2028: The Arrival of Recursive Self-Improvement (RSI)

marsbitPublicado em 2026-06-28Última atualização em 2026-06-28

Resumo

**AI Recursive Self-Improvement (RSI): The Countdown to 2028 Begins** AI is no longer just a trained tool but is starting to rewrite its own evolutionary pace. According to Anthropic co-founder Jack Clark, there is a 60% probability that by the end of 2028, Recursive Self-Improvement (RSI) will become a reality. This means AI could autonomously design and build a more capable next-generation version of itself without any human researcher involvement—Claude 10 creating Claude 11, for instance. Supporting this timeline, Google DeepMind's CEO Demis Hassabis confirms that all leading AI labs are intensely focused on RSI, making it an industry-wide priority. He expresses profound concern, stating this potential is what keeps him awake at night. Concrete data underscores this acceleration: - METR evaluations show current top models like Claude are solving tasks up to the 16-hour limit of existing test frameworks. - In Epoch AI's challenging MirrorCode benchmark, Claude Opus 4.7 recreated complex software in hours for a fraction of the human cost. In one extreme test, AI autonomously coded for 19 days straight. - Anthropic reports over 80% of its codebase is now written by Claude, and researcher productivity has increased up to 8-fold since 2024. - OpenAI's policy blueprint highlights RSI as a major upcoming governance challenge. CEO Sam Altman reportedly hinted RSI might arrive within six months, potentially delaying OpenAI's massive IPO. The implication is an impending "intell...

[New Zhiyuan Summary] AI is no longer just a tool being trained; it has begun to rewrite its own evolutionary pace. In 2028, the countdown to RSI triggering ASI is accelerating.

The countdown for AI to build AI has truly begun.

This time, the timeline comes from Anthropic co-founder Jack Clark.

At an Aspen Institute event, he dropped a line that silenced the room—

Before the end of 2028, Recursive Self-Improvement (RSI) will likely become reality: AI will autonomously invent and personally build the next generation smarter than itself, without a single human researcher involved.

He even provided a chillingly specific image: Claude 10 builds Claude 11 itself.

This is not speculation.

Jack Clark reviewed hundreds of public AI development datasets and, after repeatedly analyzing them in his personal blog Import AI and in an interview with Axios, his probability signal is—60%.

Almost simultaneously, a voice from across the ocean has cemented this matter.

Google DeepMind chief Demis Hassabis confirmed in a recent Axios interview: All frontier AI labs are already fully advancing Recursive Self-Improvement.

His exact words were—"All leading labs are highly focused on this."

It's not just one lab experimenting in secret; it's the entire industry, collectively on board.

More unsettling is his follow-up statement.

When asked at the Davos Forum, "Would you regret it like Oppenheimer?" Hassabis replied: "I worry about these scenarios all the time; it's why I can't sleep well."

Two individuals at the pinnacle of the world's AI are saying the same thing: that theoretical singularity is turning into a date on the calendar.

This article is from the May issue of New Zhiyuan's ASI Industry Map. We continue to focus on the latest progress in ASI, exploring its deepest insights together.

2028: AI Building AI

First, why Jack Clark's judgment is important.

In the past, when we talked about RSI, it always felt like a sci-fi plot—distant, vague, with no timeline.

But this time, Jack Clark nails the vague "future" to "the end of 2028."

In his lengthy Import AI article, he describes a clear closed loop: An AI system becomes powerful enough to design its own experiments, write its own training code, run them, evaluate the results, and then build a smarter version of itself.

Humans regress from designers to observers.

At that point, the speed of AI progress will no longer be determined by human inspiration, but only by computing power.

This is the so-called "intelligence explosion"—once the flywheel slips from our hands, it spins faster and faster until it leaves everyone behind.

Why 2028, and not later?

Because acceleration itself is also accelerating.

In March 2024, Claude could only handle 4 minutes of human work; a year later it was 1.5 hours, another year and it's 12 hours.

And METR's assessment of Claude Mythos Preview in May directly pushed the testing framework to its limit—task duration for a 50% success rate reached "at least 16 hours," which is already the upper limit measurable by METR's existing 228 test tasks.

METR itself admits: "Measurements above 16 hours are unreliable within the existing task suite."

In plain language: It's not that AI can't handle it; it's that the human-designed tests aren't difficult enough.

Projecting along this curve, 2028 is not a random number pulled out of thin air.

AI Programming Independently for 19 Days Non-Stop

Just as the entire industry was still debating the "16-hour upper limit," a cold, third-party dataset nailed the argument to the wall.

The MirrorCode benchmark, released jointly by Epoch AI and METR, asked a simple yet brutal question: Lock up the source code, give the AI only an executable black-box program and documentation—can you rebuild the entire software from scratch?

Not fixing bugs, not writing functional modules, but a complete rebuild of a software project—from architecture design to edge case handling—that would take a human engineer weeks or even months.

The results are breathtaking.

Claude Opus 4.7 reimplemented gotree—a bioinformatics toolkit with 16,000 lines of Go code and over 40 commands—passing 99.95% of the test cases.

A human engineer would need 2 to 17 weeks for the same work. The AI took 14 hours, costing $251.

Even more explosive was the extreme test: In the largest-scale task on MirrorCode, the AI programmed continuously for 19 days non-stop, costing $2,600—with zero human intervention throughout.

19 days. No eating, drinking, or sleeping. A job requiring months for a human team, it completed alone, head down.

A year ago, top models scored around 30% on MirrorCode, limited to simple calendar tools.

Today, Claude Opus 4.7's success rate has reached 56%, and this number is climbing rapidly.

This is no longer a question of "Can AI write code?" It's a question of "At what scale can human engineers still maintain an advantage?"

And the answer is shrinking by the month.

All Labs Are Doing the Same Thing

If Jack Clark gave a timeline, Hassabis gave the scope.

He spelled it out in the Axios interview: Recursive Self-Improvement is no longer a theoretical risk, but an active project running in reality.

"What we're seeing is a kind of 'soft self-improvement'—these coding agents are dramatically boosting engineers' output capacity."

In fields like coding and math, feedback loops can close in seconds—the machine can instantly verify if an answer is correct and even generate synthetic data to feed the next round.

DeepMind's own AlphaEvolve is a live example: a Gemini-powered evolutionary coding agent uses AI to optimize the code and algorithms for building AI itself, having already solved problems that stumped mathematicians for decades.

In fields like biology, chemistry, and physics that require real, hands-on experiments, a single loop can take weeks or even months to close.

Slowness, ironically, becomes a natural safety valve.

Turing Award winner and 2024 Nobel laureate in physics, Hinton, issued a stark warning while accepting the award in Stockholm: AI could write code to modify its own learning protocol and learn to hide this behavior from humans.

He stated bluntly: "The ultimate consequence I'm worried about is that these things become smarter than us and decide to take over."

The core dilemma is just one sentence: To what extent do we allow AI to run autonomously? One degree more, efficiency soars; one degree more, potential loss of control.

But everyone agrees on one thing: Recursiveness makes the future especially hard to predict.

Not Empty Talk, but Data Speaking

Many people's first reaction: Are these two just hyping things up?

But open the internal data from Anthropic's May paper, "When AI builds itself," and you'll find they are truly speaking with commit records.

As of May 2026, over 80% of the code merged into Anthropic's codebase was written by Claude—whereas before the release of Claude Code in February 2025, this number was in the single digits.

In Q2 2026, the amount of code a typical engineer merges per day is 8 times that of 2024.

An Anthropic employee shared a blunt truth internally: "I haven't written a single line of code myself in about 5 months."

On the most open-ended, ambiguous programming tasks where even the shape of the correct answer is unclear, Claude's success rate soared from 26% to 76% within half a year.

An internal survey of 130 researchers at Anthropic showed the median respondent estimated their output was 4 times what it would be without AI.

Even more spine-chilling is the research level.

Anthropic runs the same test with each new model: give Claude a piece of code for training a small AI and ask it to make it run as fast as possible while ensuring correctness.

In May 2025, Claude Opus 4 achieved 3x speedup; in April 2026, Claude Mythos Preview directly hit 52x. A skilled human researcher would need 4 to 8 hours to achieve 4x.

One year, from "useful assistant" to "surpassing humans by an order of magnitude."

Sam Altman Spoke a Big Truth

OpenAI hasn't been idle either, and the moves are bigger than anyone anticipated.

Just days before Anthropic's article, OpenAI released a policy blueprint titled "Democratic Governance of Frontier AI," which赫然 contained a paragraph that sent shivers through Silicon Valley—We see early signs of recursive self-improvement in today's systems: the development of AI itself is being accelerated by AI. We expect this to intensify competitive pressures between developers and nations and create governance challenges existing institutions cannot handle.

OpenAI calls RSI "one of the most impactful frontier safety issues of the next decade."

Even more significant was the letter Sam Altman subsequently sent to all employees on internal Slack.

According to The Information, Altman hinted that OpenAI might achieve recursive self-improvement in less than six months. And if RSI truly arrives, he would rather delay that highly anticipated, $852 billion valuation epic IPO.

His exact words: The faster RSI takes off, the greater the benefit of delaying the IPO—because technology and the world could change in unexpected ways, and there may be good reasons to remain a private company during that period.

Read that sentence once.

The CEO of a company valued at nearly a trillion dollars tells employees outright: The technology we are building ourselves might make public markets irrelevant.

For the first time, the two rivals, Anthropic and OpenAI, are speaking in unison on the same thing: It is happening.

The Countdown Has Started

Today, not two, but three world-class signals lit up simultaneously: Anthropic's Jack Clark gave the 2028 timeline, DeepMind's Hassabis confirmed full industry participation, and OpenAI's Sam Altman cast his vote of confidence in RSI with a potentially delayed trillion-dollar IPO.

80% of code, 8x productivity, 52x speedup, 19 days of non-stop independent programming, a 60% probability, a countdown of less than six months—

Every number is a click of the flywheel turning.

Hassabis spoke frankly: "I would prefer the pace to be slower; that would be better for the world." But he also admitted the competition is "unprecedented in intensity," and no one is willing to stop first.

Jack Clark also threw out an even more provocative judgment in his Oxford University speech: Within 12 months, AI-assisted humans will produce a Nobel Prize-level discovery. Within 18 months, a company fully operated by AI will generate millions in revenue. Within two years, bipedal robots will assist construction workers.

These predictions share a common characteristic: they come with dates and can be falsified.

The remaining question may no longer be "Will it happen?" but rather—when the countdown reaches 2028, are we ready?

References:

https://x.com/kimmonismus/status/2069508699123548504

https://www.youtube.com/watch?v=iP9wk0pkCGM

https://x.com/jackclarkSF/status/2051312759594471886

https://importai.substack.com/p/import-ai-455-automating-ai-research

https://www.anthropic.com/institute/recursive-self-improvement

https://x.com/ihtesham2005/status/2069420372089520483

https://www.youtube.com/watch?v=huAwz_BR8WM

https://www.axios.com/2026/05/26/deepmind-ceo-demis-hassabis

https://michaelparekh.substack.com/p/ai-google-deepmind-ceo-demis-hassabis

This article is from the WeChat public account "New Zhiyuan", edited by: Solomon

Criptomoedas em alta

ctr
CitreaCTR
wstusdt
wrapped stUSDTWSTUSDT
apr
aPrioriAPR
ctx
Cryptex FinanceCTX
audio
AudiusAUDIO
mantra
MantraMANTRA
xvs
VenusXVS
waxl
AxelarWAXL
bill
Billions NetworkBILL
pyth
PYTH (Pyth)PYTH
rune
THORChainRUNE
velodrome
Velodrome FinanceVELODROME
brev
BrevisBREV
zrx
ZRX（0X）ZRX
cake
PancakeSwapCAKE

Perguntas relacionadas

QAccording to Anthropic co-founder Jack Clark, what is the specific timeframe for the likely emergence of Recursive Self-Improvement (RSI) in AI?

AJack Clark predicts that Recursive Self-Improvement (RSI) is likely to become a reality by the end of 2028, with a probability signal of 60%.

QWhat did the MirrorCode benchmark test reveal about AI's independent programming capabilities in a key example?

AIn the MirrorCode benchmark, Claude Opus 4.7 successfully reimplemented the 'gotree' bioinformatics toolkit (16,000 lines of Go code), passing 99.95% of test cases in 14 hours at a cost of $251, a task that would take human engineers 2 to 17 weeks. In an extreme test, an AI continuously programmed for 19 days without human intervention.

QWhat did Demis Hassabis, CEO of Google DeepMind, state regarding the industry's focus on Recursive Self-Improvement (RSI)?

ADemis Hassabis confirmed that all leading frontier AI labs are now highly focused on and actively pushing forward with Recursive Self-Improvement (RSI) efforts.

QWhat significant internal metric does Anthropic's article cite to demonstrate AI's growing role in its own development?

AAnthropic's internal data shows that over 80% of the code committed to its codebase as of May 2026 was written by Claude, compared to single-digit percentages before the release of Claude Code in February 2025.

QWhat potential action did Sam Altman suggest OpenAI might take if Recursive Self-Improvement (RSI) arrives soon, according to the article?

ASam Altman hinted internally that if RSI materializes, OpenAI might postpone its highly anticipated multi-billion dollar IPO, as remaining a private company could be beneficial during a period of unexpected technological and world changes.

Leituras Relacionadas

Humanity Protocol, Kelp DAO stolen funds commingle – Same attacker?

Investigations into the 2026 exploits of Kelp DAO and Humanity Protocol have revealed that stolen funds from both attacks were recently commingled, suggesting a connection between the attackers. Blockchain analyst ZachXBT identified the activity, where 15,403 ETH ($23.6 million) from the Humanity Protocol hack was moved to a new Ethereum address and then to the Bitcoin network, merging with proceeds from the Kelp DAO exploit. Over $8 million of these funds has been laundered using methods associated with groups like the Lazarus Group. The Kelp DAO attack drained about $292 million in April 2026, while Humanity Protocol lost around $32 million in June due to a compromised developer device. This commingling points to a shared external threat actor and highlights ongoing security risks in DeFi.

ambcryptoHá 33m

Humanity Protocol, Kelp DAO stolen funds commingle – Same attacker?

ambcryptoHá 33m

Ethereum ETFs see $12.85M outflows – Why ETH bulls face an uphill battle

Institutional demand for Ethereum (ETH) is weakening as investors reduce exposure to risk assets amid uncertain market conditions. U.S. spot ETH ETFs recently recorded $12.85 million in net outflows, extending a broader slowdown in fund demand despite cumulative net inflows remaining near $11 billion. This reduces institutional capital available to support ETH prices. Consequently, Ethereum now relies more on staking demand, layer-2 activity, and organic spot buying to stabilize prices. An increase in network demand could help absorb excess supply. However, if institutional demand does not recover, ETH faces prolonged consolidation and increased vulnerability to sentiment-driven price swings. On-chain analysis shows significant holdings moving to a new wallet. While not a direct sell signal, similar past movements have preceded liquidity events. If these funds are deposited to exchanges, it could reinforce bearish sentiment and selling pressure. In summary, ETH remains vulnerable due to weak institutional demand and a bearish market structure. Stronger spot demand is needed to offset selling pressure and restore sustained bullish momentum.

ambcryptoHá 48m

Ethereum ETFs see $12.85M outflows – Why ETH bulls face an uphill battle

ambcryptoHá 48m

World Models, Metaverse, Digital Twins, Physical AI: Are They the Same Thing?

Title: World Models, the Metaverse, Digital Twins, Physical AI: Are They the Same Thing? The article clarifies that concepts like the metaverse, Web3, simulation platforms, digital twins, and Physical AI are not the same thing but are all part of the broader trend of blurring the lines between the digital and physical worlds. It positions "world models" as the foundational "cognitive layer" or "operating system" that enables AI to understand and simulate the world. Key distinctions are made: - The **Metaverse** is a destination for immersive social and economic experiences. World models could act as its "engine," generating interactive 3D content efficiently. - **Web3** focuses on decentralized ownership and economics (rules layer), operating on a different technical level than world models. - **Simulation Data Platforms** (e.g., for autonomous vehicles) are a 1.0 version, relying on manual design. World models represent a 2.0 version, using AI to generate realistic, varied scenarios autonomously. - **Digital Twins** create high-fidelity, real-time mirrors of physical systems (e.g., a factory). World models go a step further by enabling predictive simulation of future states. - **Physical AI** (robots, AVs) refers to AI that acts in the physical world. World models are a core component, providing the understanding and prediction needed for planning. A proposed hierarchy places world models at the cognitive layer, supported by infrastructure (compute, data) and supporting application tools (simulation, digital twins), action systems (Physical AI), user experiences (metaverse), and rules (Web3). In conclusion, while distinct, many of these previously hyped concepts may ultimately rely on advances in world model technology to fulfill their promises, as world models provide the essential cognitive foundation for simulating and interacting with complex environments.

marsbitHá 1h

World Models, Metaverse, Digital Twins, Physical AI: Are They the Same Thing?

marsbitHá 1h

"Shocking" CPO: How Does the Glass Bridge Actually Work? Detailed Explanation from Corning

Chinese CPO stocks plunged over 6% following Corning's announcement of its Glass Bridge platform at a Seoul tech conference. The new technology utilizes wafer-level glass ion-exchange waveguides for passive alignment between fibers and photonic chips, potentially simplifying traditional CPO architectures that rely on complex Fiber Array Units and active alignment equipment. This raised market concerns about reduced long-term demand for mid-stream CPO components. Corning's official documentation details Glass Bridge as a platform for fiber-to-PIC connectivity in NPO, CPO, and high-density modules. Its key features include wafer-level manufacturing for consistent, cost-effective production; a standardized, removable MT ferrule interface for ecosystem integration; and a separable high-density connector design supporting over 24 channels for assembly flexibility. Corning positions the technology as complementary to FAUs, addressing limitations in ultra-high-fiber-count scenarios. The market reaction reflects a broader reassessment of the AI optical interconnect value chain. Funds shifted from CPO and PCB manufacturing stocks towards glass substrate concept stocks like Kaisheng Technology and Dyer Laser. Analysts note glass substrates are seen as a next-gen advanced packaging material, offering a potential path for domestic industry differentiation amid AI-driven demand for high-performance, large-scale packaging, marking a structural migration in value towards upstream specialty materials.

marsbitHá 1h

"Shocking" CPO: How Does the Glass Bridge Actually Work? Detailed Explanation from Corning

marsbitHá 1h

Sharplink adds $62.4M in Ethereum despite ETH’s weak demand – Here’s why

Sharplink, the second-largest Ethereum treasury company, purchased an additional 29,196 ETH for $46.7 million on June 27. Over the past three days, its Ethereum holdings increased by 39,196 ETH, worth $62.4 million. This marks Sharplink's second major purchase after an eight-month pause, bringing its total ETH holdings to 868,699, including staked tokens. Concurrently, Sharplink's stock price rose 5.48% to $4.81. In comparison, the largest Ethereum holder, Bitmine, acquired 52,203 ETH for $92 million on June 22 and plans steady growth through 2026. These institutional accumulations occur against a backdrop of weak Ethereum market demand. ETH's price recently hit $1,568.75, its lowest since April 2025, with on-chain data indicating diminished aggressive buying momentum and signs of buyer exhaustion compared to the previous year.

ambcryptoHá 1h

Sharplink adds $62.4M in Ethereum despite ETH’s weak demand – Here’s why

ambcryptoHá 1h

Trading

Spot

Artigos em Destaque

O que é GROK AI

Grok AI: Revolucionar a Tecnologia Conversacional na Era Web3 Introdução No panorama em rápida evolução da inteligência artificial, a Grok AI destaca-se como um projeto notável que liga os domínios da tecnologia avançada e da interação com o utilizador. Desenvolvida pela xAI, uma empresa liderada pelo renomado empreendedor Elon Musk, a Grok AI procura redefinir a forma como interagimos com a inteligência artificial. À medida que o movimento Web3 continua a florescer, a Grok AI visa aproveitar o poder da IA conversacional para responder a consultas complexas, proporcionando aos utilizadores uma experiência que é não apenas informativa, mas também divertida. O que é a Grok AI? A Grok AI é um sofisticado chatbot de IA conversacional projetado para interagir com os utilizadores de forma dinâmica. Ao contrário de muitos sistemas de IA tradicionais, a Grok AI abraça uma gama mais ampla de perguntas, incluindo aquelas tipicamente consideradas inadequadas ou fora das respostas padrão. Os principais objetivos do projeto incluem: Raciocínio Fiável: A Grok AI enfatiza o raciocínio de senso comum para fornecer respostas lógicas com base na compreensão contextual. Supervisão Escalável: A integração de assistência de ferramentas garante que as interações dos utilizadores sejam monitorizadas e otimizadas para qualidade. Verificação Formal: A segurança é primordial; a Grok AI incorpora métodos de verificação formal para aumentar a fiabilidade das suas saídas. Compreensão de Longo Contexto: O modelo de IA destaca-se na retenção e recordação de um extenso histórico de conversas, facilitando discussões significativas e contextualizadas. Robustez Adversarial: Ao focar na melhoria das suas defesas contra entradas manipuladas ou maliciosas, a Grok AI visa manter a integridade das interações dos utilizadores. Em essência, a Grok AI não é apenas um dispositivo de recuperação de informações; é um parceiro conversacional imersivo que incentiva um diálogo dinâmico. Criador da Grok AI A mente por trás da Grok AI não é outra senão Elon Musk, um indivíduo sinónimo de inovação em vários campos, incluindo automóvel, viagens espaciais e tecnologia. Sob a égide da xAI, uma empresa focada em avançar a tecnologia de IA de maneiras benéficas, a visão de Musk visa reformular a compreensão das interações com a IA. A liderança e a ética fundacional são profundamente influenciadas pelo compromisso de Musk em ultrapassar os limites tecnológicos. Investidores da Grok AI Embora os detalhes específicos sobre os investidores que apoiam a Grok AI permaneçam limitados, é reconhecido publicamente que a xAI, a incubadora do projeto, é fundada e apoiada principalmente pelo próprio Elon Musk. As anteriores empreitadas e participações de Musk fornecem um forte apoio, reforçando ainda mais a credibilidade e o potencial de crescimento da Grok AI. No entanto, até agora, informações sobre fundações ou organizações de investimento adicionais que apoiam a Grok AI não estão prontamente acessíveis, marcando uma área para exploração futura potencial. Como Funciona a Grok AI? A mecânica operacional da Grok AI é tão inovadora quanto a sua estrutura conceptual. O projeto integra várias tecnologias de ponta que facilitam as suas funcionalidades únicas: Infraestrutura Robusta: A Grok AI é construída utilizando Kubernetes para orquestração de contêineres, Rust para desempenho e segurança, e JAX para computação numérica de alto desempenho. Este trio assegura que o chatbot opere de forma eficiente, escale eficazmente e sirva os utilizadores prontamente. Acesso a Conhecimento em Tempo Real: Uma das características distintivas da Grok AI é a sua capacidade de aceder a dados em tempo real através da plataforma X—anteriormente conhecida como Twitter. Esta capacidade concede à IA acesso às informações mais recentes, permitindo-lhe fornecer respostas e recomendações oportunas que outros modelos de IA poderiam perder. Dois Modos de Interação: A Grok AI oferece aos utilizadores a escolha entre “Modo Divertido” e “Modo Regular”. O Modo Divertido permite um estilo de interação mais lúdico e humorístico, enquanto o Modo Regular foca em fornecer respostas precisas e exatas. Esta versatilidade assegura uma experiência adaptada que atende a várias preferências dos utilizadores. Em essência, a Grok AI combina desempenho com envolvimento, criando uma experiência que é tanto enriquecedora quanto divertida. Cronologia da Grok AI A jornada da Grok AI é marcada por marcos fundamentais que refletem as suas fases de desenvolvimento e implementação: Desenvolvimento Inicial: A fase fundamental da Grok AI ocorreu ao longo de aproximadamente dois meses, durante os quais o treinamento inicial e o ajuste do modelo foram realizados. Lançamento Beta do Grok-2: Numa evolução significativa, o beta do Grok-2 foi anunciado. Este lançamento introduziu duas versões do chatbot—Grok-2 e Grok-2 mini—cada uma equipada com capacidades para conversar, programar e raciocinar. Acesso Público: Após o seu desenvolvimento beta, a Grok AI tornou-se disponível para os utilizadores da plataforma X. Aqueles com contas verificadas por um número de telefone e ativas há pelo menos sete dias podem aceder a uma versão limitada, tornando a tecnologia disponível para um público mais amplo. Esta cronologia encapsula o crescimento sistemático da Grok AI desde a sua concepção até ao envolvimento público, enfatizando o seu compromisso com a melhoria contínua e a interação com o utilizador. Principais Características da Grok AI A Grok AI abrange várias características principais que contribuem para a sua identidade inovadora: Integração de Conhecimento em Tempo Real: O acesso a informações atuais e relevantes diferencia a Grok AI de muitos modelos estáticos, permitindo uma experiência de utilizador envolvente e precisa. Estilos de Interação Versáteis: Ao oferecer modos de interação distintos, a Grok AI atende a várias preferências dos utilizadores, convidando à criatividade e personalização na conversa com a IA. Base Tecnológica Avançada: A utilização de Kubernetes, Rust e JAX fornece ao projeto uma estrutura sólida para garantir fiabilidade e desempenho ótimo. Consideração de Discurso Ético: A inclusão de uma função de geração de imagens demonstra o espírito inovador do projeto. No entanto, também levanta considerações éticas em torno dos direitos autorais e da representação respeitosa de figuras reconhecíveis—uma discussão em curso dentro da comunidade de IA. Conclusão Como uma entidade pioneira no domínio da IA conversacional, a Grok AI encapsula o potencial para experiências transformadoras do utilizador na era digital. Desenvolvida pela xAI e impulsionada pela abordagem visionária de Elon Musk, a Grok AI integra conhecimento em tempo real com capacidades avançadas de interação. Esforça-se por ultrapassar os limites do que a inteligência artificial pode alcançar, mantendo um foco nas considerações éticas e na segurança do utilizador. A Grok AI não apenas incorpora o avanço tecnológico, mas também representa um novo paradigma de conversas no panorama Web3, prometendo envolver os utilizadores com conhecimento hábil e interação lúdica. À medida que o projeto continua a evoluir, ele permanece como um testemunho do que a interseção da tecnologia, criatividade e interação humana pode alcançar.

489 Visualizações TotaisPublicado em {updateTime}Atualizado em 2024.12.26

O que é GROK AI

O que é ERC AI

Euruka Tech: Uma Visão Geral do $erc ai e as suas Ambições no Web3 Introdução No panorama em rápida evolução da tecnologia blockchain e das aplicações descentralizadas, novos projetos surgem frequentemente, cada um com objetivos e metodologias únicas. Um desses projetos é a Euruka Tech, que opera no vasto domínio das criptomoedas e do Web3. O foco principal da Euruka Tech, particularmente do seu token $erc ai, é apresentar soluções inovadoras concebidas para aproveitar as capacidades crescentes da tecnologia descentralizada. Este artigo tem como objetivo fornecer uma visão abrangente da Euruka Tech, uma exploração das suas metas, funcionalidade, a identidade do seu criador, potenciais investidores e a sua importância no contexto mais amplo do Web3. O que é a Euruka Tech, $erc ai? A Euruka Tech é caracterizada como um projeto que aproveita as ferramentas e funcionalidades oferecidas pelo ambiente Web3, focando na integração da inteligência artificial nas suas operações. Embora os detalhes específicos sobre a estrutura do projeto sejam um tanto elusivos, ele é concebido para melhorar o envolvimento dos utilizadores e automatizar processos no espaço cripto. O projeto visa criar um ecossistema descentralizado que não só facilita transações, mas também incorpora funcionalidades preditivas através da inteligência artificial, daí a designação do seu token, $erc ai. O objetivo é fornecer uma plataforma intuitiva que facilite interações mais inteligentes e um processamento eficiente de transações dentro da crescente esfera do Web3. Quem é o Criador da Euruka Tech, $erc ai? Neste momento, a informação sobre o criador ou a equipa fundadora da Euruka Tech permanece não especificada e algo opaca. Esta ausência de dados levanta preocupações, uma vez que o conhecimento sobre o histórico da equipa é frequentemente essencial para estabelecer credibilidade no setor blockchain. Portanto, categorizamos esta informação como desconhecida até que detalhes concretos sejam disponibilizados no domínio público. Quem são os Investidores da Euruka Tech, $erc ai? De forma semelhante, a identificação de investidores ou organizações de apoio para o projeto Euruka Tech não é prontamente fornecida através da pesquisa disponível. Um aspeto que é crucial para potenciais partes interessadas ou utilizadores que consideram envolver-se com a Euruka Tech é a garantia que vem de parcerias financeiras estabelecidas ou apoio de empresas de investimento respeitáveis. Sem divulgações sobre afiliações de investimento, é difícil tirar conclusões abrangentes sobre a segurança financeira ou a longevidade do projeto. Em linha com a informação encontrada, esta seção também se encontra no estado de desconhecido. Como funciona a Euruka Tech, $erc ai? Apesar da falta de especificações técnicas detalhadas para a Euruka Tech, é essencial considerar as suas ambições inovadoras. O projeto procura aproveitar o poder computacional da inteligência artificial para automatizar e melhorar a experiência do utilizador no ambiente das criptomoedas. Ao integrar IA com tecnologia blockchain, a Euruka Tech visa fornecer funcionalidades como negociações automatizadas, avaliações de risco e interfaces de utilizador personalizadas. A essência inovadora da Euruka Tech reside no seu objetivo de criar uma conexão fluida entre os utilizadores e as vastas possibilidades apresentadas pelas redes descentralizadas. Através da utilização de algoritmos de aprendizagem automática e IA, visa minimizar os desafios enfrentados por utilizadores de primeira viagem e agilizar as experiências transacionais dentro do quadro do Web3. Esta simbiose entre IA e blockchain sublinha a importância do token $erc ai, que se apresenta como uma ponte entre interfaces de utilizador tradicionais e as capacidades avançadas das tecnologias descentralizadas. Cronologia da Euruka Tech, $erc ai Infelizmente, devido à informação limitada disponível sobre a Euruka Tech, não conseguimos apresentar uma cronologia detalhada dos principais desenvolvimentos ou marcos na jornada do projeto. Esta cronologia, tipicamente inestimável para traçar a evolução de um projeto e compreender a sua trajetória de crescimento, não está atualmente disponível. À medida que informações sobre eventos notáveis, parcerias ou adições funcionais se tornem evidentes, atualizações certamente aumentarão a visibilidade da Euruka Tech na esfera cripto. Esclarecimento sobre Outros Projetos “Eureka” É importante abordar que múltiplos projetos e empresas partilham uma nomenclatura semelhante com “Eureka.” A pesquisa identificou iniciativas como um agente de IA da NVIDIA Research, que se concentra em ensinar robôs a realizar tarefas complexas utilizando métodos generativos, bem como a Eureka Labs e a Eureka AI, que melhoram a experiência do utilizador na educação e na análise de serviços ao cliente, respetivamente. No entanto, estes projetos são distintos da Euruka Tech e não devem ser confundidos com os seus objetivos ou funcionalidades. Conclusão A Euruka Tech, juntamente com o seu token $erc ai, representa um jogador promissor, mas atualmente obscuro, dentro do panorama do Web3. Embora os detalhes sobre o seu criador e investidores permaneçam não divulgados, a ambição central de combinar inteligência artificial com tecnologia blockchain destaca-se como um ponto focal de interesse. As abordagens únicas do projeto em promover o envolvimento do utilizador através da automação avançada podem diferenciá-lo à medida que o ecossistema Web3 avança. À medida que o mercado cripto continua a evoluir, as partes interessadas devem manter um olhar atento sobre os avanços em torno da Euruka Tech, uma vez que o desenvolvimento de inovações documentadas, parcerias ou um roteiro definido pode apresentar oportunidades significativas no futuro próximo. Neste momento, aguardamos por insights mais substanciais que possam desvendar o potencial da Euruka Tech e a sua posição no competitivo panorama cripto.

529 Visualizações TotaisPublicado em {updateTime}Atualizado em 2025.01.02

O que é ERC AI

O que é DUOLINGO AI

DUOLINGO AI: Integrar a Aprendizagem de Línguas com Inovação Web3 e IA Numa era em que a tecnologia transforma a educação, a integração da inteligência artificial (IA) e das redes blockchain anuncia uma nova fronteira para a aprendizagem de línguas. Apresentamos DUOLINGO AI e a sua criptomoeda associada, $DUOLINGO AI. Este projeto aspira a unir o poder educativo das principais plataformas de aprendizagem de línguas com os benefícios da tecnologia descentralizada Web3. Este artigo explora os principais aspectos do DUOLINGO AI, analisando os seus objetivos, estrutura tecnológica, desenvolvimento histórico e potencial futuro, mantendo a clareza entre o recurso educativo original e esta iniciativa independente de criptomoeda. Visão Geral do DUOLINGO AI No seu cerne, DUOLINGO AI procura estabelecer um ambiente descentralizado onde os alunos podem ganhar recompensas criptográficas por alcançar marcos educativos em proficiência linguística. Ao aplicar contratos inteligentes, o projeto visa automatizar processos de verificação de habilidades e alocação de tokens, aderindo aos princípios do Web3 que enfatizam a transparência e a propriedade do utilizador. O modelo diverge das abordagens tradicionais de aquisição de línguas ao apoiar-se fortemente numa estrutura de governança orientada pela comunidade, permitindo que os detentores de tokens sugiram melhorias ao conteúdo dos cursos e à distribuição de recompensas. Alguns dos objetivos notáveis do DUOLINGO AI incluem: Aprendizagem Gamificada: O projeto integra conquistas em blockchain e tokens não fungíveis (NFTs) para representar níveis de proficiência linguística, promovendo a motivação através de recompensas digitais envolventes. Criação de Conteúdo Descentralizada: Abre caminhos para educadores e entusiastas de línguas contribuírem com os seus cursos, facilitando um modelo de partilha de receitas que beneficia todos os colaboradores. Personalização Através de IA: Ao empregar modelos avançados de aprendizagem de máquina, o DUOLINGO AI personaliza as lições para se adaptar ao progresso de aprendizagem individual, semelhante às características adaptativas encontradas em plataformas estabelecidas. Criadores do Projeto e Governança A partir de abril de 2025, a equipa por trás do $DUOLINGO AI permanece pseudónima, uma prática frequente no panorama descentralizado das criptomoedas. Esta anonimidade visa promover o crescimento coletivo e o envolvimento das partes interessadas, em vez de se concentrar em desenvolvedores individuais. O contrato inteligente implementado na blockchain Solana indica o endereço da carteira do desenvolvedor, o que significa o compromisso com a transparência em relação às transações, apesar da identidade dos criadores ser desconhecida. De acordo com o seu roteiro, o DUOLINGO AI pretende evoluir para uma Organização Autónoma Descentralizada (DAO). Esta estrutura de governança permite que os detentores de tokens votem em questões críticas, como implementações de funcionalidades e alocação de tesouraria. Este modelo alinha-se com a ética de empoderamento comunitário encontrada em várias aplicações descentralizadas, enfatizando a importância da tomada de decisão coletiva. Investidores e Parcerias Estratégicas Atualmente, não existem investidores institucionais ou capitalistas de risco publicamente identificáveis ligados ao $DUOLINGO AI. Em vez disso, a liquidez do projeto origina-se principalmente de trocas descentralizadas (DEXs), marcando um contraste acentuado com as estratégias de financiamento das empresas tradicionais de tecnologia educacional. Este modelo de base indica uma abordagem orientada pela comunidade, refletindo o compromisso do projeto com a descentralização. No seu whitepaper, o DUOLINGO AI menciona a formação de colaborações com “plataformas de educação blockchain” não especificadas, com o objetivo de enriquecer a sua oferta de cursos. Embora parcerias específicas ainda não tenham sido divulgadas, estes esforços colaborativos sugerem uma estratégia para misturar inovação em blockchain com iniciativas educativas, expandindo o acesso e o envolvimento dos utilizadores em diversas vias de aprendizagem. Arquitetura Tecnológica Integração de IA O DUOLINGO AI incorpora dois componentes principais impulsionados por IA para melhorar as suas ofertas educativas: Motor de Aprendizagem Adaptativa: Este motor sofisticado aprende a partir das interações dos utilizadores, semelhante a modelos proprietários de grandes plataformas educativas. Ele ajusta dinamicamente a dificuldade das lições para abordar desafios específicos dos alunos, reforçando áreas fracas através de exercícios direcionados. Agentes Conversacionais: Ao empregar chatbots alimentados por GPT-4, o DUOLINGO AI oferece uma plataforma para os utilizadores se envolverem em conversas simuladas, promovendo uma experiência de aprendizagem de línguas mais interativa e prática. Infraestrutura Blockchain Construído na blockchain Solana, o $DUOLINGO AI utiliza uma estrutura tecnológica abrangente que inclui: Contratos Inteligentes de Verificação de Habilidades: Esta funcionalidade atribui automaticamente tokens aos utilizadores que passam com sucesso em testes de proficiência, reforçando a estrutura de incentivos para resultados de aprendizagem genuínos. Emblemas NFT: Estes tokens digitais significam vários marcos que os alunos alcançam, como completar uma seção do seu curso ou dominar habilidades específicas, permitindo-lhes negociar ou exibir as suas conquistas digitalmente. Governança DAO: Membros da comunidade com tokens podem participar na governança votando em propostas-chave, facilitando uma cultura participativa que incentiva a inovação nas ofertas de cursos e funcionalidades da plataforma. Cronologia Histórica 2022–2023: Conceituação O trabalho preliminar para o DUOLINGO AI começa com a criação de um whitepaper, destacando a sinergia entre os avanços em IA na aprendizagem de línguas e o potencial descentralizado da tecnologia blockchain. 2024: Lançamento Beta Um lançamento beta limitado introduz ofertas em línguas populares, recompensando os primeiros utilizadores com incentivos em tokens como parte da estratégia de envolvimento comunitário do projeto. 2025: Transição para DAO Em abril, ocorre um lançamento completo da mainnet com a circulação de tokens, promovendo discussões comunitárias sobre possíveis expansões para línguas asiáticas e outros desenvolvimentos de cursos. Desafios e Direções Futuras Obstáculos Técnicos Apesar dos seus objetivos ambiciosos, o DUOLINGO AI enfrenta desafios significativos. A escalabilidade continua a ser uma preocupação constante, particularmente no equilíbrio dos custos associados ao processamento de IA e à manutenção de uma rede descentralizada responsiva. Além disso, garantir a criação e moderação de conteúdo de qualidade num ambiente descentralizado apresenta complexidades na manutenção dos padrões educativos. Oportunidades Estratégicas Olhando para o futuro, o DUOLINGO AI tem o potencial de aproveitar parcerias de micro-certificação com instituições académicas, proporcionando validações verificadas em blockchain das habilidades linguísticas. Além disso, a expansão cross-chain poderia permitir que o projeto acedesse a bases de utilizadores mais amplas e a ecossistemas de blockchain adicionais, melhorando a sua interoperabilidade e alcance. Conclusão DUOLINGO AI representa uma fusão inovadora de inteligência artificial e tecnologia blockchain, apresentando uma alternativa focada na comunidade aos sistemas tradicionais de aprendizagem de línguas. Embora o seu desenvolvimento pseudónimo e o modelo económico emergente tragam certos riscos, o compromisso do projeto com a aprendizagem gamificada, educação personalizada e governança descentralizada ilumina um caminho a seguir para a tecnologia educativa no domínio do Web3. À medida que a IA continua a avançar e o ecossistema blockchain evolui, iniciativas como o DUOLINGO AI poderão redefinir a forma como os utilizadores interagem com a educação linguística, empoderando comunidades e recompensando o envolvimento através de mecanismos de aprendizagem inovadores.

461 Visualizações TotaisPublicado em {updateTime}Atualizado em 2025.04.11

O que é DUOLINGO AI

Discussões

Bem-vindo à Comunidade HTX. Aqui, pode manter-se informado sobre os mais recentes desenvolvimentos da plataforma e obter acesso a análises profissionais de mercado. As opiniões dos utilizadores sobre o preço de AI (AI) são apresentadas abaixo.

活动图片

Categorias popularesright-arrow

Etiquetas Popularesright-arrow