Tôi nghĩ một trong những cách hữu ích nhất để nghĩ về @alloranetwork là qua lăng kính của "các mục tiêu." Trên các blockchain, giao dịch là các cuộc gọi hàm rõ ràng và các chuyển trạng thái mà người dùng phải chỉ định để thực hiện điều gì đó. Điều này là không tối ưu: người dùng phải làm công việc nặng nhọc của việc dịch mục tiêu của họ thành các hành động trên chuỗi đúng. Với các mục tiêu, người dùng nêu rõ mục tiêu của họ và các thị trường giải quyết chuyên biệt phát hiện và thực hiện bộ hành động trên chuỗi tối ưu. Đây là tất cả những gì mà các giải pháp được giao nhiệm vụ, vì vậy các thị trường giải quyết này khá hiệu quả; dẫn đến việc thực hiện tốt hơn và ít gánh nặng hơn cho người dùng cuối. AI ngày nay trông giống như trải nghiệm người dùng blockchain trước khi có mục tiêu. Ngày nay, việc sử dụng AI liên quan đến việc người dùng làm công việc nặng nhọc của việc khảo sát bối cảnh các mô hình hiện có và quyết định mô hình nào là tốt nhất cho mục tiêu của họ. Chúng tôi gọi loại trải nghiệm người dùng AI này là "AI tập trung vào mô hình." Các mạng lưới phối hợp mô hình, như @alloranetwork, đưa chúng ta đến một mô hình mới trong trải nghiệm người dùng AI: AI tập trung vào mục tiêu. Thay vì chọn một mô hình, người dùng cuối chỉ cần chỉ định mục tiêu của họ và việc thực hiện tốt trong việc đạt được mục tiêu đó trông như thế nào. Mạng lưới phối hợp nhiều mô hình xung quanh mục tiêu đó, đánh giá đầu ra của chúng và trả về một tổng hợp được trọng số thông minh, rút ra từ những đóng góp tốt nhất. Điều này giảm bớt việc phát hiện và tổng hợp mô hình cho một thị trường được xây dựng đặc biệt cho điều đó, giảm gánh nặng cho người dùng cuối trong khi cải thiện kết quả. Các mạng lưới phi tập trung rất giỏi trong việc tạo ra các thị trường hiệu quả, có phạm vi chặt chẽ để cung cấp tài nguyên. Các mạng lưới phối hợp mô hình áp dụng điều đó để cung cấp hiệu quả trí thông minh máy tính tốt nhất. Tương lai của trải nghiệm người dùng AI là tập trung vào mục tiêu.