AI mewakili revolusi teknologi terbesar dalam sejarah, dan telah memulai perlombaan senjata teknologi yang belum pernah terjadi sebelumnya. Model AI saat ini sudah mencetak skor di dekade teratas pada kebanyakan tes perguruan tinggi yang standar dan melebihi kemampuan manusia dalam banyak tugas termasuk penelitian AI itu sendiri. Bahkan pada tingkatnya saat ini, hal ini sudah mengubah banyak industri seperti pencarian, layanan pelanggan, pembuatan konten, pemrograman, pendidikan, dan lain-lain.

Kami mengharapkan kemampuan AI, pendanaan, dan dampaknya pada masyarakat hanya akan semakin cepat dari sini. Semua raksasa teknologi besar memahami bahwa AI adalah eksistensial bagi bisnis mereka dan berinvestasi sesuai. Pendapatan NVIDIA, yang dapat dikatakan sebagai proksi terbaik untuk AI CapEx, berada dalam jalur untuk lebih dari $100 miliar pada tahun 2024, lebih dari dua kali lipat dari tahun 2023, >4x dari tahun sebelumnya.

CEO Google Sundar Pichai tentang investasi AI:

“Risiko kurang berinvestasi jauh lebih besar daripada risiko terlalu berinvestasi bagi kami di sini.”

Pada saat yang sama, startup merasakan AI sebagai kekuatan yang mengganggu dengan mana mereka dapat menggulingkan pemegang posisi selama puluhan tahun dan diperkirakan$83btelah menjadiinvestasike dalam startup AI selama 18 bulan terakhir.

Mengingat bahwa kemampuan AI cenderung berkembang secara eksponensial dengan komputasi yang diterapkan pada mereka, sangat mungkin kita akan mencapai sesuatu seperti AGI dalam dekade ini.

Sumber:Kesadaran Situasionaloleh@leopoldasch

Dalam tulisan ini, kami berpendapat bahwa dinamika kompetitif akan menghasilkan dunia jutaan model, dan kripto adalah substrat ideal untuk dunia model yang banyak ini. Kami akan memulainya dengan mendiskusikan mengapa kami berpikir bahwa dunia banyak model adalah akhir logis bagi AI. Kami kemudian membahas perbedaan unik yang disediakan kripto untuk AI. Terakhir, kami membahas tumpukan kripto x AI sesuai dengan pandangan kami, dan memberikan contoh spesifik dari jenis proyek yang membuat kami tertarik.

Ada alasan filosofis dan moral yang kuat mengapa kecerdasan buatan sumber terbuka dan kripto x AI adalah keadaan yang lebih baik bagi umat manusia, dan ini adalahsudah sangat baik dibahas di tempat lain. Meskipun kami sepenuhnya setuju dengan mereka dan ini adalah bagian dari apa yang memotivasi kami untuk membangun di ruang ini, untuk tujuan tulisan ini akan fokus sepenuhnya pada alasan praktis mengapa crypto x AI akan menang, daripada argumen moral mengapa seharusnya menang.

Model Tuhan vs banyak model

Saat ini, kami sedang melacak menuju dunia di mana beberapa perusahaan teknologi terintegrasi vertikal besar menghasilkan "model Tuhan" yang mendominasi segalanya.

Namun, kami tidak berpikir bahwa ini adalah akhir dari permainan untuk beberapa alasan:

1. Risiko permadani: Organisasi, pengusaha, dan pengembang yang membangun pengalaman di atas AI tidak ingin bergantung pada satu perusahaan sumber tertutup yang dapat mengubah model, mengubah persyaratan penggunaan, atau bahkan berhenti melayani mereka sepenuhnya.
2. Kompromi antara biaya dan kinerja: Model-model umum yang sangat besar yang disukai oleh perusahaan teknologi besar tentu saja lebih mahal, baik untuk dilatih maupun untuk dijalankan. Akibatnya, hal ini menjadikannya terlalu mahal dan terlalu bertenaga untuk banyak kasus penggunaan. Meskipun ini bukan pertimbangan besar saat ini karena orang tidak memikirkan profitabilitas, saat AI mencapai skala, orang akan mengoptimalkan untuk mendapatkan biaya terendah mungkin untuk tingkat kinerja yang mereka cari. Untuk banyak tugas, model-model besar tidak akan bersaing di sini. Ada penelitian yang luas untuk mendukung hal ini, menunjukkan bahwa model-model yang lebih kecil dan khusus dapat mengungguli model-model umum dalam segala hal daridiagnosis pencitraan medis,deteksi penipuan, pengenalan ucapan danjauh lebih banyak.
3. Integrasi vertikal: Seperti yang telah ditunjukkan oleh Apple berulang kali, produk terbaik sering kali berasal dari integrasi vertikal di seluruh tumpukan. Para pengusaha ambisius yang membangun produk berbasis AI akan berusaha untuk mendapatkan keunggulan kompetitif dengan membangun di atas model khusus mereka sendiri. Produk-produk ini juga akan dapat menangkap lebih banyak nilai, menarik lebih banyak investasi, dll.
4. Masalah privasi: Kecerdasan Buatan (AI) akan menjadi inti dari alur kerja organisasi dengan cara yang mungkin tidak dimiliki oleh teknologi lainnya. Banyak organisasi enggan untuk mempercayakan data sensitif mereka kepada model-model ini.

Untuk alasan-alasan ini, kami percaya kami jauh lebih mungkin berakhir di dunia dengan banyak model yang lebih kecil, khusus yang disesuaikan dan hemat biaya untuk kasus penggunaan tertentu. Pengembang aplikasi dan pengguna akan memanfaatkan model sumber terbuka seperti LLaMA atau yang dari@MistralAISebagai dasar untuk menyetel model mereka sendiri, seringkali menggunakan data propietari, banyak model yang akan terus berjalan pada server, tetapi aplikasi yang lebih kecil dan sensitif terhadap privasi akan berjalan lokal pada perangkat klien, sementara yang lain yang memerlukan ketahanan sensor akan menggunakan jaringan komputasi terdesentralisasi.

Ini adalah dunia modular AI lego, di mana pengembang dan pengusaha bersaing untuk menyediakan nilai kepada pengguna, dan pengguna dapat memilih, memilih, dan menggabungkan layanan berbeda sesuai dengan kebutuhan mereka. Routing, orkestrasi, sintesis, pembayaran, dan segala jenis infrastruktur lainnya perlu dibangun untuk membuka tumpukan 'God-model' dan melayani ekonomi AI yang muncul ini.

Ini juga terjadi di dunia di mana crypto berkembang.

Kripto x AI

Crypto secara intuitif terasa seperti area yang dapat menemukan kegunaan di dunia banyak-model ini. Namun, kehebohan ini telah menyebabkan alokasi modal yang signifikan di ruang tersebut dari para investor yang seringkali kurang terinformasi. Sama halnya dengan gelembung infrastruktur sebelumnya, banyak proyek yang didanai dan dibangun yang mungkin seharusnya tidak. Oleh karena itu, tidak mudah untuk menentukan subsektor mana dalam ruang crypto x AI yang benar-benar memiliki nilai, yang menyebabkan banyak orang menganggap seluruh ruang ini sebagai meme tanpa nilai fundamental.

Kami tidak berpikir ini sebagai meme, tetapi memang benar bahwa dunia dengan banyak model ini secara teoritis bisa ada tanpa kripto. Oleh karena itu, penting bagi kami untuk fokus pada perbedaan unik dari kripto yang memungkinkan kami menciptakan produk yang jauh lebih baik atau, dalam idealnya, produk yang tidak dapat dibangun tanpa kripto. Untuk melakukannya, kami mulai dengan mengidentifikasi properti unik dari kripto dan bagaimana properti tersebut dapat diterapkan pada kecerdasan buatan sehingga menghasilkan produk yang lebih baik. Kami kemudian akan membahas tumpukan kripto x kecerdasan buatan dan memberikan contoh kasus penggunaan yang menurut kami cocok dengan hal ini.

Lapisan koordinasi - Crypto rails sangat baik dalam memfasilitasi koordinasi kolektif tanpa kontrol terpusat. Ini terbukti sangat sukses dalam mengatasi masalah ayam dan telur yang melekat pada sebagian besar pasar, memulai pengguna baru dalam jumlah besar dalam semalam dengan insentif kripto asli.

1. Tim-tim kecil yang membangun model in-house mungkin tidak memiliki akses langsung ke semua sumber daya yang diperlukan. Misalnya, sementara laboratorium AI teknologi besar kemungkinan besar akan memiliki komputasi mereka sendiri, tim-tim kecil tidak akan. Demikian pula, tim-tim tersebut akan memerlukan untuk memperoleh data, dan mungkin memperoleh sekelompok orang yang beragam untuk memberikan umpan balik manusia. Kebutuhan-kebutuhan ini sangat cocok untuk dilayani oleh pasar khusus, dan kami percaya pasar khusus yang memanfaatkan rel crypto akan memiliki keunggulan kompetitif dibandingkan dengan yang tidak.
2. API terbuka, tanpa izin: Fungsi rel Crypto berfungsi sebagai API terbuka, tanpa izin - dapat diakses oleh siapa pun di mana saja tanpa perlu KYC, memiliki kartu kredit, atau bentuk persetujuan lain dari pihak ketiga. Hal ini penting bagi agen AI yang, untuk bertindak secara sepenuhnya otonom, perlu dapat mengakses layanan, mendeploy kode, dan mentransfer nilai tanpa intervensi dari manusia mana pun. Hal ini memungkinkan perilaku seperti agen kolektif, agen membayar satu sama lain atas layanan, mengambil utang, atau bahkan mengumpulkan uang.
3. Kepercayaan: Relasi kripto cenderung tanpa kepercayaan, yang berarti Anda dapat memiliki jaminan kriptografis bahwa mereka tidak berubah, akses tidak dapat ditarik secara tiba-tiba, dan Anda dapat memverifikasi bahwa eksekusinya sesuai yang diharapkan. Hal ini penting untuk tumpukan AI modular karena, berbeda dengan pendekatan terintegrasi, pembangun akan perlu menggabungkan dengan sejumlah primitif yang tidak mereka kendalikan dan pengguna akan perlu secara inheren mempercayai sejumlah layanan, banyak di antaranya bahkan tidak mereka ketahui.
4. Ketahanan sensor: Jika diimplementasikan sebagai kontrak yang tidak dapat diubah, aplikasi yang berjalan pada rel crypto tidak dapat dihentikan. Bahkan jika dapat diupgrade, seringkali melalui DAO yang memerlukan kuorum pemegang token untuk mencapai konsensus. Mengasumsikan AI menjadi sekuat yang kita harapkan, sangat mungkin pemerintah akan berusaha untuk mengontrol dan memengaruhinya. Bahkan, kita sudah melihat hal ini terjadi. Sama seperti Bitcoin dan crypto menyediakan rel uang/keuangan yang berada di luar sistem, crypto x AI menyediakan kecerdasan yang tidak dapat dihentikan.

Tumpukan crypto x AI

Dengan manfaat-manfaat ini, aplikasi-aplikasi mana yang menurut kita sangat menarik di persimpangan crypto x AI?

Pusat Data dan Komputasi

Manfaat komputasi untuk model secara luas dapat dibagi menjadi dua kategori: pelatihan dan inferensi. Kami melihat nilai dalam menggunakan komputasi terdesentralisasi untuk keduanya dan kami akan menjelaskan lebih lanjut tentang masing-masing di bawah ini.

Pelatihan pada Perangkat Lunak Terdesentralisasi

Penghitungan terdistribusi saat ini sulit karena persyaratan komunikasi yang berat dan latensi antara node selama pelatihan. Ada banyak tim yang mencoba untuk memecahkan masalah ini dan, mengingat besarnya hadiah dan kualitas talenta yang bekerja di dalamnya, kami yakin kemungkinan besar masalah ini akan terpecahkan. Beberapa pendekatan yang menjanjikan di sini termasuk [ @NousResearch]sDisTrOdan@PrimeIntellect'sOpenDiLoCo.

Selain memecahkan masalah teknis yang sulit dari pelatihan terdistribusi dan membangun produk yang menyederhanakan kompleksitas ini, pemenang juga harus mencari tahu:

1. Bagaimana memastikan kualitas dan akuntabilitas dalam jaringan tanpa izin
2. Bagaimana cara memulai pasokan, idealnya dari pusat data dan klaster daripada perangkat konsumen

Insentif token kemungkinan akan menjadi persyaratan dasar untuk memberikan insentif kepada pihak penyedia pasokan, dan pendekatan yang lebih kreatif mungkin termasuk memberikan kepemilikan penyedia komputasi dalam model yang dihasilkan.

Pada dasarnya, keuntungan dari pasar komputasi terdistribusi adalah Anda dapat memanfaatkan biaya margin komputasi terendah di seluruh dunia. Hal ini menjadi semakin penting karena biaya yang meningkat dari penyedia layanan incumbent menyebabkan lebih banyak perusahaan/organisasi untuk menolak dan mencari alternatif yang lebih murah. Kerugiannya adalah laten, perangkat keras heterogen serta kurangnya semua optimasi dan ekonomi skala yang berasal dari membangun dan mengoperasikan pusat data sendiri. Masih harus dilihat bagaimana hal ini berdampak.

Inferensi Verifikasi

Secara umum, kami melihat penggunaan kasus untuk inferensi yang dapat diverifikasi sebagai memperluas sistem yang meminimalkan kepercayaan dengan kemampuan AI. Tidak praktis untuk menyematkan model ke dalam kontrak pintar, tetapi memungkinkan untuk menjalankan model di luar rantai dan memposting beberapa penegasan atau bukti bahwa model tersebut berjalan seperti yang diharapkan di dalam rantai. Misalnya, proyek dapat mempercayakan keputusan pengelolaan (misalnya, keputusan tentang parameter risiko dalam pasar uang) ke model di luar rantai secara aman.

Konsep ini juga dapat digunakan untuk model sumber terbuka atau tertutup secara umum, memberikan jaminan kepada pengguna bahwa output berasal dari model yang diharapkan. Hal ini mungkin menjadi penting karena aplikasi dan pengguna memanfaatkan kecerdasan buatan untuk tugas-tugas yang semakin krusial. Ada banyak proyek yang menangani hal ini dengan berbagai cara seperti portofolio Delphi Ventures.Inference Labs@inference_labs.

Data

Pelatihan LLM hari ini adalah proses multi-langkah yang membutuhkan berbagai jenis data dan intervensi manusia. Ini dimulai dengan pra-pelatihan, di mana LLM berlatih pada versi yang dibersihkan dan dikuratori daricommon crawl dan kumpulan data lain yang tersedia secara bebasSelama pasca-pelatihan, model-model dilatih dengan dataset yang lebih kecil, lebih spesifik, berlabel untuk membuat mereka mahir di area-area tertentu (misalnya Kimia), seringkali dengan bantuan para ahli.

Untuk memastikan data yang segar dan/atau properti, laboratorium kecerdasan buatan seringkali menegosiasikan kesepakatan dengan pemilik sumber data besar. Sebagai contohOpenAI dan Reddit menandatangani perjanjiandikabarkan senilai $60 juta. Demikian pula, Wall Street Journal melaporkan bahwa kesepakatan News Corp dengan OpenAI bernilai lebih dari $250 juta selama lima tahun. Jelas bahwa data lebih berharga dari sebelumnya.

Kami percaya bahwa jaringan kripto sangat tepat untuk membantu tim mencari data dan sumber daya yang diperlukan oleh setiap tahap proses ini. Mungkin sektor yang paling menarik adalah pengumpulan data, di mana kami percaya insentif kripto sangat tepat untuk memulai sisi pasokan pengumpulan data dan membuka sebagian besar sumber data yang signifikan dan berkelanjutan.

Sebagai contoh,Rumput AI @getgrass_iomendorong pengguna untuk berbagi bandwidth internet yang tidak terpakai mereka untuk membantu mengumpulkan data di web yang kemudian di struktur, dibersihkan, dan dibuat dapat diakses untuk pelatihan AI. Jika Grass dapat memulai cukup banyak sumber daya pasokan, itu dapat berfungsi secara efektif sebagai kunci API yang menyediakan data internet segar untuk digunakan dalam model.

@Hivemapperadalah contoh bagus lainnya - jaringan ini diluncurkan pada November 2022 dan mengumpulkan jutaan kilometer gambaran jalan setiap minggunya, yang sudah memetakan 25% dunia. Mudah melihat bagaimana model serupa dapat diterapkan pada bentuk data multi-modal lainnya dan dimonetisasi dengan menjualnya ke laboratorium AI.

Seperti yang ditunjukkan oleh kesepakatan NewsCorp/Reddit, ada banyak perusahaan yang memiliki data berharga namun banyak di antaranya terlalu kecil atau kurang memiliki koneksi ke laboratorium kecerdasan buatan untuk memonetisasi data tersebut. Demikian pula, laboratorium kecerdasan buatan yang melakukan kesepakatan dengan penyedia kecil mungkin tidak sebanding dengan usahanya. Pasar data yang dirancang dengan baik dapat meredam hal ini dengan menghubungkan penyedia ke laboratorium kecerdasan buatan secara agak merata. Ada beberapa tantangan di sini, yang utama adalah menyelesaikan masalah kualitas data, serta keluwesan dari kedua API dan data.

Akhirnya, persiapan data adalah serangkaian tugas penting yang melibatkan pelabelan, pembersihan, pengayaan, transformasi, dan sebagainya. Sebuah tim kecil mungkin tidak memiliki semua keterampilan ini di dalam tim dan mencari untuk mengoutsourcing. Scale AI @scale_AIadalah sebuah perusahaan terpusat yang menawarkan layanan-layanan ini - saat ini diperkirakan memiliki pendapatan sekitar $700 juta dan terus tumbuh pesat. Kami percaya bahwa pasar yang dirancang dengan baik dan sistem alur kerja berbasis rel crypto dapat berhasil di sini.Lightworksadalah salah satu yang diinvestasikan oleh Delphi Ventures dan ada beberapa lagi - semuanya pada tahap yang cukup awal.

Model

Untuk merangkai ulang laporan Delphi Digital,Menara & LapanganProduksi dan pengendalian model AI hampir seluruhnya dikendalikan oleh "the tower" - teknologi besar dan pemerintah. Ini mungkin menjadi keadaan yang lebih dystopian daripada uang yang dikontrol oleh pemerintah. Karena hal ini memungkinkan mereka tidak hanya mengendalikan sumber daya ekonomi yang paling penting, tetapi juga mengendalikan naratif dengan menyensor dan memanipulasi informasi, memotong orang-orang "tidak diinginkan" dari sistem secara keseluruhan, menggunakan interaksi AI pribadi orang untuk menyerang mereka, atau hanya menggunakan AI untuk memaksimalkan pendapatan iklan.

Banyak orang pintar yang bekerja untuk menciptakan “the square” - jaringan terdesentralisasi dengan tujuan menghasilkan model yang sepenuhnya netral, tahan sensor, dan dapat diakses oleh semua orang. Jadi seperti halnya Bitcoin dan kripto menyediakan jalur uang/keuangan yang berada di luar sistem, kripto x AI akan menyediakan kecerdasan yang berada di luar sistem.

Proyek-proyek tersebut bertujuan untuk menciptakan model yang mengalahkan GPT dan LLaMA dengan mendesentralisasi setiap bagian dari proses pembuatan model - sumber jaringan dan mempersiapkan data, melatih pada komputasi desentralisasi sendiri, menjalankan inferensi pada komputasi yang sama, dan mengkoordinasikan seluruh proses melalui tata kelola desentralisasi. Tidak ada bagian dari proses yang terpusat sehingga model tersebut benar-benar dimiliki oleh komunitas dan tidak dapat dikendalikan oleh “Tower”.

Jelas menciptakan model terdesentralisasi yang mendekati model-model terdepan akan sangat sulit. Kita tidak bisa mengharapkan bahwa sebagian besar pengguna akan mentolerir produk yang lebih buruk karena alasan moral. Kami menganggap proyek-proyek kelas ini sebagai "moonshots", yang tidak mungkin berhasil menurut definisi tetapi jika berhasil, akan sangat berharga - dan kami sungguh berharap mereka berhasil.

Mentioning juga layaknya pusat-pusat laboratorium AI terpusat, yang merangkul ideal-ideal kripto dan kemungkinan memiliki token atau memanfaatkan jalur-jalur kripto dengan cara lain.@NousResearch, @PondGNNand @PondGNNBerikut adalah beberapa contoh investasi yang dilakukan oleh Delphi Ventures.

Terakhir, infrastruktur penciptaan model seperti Bittensor oleh @opentensortermasuk bagian dari tumpukan model ini. Bittensor telahdibahas secara menyeluruh di tempat lainNamun, kami tidak akan membahas pro dan kontra di sini.

Aplikasi

Dalam pembicaraan terbarunya, Eric Schmidt mengatakan hal berikut:

Jika TikTok dilarang, inilah yang saya usulkan kepada setiap orang dari kalian lakukan: Katakan kepada LLM kalian hal berikut: "Buatlah salinan TikTok untukku, curi semua pengguna, curi semua musik, masukkan preferensi saya di dalamnya, buat program ini dalam 30 detik berikutnya, rilis, dan dalam satu jam, jika tidak menjadi viral, lakukan sesuatu yang berbeda dengan konsep yang sama."

Kutipan ini bertujuan untuk mengilustrasikan kekuatan luar biasa yang kami harapkan dari agen. Namun, untuk beroperasi secara mandiri, agen-agen ini perlu dapat mengakses layanan tanpa campur tangan manusia - mentransfer nilai dan terlibat dalam hubungan ekonomi, mengimplementasikan dan menjalankan kode tanpa izin.

Dunia tradisional aplikasi perbankan, KYC, dan alur pendaftaran tidak cocok untuk mereka. Tak terhindarkan mereka akan menemui sistem yang dirancang untuk manusia yang tidak dapat diakses tanpa bantuan.

Crypto rails menyediakan platform yang sempurna. Mereka menawarkan dasar tanpa izin, tanpa kepercayaan, dan tahan sensor untuk agen beroperasi. Jika mereka perlu mendeploy aplikasi, mereka dapat mendeploynya on-chain. Jika mereka perlu membayar sesuatu, mereka dapat mengirim token. Kode dan data untuk layanan on-chain sama-sama terbuka dan seragam, sehingga agen dapat memahami dan berinteraksi tanpa perlu API atau dokumentasi.

Agen juga dapat bertindak sebagai katalisator untuk aktivitas on-chain dengan cara lain. Berpindah dari paradigma UX di mana orang mengklik tombol di situs web untuk berinteraksi melalui asisten pribadi AI kami dapat mengabstraksi kompleksitas onboarding yang terkenal dalam kripto. Mengurangi salah satu hambatan utama dalam menarik pengguna baru.

Proyek seperti Wayfinder @AIWayfinder, Autonolas@Autonolas, DAIN @dainprotocoldan Almanak adalah proyek-proyek yang mencolok yang menuju masa depan ini.

Kesimpulan

AI melacak untuk menjadi sumber daya paling kuat dan penting abad ke-21 yang berdampak mendalam pada masyarakat. Dikendalikan sepenuhnya oleh teknologi besar dan negara adalah masa depan dystopian yang tidak ingin kita lihat. Dalam makalah ini kami telah mencoba menunjukkan jalan bagaimana crypto dapat mencegah monopoli ini, bukan dengan mengharapkan orang menggunakan solusi untuk alasan filosofis tetapi dengan memberikan solusi yang benar-benar lebih baik untuk pengembang dan pengguna.

Kita masih sangat awal dalam era AI dan terutama dalam era deAI. Ada banyak hal yang harus dibangun untuk membawa kita dari tempat kita sekarang ke apa yang kita bahas dalam artikel ini. Di Delphi Labs, kami sangat antusias melihat masa depan Crypto dan AI dan kami ingin secara aktif membentuk masa depan ini dengan bekerja dengan para pembangun teratas di ruang ini.

Mengingat seberapa muda hal itu, kami percaya bahwa akselerator adalah struktur yang sempurna untuk menjelajahi ruang desain dan bekerja dengan mentor dan ahli untuk membantu mewujudkan ide Anda. Hari ini, kami berpartisipasi dalam permainan dengan yang baruNEAR x Delphi Labs AI Accelerator. Aplikasi sudah dibuka sekarang hingga 4 Oktober 2024. Jika Anda seorang pengusaha atau pendiri yang ambisius yang percaya pada masa depan AI x Web3, bergabunglah dengan kami dan mari kita wujudkan bersama.

Terima kasih kepada: @Redphonecrypto,@Bitcoin_Sage, @KSimback, @Kevin_Kelly_II,@Shaughnessy119dan@CannnGureluntuk pengeditan dan umpan balik.

Misi Delphi Labs adalah membuat crypto terjadi lebih baik dan lebih cepat. Kami memanfaatkan pengalaman langsung dengan protokol kripto terkemuka termasuk Thorchain, AAVE, dan Synthetix untuk membantu wirausahawan beralih dari nol menjadi satu. Pelajari caranya didelphilabs.io.

Disclaimer:

1. Artikel ini dicetak ulang dari [Delphi Labs]. Semua hak cipta adalah milik penulis asli [Luke Saunders dan Jose Macedo]. Jika ada keberatan terhadap pencetakan ulang ini, silakan hubungi Gate Belajartim, dan mereka akan menanganinya dengan segera.
2. Penolakan Tanggung Jawab: Pandangan dan pendapat yang terdapat dalam artikel ini semata-mata merupakan milik penulis dan tidak merupakan nasihat investasi.
3. Terjemahan artikel ke dalam bahasa lain dilakukan oleh tim Gate Learn. Kecuali disebutkan, menyalin, mendistribusikan, atau mengambil artikel yang diterjemahkan dilarang.