Onchain AI tidak harus berarti menempatkan model AI besar secara onchain. Pendekatan yang lebih baik adalah memberikan setiap tugas jenis kecerdasan yang tepat. Beberapa tugas memerlukan penalaran mendalam. Beberapa hanya memerlukan klasifikasi cepat. Yang lain mungkin memerlukan analisis gambar, pemrosesan data terstruktur, atau verifikasi kriptografis. Di sinilah Ritual menjadi menarik. Alih-alih memaksa setiap aplikasi ke dalam alur kerja AI yang sama, Ritual membuka pintu menuju sistem yang lebih fleksibel, di mana berbagai model dan primitif komputasi dapat bekerja sama. Model sederhana dapat menangani tugas sederhana. Model khusus dapat menangani masalah tertentu. LLM dapat dilibatkan ketika tugas benar-benar memerlukan penalaran atau bahasa alami. Dan agen dapat menghubungkan komponen-komponen ini menjadi alur kerja yang lebih besar. Ini penting karena aplikasi nyata peduli pada hal-hal selain ukuran model. Mereka peduli pada kecepatan, biaya, keandalan, privasi, dan apakah hasilnya dapat dipercaya. Ritual sedang membangun dunia di mana kecerdasan menjadi bagian dari stack yang dapat diprogram, bukan hanya API eksternal yang dipanggil oleh aplikasi. Masa depan yang menarik bukanlah tentang menempatkan satu model raksasa di mana-mana. Melainkan tentang membuat berbagai bentuk kecerdasan dapat digunakan onchain, tepat di mana mereka dibutuhkan. Itulah ide lebih besar di balik kecerdasan yang dapat diprogram. Dan Ritual sedang membangun infrastruktur untuknya. @ritualfnd @ritualnet