Kondisi saat ini
lansekap kecerdasan buatan berjalan pada model ekstraktif dan kotak hitam. Kuantitas besar pengetahuan manusia diambil dari web, diserap ke dalam pipeline pembelajaran mesin terpusat, dan diubah menjadi aset komersial. Namun, pencipta data asli—komunitas—hilang dari rantai nilai begitu skrip pelatihan selesai dieksekusi.Untuk membangun ekonomi pembelajaran mesin yang berkelanjutan dan terdesentralisasi, kita butuh lebih dari sekadar daya GPU mentah atau insentif token dasar. Kita memerlukan transparansi yang dapat diverifikasi dan bersifat programatik. Di sinilah @OpenLedger (https://www.binance.com/en/square/profile/openledger) masuk, dengan lapisan eksekusi Ethereum Layer 2 yang dirancang khusus, memperkenalkan perubahan struktural yang mereka sebut Payable AI.
Membongkar Inti: Apa itu Proof of Attribution?
Di pusat ekosistem #OpenLedger adalah Proof of Attribution (PoA). Mekanisme kriptografis ini berfungsi sebagai buku besar yang dapat diverifikasi yang memetakan perilaku model langsung kembali ke input pelatihan yang mempengaruhinya. Alih-alih data hanya menghilang ke dalam parameter jaringan saraf, PoA memperlakukan data sebagai aset on-chain kelas satu yang dinamis.
Protokol ini menangani atribusi ini di berbagai skala model menggunakan pendekatan dual-method yang canggih:
Pendekatan Aproksimasi Fungsi Pengaruh: Untuk model-model kecil yang spesifik untuk tugas, metode matematis berbasis gradien diterapkan untuk menghitung seberapa banyak penghapusan satu titik data akan mengubah kerugian model pada prediksi tertentu.
Atribusi Token Suffix-Array: Untuk model Bahasa Besar (LLM) yang masif, output dicocokkan dengan representasi terkompresi dari korpus pelatihan yang mendasarinya untuk melacak rentang data yang diingat.
Melalui infrastruktur ini, ketika sebuah model menghasilkan output atau menyelesaikan tugas inferensi, kontrak pintar dapat menentukan siapa yang berkontribusi pada informasi sinyal tinggi yang memungkinkan jawaban spesifik tersebut—memungkinkan pengalihan nilai secara otomatis dan real-time.