Reāls skatījums uz AI Blockchain, kas vēlas tev maksāt par taviem datiem, taviem modeļiem un tavu laiku.
Nu, esmu sēdējis uz šī viena kādu laiku. Ne jau tāpēc, ka man tas neinteresētu, drīzāk pretēji. Es vēlējos pamatīgi izpētīt pirms izsaku ko, jo AI un kripto krustojums ir pilns ar krāpniekiem, un pēdējā lieta, ko vēlos, ir uzsist hype ap kaut ko, kas sabrūk, tiklīdz tu to pask skaties tehniski. OpenLedger izgāja šo testu. Tātad, ķersimies klāt.
Šeit ir centrālā problēma, ko viņi risina: AI tiek veidota ar DAUDZ cilvēku. Datu sniedzēji, modeļu pētnieki, smalkie pielāgotāji, novērtētāji, anotētāji - visa cauruļu sistēma. Bet šobrīd? Gandrīz neviens no viņiem netiek apmaksāts. Vērtība tiek notverta no tiem, kuri kontrolē infrastruktūru, un visi pārējie, kas patiešām ieguldīja, nesaņem neko. Nav atribūcijas, nav atlīdzības, nav izsekojamības. Tu vienkārši cerē, ka kāds pamanīs, ka tava darbs eksistē.
Kāpēc Blockchain?
Es zinu, es zinu Vēl viena blockchain AI, uztici man, es vispirms arī pagriezos. Bet uzklausi mani, jo argumentācija šeit ir patiešām pamatota. Vispārējā mērķa ķēdes, piemēram, Ethereum, tika izveidotas finanšu darījumiem. Tās nebija izstrādātas datu izsekošanai, modeļu versiju izsekošanai vai ieguldījumu izsekošanai. Tu vari pievienot šīs lietas, protams, bet tas kļūst netīrs, nesabalansēts un stimulu saskaņošana ātri sabrūk.
OpenLedger arguments ir tāds, ka AI attīstībai ir nepieciešama sava ķēde, viena, kas ir izstrādāta ap atribūciju, sadarbību un pastāvīgām ieguldījumiem datu, modeļu un novērtējumu jomā. Nevis ķēde, kas arī atbalsta AI. Ķēde, kas izveidota tikai AI. Atšķirība ir svarīgāka, nekā izklausās.
Atribūcijas pierādījums Patiesā inovācija.
Ok, šeit ir vieta, kur viss kļūst patiešām tehnisks un interesants. OpenLedger izmanto kaut ko, ko viņi sauc par Atribūcijas pierādījumu - sistēmu, kas kriptogrāfiski saista katru datu punktu ar modeļa izvadi. Padomā par to, ko tas nozīmē uz sekundi. Katrs inferenci, ko modelis veic, tu vari izsekot, kuri apmācību dati to ietekmēja, cik daudz un kurš sniedza tos datus.
Viņi aprēķina ietekmes rādītāju, izmantojot funkciju, kas mēra, cik daudz konkrēts datu punkts ietekmēja modeļa izvadi inferenci laikā. Viņi izmanto DataInf, efektīvu pieeju no ICLR 2024 pētījuma, lai padarītu šo aprēķināšanu iespējamu mērogā. Tas nav tikai roku viļņošanas blockchain mārketinga, šeit ir reālas recenzētas matemātikas pamati atribūtu sistēmai.
Ļauj man izskaidrot maksu plūsmu, jo tā ir patiešām izsmalcināta. Pieņemsim, ka modelis iekasē maksu par katru inferenci, pamatojoties uz ievades un izvades tokeniem. Pēc tam, kad platforma paņem savu daļu, atlikusī maksa tiek sadalīta trīs virzienos: modeļa veidotājam, iestiprinātājiem un datu devējiem. Katrs devējs saņem daļu proporcionāli tam, cik daudz viņu konkrētie dati ietekmēja šo konkrēto izvadi. Datu devējs, kura dati veidoja 25% no iznākuma, saņem 25% no devēju baseina. Tas ir tas. Skaidrs, auditable un, kas ir svarīgi, automātisks.
Ekosistēmas rīki ir pārsteidzoši attīstīti.
Viena lieta, kas mani pārsteidza, ir tas, cik daudz viņi jau ir uzbūvējuši rīku slānī. Lielākā daļa AI blockchain projektu apstājas pie baltā papīra līmeņa, jaukas diagrammas, neskaidras solījumi. OpenLedger piegādā reālus izstrādātāju rīkus.
ModelFactory ir grafiskā interfeisa bāzēta smalkā pielāgošanas platforma. Nav nepieciešamas CLI zināšanas. Tu pieprasi datu kopas piekļuvi, izvēlies savu pamata modeli, veic smalko pielāgošanu ar LoRA vai QLoRA optimizācijām, novērtē izvadi, izvieto. Visa darba plūsma ir ietverta saskarnē, kas neprasa, lai tu būtu ML inženieris. Tas ir liels solis, lai pievilinātu ne-tehniskus nozares ekspertus, kuriem ir vērtīgi dati, bet nav tehnisko prasmju.
OpenLoRA ir vieta, kur manī izstrādātāja entuziasmu izraisīja infrastruktūra. Tā ir multi-tenant LoRA servera struktūra, kas ļauj tūkstošiem smalki pielāgotu modeļu dalīties ar vienu GPU aizmuguri. Tā vietā, lai katram modelim uzsāktu pilnīgu GPU instance (neiedomājami dārgi), tu uzlādē dalītos svarus vienu reizi un tikai maini vieglos adapteru slāņus pēc pieprasījuma. Viņi izmanto progresīvas tehnikas, piemēram, flash attention, tensor parallelism un dinamiski KvCache pārvaldību. Tas ir ražošanas līmeņa ML infrastruktūra, nevis demonstrācijas lietas.
Modeļa dzīves cikls No idejas līdz izvietotajam aģentam.
Man patīk, ka OpenLedger ir domājuši par pilnu modeļa dzīves ciklu, nevis tikai par "datu ieguldīšanu" daļu. Šeit ir tas, kā tas patiešām darbojas praksē:
Izstrādātājs iesniedz modeļa priekšlikumu, iestiprina dažus tokenus, lai parādītu, ka viņi ir nopietni, izklāsta arhitektūru un lietošanas gadījumu. Protokola gubernatori (cilvēki, kuriem pieder gOPEN tokeni) balso, vai virzīt to tālāk. Augstas kvalitātes priekšlikumi, ko atbalsta kopiena, tiek virzīti uz priekšu. Surogāta vai zemas piepūles lietas tur mirst.
Tad nāk datu vākšanas fāze caur Datanets OpenLedger ķēdes datu agregācijas sistēmu. Devēji iesniedz jomu specifiskas datu kopas, tiek piešķirti ticamības rādītāji, pamatojoties uz iestiprināšanas svariem, kvalitāte tiek pārbaudīta. Pēc tam, kad ir uzkrāts pietiekami daudz datu, modelis tiek smalki pielāgots, izmantojot uzraudzītu mācīšanos, pēc tam vēl vairāk uzlabots caur RLHF pastiprināto mācīšanos ar cilvēku atgriezenisko saiti. Validatori novērtē modeļa izvades, laba atgriezeniskā saite tiek atlīdzināta, manipulējoša atgriezeniskā saite tiek samazināta.
Visbeidzot modelis tiek izvietots un pakļauts caur API, gatavs pievienoties aģenta ietvariem un decentralizētām lietotnēm. Visa dzīves cikla caurredzamība ir uz ķēdes un ekonomiski motivēta katrā solī. Tas ir patiešām vairāk koherents nekā to, kā lielākā daļa centralizēto AI uzņēmumu izstrādā modeļus iekšēji.
Tokenomics Vai OPEN token ir izstrādāts pareizi?
Pārrunāsim tokenus. Kopienas sadalījums ir 51.71%, kas ir patiešām iespaidīgi, jo lielākā daļa projektu dara 20–30% kopienai un cer, ka neviens nepamanīs. Pilns sadalījums: Kopiena 51.71%, Investori 18.29%, Komanda 15%, Ekosistēma 10%, Likviditāte 5%.
OPEN token veic reālu darbu: tu to izmanto, lai ieteiktu modeļus, maksātu par inferenču maksām, iestiprinātu par pārvaldības spēku, nopelnītu atribūcijas atlīdzības. Tas nav tikai pārvaldības tokens, kas eksistē, lai labi izskatītos diagrammā. Lietderība ir iekļauta katrā produkta slānī, kas ir veids, kā tokenomics jāstrādā.
Lidojošā ritenes loģika arī ir saprotama. Vairāk modeļu izvietots → vairāk inferenču maksu → vairāk atlīdzību devējiem → vairāk cilvēku iegulda datus → labāki modeļi → vairāk izmantošanas. Tu vari redzēt, kā tas uzkrājas, ja pieņemšana patiešām notiek. Izsisties, kā vienmēr, ir sasniegt izbēgšanas ātrumu, pirms finansējuma ceļš izsīks, bet tas ir patiess katram projektam šajā telpā.
Plašāks skats Specializētā AI ir nākotne.
OpenLedger veic likmi, ar kuru es personīgi piekrītu: AI nākotne ir specializēta, nevis vispārēja. Jā, GPT-4, Claude, Gemini, tie ir iespaidīgi. Bet, kad tu patiešām mēģini tos izvietot specifiskiem uzņēmējdarbības lietošanas gadījumiem, tu saskaries ar problēmām. Tie ir dārgi, tie halucinē specifiskās jomās un tie ir pilnīgi necaurredzami, kā viņi nonāk pie jebkuras secinājuma.
Smalki pielāgoti, specializēti modeļi, kas ir mazāki, lētāki, izskaidrojami un jomu specifiski, tie ir tas, ko uzņēmumi patiešām vēlas. Veselības aprūpes AI, kas var parādīt savu loģiku. Juridiskais AI ar izsekojamiem lietu precedents. Finanšu modeļi ar pārbaudāmiem datu avotiem. OpenLedger veido infrastruktūras slāni tieši šāda veida AI. Tā nesacenšas ar lielajiem pamatmodeļiem, tā būvē virs tiem un padara tos patiešām noderīgus reālās dzīves lietojumiem.
OpenLedger ir viens no nedaudzajiem AI blockchain projektiem, kur redzu, ka tehniskā arhitektūra patiešām atbilst naratīvam. Atribūcijas pierādījumu mehānika ir patiešām jauna, rīki ir vairāk attīstīti nekā gaidīts, un tokenomics ir izstrādāti ar reālu lietderību prātā. Risks ir izpilde - tas ir ambiciozs sistēmas ar daudzām kustīgām daļām, un AI telpa pārvietojas ātri. Bet, ja viņi to paveic, tas varētu būt pamata infrastruktūra nākamajai desmitgadei AI attīstībā.
Es šo projektu vērošu cieši. Vairāk atjauninājumu, kad lietas attīstās.