OpenLedger's Proof of Attribution neapbalso tevi par datu iesniegšanu Datanetā. tas apbalvo tevi, pamatojoties uz to, cik daudz šie dati ietekmēja modeļa izeju. atšķirība ir maza aprakstā un liela sekās.
Pirmo reizi, kad to izlasīju, tas šķita kā gudrāka standarta līdzdalības stimulu modeļa versija. labāki dati, labāki apbalvojumi. loģiski.
Tad es sāku domāt par to, ko "ietekmes mērīšana" patiesībā nozīmē, kad tā darbojas protokola līmenī tūkstošiem vienlaicīgu modeļu. un kaut kas sāka justies nepareizi labākajā iespējamajā veidā.
Lielākā daļa sistēmu uzskata datu ieguldījumu par atsevišķu notikumu. tu iesniedz, grāmata reģistrē, savienojums slēdzas. saskaņā ar Proof of Attribution, katra Datanet ieraksts nes uz priekšu izmērāmā ietekmes punktu skaitu, kas aprēķināts no funkciju līmeņa ietekmes uz apmācību un līdzdalībnieka reputācijas vēsturi. grāmata neslēdzas pēc iesniegšanas. tā turpina atjaunoties katru reizi, kad šie dati piedalās jaunā inferencē.
Jo ilgāk es par to domāju, jo konkrētāka kļūst nozīme. pētnieks, kurš pirms sešiem mēnešiem ieguldījis 8,000 anotētu juridisko līgumu, netiek apbalvots tikai vienu reizi. ja šodien juridiskais AI aģents darbojas uz modeļa, kas apmācīts uz šī Datanet, šis līdzdalībnieks joprojām ir izmaksu rindā. apbalvojums nav piesaistīts iesniegšanas apjomam. tas ir piesaistīts turpmākai izmantošanai, pārskaitīts ar katru modeļa izsaukumu.
OpenLedger dokumentē to kā pastāvīgu, uz ķēdes balstītu ieguldījumu atribūciju. tas to nesauc par pasīviem ienākumiem vai datu nomas tirgu. valoda ir apzināti strukturāla, nevis finansiāla. šī koncepcija veic reālu darbu.
Tātad, kad OpenLedger runā par datu padarīšanu par šķidru, monetizējamu aktīvu, es to uztveru nevis kā produkta piedāvājumu, bet vairāk kā jautājumu, ko arhitektūra atstāj atvērtu: ja ietekme tiek nepārtraukti pārrēķināta, kas notiek ar Datanet apbalvojumu daļu brīdī, kad modelis, ko tas darbinājis, tiek pārmācīts uz jaunākiem datiem, kas iegūst augstāku punktu skaitu uz to pašu ietekmes funkciju?
$OPEN #OpenLedger #DataEconomy