Hablemos de algo que podría ofender a algunos. Siempre he pensado que la prueba de participación es el punto clave de OpenLedger, los contribuyentes de datos suben activos y al llamar al modelo se hace la repartición automáticamente, suena como la economía de creadores de contenido en YouTube del mundo de los datos AI. Pero después de analizar las proporciones de reparto, me di cuenta de que la verdad sobre la distribución subyacente no es tan bonita.
El caso de referencia que se da en el whitepaper: el costo total de una inferencia es de 1.14 OPEN, la plataforma se queda primero con 0.5, quedando 0.64 para dividir en tres partes: el modelo se lleva 0.448, los nodos de staking se llevan 0.064, y los contribuyentes de datos se reparten en total 0.128. Nota que esos 0.128 son repartidos entre todos los contribuyentes de datos que fueron llamados. Si tu peso de influencia de datos es solo del 25%, al final te quedas con 0.032 OPEN. Mientras tanto, los nodos de staking no hacen nada, solo con el lock-up se aseguran 0.064.
En resumen, esto es un mecanismo típico de recolección de rentas. Los contribuyentes de datos asumen el riesgo de privacidad y el costo de tiempo, pero lo que obtienen es solo un pequeño pedazo del pastel en el fondo común. Los nodos de staking ganan doblemente: recompensas por mantener y poder de gobernanza que amplifica su control. Cuanto más stakean, más fuerte es su voz, y cuanto más fuerte es su voz, más se inclinan los parámetros a su favor. Detrás de la fachada descentralizada corre una estructura típica de oligopolio.
Ahora veamos el efecto de desbloqueo y dilución inflacionaria. La cantidad total de OPEN es de mil millones de unidades, y la distribución para la comunidad y el ecosistema representa el 61.71%, lo cual es generoso en el sector de IA. Pero la mayor parte de esta distribución comunitaria se libera continuamente a través de recompensas de PoA, recompensas de inferencia, financiación de Datanet, hackatones, etc. Esto significa que los tokens que ganas arduamente al subir datos, en el momento en que los obtienes, pueden estar enfrentando una presión de venta continua y dilución desde dentro del sistema. ¿Cuánto poder adquisitivo quedará cuando intentes liquidar esos salarios por piezas obtenidos a cambio de datos reales y privacidad en el mercado secundario?
El algoritmo de atribución en sí también tiene debilidades técnicas. El proceso de entrenamiento no se limita a un problema binario de si se utilizó o no un solo dato. El modelo ha leído tus datos y ha hecho un entrenamiento de época, pero al final, cuando converge, puede que un tercio de las muestras sean automáticamente consideradas ruido por el optimizador debido a sesgos en las etiquetas, y su peso real es casi cero; otro tercio solo se utiliza para calcular estadísticas de normalización, contribuyendo mínimamente a la actualización de parámetros. ¿Puede PoA distinguir entre estas tres categorías de uso? Si solo se puede registrar que este conjunto de datos fue citado en la tarea de entrenamiento, entonces la correspondencia entre contribución y recompensa se convierte en un lío.
La solución de ingeniería del equipo de OpenLedger es mover el cálculo intensivo al período de silencio de almacenamiento de datos. Cuando se envía un nuevo dato, el sistema precalcula la matriz de similitud con los datos existentes, marcando la línea base de contribución marginal. Cuando la inferencia posterior impacta esos datos, el módulo de atribución solo necesita hacer correcciones incrementales sobre la línea base. Este diseño es teóricamente elegante, ya que el precálculo desplaza el trabajo pesado a la etapa de almacenamiento. Pero el problema radica en que la atribución precisa requiere cálculos similares a los valores de Shapley, ejecutando combinaciones de todos los subconjuntos de datos, lo cual sigue siendo un número astronómico con los actuales modelos grandes que tienen decenas de miles de millones de parámetros. @OpenLedger
La única solución de compromiso realista es usar algoritmos aproximados o incluso distribuir según el número de llamadas. Si realmente se opta por esta última ruta, lo que se llama PoA se degrada esencialmente a una capa de incentivos con un libro mayor, sin diferencias fundamentales con los mercados de datos tradicionales, solo que el medio de liquidación se cambia a tokens. Lo que más me preocupa es el problema de selección adversa. Si un script kiddie genera en masa cien mil diálogos mediocres con IA a un costo casi cero, y el sistema distribuye tokens según la cantidad de llamadas, entonces los estudios de etiquetado serios descubrirán que sus datos de alta calidad y alto costo no pueden competir con la producción industrial. Al final, lo que queda en la red probablemente sea la gente que más infló los números y no los que realmente pueden mejorar el rendimiento del modelo.
Mi actitud siempre ha sido clara: #OpenLedger la base técnica y la elección del sector no son un problema. La capacidad del marco OpenLoRA para ejecutar miles de modelos de ajuste en una sola GPU también es bastante sólida. El problema radica en que su modelo económico determina que la mayoría de los participantes no son los co-creadores y propietarios que se promocionan, sino combustible.
La estrategia más racional para los usuarios comunes en este juego puede no ser lanzarse como contribuyentes de datos, sino estar atentos a los movimientos de las ballenas. Los datos en cadena te dicen quién está haciendo grandes depósitos, cuáles son los ciclos de desbloqueo y cuándo se alcanza el punto más bajo en la tasa de staking. Estas señales son las variables clave para juzgar $OPEN la relación de oferta y demanda y los puntos de inflexión de precios.
Ahora mismo, la calidad de los datos en cadena no es lo suficientemente fina, pero al menos el camino es el correcto. El problema de la precisión de la atribución ciertamente requiere un largo pulido, pero los proyectos que están dispuestos a reconocer este cuello de botella y no evadirlo son, al menos, más honestos que aquellos que pretenden haber resuelto todos los algoritmos de manera perfecta.