我有个写公众号的朋友，他写了五年，攒了将近两千篇文章，去年他发现自己的文章被某个AI公司的爬虫抓走了，拿去训练模型，他在网上搜了一下，发现他的原话出现在了那个模型的回答里，一字不差。他当时气得不行，去找那家公司投诉，对方回了一封邮件说这属于公开内容的合理使用，不侵权。他跟我说，他写了五年的东西，就这么成了别人的训练数据，他一分钱没拿到，连一个谢谢都没有。
这件事我觉得不是个案，是整个AI时代最大的隐患之一。
过去几年AI发展得很快，但快的背后有一个被刻意忽视的问题，就是这些模型是用谁的数据训练出来的，那些数据的原始贡献者有没有被告知，有没有被补偿。OpenAI、Google、Meta这些公司训练大模型用的数据，来自互联网上几十年积累下来的人类内容，写文章的人、拍照片的人、录视频的人、在论坛上回答问题的人，这些人的劳动成果被打包进了训练集，变成了价值数百亿美元的模型，他们自己什么都没得到，甚至不知道这件事发生过。这不是技术问题，是一个关于谁拥有数据、谁有权使用数据、使用之后该不该付钱的根本问题。
@OpenLedger 在做的事情，是试图在机制层面把这个问题解决掉。它的核心概念叫Payable AI，意思是每次AI模型用了你的数据来训练，你就应该收到一笔钱。这笔钱通过智能合约自动分配，不需要你去找人要，也不需要相信某家公司会主动给你，规则写在链上，触发条件满足了钱就到账。支撑这件事的底层是一个叫Proof of Attribution的系统，它用密码学的方式追踪每一条数据对模型输出的影响，把数据贡献和模型使用之间的关系记在链上，谁贡献了什么、贡献了多少、产生了多少价值，都有可查的记录。Datanets是具体的数据网络，不同领域的数据贡献者可以组成一个Datanet，医疗数据、法律数据、金融数据各自有各自的网络，专业数据被用来训练专业模型，贡献者按照链上记录的贡献度分配收益。
这个设计在机制上比我朋友那种情况高级得多。他的问题是他没有办法证明那家公司用了他的数据，也没有办法量化他的贡献值多少钱，就算打官司也很难赢。OpenLedger的Proof of Attribution如果能跑通，这两个问题都有了答案，贡献是链上记录的，价值是算法算出来的，不需要靠人工核对，也不需要靠数据使用方的良心。
不过我自己看这个项目的时候有些地方没想清楚。Proof of Attribution在技术上能不能真的做到精确追踪，是一个很大的挑战，因为大模型的训练过程本身就不是一条数据对应一个输出那么简单，里面有复杂的权重叠加和涌现效应，怎么把一个模型的某个回答拆解回每一条训练数据的贡献，目前没有公认的成熟方案，OpenLedger说自己解决了这个问题，但具体怎么解决的细节我还没看到足够清楚的技术说明，这是我个人的疑虑，不是定论。
数据质量的把控也是个绕不开的问题。Datanets是开放的，任何人都可以往里面贡献数据，但贡献的数据质量参差不齐，如果没有一套有效的筛选机制，低质量数据混进来会稀释整个网络的价值，最后训练出来的模型不好用，贡献者的收益也会缩水，这是推断，不是已经发生的事。
我那个写公众号的朋友后来没有继续追那家AI公司，他说追不下去，没有精力也没有钱打官司。他跟我说他现在每次写文章都会想，这篇东西会不会又被哪个模型吃掉，但他也没办法，因为现在没有任何机制保护他。OpenLedger想解决的就是这种无力感，它在试图建立一套让数据贡献者有话语权的系统，这件事如果真的做成了，对整个AI行业的数据获取方式是一次根本性的改变。能不能做成，我倾向于谨慎乐观，因为技术难度和利益阻力都不小，但方向是对的，这个时代需要有人去做这件事。$OPEN #OpenLedger
