Semakin lama saya melihat proyek AI, semakin saya merasa semua orang sedang melihat hal yang sama dan melewatkan hal yang sama.
Orang-orang bicara tentang ukuran model.
Orang-orang bicara tentang tolok ukur.
Orang-orang bicara tentang inferensi yang lebih cepat, dataset yang lebih besar, dan hardware yang lebih kuat.
Hal-hal itu penting.
Tapi saya terus kembali ke satu pertanyaan yang terasa jauh lebih penting.
Siapa sebenarnya yang dibayar setelah kecerdasan diciptakan?
Kebanyakan orang menganggap data menciptakan nilai saat dikumpulkan.
Dulu saya juga berpikir begitu.
Tapi semakin dalam saya melihat proyek-proyek seperti OpenLedger, semakin saya berpikir bahwa cerita sebenarnya dimulai setelah proses pengumpulan selesai.
Karena mengumpulkan data tidak lagi menjadi bagian yang sulit.
Internet telah menyelesaikan itu bertahun-tahun yang lalu.
Setiap pencarian, klik, percakapan, gambar, pembelian, dan preferensi meninggalkan informasi. Kita hidup di dunia yang melimpah dengan data. Sisi pasokan bukan lagi bottleneck.
Bottlenecknya adalah mencari tahu bagaimana nilai mengalir setelah data menjadi berguna.
Saat ini prosesnya sangat sederhana.
Orang-orang berkontribusi informasi.
Model belajar darinya.
Produk meningkat.
Perusahaan menghasilkan pendapatan.
Koneksi ekonomi antara kontributor dan hasil secara bertahap menghilang.
Apa yang menarik adalah bagaimana pengaturan itu menjadi sangat normal.
Kebanyakan orang tidak pernah mempertanyakannya.
Data masuk.
Nilai keluar.
Rantai yang menghubungkan keduanya menjadi tidak terlihat.
Dari perspektif trader, di situlah saya pikir peluang dimulai.
Pasar sering terbentuk di sekitar aset sebelum mereka terbentuk di sekitar atribusi.
Kami telah menemukan cara untuk memonetisasi kecerdasan.
Kami telah menemukan cara untuk memonetisasi perangkat lunak.
Kami telah menemukan cara untuk memonetisasi perhatian.
Tapi kita masih belum sepenuhnya menemukan cara untuk memonetisasi kontribusi.
Itu terasa seperti pasar yang jauh lebih besar daripada yang banyak orang sadari.
Ini yang menarik perhatian saya tentang OpenLedger.
Bukan karena mengklaim untuk membangun AI yang lebih baik.
Bukan karena menggabungkan blockchain dan kecerdasan buatan.
Narasi-narasi itu mudah ditemukan.
Bagian yang saya temukan lebih menarik adalah upaya untuk menjaga data tetap terhubung dengan nilai yang dibantunya ciptakan.
Itu terdengar sederhana sampai kamu berpikir tentang apa artinya sebenarnya.
Jika satu dataset berkontribusi pada kinerja model, dan model itu menghasilkan nilai ekonomi bulan atau tahun kemudian, apakah kontributor asli tetap menjadi bagian dari rantai nilai itu?
Sebagian besar sistem saat ini akan bilang tidak.
OpenLedger secara efektif bereksperimen dengan jawaban yang berlawanan.
Bagian yang diabaikan adalah bahwa ini sebenarnya bukan masalah AI.
Ini adalah masalah insentif.
Dan insentif biasanya lebih penting daripada teknologi.
Saya telah melihat banyak pasar di mana teknologi rata-rata menang karena insentif yang lebih kuat.
Saya juga telah melihat teknologi superior gagal karena peserta tidak memiliki alasan untuk berkontribusi.
Ketika saya melihat OpenLedger, saya tidak langsung melihat proyek AI.
Saya melihat upaya untuk mendesain ulang insentif.
Jika kontributor dapat terus mendapatkan manfaat dari penciptaan nilai di masa depan, kualitas tiba-tiba menjadi lebih penting daripada kuantitas.
Pengembang menjadi lebih selektif tentang data yang mereka gunakan.
Dataset yang dispesialisasi menjadi lebih berharga.
Model yang dispesialisasi menjadi lebih kompetitif.
Seluruh sistem mulai memberi imbalan pada kegunaan daripada ekstraksi.
Setidaknya dalam teori.
Bagian terakhir itu penting.
Karena menciptakan atribusi adalah satu tantangan.
Menciptakan atribusi yang bermakna adalah tantangan lain.
Sebuah sistem dapat melacak kontribusi dengan sempurna dan tetap gagal jika tidak ada yang menginginkan outputnya.
Ia dapat mendistribusikan imbalan secara adil dan tetap berjuang jika permintaan tidak pernah terwujud.
Di sinilah saya pikir banyak orang mengabaikan risiko yang sebenarnya.
Tantangannya bukan membuktikan siapa yang berkontribusi.
Tantangannya adalah menciptakan cukup nilai agar atribusi menjadi penting.
Tanpa permintaan, atribusi menjadi latihan akuntansi.
Dengan permintaan, atribusi menjadi infrastruktur ekonomi.
Perbedaan itu sangat besar.
Apa yang membuat ini menarik bagi saya adalah bahwa ini mengarah pada tren yang lebih besar.
AI menjadi semakin mampu setiap tahun.
Nilai yang dihasilkan oleh AI terus tumbuh.
Namun hubungan antara kontributor dan hasil tetap mengejutkan lemah.
Orang-orang yang membantu menciptakan kecerdasan sering kali duduk jauh dari nilai yang diciptakan.
Itu semakin sulit untuk dibenarkan seiring AI menjadi semakin penting.
Debat di masa depan mungkin tidak akan tentang apakah model harus ada.
Ini mungkin tidak bahkan tentang model mana yang berkinerja terbaik.
Percakapan yang lebih besar mungkin tentang visibilitas.
Dari mana kecerdasan datang.
Siapa yang berkontribusi untuk itu.
Siapa yang dapat imbalan untuk itu.
Dan apakah hubungan tersebut harus tetap tersembunyi atau menjadi transparan.
Itu sebabnya saya terus menemukan diri saya kembali ke OpenLedger.
Bukan karena ini adalah protokol AI lain yang bersaing untuk perhatian.
Tapi karena ini menanyakan pertanyaan yang sepertinya masih mau diabaikan oleh sebagian besar industri.
Apa yang terjadi ketika data berhenti menjadi sumber daya yang dapat dibuang dan mulai berperilaku seperti infrastruktur produktif?
Jika pertanyaan itu terjawab dengan sukses, dampaknya bisa melampaui satu protokol saja.
Ini bisa mengubah cara nilai bergerak di seluruh ekonomi AI.
@OpenLedger #OpenLedger $OPEN $LAB $H
