Мем-токены продолжают набирать обороты в 2025 году

cryptonews.ruDipublikasikan tanggal 2025-02-19Terakhir diperbarui pada 2025-02-19

Мем-токены уже давно перестали быть просто шуточной историей. В 2025 году они укрепили свои позиции на крипторынке, привлекая внимание инвесторов. Об этом заявили аналитики CoinShares. Они отметили, что один из самых знаковых токенов в этой категории — Pepe. Его эмблема, изображающая знаменитую лягушку из комиксов Мэтта Фьюри, стала культовым символом интернет-культуры.

Сначала мем использовался для цифровых коллекционных предметов на базе биткоина, а затем появился как токен в сети Ethereum. Благодаря механизму сжигания, который создает дефицит, а также запуску собственной сети 2-го уровня, капитализация PEPE достигла $4,4 млрд в феврале 2025 года.

Другой известный Мем-токены — Shiba Inu (SHIB), вдохновленный японской породой собак. Этот актив, также запущенный на базе Ethereum, быстро набрал популярность. В 2023 году команда проекта представила проект Shibarium — решение 2-го уровня, которое улучшает масштабируемость сети. Низкие комиссии, активное сообщество и вирусный маркетинг позволили SHIB достичь рыночной капитализации в $10 млрд в январе 2025 года. Однако аналитики обнаружили, что основатель проекта владеет 10% предложения монет, что эквивалентно $900 млн. Это вызывает вопросы о централизации и возможных рисках для инвесторов.

По мнению специалистов, одной из главных проблем Мем-токенов остается концентрация активов в руках небольшого количества людей. Это повышает риски манипуляций и нестабильности рынка. Ситуация усугубляется появлением платформ, таких как Pump.fun, где пользователи могут создавать и запускать новые цифровые активы.

Несмотря на возможные угрозы, мем-токены продолжают набирать популярность. Инвесторы рассматривают их как способ быстро заработать, а комьюнити остается сильной движущей силой роста. Однако эксперты советуют проявлять осторожность, так как высокая волатильность может привести к внезапным потерям.

Ошибка в тексте? Выделите её мышкой и нажмите Ctrl + Enter

Bacaan Terkait

Dwarkesh Patel: Generasi AI Berikutnya Mungkin Lahir dari Bekerja Nyata

Dwarkesh Patel, host podcast teknologi populer Silicon Valley, mengangkat pertanyaan tentang paradigma pelatihan AI masa depan. Ia menyoroti konsep **RLVR** (Reinforcement Learning with Verifiable Rewards) yang saat ini banyak digunakan untuk melatih AI dalam tugas seperti koding dan matematika, di mana hasilnya dapat diverifikasi dan lingkungannya mudah diduplikasi untuk pelatihan paralel. Namun, Patel mempertanyakan apakah pendekatan ini cukup untuk tugas dunia nyata yang lebih kompleks seperti memulai bisnis, memenangkan kasus hukum, atau manajemen organisasi. Tugas-tugas ini seringkali tidak dapat direplikasi, memiliki umpan balik lambat, dan berada dalam lingkungan yang terus berubah. Ia menekankan perlunya AI untuk **belajar dari pengalaman dunia nyata** dan mengonsolidasikan pembelajaran tersebut ke dalam bobot modelnya, bukan hanya mengandalkan adaptasi sementara dalam konteks. Dua arah yang diusulkan adalah: 1. **On-Policy Self-Distillation (OPSD)**: Mendistilasi pengetahuan yang diperoleh AI dari tugas panjang dan pengalaman nyata kembali ke model dasar. 2. **Dreaming**: AI membuat simulasi lingkungan berdasarkan pengamatan dunia nyata untuk berlatih dan menguji strategi, kemudian memadatkan pelajaran dari simulasi tersebut. Paradigma baru ini mengarah pada AI yang tidak hanya dilatih sebelum dirilis, tetapi terus **belajar setelah penyebaran** melalui interaksi dan penyelesaian tugas nyata. Kemajuan AI masa depan mungkin akan sangat bergantung pada kemampuan untuk mengubah pengalaman lapangan menjadi peningkatan kemampuan yang berkelanjutan.

marsbit23m yang lalu

Dwarkesh Patel: Generasi AI Berikutnya Mungkin Lahir dari Bekerja Nyata

marsbit23m yang lalu

Trading

Spot
活动图片