@Openledgerは、全てのAIスタックに透明性、帰属、経済的インセンティブをもたらすために構築されたAI-ブロックチェーンプラットフォームです。特にデータプロバイダー、モデル開発者、エージェントビルダーに焦点を当てています。既存のAIの世界への繰り返される批判は次の通りです:データ提供者 (個人または小規模な組織)は、モデルのトレーニングや推論にデータが使用される際に、しばしば認識されなかったり報酬を受けなかったりします。モデルとエージェントは価値を持つようになるが、ほとんどの経済的報酬は大規模な中央集権的組織に流れ、貢献したすべての人には行き渡らない。データがモデルの出力にどのように影響するか、(どの部分のデータが実際にどの反応を引き起こしたのかは、可視性が低い。)OpenLedgerは、データ、モデル、およびエージェントの流動性を解放することによって、これらの問題に対処することを目指しています。この文脈での「流動性」とは、公正で測定可能かつ透明な方法で取引可能または収益化可能にすることを意味します — そのため、貢献者は一度だけでなく、時間の経過とともに報酬を得ることができます。OpenLedgerが流動性とマネタイズを解放するための主要なメカニズムOpenLedgerが収益化と公正を実現するために使用するコアツールとシステムは以下の通りです:アトリビューションの証明 (PoA)モデルが出力を生成するたびに(推論)、OpenLedgerのPoAメカニズムは、どのデータポイント(がどのデータセット)からその出力に影響を与えたかを追跡します。小さなモデルの場合、影響は勾配ベースの方法で計算されることがありますが、大きなモデルや大規模言語モデルの場合、トークン帰属やサフィックス配列のような方法が使用されることがあります。それは、あなたのデータセットがモデルの出力に大きく貢献した場合、トークンの形で報酬を受け取ることを意味します。これは単なる評判によるものではなく、測定可能な使用によるものです。データは、オンチェーンの経済資産として第一級の扱いを受けます。データネット / データセットを資産としてOpenLedgerは「DataNets」を導入しました — 複数のユーザーによって提供された構造化されたドメイン特化型データセットです。これらのDataNetsはメタデータと出所と共にチェーンに記録されます。モデルのトレーニングと推論タスクの両方に役立ちます。各DataNetの使用状況と影響が追跡されるため、各参加者の貢献(たとえば、データをデータネットに提出する誰か)は報酬を受けることができます。これにより、より高品質なデータの貢献とより専門的なドメインの特化が奨励されます。マネタイズモデルとエージェントモデル開発者はOpenLedger上にモデルをデプロイします。これらのモデルは使用され、(クエリされ、さらにトレーニングされることができます)。ユーザーがこれらのモデルを呼び出すと(推論)に対して、手数料を支払います。これらの手数料は分割されます：一部はモデル開発者に、一部はデータ提供者に(帰属メカニズム)を介して、そして一部はネットワークの運用をサポートします。エージェント (自律型AIプログラム)も同様にマネタイズできます: 誰かがエージェントを使用または展開した場合、またはエージェントが特定のデータやモデルを使用する場合、それらの基盤となるリソースが補償されます。このアーキテクチャは、エージェントのデータまたはモデルへのアクセスも帰属および報酬の流れを尊重することを保証します。トークノミクス: The $OPEN TokenネイティブトークンOPENは、コア経済単位です。これは以下に使用されます:ガス / ネットワーク手数料 (モデル登録、推論呼び出し、データセット公開) そのためネットワーク操作は $OPEN で支払われます。データ貢献者への報酬は、アトリビューションの証明を通じて行われます。モデルが使用された際のモデル開発者への支払い。ガバナンス: OPENの保有者は、プロトコルのパラメータ、エコシステムの成長などに関する決定に参加できます。トークンの配分は持続的な報酬をサポートするように構成されています：供給の大部分はエコシステムへの貢献、DataNetの助成金、帰属の証明などに捧げられています。これにより、実際に構築し、データを提供し、モデルを運営し、エージェントを操作する人々が、ネットワークの長期的な成功と経済的に整合することが保証されます。流動性とマネタイズを支える技術的およびアーキテクチャ的基盤ここでは、このマネタイズを信頼できるものにし、利用可能にするインフラストラクチャおよびシステム設計の選択肢のいくつかを示します：オンチェーンの出所記録：データの起源、モデルのトレーニングの系譜、データセットのメタデータはすべてオンチェーンで記録されており、どのデータが何に影響を与えたかを監査または検証することが可能です。これがなければ、帰属は不明瞭になります。透明性と検証性：アトリビューションの証明システムはプロトコルレベルであるため、オフチェーンや独自のものではなく、貢献者は自分のデータ/モデルの使用がどのように計算されているかを正確に確認できます。継続的な報酬の流れ：データやモデルの一時的な支払いとは異なり、システムはデータやモデルが使用されるたびに時間をかけて報酬を与えます。これにより、データ/モデル資産が引き続きリターンを生み出すという意味で「流動性」が生まれます。ガバナンス / コミュニティの監視：データ提供者やモデル構築者を含むトークン保有者がガバナンスに参加できるようにすることで、OpenLedgerはインセンティブを整合させ、中央集権化を避け、報酬メカニズムが公正であり、コミュニティのニーズに応じて進化することを保証しようとしています。例 / 使用例: マネタイズが実践でどのように機能するか医療画像や法的文書、特定の金融データ(のような専門的なデータセット)をキュレーションまたはクリーンアップした方は、このデータをDataNetに貢献できます。モデルがあなたのデータを使用してトレーニングまたは推論を行う際に、$OPEN トークンの定期的または使用に基づく報酬を受け取ります。AIモデル(、言語モデル、ビジョンモデル、または自律タスク用のエージェントを構築した場合)、OpenLedgerに公開することができます。ユーザーはそれを使用するために支払いを行い、その一部はあなたに戻り、残りはデータプロバイダーに分配されます。エージェント ( 自律型 AI プログラム ) は、複数のデータソースやモデルを活用することで価値を生み出すこともできます。使用される各要素は追跡され、報酬が与えられます。したがって、法律相談や財務戦略のためにエージェントを構築する人は、自分のエージェントの論理だけでなく、それが依存するデータセットやモデルも収益化することができるかもしれません。モデル/エージェントの評判や使用に応じて、購入、ライセンス、またはステーキングモデルの市場が存在する可能性もあり、これによりさらなる流動性が生まれます。例えば、モデル開発者は品質を示すためにステークするかもしれませんし、高い帰属影響を持つデータセットはより「価値がある」または需要が高くなるかもしれません。なぜそれが重要なのか & 潜在的な影響それはAI経済を一方的な価値捕捉(主に大規模な組織)から、より分散型でコミュニティ指向のモデルにシフトします。貢献者は実際の使用に比例した報酬を得ます。モデルの挙動に実際に影響を与えるデータのみが報酬を得るため、より良い質のデータを促進します。これにより、クリーンで十分に文書化された、ドメインに関連した冗長性のないデータに対するインセンティブが生まれます。データセットの専門化を促進します：以前は利益が少ないと思われたニッチなデータセットが、特定のドメインモデルへの影響がそのユースケースにおいて高い可能性があるため、貢献する価値があるかもしれません。信頼性と透明性の向上：モデルの消費者は出所と帰属を調査できるため、バイアス、プライバシー、説明可能性といった問題の解決に役立ちます。なぜなら、モデルの出力がどこから来たかを見ることができるからです。AIの新しいビジネスモデルを可能にします。単発のライセンスではなく、AIモデル/データ/資産は継続的な収入源となる可能性があります。モデルは「ロイヤリティのような」振る舞いをすることができ、使用されるたびに誰かが一部を得ることになります。注目すべき制限/課題このモデルをうまく機能させるためには、いくつかの課題に対して対策が必要です。帰属精度：どのデータポイントがどのモデル出力に本当に影響を与えたのかを測定すること(特に非常に大きなモデル)では簡単ではありません。影響方法は近似的であり、誤差やバイアスを含む可能性があります。コスト / オーバーヘッド：詳細な帰属の実行、大量のメタデータの記録、データの出所を保存することは、すべてオンチェーンまたは検証可能なオフチェーン構造で行われ、計算およびストレージコストを追加する可能性があります。インセンティブの不均衡：帰属に過度に重点を置くと、特に初期には、小規模または新しい貢献者はほとんど得られない可能性があります。特に彼らのデータセットが多く使用されない限り。ガバナンスと公平性：特定のモデルが独占される、またはリソースの多いデータプロバイダーが支配する場合はどうなるでしょうか？平等な参加を確保し、アトリビューションの操作を防ぐことが重要です。レイテンシー / スケーラビリティ: 使用が拡大するにつれて、帰属メカニズムとモデル推論トラッキングが依然として効率的に機能することを確保する必要があります。総括@Openledgerは、データ、AIモデル、およびエージェントを、単に大規模なエンティティが所有する入力としてではなく、オンチェーンの経済資産として扱うシステムを設計しています。アトリビューションの証明、DataNets、実際の使用に結びついた報酬を持つネイティブトークン経済などのメカニズムを使用することにより、これらの資産の流動性を解放します。つまり、データを提供したり、モデルを構築したり、エージェントを作成したりする人々は、継続的かつ透明にマネタイズできるのです。それは野心的なビジョンです：公正な帰属、透明な出所、共有された報酬の流れ、そしてAIインフラの民主的な所有権です。もし成功すれば、AIの構築、所有、マネタイズの方法が変わる可能性があります — 中央集権的なプラットフォームから、より多くの利害関係者が価値を得る分散型エコシステムへと移行するでしょう。#OpenLedger
OpenLedgerとは何か、そしてそれが解決する問題は何か
@Openledgerは、全てのAIスタックに透明性、帰属、経済的インセンティブをもたらすために構築されたAI-ブロックチェーンプラットフォームです。特にデータプロバイダー、モデル開発者、エージェントビルダーに焦点を当てています。既存のAIの世界への繰り返される批判は次の通りです: データ提供者 (個人または小規模な組織)は、モデルのトレーニングや推論にデータが使用される際に、しばしば認識されなかったり報酬を受けなかったりします。 モデルとエージェントは価値を持つようになるが、ほとんどの経済的報酬は大規模な中央集権的組織に流れ、貢献したすべての人には行き渡らない。 データがモデルの出力にどのように影響するか、(どの部分のデータが実際にどの反応を引き起こしたのかは、可視性が低い。) OpenLedgerは、データ、モデル、およびエージェントの流動性を解放することによって、これらの問題に対処することを目指しています。この文脈での「流動性」とは、公正で測定可能かつ透明な方法で取引可能または収益化可能にすることを意味します — そのため、貢献者は一度だけでなく、時間の経過とともに報酬を得ることができます。
OpenLedgerが流動性とマネタイズを解放するための主要なメカニズム OpenLedgerが収益化と公正を実現するために使用するコアツールとシステムは以下の通りです: アトリビューションの証明 (PoA) モデルが出力を生成するたびに(推論)、OpenLedgerのPoAメカニズムは、どのデータポイント(がどのデータセット)からその出力に影響を与えたかを追跡します。小さなモデルの場合、影響は勾配ベースの方法で計算されることがありますが、大きなモデルや大規模言語モデルの場合、トークン帰属やサフィックス配列のような方法が使用されることがあります。 それは、あなたのデータセットがモデルの出力に大きく貢献した場合、トークンの形で報酬を受け取ることを意味します。これは単なる評判によるものではなく、測定可能な使用によるものです。データは、オンチェーンの経済資産として第一級の扱いを受けます。 データネット / データセットを資産として OpenLedgerは「DataNets」を導入しました — 複数のユーザーによって提供された構造化されたドメイン特化型データセットです。これらのDataNetsはメタデータと出所と共にチェーンに記録されます。モデルのトレーニングと推論タスクの両方に役立ちます。
各DataNetの使用状況と影響が追跡されるため、各参加者の貢献(たとえば、データをデータネットに提出する誰か)は報酬を受けることができます。これにより、より高品質なデータの貢献とより専門的なドメインの特化が奨励されます。 マネタイズモデルとエージェント モデル開発者はOpenLedger上にモデルをデプロイします。これらのモデルは使用され、(クエリされ、さらにトレーニングされることができます)。ユーザーがこれらのモデルを呼び出すと(推論)に対して、手数料を支払います。これらの手数料は分割されます：一部はモデル開発者に、一部はデータ提供者に(帰属メカニズム)を介して、そして一部はネットワークの運用をサポートします。 エージェント (自律型AIプログラム)も同様にマネタイズできます: 誰かがエージェントを使用または展開した場合、またはエージェントが特定のデータやモデルを使用する場合、それらの基盤となるリソースが補償されます。このアーキテクチャは、エージェントのデータまたはモデルへのアクセスも帰属および報酬の流れを尊重することを保証します。
トークノミクス: The $OPEN Token
ネイティブトークンOPENは、コア経済単位です。これは以下に使用されます:
ガス / ネットワーク手数料 (モデル登録、推論呼び出し、データセット公開) そのためネットワーク操作は $OPEN で支払われます。 データ貢献者への報酬は、アトリビューションの証明を通じて行われます。 モデルが使用された際のモデル開発者への支払い。 ガバナンス: OPENの保有者は、プロトコルのパラメータ、エコシステムの成長などに関する決定に参加できます。 トークンの配分は持続的な報酬をサポートするように構成されています：供給の大部分はエコシステムへの貢献、DataNetの助成金、帰属の証明などに捧げられています。これにより、実際に構築し、データを提供し、モデルを運営し、エージェントを操作する人々が、ネットワークの長期的な成功と経済的に整合することが保証されます。
流動性とマネタイズを支える技術的およびアーキテクチャ的基盤 ここでは、このマネタイズを信頼できるものにし、利用可能にするインフラストラクチャおよびシステム設計の選択肢のいくつかを示します： オンチェーンの出所記録：データの起源、モデルのトレーニングの系譜、データセットのメタデータはすべてオンチェーンで記録されており、どのデータが何に影響を与えたかを監査または検証することが可能です。これがなければ、帰属は不明瞭になります。 透明性と検証性：アトリビューションの証明システムはプロトコルレベルであるため、オフチェーンや独自のものではなく、貢献者は自分のデータ/モデルの使用がどのように計算されているかを正確に確認できます。 継続的な報酬の流れ：データやモデルの一時的な支払いとは異なり、システムはデータやモデルが使用されるたびに時間をかけて報酬を与えます。これにより、データ/モデル資産が引き続きリターンを生み出すという意味で「流動性」が生まれます。 ガバナンス / コミュニティの監視：データ提供者やモデル構築者を含むトークン保有者がガバナンスに参加できるようにすることで、OpenLedgerはインセンティブを整合させ、中央集権化を避け、報酬メカニズムが公正であり、コミュニティのニーズに応じて進化することを保証しようとしています。
例 / 使用例: マネタイズが実践でどのように機能するか 医療画像や法的文書、特定の金融データ(のような専門的なデータセット)をキュレーションまたはクリーンアップした方は、このデータをDataNetに貢献できます。モデルがあなたのデータを使用してトレーニングまたは推論を行う際に、$OPEN トークンの定期的または使用に基づく報酬を受け取ります。 AIモデル(、言語モデル、ビジョンモデル、または自律タスク用のエージェントを構築した場合)、OpenLedgerに公開することができます。ユーザーはそれを使用するために支払いを行い、その一部はあなたに戻り、残りはデータプロバイダーに分配されます。 エージェント ( 自律型 AI プログラム ) は、複数のデータソースやモデルを活用することで価値を生み出すこともできます。使用される各要素は追跡され、報酬が与えられます。したがって、法律相談や財務戦略のためにエージェントを構築する人は、自分のエージェントの論理だけでなく、それが依存するデータセットやモデルも収益化することができるかもしれません。 モデル/エージェントの評判や使用に応じて、購入、ライセンス、またはステーキングモデルの市場が存在する可能性もあり、これによりさらなる流動性が生まれます。例えば、モデル開発者は品質を示すためにステークするかもしれませんし、高い帰属影響を持つデータセットはより「価値がある」または需要が高くなるかもしれません。 なぜそれが重要なのか & 潜在的な影響 それはAI経済を一方的な価値捕捉(主に大規模な組織)から、より分散型でコミュニティ指向のモデルにシフトします。貢献者は実際の使用に比例した報酬を得ます。 モデルの挙動に実際に影響を与えるデータのみが報酬を得るため、より良い質のデータを促進します。これにより、クリーンで十分に文書化された、ドメインに関連した冗長性のないデータに対するインセンティブが生まれます。 データセットの専門化を促進します：以前は利益が少ないと思われたニッチなデータセットが、特定のドメインモデルへの影響がそのユースケースにおいて高い可能性があるため、貢献する価値があるかもしれません。 信頼性と透明性の向上：モデルの消費者は出所と帰属を調査できるため、バイアス、プライバシー、説明可能性といった問題の解決に役立ちます。なぜなら、モデルの出力がどこから来たかを見ることができるからです。 AIの新しいビジネスモデルを可能にします。単発のライセンスではなく、AIモデル/データ/資産は継続的な収入源となる可能性があります。モデルは「ロイヤリティのような」振る舞いをすることができ、使用されるたびに誰かが一部を得ることになります。 注目すべき制限/課題 このモデルをうまく機能させるためには、いくつかの課題に対して対策が必要です。 帰属精度：どのデータポイントがどのモデル出力に本当に影響を与えたのかを測定すること(特に非常に大きなモデル)では簡単ではありません。影響方法は近似的であり、誤差やバイアスを含む可能性があります。 コスト / オーバーヘッド：詳細な帰属の実行、大量のメタデータの記録、データの出所を保存することは、すべてオンチェーンまたは検証可能なオフチェーン構造で行われ、計算およびストレージコストを追加する可能性があります。 インセンティブの不均衡：帰属に過度に重点を置くと、特に初期には、小規模または新しい貢献者はほとんど得られない可能性があります。特に彼らのデータセットが多く使用されない限り。 ガバナンスと公平性：特定のモデルが独占される、またはリソースの多いデータプロバイダーが支配する場合はどうなるでしょうか？平等な参加を確保し、アトリビューションの操作を防ぐことが重要です。
レイテンシー / スケーラビリティ: 使用が拡大するにつれて、帰属メカニズムとモデル推論トラッキングが依然として効率的に機能することを確保する必要があります。 総括 @Openledgerは、データ、AIモデル、およびエージェントを、単に大規模なエンティティが所有する入力としてではなく、オンチェーンの経済資産として扱うシステムを設計しています。アトリビューションの証明、DataNets、実際の使用に結びついた報酬を持つネイティブトークン経済などのメカニズムを使用することにより、これらの資産の流動性を解放します。つまり、データを提供したり、モデルを構築したり、エージェントを作成したりする人々は、継続的かつ透明にマネタイズできるのです。 それは野心的なビジョンです：公正な帰属、透明な出所、共有された報酬の流れ、そしてAIインフラの民主的な所有権です。もし成功すれば、AIの構築、所有、マネタイズの方法が変わる可能性があります — 中央集権的なプラットフォームから、より多くの利害関係者が価値を得る分散型エコシステムへと移行するでしょう。 #OpenLedger