donde el software, el hardware y la infraestructura se optimizan mutuamente en un ciclo cerrado. A corto plazo depende de Nvidia, pero al trazar su propia hoja de ruta de chips, emerge como un nuevo tipo de actor en la infraestructura de IA. En resumen, OpenAI ya no aspira solo a crear la inteligencia más avanzada, sino a controlar los medios completos de su producción.

marsbitHace 1 hora(s)

GPT diseña GPT

marsbitHace 1 hora(s)

Trading

Spot
Futuros
活动图片