John Hoopes 📍 Fondateur, Astral Identité, Temps, Action, Lieu « Si je regarde mon téléphone et que je reviens aux 10 dernières applications que j'ai utilisées, la moitié d'entre elles sont basées sur la localisation », a déclaré John Hoopes (KB0) à Kernel. Sur la chaîne, la localisation est largement négligée, et l'ignorer constitue une limitation fondamentale. Les systèmes de Preuve de Localisation (PoL) offrent des revendications signées et structurées qui décrivent le lieu, le temps et l'identité. Des équipes comme Flashbots explorent les « incitations de co-localisation » et la « décentralisation géographique » pour la prochaine ère de recherche dans les cryptosystèmes, et des recherches approfondies sur le rôle des lieux dans la crypto sont en cours depuis longtemps. @AstralProtocol utilise diverses stratégies de preuve de localisation – des systèmes basés sur le réseau comme FOAM, des approches de proximité utilisant des puces NFC ou Bluetooth, des stratégies sociales par attestation entre pairs, et une vérification basée sur l'autorité comme les enregistrements d'événements – permettant à leurs preuves de localisation de gagner en durabilité. Veuillez apprécier cette session avec @johnx25bd sur « la localisation », et les contextes crypto-natifs où, exactement, nous pourrions trouver un sens.

Vous êtes-vous déjà demandé pourquoi le refrain d'une chanson est si mémorable ? @InferenceActive (KB5) et @jakub_smekal (KB7) sont tous deux titulaires d'un doctorat de Stanford et recherchent dans les chansons les principes universels de l'apprentissage. Daniel a étudié l'écologie et l'évolution, et Jakub étudie actuellement l'IA, la physique et les neurosciences. Ils se sont rencontrés dans Kernel et ont coécrit deux articles explorant l'‘Inference Active’, une discipline axée sur l'étude unifiée de la façon dont ‘recevoir des informations sensorielles par l'action’ et ‘mettre à jour votre modèle interne du monde’ peuvent être compris simultanément. Ils décomposent les mathématiques derrière 'la surprise familière'. Ils naviguent entre l'inférence active, le principe de l'énergie libre, la quantification de l'incertitude dans les modèles d'apprentissage profond, et l'idée de ‘déscolarisation’ d'Ivan Illich. Nous espérons que vous apprécierez l'histoire active et continue de deux chercheurs talentueux et de leur travail. 00:01:00 - Présentations et parcours 00:02:00 - Comment Daniel et Jakub se sont rencontrés à travers DeSci 00:03:00 - Le travail de Daniel sur les écosystèmes épistémiques et les structures d'incitation 00:04:00 - Définir “l'inférence active” 00:05:00 - Jakub ajoute une explication du cadre d'inférence bayésienne 00:06:00 - Principe de l'énergie libre et minimisation de la surprise 00:07:00 - Détails techniques : approximation du gradient et bornes de preuve 00:09:00 - Application de l'inférence active à la blockchain et aux systèmes de communication 00:11:00 - Active Blockference et modélisation basée sur les agents 00:13:00 - Contexte DeSchool et connexion Kernel 00:15:00 - Origines du travail sur GNN (Notation Généralisée) et écart entre prose et code 00:18:00 - Fondation de l'Active Inference Institute 00:20:00 - Application de l'inférence active à la musique/l'art et "la surprise familière" 00:22:00 - Attentes culturelles et filtrage de l'attention dans la musique 00:24:00 - Quantification de la surprise musicale et dynamique des fans 00:26:00 - Le "problème de la chambre noire" et le comportement de recherche de nouveauté 00:28:00 - La recherche doctorale de Jakub sur l'apprentissage profond 00:31:00 - Défis de calibration des modèles et de quantification de l'incertitude 00:33:00 - L'implication continue de Daniel dans Kernel/DeSchool et son focus communautaire 00:34:00 - La vision de DeSchool et sa philosophie éducative 00:36:00 - Pensées de clôture