Kad cilvēki dzird frāzi “datu ekonomika”, tā bieži izklausās tīra un loģiska. Ieguldīt noderīgus datus, palīdzēt uzlabot AI sistēmas, saņemt godīgas atlīdzības. Uz papīra tas šķiet saprātīgi. Varbūt pat novēloti.
Bet atlīdzības sistēmām ir ieradums mainīt cilvēku uzvedību dīvainos veidos.
Tas ir viens no grūtākajiem jautājumiem, kas saistīti ar , projektu, kas cenšas izveidot infrastruktūru, kurā dati, AI modeļi un aģenti var tikt atribūti un monetizēti caurspīdīgāk. Ideja pati par sevi skar reālu frustrāciju mūsdienu AI ainavā: milzīgas sistēmas tiek apmācītas uz okeāniem cilvēku radītās informācijas, kamēr lielākā daļa ieguldītāju paliek neredzami.
Tomēr, kad vērtība kļūst mērāma, cilvēki sāk meklēt īsceļus.
Vēsture jau rāda šo modeli visur tiešsaistē. Sociālās platformas vēlējās iesaisti, tāpēc cilvēki iemācījās ražot klikšķus. Meklēšanas dzinēji atlīdzināja trafiku, tāpēc surogātpasta vietnes vairojās. Play-to-earn spēles piesaistīja robotus ātrāk nekā spēlētājus. Katra sistēma, kas paredzēta, lai atlīdzinātu ieguldījumu, galu galā saskaras ar to pašu neērtā realitāti: daži dalībnieki rada vērtību, kamēr citi to atdarinā.
AI datu sistēmas varbūt nesekos šim modelim.
Ja tīkla dalībnieki tiek atlīdzināti par datu kopu iesniegšanu, informācijas marķēšanu vai modeļu uzlabošanu, daži cilvēki noteikti sniegs pārdomātu, augstas kvalitātes darbu. Pētnieki, izstrādātāji, nišas kopienas un jomas eksperti var ienest patiešām noderīgu materiālu ekosistēmā.
Bet atlīdzības arī pievelk troksni.
Zemas kvalitātes datu kopas. Pārpakotas publiskas informācijas. Dublēts saturs. Automātiski ģenerēts teksts, kas izskatās kā cilvēka ieskats. Sintētiskas mijiedarbības, kas izstrādātas tikai, lai aktivizētu maksājumus. Problēma nav teorētiska. Internets jau darbojas uz bezgalīgiem satura apjomiem, kas radīti algoritmiem, nevis cilvēkiem.
Un AI sistēmas ir ievainojamas pret to ļoti specifiskā veidā.
Vairāk datu automātiski nenozīmē labāku inteliģenci.
Modelis, kas apmācīts uz piesārņotiem vai manipulētiem datiem, var pakāpeniski zaudēt uzticamību. Aizspriedumi pieaug. Izejvielas kļūst atkārtojošas. Viltus modeļi parādās. Dažos gadījumos sliktie dati klusi bojā modeli, neviens to nekavējoties nepamanot. Apjoms var ilgi slēpt vājumu.
Tas rada neērtu jautājumu projektiem kā: kā atšķirt noderīgu ieguldījumu no performatīva ieguldījuma?
openledgerfoundation.com
Blockchain var precīzi reģistrēt īpašumtiesības, laika zīmogs, atribūciju un darījumu vēsturi. Bet kvalitāti ir grūtāk izmērīt nekā īpašumtiesības. Blockchain var pierādīt, ka kāds iesniedza datus. Tas nevar automātiski pierādīt, ka datiem bija jāeksistē.
Šī plaisa ir svarīga.
Varbūt validatori var palīdzēt filtrēt iesniegumus. Varbūt reputācijas sistēmas var identificēt uzticamus līdzdalībniekus laika gaitā. Varbūt atribūcijas punktu sistēma var atlīdzināt precizitāti, nevis vienkārši izejvielu apjomu. Šie mehānismi izklausās saprātīgi, bet katrs no tiem ievieš jaunas komplikācijas. Reputācijas sistēmas var tikt sociāli manipulētas. Validatori var kļūt aizspriedumaini vai centralizēti. Punktu sistēmas bieži vien beidzas ar to, ka atlīdzina to, kas ir vieglāk izmērams, nevis to, kas ir visnozīmīgākais.
Un šeit slēpjas vēl viens dziļāks risks.
Dažreiz pati atlīdzības sistēma maina ieguldījuma dabu.
Zinātniece, kas dalās ar rūpīgiem pētījumiem, izturas citādāk nekā kāds, kurš dzenas pēc tokeniem. Kopiena, kas saglabā zināšanas, izturas citādāk nekā automatizētu kontu ferma, kas optimizē maksājumu formulas. Kad stimuli ienāk sistēmā, ieguldījums vairs nav tikai radošs vai sadarbīgs. Tas kļūst stratēģisks.
Tas nenozīmē, ka OpenLedger vīzija ir kļūdaina. Vēlme pēc godīgas atribūcijas AI jomā šķiet arvien nepieciešamāka, jo modeļi kļūst lielāki un komerciāli vērtīgāki. Cilvēki sāk jautāt, no kurienes nāk apmācību dati, kurš no tā gūst labumu un vai līdzdalībnieki pelnījuši atzinību pāri klusajai izsūknēšanai.
Bet īstais tests varētu nebūt tas, vai ieguldījums var tikt atlīdzināts.
Īstais tests ir tas, vai kvalitāte var izdzīvot stimulu apstākļos.
Jo AI sistēmās viltus vērtība neizskatās viltota uzreiz. Dažreiz tā izskatās organizēta, mērogojama un ļoti produktīva - līdz brīdim, kad izejvielas sāk vājināties.