@OpenLedger #OpenLedgr $OPEN costruito su OpenLedger (una piattaforma blockchain AI, dove i dati, i modelli e gli agenti intelligenti possono evolversi sulla catena) mira a creare un sistema interpretabile e in grado di compensare i contributori di dati per l'AI.
Obiettivo principale: risolvere il problema della mancanza di riconoscimento e ricompensa adeguati per i contributori di dati nel campo dell'AI, stabilire un'associazione verificabile tra il comportamento dei modelli e i dati di addestramento che li influenzano, trasformare i dati di addestramento in asset di prima classe sulla catena, partecipare al processo di creazione di valore del machine learning, costruire un ecosistema AI trasparente e allineato agli incentivi.
Struttura tecnica: utilizza un sistema a doppio metodo. Per i modelli di piccole dimensioni, utilizza un metodo di approssimazione della funzione di influenza basato sul gradiente, calcolando l'impatto della rimozione di un certo punto dati sulla perdita di previsione; per i modelli di linguaggio di grandi dimensioni, determina l'attribuzione confrontando le etichette di output con le rappresentazioni compresse del corpus di addestramento. Allo stesso tempo, sono stati costruiti i primordiali on-chain DataNets, ciascun DataNet è un dataset strutturato contribuito da uno o più utenti, con metadati e timestamp, e il modello registra la tracciabilità dell'addestramento tramite DataNets, realizzando un tracciamento deterministico del contributo al dataset.
Valore significativo: ha facilitato una nuova classe di infrastrutture AI decentralizzate, allineando economicamente i partecipanti con le prestazioni del modello e garantendo l'attribuzione a livello di protocollo. Spostando gli incentivi verso la qualità dei dati, la tracciabilità e la riutilizzabilità, getta le basi per un ecosistema AI più equo, trasparente e composabile.
