OpenLedger là gì và nó giải quyết vấn đề gì?

@Openledger là một nền tảng AI-blockchain được xây dựng để mang lại sự minh bạch, phân bổ và các động lực kinh tế cho toàn bộ hệ thống AI — đặc biệt là các nhà cung cấp dữ liệu, nhà phát triển mô hình và người xây dựng tác nhân. Một chỉ trích lặp đi lặp lại của thế giới AI hiện tại là: Các nhà cung cấp dữ liệu (các cá nhân hoặc thực thể nhỏ hơn) thường không được công nhận hoặc thưởng khi dữ liệu của họ được sử dụng trong việc đào tạo hoặc suy diễn mô hình. Mô hình và đại lý trở nên có giá trị, nhưng hầu hết phần thưởng kinh tế chảy về các tổ chức trung ương lớn, không phải về tất cả những người đã đóng góp. Có ít thông tin về cách dữ liệu ảnh hưởng đến đầu ra của mô hình ( những phần nào của dữ liệu thực sự thúc đẩy những phản ứng gì ). OpenLedger nhằm giải quyết những vấn đề này bằng cách mở khóa tính thanh khoản trong dữ liệu, mô hình và đại lý. Trong bối cảnh này, “tính thanh khoản” có nghĩa là biến chúng thành có thể giao dịch hoặc có thể kiếm tiền một cách công bằng, có thể đo lường và minh bạch - để những người đóng góp kiếm được theo thời gian, chứ không chỉ một lần.

Cơ Chế Chính Mà OpenLedger Mở Khóa Tính Thanh Khoản & Kiếm Tiền Đây là các công cụ và hệ thống cốt lõi mà OpenLedger sử dụng để kích thích thu nhập và đảm bảo sự công bằng: Proof of Attribution (PoA) Mỗi khi một mô hình tạo ra một đầu ra (một suy diễn), cơ chế PoA của OpenLedger theo dõi các điểm dữ liệu (từ các tập dữ liệu) nào đã ảnh hưởng đến đầu ra đó. Đối với các mô hình nhỏ hơn, ảnh hưởng có thể được tính toán thông qua các phương pháp dựa trên độ dốc; đối với các mô hình lớn hơn hoặc các mô hình ngôn ngữ lớn, các phương pháp như phân bổ token hoặc mảng suffix có thể được sử dụng. Điều đó có nghĩa là nếu tập dữ liệu của bạn đóng góp đáng kể vào kết quả của mô hình, bạn sẽ được thưởng bằng hình thức token. Điều này không chỉ dựa vào danh tiếng mà còn dựa vào việc sử dụng có thể đo lường được. Dữ liệu được coi là một tài sản kinh tế trên chuỗi hàng đầu. DataNets / Tập dữ liệu như Tài sản OpenLedger giới thiệu “DataNets” — các tập dữ liệu có cấu trúc, cụ thể theo miền được đóng góp bởi nhiều người dùng. Các DataNets này được ghi lại trên chuỗi với siêu dữ liệu và nguồn gốc. Chúng phục vụ cả trong việc huấn luyện các mô hình và trong các tác vụ suy diễn.

Bởi vì việc sử dụng và ảnh hưởng của mỗi DataNet đều được theo dõi, những đóng góp của từng người tham gia ( ví dụ: ai đó gửi dữ liệu đến một datanet ) có thể được thưởng. Điều này khuyến khích việc đóng góp dữ liệu chất lượng cao hơn và sự chuyên môn hóa trong các lĩnh vực khác nhau. Mô hình Kiếm tiền & Đại lý Các nhà phát triển mô hình triển khai các mô hình trên OpenLedger. Những mô hình này có thể được sử dụng (truy vấn, đào tạo thêm, v.v.). Khi người dùng gọi những mô hình đó (suy diễn), họ phải trả phí. Những khoản phí đó được chia: một phần thuộc về nhà phát triển mô hình, một phần cho các nhà đóng góp dữ liệu (thông qua cơ chế phân bổ), và một phần hỗ trợ các hoạt động mạng. Các tác nhân (chương trình AI tự động) cũng có thể được kiếm tiền: nếu ai đó sử dụng hoặc triển khai một tác nhân, hoặc tác nhân sử dụng một số dữ liệu hoặc mô hình nhất định, những tài nguyên cơ bản đó sẽ được bồi thường. Kiến trúc đảm bảo rằng quyền truy cập của các tác nhân vào dữ liệu hoặc mô hình cũng tôn trọng việc ghi nhận và dòng chảy thưởng.

Tokenomics: The $OPEN Token

Token gốc OPEN là đơn vị kinh tế cốt lõi. Nó được sử dụng cho:

Phí gas / phí mạng (đăng ký mô hình, gọi suy diễn, xuất bản tập dữ liệu) vì vậy các hoạt động mạng được thanh toán bằng $OPEN. Phần thưởng cho người đóng góp dữ liệu thông qua Chứng nhận Quyền sở hữu. Thanh toán cho các nhà phát triển mô hình khi các mô hình của họ được sử dụng. Quản trị: Những người nắm giữ OPEN có thể tham gia vào các quyết định về các tham số giao thức, sự phát triển của hệ sinh thái, v.v. Cơ cấu phân bổ token được thiết kế để hỗ trợ phần thưởng bền vững: một phần lớn nguồn cung được dành cho các đóng góp cho hệ sinh thái, các khoản tài trợ DataNet, chứng minh sự phân bổ, v.v. Điều này đảm bảo rằng những người thực sự xây dựng, đóng góp dữ liệu, vận hành các mô hình, hoạt động các đại lý, v.v., có lợi ích kinh tế gắn kết với sự thành công lâu dài của mạng.

Cơ sở Kỹ thuật & Kiến trúc Hỗ trợ Thanh khoản & Kiếm tiền Dưới đây là một số lựa chọn về cơ sở hạ tầng và thiết kế hệ thống làm cho việc kiếm tiền này trở nên đáng tin cậy và có thể sử dụng: Ghi chép nguồn gốc trên chuỗi: Nguồn gốc dữ liệu, dòng dõi đào tạo mô hình, siêu dữ liệu của tập dữ liệu đều được ghi lại trên chuỗi, tạo điều kiện cho việc kiểm toán hoặc xác minh dữ liệu nào đã ảnh hưởng đến cái gì. Nếu không có điều này, việc quy thuộc sẽ trở nên mờ mịt. Minh bạch & khả năng xác minh: Bởi vì hệ thống Proof of Attribution là cấp độ giao thức, không chỉ là ngoài chuỗi hoặc độc quyền, các nhà đóng góp có thể thấy chính xác cách dữ liệu / việc sử dụng mô hình của họ đang được tính toán. Dòng thưởng liên tục: Không giống như các khoản thanh toán một lần cho dữ liệu hoặc mô hình, hệ thống thưởng theo thời gian mỗi khi dữ liệu hoặc mô hình được sử dụng. Điều này tạo ra “tính thanh khoản” theo nghĩa là tài sản dữ liệu/mô hình tiếp tục tạo ra lợi nhuận. Quản trị / giám sát cộng đồng: Bằng cách cho phép các chủ sở hữu token, bao gồm cả những người đóng góp dữ liệu và những người xây dựng mô hình, tham gia vào quản trị, OpenLedger hy vọng sẽ giữ cho các động lực được căn chỉnh, tránh sự tập trung và đảm bảo rằng các cơ chế thưởng là công bằng và phát triển theo nhu cầu của cộng đồng.

Ví dụ / Trường hợp sử dụng: Cách kiếm tiền diễn ra trong thực tế Nếu bạn là người đã thu thập hoặc làm sạch một tập dữ liệu chuyên biệt ( ví dụ như cho hình ảnh y tế, hoặc biên bản pháp lý, hoặc dữ liệu tài chính theo miền cụ thể ), bạn có thể đóng góp dữ liệu này vào một DataNet. Khi các mô hình được huấn luyện trên hoặc suy diễn sử dụng dữ liệu của bạn, bạn sẽ nhận được $OPEN tokens phần thưởng theo định kỳ hoặc dựa trên mức sử dụng. Nếu bạn xây dựng một mô hình AI ( chẳng hạn như mô hình ngôn ngữ, mô hình thị giác, hoặc một tác nhân cho các nhiệm vụ tự động ), bạn có thể xuất bản nó trên OpenLedger. Người dùng phải trả tiền để sử dụng; một phần của các khoản thanh toán sẽ được trả lại cho bạn, và một phần sẽ được phân phối cho các nhà cung cấp dữ liệu. Các tác nhân (chương trình AI tự động) tận dụng nhiều nguồn dữ liệu hoặc mô hình cũng có thể tạo ra giá trị; mỗi phần được sử dụng đều được theo dõi và thưởng. Vì vậy, ai đó xây dựng một tác nhân cho, chẳng hạn, tư vấn pháp lý hoặc chiến lược tài chính có thể kiếm tiền từ cả logic của tác nhân của họ cũng như các tập dữ liệu và mô hình mà nó phụ thuộc vào. Có thể cũng có các thị trường để mua, cấp phép hoặc staking các mô hình/đại lý tùy thuộc vào uy tín và mức sử dụng của chúng, điều này mang lại tính thanh khoản cao hơn. Ví dụ, các nhà phát triển mô hình có thể staking để tín hiệu chất lượng, hoặc các tập dữ liệu có ảnh hưởng lớn đến việc quy attribution có thể trở nên “quý giá” hơn hoặc được ưa chuộng. Tại sao điều đó quan trọng & Tác động tiềm năng Nó chuyển đổi kinh tế AI từ việc chiếm đoạt giá trị một chiều ( chủ yếu bởi các tổ chức lớn ) sang một mô hình phân phối hơn, hướng tới cộng đồng. Các nhà đóng góp nhận được phần thưởng tương xứng với mức sử dụng thực tế. Khuyến khích dữ liệu chất lượng tốt hơn: vì chỉ có dữ liệu thực sự ảnh hưởng đến hành vi của mô hình mới được thưởng, nên có động lực cho dữ liệu sạch hơn, được tài liệu hóa tốt, liên quan đến miền, không bị dư thừa. Thúc đẩy sự chuyên môn hóa trong các tập dữ liệu: các tập dữ liệu ngách trước đây có vẻ ít sinh lợi có thể giờ đây đáng để đóng góp, vì ảnh hưởng của chúng đến các mô hình chuyên ngành có thể cao trong trường hợp sử dụng đó. Tăng cường niềm tin và tính minh bạch: người tiêu dùng của các mô hình có thể kiểm tra nguồn gốc & sự phân bổ, điều này có thể giúp giải quyết các vấn đề như thiên kiến, quyền riêng tư, khả năng giải thích - vì bạn có thể thấy đầu ra của mô hình đến từ đâu. Kích hoạt các mô hình kinh doanh mới cho AI: thay vì giấy phép một lần, các mô hình/dữ liệu/tài sản AI có thể trở thành nguồn doanh thu liên tục. Các mô hình có thể có hành vi “giống như tiền bản quyền”—mỗi khi chúng được sử dụng, ai đó sẽ nhận được một phần. Những hạn chế / Thách thức cần chú ý Để mô hình này hoạt động tốt, một số thách thức sẽ cần được giảm thiểu. Độ chính xác của việc phân bổ: Đo lường những điểm dữ liệu nào thực sự ảnh hưởng đến những đầu ra của mô hình ( đặc biệt là với những mô hình rất lớn ) là không dễ dàng. Các phương pháp ảnh hưởng có thể là gần đúng và có thể có lỗi hoặc thiên lệch. Chi phí / chi phí phụ: Việc thực hiện phân bổ chi tiết, ghi lại một khối lượng lớn siêu dữ liệu, lưu trữ nguồn gốc dữ liệu, tất cả đều trên chuỗi hoặc trong các cấu trúc ngoài chuỗi có thể xác minh, có thể tăng chi phí tính toán và lưu trữ. Mất cân bằng về động lực: Nếu quá nhiều sự chú ý được dành cho việc phân bổ, những người đóng góp nhỏ hơn hoặc mới hơn có thể nhận được rất ít, đặc biệt là trong giai đoạn đầu, trừ khi bộ dữ liệu của họ được sử dụng nhiều. Quản trị và công bằng: Điều gì sẽ xảy ra nếu một số mô hình bị độc quyền, hoặc các nhà cung cấp dữ liệu có nhiều tài nguyên chiếm ưu thế? Đảm bảo sự tham gia bình đẳng và ngăn chặn việc lợi dụng phân bổ sẽ là điều quan trọng.

Độ trễ / khả năng mở rộng: Khi việc sử dụng tăng lên, việc đảm bảo rằng các cơ chế quy thuộc và theo dõi suy diễn mô hình vẫn hoạt động hiệu quả sẽ là cần thiết. Tóm tắt @Openledger đang thiết kế một hệ thống cố gắng coi dữ liệu, mô hình AI và các tác nhân như là tài sản kinh tế trên chuỗi, không chỉ là các đầu vào thuộc sở hữu của những thực thể lớn. Bằng cách sử dụng các cơ chế như Chứng minh Quyền sở hữu, Mạng dữ liệu (DataNets), và một nền kinh tế token bản địa với phần thưởng gắn liền với việc sử dụng thực tế, nó mở khóa tính thanh khoản trong các tài sản này — có nghĩa là những người đóng góp dữ liệu, xây dựng mô hình, hoặc tạo ra tác nhân có thể kiếm tiền một cách liên tục và minh bạch. Đó là một tầm nhìn đầy tham vọng: phân bổ công bằng, nguồn gốc minh bạch, dòng thưởng chia sẻ và sở hữu dân chủ về cơ sở hạ tầng AI. Nếu thành công, nó có thể thay đổi cách AI được xây dựng, sở hữu và kiếm tiền — từ các nền tảng tập trung sang các hệ sinh thái phi tập trung, nơi nhiều bên liên quan hơn có thể nắm bắt giá trị. #OpenLedger