10,000 AGEN AI MENYELESAIKAN SATU MASALAH TANPA SEBARANG PERSELISIHAN. MANUSIA MULA BERBENTURAN TENTANG PENGHARGAAN SELEPAS PENGUMUMAN. Pertama, apa yang berlaku. OpenAI mengumumkan bahawa agen-agen mereka menyelesaikan salah satu masalah paling terkenal dalam matematik moden. Menurut akaun mereka, ia mengambil masa 88 jam. Kira-kira 10,000 agen bekerja pada masalah itu secara serentak. Sekarang, apa yang paling menarik perhatian saya. Sam Altman menerangkan di Stanford bagaimana mereka berinteraksi. Tidak ada pemimpin. Tidak ada perselisihan mengenai siapa yang melakukan apa. Tiada konflik dan tiada pertandingan untuk pengiktirafan. Semua orang hanya bergerak ke arah satu matlamat. Beliau sendiri mengatakan ia berbeza daripada mana-mana organisasi yang boleh dibayangkan. Dan inilah yang berlaku selepas itu. Sebaik sahaja keputusan diumumkan, timbul pertikaian antara manusia mengenai siapa yang patut menerima penghargaan. Agen-agen membahagikan masalah itu. Manusia membahagikan kemuliaan. Sementara itu, ahli matematik melalui perjalanan mereka sendiri dalam lima hari. Pertama, datang reaksi bahawa ia adalah palsu. Kemudian, bidang mereka telah tamat. Kemudian, ia sepatutnya tidak dilakukan dengan cara ini. Pada hari kelima, ramai mengatakan sesuatu yang berbeza. Ya, satu jenis kerja mereka telah hilang. Tetapi kebanyakan daripada mereka tidak pernah menyelesaikan masalah pada tahap itu. Mereka memahami pengetahuan, menerangkannya kepada orang lain, dan memutuskan apa yang perlu dikerjakan. Terdapat satu lagi idea dari Altman yang mudah dilupakan. Beliau mencadangkan, dan mengatakan secara terus bahawa ia adalah spekulasi semata-mata, bahawa hampir semua organisasi di dunia dimodelkan selepas tentera. Satu piramid, arahan, kawalan. Kerana itulah cara tunggal yang pernah diketahui untuk menguruskan ramai orang. Dan di sini, 10,000 agen melakukannya tanpa sebarang piramid sama sekali. Bayangkan sebuah syarikat di mana hanya agen yang bekerja. Tiada siapa yang tersinggung dengan maklum balas. Tiada siapa yang mencuri idea. Tiada siapa yang bertengkar untuk pejabat sudut. Ia kedengaran sempurna. Dan inilah sebabnya menarik bahawa Altman segera menambah: manusia tidak akan pernah bekerja seperti ini. Kerana terdapat keindahan dalam ketidaksempurnaan kita. Perselisihan, ambisi, emosi. Beliau tidak ingin dunia tanpa semuanya itu. Dan saya bersetuju dengannya. Kerana gesaan antara manusia bukan sahaja kos. Ia juga cara kita menentukan apa yang penting bagi kita. Apabila dua orang bertengkar mengenai penghargaan, sebenarnya mereka bertengkar mengenai apa maksud sumbangan kepada mereka. Mesin tidak pernah menanyakan soalan itu. Ia hanya melaksanakan. Jadi, kepada saya, soalan utama tahun-tahun akan datang bukanlah apa yang boleh AI gantikan. Ia ialah gesaan mana yang bersedia kita kekalkan. Altman berkata manusia akan sentiasa peduli paling banyak terhadap manusia lain. Bahawa kita tidak terlalu peduli apa yang dilakukan mesin untuk tujuannya sendiri. Bahawa kerja mempunyai nilai kerana terdapat seseorang di sebaliknya. Kelihatan bahawa ini tetap benar walaupun ketika kita bertengkar. Dan mungkin di dalam pertengkaran itulah kita tetap menjadi diri kita sendiri.

SEMBILAN TAHUN LALU, JENSEN HUANG MENYERAHKAN SUPERKOMPUTER KEPADA ELON MUSK. HARI INI, BELIAU MENGHADIRKAN PENGGANTI NYA. Dan momen ini menghubungkan dua era komputasi yang sangat berbeza. Pada 2016, Jensen secara peribadi menyerahkan DGX-1 pertama NVIDIA kepada Elon Musk. Pada masa itu, Musk adalah sebahagian daripada OpenAI. Mesin itu membantu penyelidik mendorong sempadan kecerdasan buatan dan menjadi sebahagian daripada infrastruktur awal di sebalik revolusi AI. Sembilan tahun kemudian, Jensen kembali. Tetapi kali ini, beliau membawa sesuatu yang benar-benar berbeza. Temui NVIDIA DGX Spark. Superkomputer AI desktop kompak yang dikuasai oleh arsitektur Grace Blackwell. Dan spesifikasinya mengesankan. Hingga 1 petaflop prestasi AI pada ketepatan FP4. 128GB memori terpadu. Superchip NVIDIA GB10 yang kuat. Dan bentuk yang cukup kecil untuk diletakkan di atas meja. Sebagai perbandingan, DGX-1 asal adalah sistem perusahaan yang besar. DGX Spark membawa kemampuan komputasi AI yang besar ke dalam peranti yang beratnya hanya 1.2 kilogram. Tetapi yang benar-benar penting ialah apa yang menjadikan ia mungkin. Pembangun dan penyelidik boleh menjalankan model AI secara tempatan, menguji model bahasa besar, membina agen AI, dan menyesuaikan model tanpa bergantung sepenuhnya pada pusat data jauh. NVIDIA mengatakan satu DGX Spark sahaja boleh menangani inferens dengan model sehingga 200 bilion parameter. Dan beberapa sistem boleh disambungkan bersama untuk menangani beban kerja yang lebih besar. Semasa perbincangan itu, Jensen juga menekankan kemajuan besar dalam kecekapan komputasi, membandingkan DGX-1 asal dengan generasi baharu. Kemudian datang salah satu momen terbaik. Jensen bercanda bahawa Elon sedang membina perkara yang lebih besar daripadanya. Elon hanya bersetuju. Setelah semua, SpaceX sedang membina roket dan infrastruktur besar, manakala NVIDIA membina sistem komputasi yang menggerakkan revolusi AI. Dan terdapat sesuatu yang menarik tentang melihat dua dunia ini bertemu di Starbase, Texas. Satu syarikat mendorong sempadan eksplorasi angkasa. Yang lain mendorong sempadan kecerdasan buatan. Sembilan tahun lalu, Jensen menyerahkan superkomputer yang membantu melancarkan bab baru dalam AI. Kini beliau membawa kuasa komputasi itu lebih dekat kepada pembangun peribadi. Terobosan AI seterusnya mungkin tidak datang dari pusat data besar. Ia mungkin bermula di atas meja seseorang.

HOLY SH*T. OPENAI BARU SAHAJA MEMBUAT AGEN AI LEBIH MURAH DAN LEBIH BAIK DALAM MENGGUNAKAN KOMPUTER ANDA. Temui GPT 6.1 Terra. Dan kemas kini ini lebih daripada sekadar menghasilkan jawapan yang lebih baik. OpenAI sedang mendorong AI ke arah sesuatu yang jauh lebih berguna. Iaitu, benar-benar menyelesaikan kerja. Terra direka untuk memahami apa yang berlaku di skrin anda, berinteraksi dengan aplikasi komputer, dan menyelesaikan urutan tugas yang kompleks. Fikirkan apa maksudnya. AI boleh membantu menyediakan cadangan, mentafsir gambar teknikal, mengisi borang, menyunting video, dan menangani kerja pejabat yang berulang-ulang. Bukan sekadar menjelaskan cara melakukannya, tetapi ia boleh melalui langkah-langkah yang diperlukan untuk menyelesaikannya. Dan OpenAI mengatakan model baharu ini jauh lebih baik daripada GPT 5.6 Terra dalam tugas-tugas sebegini. Tetapi inilah bahagian yang benar-benar menarik perhatian saya. Harganya. Harga API piawai GPT 6.1 Terra adalah 50% lebih rendah daripada GPT 5.6 Terra. Ini penting kerana agen AI boleh membuat banyak panggilan kepada model semasa menyelesaikan satu alur kerja. Setiap langkah memerlukan kos. Membaca maklumat, menganalisis skrin, memutuskan apa yang perlu dilakukan seterusnya, dan memeriksa keputusan semuanya boleh menambah kos. Kos yang lebih rendah menjadikan sistem ini lebih praktikal untuk dijalankan dalam skala besar. OpenAI juga melaporkan peningkatan besar dalam prestasi pengaturcaraan dan penaakulan visual, bersama dengan lebih sedikit kesalahan fakta dalam penilaian dalaman mereka. Kombinasi ini penting. Model yang boleh memahami tugas, mengendalikan perisian, dan menulis kod menjadi jauh lebih berguna apabila ia boleh melakukan semua itu lebih pantas dan dengan kos yang lebih rendah. Bayangkan agen AI memproses invois, mengemas kini lembaran kerja, mengatur maklumat pelanggan, atau menangani tugas berulang di pelbagai aplikasi. Bukan sekadar memberitahu anda apa yang perlu dilakukan. Tetapi benar-benar membantu anda menyelesaikannya. Tentu saja, penggunaan komputer bukanlah sama dengan autonomi sempurna. Alur kerja yang kompleks masih memerlukan pengujian, kebenaran, dan pengawasan manusia. Tetapi arahannya menjadi jelas. Perlumbaan AI besar seterusnya bukan sahaja tentang model mana yang boleh berfikir lebih baik. Ia tentang model mana yang boleh menukar kecerdasan itu menjadi tindakan secara boleh dipercayai. Dan sekarang, OpenAI sedang menjadikan kemampuan ini lebih murah untuk digunakan.

🚨 ALLAH TAHU. JENSEN HUANG BARU SAHAJA MEMEGANG SATU PETAFLOP KUASA AI DALAM SATU TANGAN. Perbandingan yang dibuatnya benar-benar gila. Pada 2016, Jensen Huang menghantar sistem NVIDIA DGX 1 kepada sebuah syarikat kecil bernama OpenAI. Ia adalah mesin besar yang dibina khas untuk pengkomputeran AI. Ia memberikan satu petaflop prestasi pengkomputeran dan dilengkapi dengan 128GB memori. Dan Jensen mengingatkan semua orang tentang satu butiran. Ia memerlukan dua orang untuk membawa mesin itu ke atas tangga. Sekarang, sepuluh tahun kemudian, beliau memegang sebuah komputer AI kompak dalam satu tangan dan menunjukkan nombor headline yang sama. Satu petaflop. 128GB memori. Cuba fikirkan sebentar. Jajaran RTX Spark baharu ini dibangunkan melalui empat tahun kerja bersama Microsoft dan industri PC secara keseluruhan. Menurut Jensen, projek ini melibatkan cip baharu bernama N1X dan keluarga komputer sepenuhnya baharu, termasuk desktop, laptop, dan workstation. Matlamatnya adalah membawa kuasa pengkomputeran AI yang serius ke dalam bentuk yang jauh lebih kecil. Dan di sinilah perkara menjadi menarik. Selama bertahun-tahun, akses kepada peralatan AI berkuasa bermaksud bergantung kepada infrastruktur awan yang mahal atau mesin khas yang jauh di luar jangkauan kebanyakan pembangun individu. Sistem kompak seperti ini menunjukkan pendekatan yang berbeza. Bayangkan membangunkan agen AI, mencuba model, dan menjalankan beban kerja AI yang berat di atas meja anda sendiri. Kurang bergantung kepada infrastruktur jauh. Lebih banyak kawalan atas persekitaran pembangunan anda. Dan berpotensi mengurangkan kos awan berulang untuk beban kerja yang boleh dijalankan secara tempatan. Tentu saja, terdapat perbezaan penting. Menyamai angka petaflop puncak yang sama tidak secara automatik bermaksud dua mesin memberikan prestasi dunia nyata yang serupa. Ketepatan yang digunakan, arsitektur memori, dan beban kerja semuanya penting. Tetapi transformasi fizikalnya masih luar biasa. Pada 2016, kelas pengkomputeran AI ini datang dalam mesin yang memerlukan dua orang untuk membawanya. Sekarang, Jensen Huang boleh memegang sistem dengan spesifikasi headline yang sepadan dalam satu tangan. Itulah yang menjadikan ini lebih daripada sekadar pelancaran komputer biasa. Perkakasan AI bukan sahaja menjadi lebih berkuasa. Ia menjadi jauh lebih boleh diakses. Dan generasi seterusnya pembangun AI mungkin tidak memerlukan ruang pelayan untuk memulakan.

APA JIKA KITA BOLEH MENINGKATKAN PINDAHAN FOTON KUANTUM DARI 54% KE 100%? Para saintis di TU Wien mungkin telah menemui cara. Dan penyelesaiannya secara mengejutkan sangat cerdik. Komputer kuantum perlu memindahkan maklumat antara qubit. Satu qubit memancarkan foton. Qubit lain perlu menyerapnya. Namun, dengan pendekatan konvensional, penyerapan ini berjaya hanya sekitar 54% daripada masa. Bayangkan kehilangan hampir separuh percubaan pemindahan maklumat sebelum proses selesai. Sekarang, penyelidik telah mencadangkan cara untuk mengubah situasi ini. Kuncinya ialah bentuk gelombang foton. Apabila satu qubit memancarkan foton, gelombangnya biasanya bermula kuat dan perlahan-lahan meredup, sama seperti bunyi loceng. Namun, qubit penerima memerlukan bentuk gelombang yang sangat berbeza untuk penyerapan sempurna. Oleh itu, penyelidik mencadangkan penggunaan waveguide optik yang direka khas untuk membentuk semula foton semasa perjalanannya. Dengan mengawal bagaimana frekuensi yang berbeza bergerak melalui waveguide, mereka mengira bahawa foton boleh tiba dengan bentuk gelombang yang tepat untuk penyerapan optimum. Hasilnya? Simulasi mereka menunjukkan bahawa penyerapan boleh secara teori mencapai 100% di bawah keadaan ideal. Dan bahagian yang paling menarik ialah pendekatan ini adalah pasif. Bukan bergantung pada kawalan aktif tambahan di hujung penerima, tetapi waveguide itu sendiri melakukan kerja membentuk foton. Kaedah ini belum lagi ditunjukkan secara eksperimen, tetapi penyelidik percaya bahawa susunan yang diperlukan seharusnya boleh dilaksanakan secara teknikal. Jika ia berjaya dalam amalan, ia boleh membantu menjadikan komputer kuantum dan rangkaian komunikasi jauh lebih boleh dipercayai. Kita sering fikir bahawa terobosan kuantum memerlukan peralatan baru sepenuhnya. Kadang-kadang, terobosan mungkin datang daripada perubahan cara satu foton bergerak. Dan dalam pengkomputeran kuantum, butiran kecil ini boleh membuat perbezaan besar.

APA INI? BOT INI KALAH LEBIH DARI separuh PERDAGANGAN TETAPI MASIH TUMBUH DARI $1,400 MENJADI $22,646. Lihat titik itu. Ini adalah 20,480 kemungkinan niaga hadapan yang disimpan bot dalam ingatannya secara serentak. Garis biru adalah dunia di mana bitcoin akan naik. Merah jambu dan oren adalah dunia di mana ia akan turun. Dan sekarang tentang bagaimana ia berfungsi. Bot ini berdagang pasaran lima minit di Polymarket, naik atau turun untuk Bitcoin. Data langsung dari tujuh aliran masuk ke dalamnya. Ini ditukar kepada kebarangkalian, seperti 45 peratus untuk kenaikan berbanding 55 untuk penurunan. Kebarangkalian ini dibandingkan dengan harga di mana pasaran menjual hasil yang sama. Perbezaan antara keduanya dipanggil kelebihan. Dan hanya jika terdapat kelebihan, bot membuka transaksi. Jika kurang daripada tiga sen, perkataan PASS muncul di skrin dan tiada transaksi dilakukan. Di sinilah perkara utama disembunyikan. Kadar kemenangan di panel ialah 48 peratus. Iaitu, lebih daripada separuh transaksi ditutup dalam kerugian. Tetapi ini bukan masalah. Bayangkan anda membeli saham pada 32 sen yang akan membayar satu dolar jika anda betul. Anda tidak perlu menebak lebih kerap daripada nilainya. Cukuplah bahawa anggaran anda lebih tepat daripada harga pasaran. Maka walaupun rugi lebih daripada separuh masa, matematik berpihak kepada anda. Ini kelihatan di skrin untuk setiap transaksi. Beli pada 32 sen dengan kelebihan tambah 5.3 sen. Beli pada 53 sen dengan kelebihan tambah 6.7 sen. Harga berbeza, saiz berbeza, tetapi satu peraturan. Dan di bahagian bawah ialah Lengkungan Pendaratan. Ini adalah penguraian di mana Bitcoin mungkin berakhir pada penutupan jendela. Bot melepasi satu titik tunggal. Dia melihat keseluruhan julat peluang dan membandingkannya dengan harga pasaran. Jendela sehari ialah 288, dan peraturannya sama setiap kali. 14,222 tiket dilaksanakan dalam transaksi, kelebihan purata ialah tambah 4.6 sen, dan drawdown maksimum ialah 4.2 peratus. Sekarang tentang apa yang menarik minat saya dalam ini. Kebanyakan orang menganggap pedagang yang baik sebagai seseorang yang mampu menebak. Dan di sini, bot ini tidak cuba sekalipun. Dia berfikir. Setiap lima minit, jutaan keputusan kecil berkumpul menjadi satu lengkung, yang tumbuh bukan kerana bot itu betul, tetapi kerana lebih mahal untuk betul daripada salah. Dan itu mengubah soalnya. Bukan seberapa kerap anda menebak. Tetapi seberapa banyak anda menang apabila betul, dan seberapa banyak anda rugi apabila salah. Itulah yang seluruhnya Crawler Arena dari CRAWLHIVE tentangnya. Anda menetapkan keputusan, entri, take profit, stop loss dan saiz sendiri, tanpa kod. Dan crawler anda memasuki arena dan berdagang mengikut peraturan ini melawan semua orang lain, dengan komisen sebenar dan slippage sebenar. Iaitu, perbezaan antara menang dan kalah kini berada di tangan anda. Ini bukan nasihat kewangan. Keputusan lampau tidak menjamin keputusan masa depan.

JENSEN HUANG BARU SAHAJA MENUNJUKKAN SEBUAH BEBUTA ROBOT 25 CM YANG BELAJAR BERGERAK DENGAN AGEN AI. Dan bebuta kecil ini adalah sebahagian daripada cerita yang jauh lebih besar. Temui Microduck. Ia adalah projek robotik sumber terbuka daripada Hugging Face, dan tingkah lakuannya dilatih dalam simulasi sebelum dipindahkan ke robot fizikal. Bebuta ini boleh belajar berlari, bangun semula, dan mengambil objek. Tetapi apa yang menjadikan demonstrasi ini menarik ialah bagaimana agen AI membantu mewujudkannya. Alih-alih memperlakukan robotik sebagai satu tugas kejuruteraan yang besar, alur kerja ini dibahagikan kepada peringkat-peringkat. Bina model. Tetapkan simulasi. Latih tingkah laku. Kemudian bawa kemahiran-kemahiran itu ke dunia nyata. Langkah terakhir ini sangat penting. Robot yang berfungsi dalam persekitaran maya masih perlu menghadapi graviti, keseimbangan, geseran, dan ketidakpastian objek sebenar. Dan di sinilah visi NVIDIA mengenai AI fizikal menjadi penting. AI sedang bergerak melampaui penghasilan teks, gambar, dan kod. Ia semakin digunakan bersama alat simulasi dan robotik untuk membantu mesin belajar cara berinteraksi dengan dunia fizikal. Bebuta mungkin kecil. Tetapi idea di sebaliknya jauh daripada kecil. Kerana generasi seterusnya AI mungkin tidak hanya hidup di dalam komputer kita. Ia mungkin belajar bergerak di luarnya.

TESLA TIDAK MENENTANG GRAVITI. IA MENGGUNAKAN DAYA TARIK UNTUK MENGEKALKAN KEDUDUKANNYA DI JEJAKAN. Perhatikan dengan teliti Roadster ini. Kereta ini mendaki lingkaran besar, berbalik terbalik, dan terus bergerak walaupun kelajuannya kelihatan tidak cukup tinggi untuk menjelaskan apa yang kita lihat. Jadi, apakah yang sebenarnya menahan kereta itu? Bukan magnet. Rahsianya berada di bawah kereta. Tesla telah membina sistem tarikan berkuasa kipas ke dalam bahagian bawah Roadster. Kipas-kipas itu menarik udara keluar dari bawah kereta, mencipta tekanan yang lebih rendah di bawahnya. Perbezaan tekanan ini membantu menekan kereta ke atas jejakan. Dan inilah bahagian yang saya anggap menarik. Daya hujan aerodinamik tradisional sangat bergantung kepada aliran udara yang dihasilkan oleh pergerakan kereta. Tetapi sistem tarikan berkuasa kipas boleh menghasilkan daya hujan yang besar walaupun pada kelajuan rendah. Ini mengubah apa yang boleh dilakukan oleh sebuah kereta. Alih-alih bergantung semata-mata pada kelajuan untuk mengekalkan kestabilan, kenderaan ini boleh secara aktif mencipta daya yang menahan ia ke permukaan. Ia adalah perbezaan antara kereta yang memerlukan jalan raya untuk menahan kedudukannya dan kereta yang direka untuk menarik dirinya sendiri ke arahnya. Ini bukanlah graviti yang ditentang. Ia adalah kejuruteraan yang mencari cara lain untuk bekerja bersamanya. Dan inilah yang menjadikan demonstrasi ini begitu luar biasa.

8 AGEN AI MENJALANKAN MEJA DAGANGAN SEJARAK SEMALAM. AKAUN BERGARIS DARI $12,155 KE $14,853. Tetapi nombor bukan bahagian yang paling menarik. Bahagian yang paling menarik ialah bahawa bos meja ini tidak pernah membuka dagangan. Ini adalah versi baharu Grok Bot bersama Jev. Dan ia bukan lagi satu bot tunggal. Ia adalah seluruh meja dagangan di mana setiap agen mempunyai tugasnya sendiri. CHIEF menentukan token mana yang dipilih, tetapi tidak pernah melakukan dagangan sendiri. SCAN mencari apa yang bergerak. VET memeriksa sama ada token itu asli dan bagaimana struktur risikonya. SOCIAL memeriksa akaun X projek. SIZE menentukan berapa banyak yang perlu dimasukkan. FILLS melaksanakan dagangan. RISK menutup kedudukan. CRAWLER membaca laman web dan posting terlebih dahulu, baru kemudian meja dagang melaksanakan tindakan. Sebelum mana-mana daripada mereka bertindak, peraturan keras berjalan, dan ia tidak memakan kos. Umur token minimum 15 minit. Likuiditi daripada $12,000. Isi padu 24 jam daripada $48,000. Nilai pasaran daripada $60,000. Sekurang-kurangnya 150 dagangan. Dompet terbesar tidak melebihi 5 peratus. 10 dompet teratas tidak melebihi 60 peratus. Aritmetik biasa, tanpa sebarang panggilan AI sama sekali. Kemudian datang penapis lembut dari Jev. Risiko keluar akibat pengumpulan. Sama ada momentum sudah habis. Sama ada likuiditi sesuai dengan saiz dagangan. Sama ada akaun projek itu adalah akaun yang digunakan semula. Sama ada pembangun masih memegang terlalu banyak. Dan urutan penapis ini penting. Semak percuma terlebih dahulu. Kemudian semak dagangan. Kemudian semak rantai. Dan hanya pada akhirnya, yang mahal. Membunuh token secara percuma jauh lebih murah daripada bertanya AI tentang setiap satu. Bot ini juga tidak pernah masuk berdasarkan tekaan. Ia menunggu aliran pembelian yang sebenar terlebih dahulu, baru kemudian masuk. Tiada aliran, tiada masuk. Kebanyakan orang fikir bot dagangan yang kuat hanyalah model yang pintar. Tetapi model yang pintar sahaja membuat kesilapan. Sistem di mana setiap langkah dipisahkan dan setiap langkah disemak membuat jauh lebih sedikit kesilapan. Ia mempunyai tertib. Dan ia mempunyai bos yang hanya membuat keputusan dan tidak pernah serakah. Itulah kelebihan sebenar. Ini bukan nasihat kewangan. Keputusan lampau tidak menjamin keputusan masa depan. Siapa yang memainkan peranan CHIEF dalam dagangan anda sekarang, anda atau emosi anda?

BOT DAGANGAN AI PALING BERBAHAYA MUNGKIN ADALAH YANG NAMPAK SEMPURNA. Lengkung keuntungan yang meningkat. Analitik yang bersih. Sistem yang nampak tahu tepat masa untuk masuk dan keluar pasaran. Tetapi inilah yang saya fikir sering dilupakan orang. Sistem dagangan tidak perlu baik untuk nampak menguntungkan. Ia hanya perlu nampak baik di bawah keadaan yang telah diuji. Ubah pasaran. Tambah yuran dagangan. Tingkatkan kemeruapan. Biarkan kedudukan rugi berterusan lebih lama daripada yang dijangka. Tiba-tiba, strategi yang nampak cemerlang boleh bermula runtuh. Itulah sebabnya saya kurang peduli dengan tangkapan skrin yang menunjukkan keuntungan, dan lebih peduli tentang apa yang berlaku apabila strategi berhenti berfungsi. Berapa banyak ia boleh rugi? Bagaimana ia bertindak di bawah tekanan? Bolehkah ia bertahan dalam pasaran yang tidak direka untuknya? Kerana menghasilkan wang dalam keadaan yang menguntungkan adalah satu perkara. Bertahan dalam keadaan yang tidak menguntungkan adalah perkara yang sama sekali berbeza. Dan saya fikir itulah cabaran sebenar bagi dagangan AI. Bukan mengajar mesin untuk mencari dagangan yang menang. Melatihnya untuk mengenali apabila strateginya sendiri sudah tidak lagi berfungsi.