Patiesību sakot, šī sfēra arvien vairāk atgādina lielu atbalss telpu. Visi griež parametrus, griež jaudu, griež modeļu arhitektūru, katrs skaļāks par iepriekšējo. Bet, ja pajautā, no kurienes ņemtie treniņu dati, kurš ņem uz sevi modeli, kas radīts, kam pieder autortiesības, faktiski neviens neatbild. Šī lieta nav glīta, par to nav viegli runāt, tāpēc visi kopā izliekas, ka neredz.
Bet OpenLedger to neizlaida. Tas ne tikai jautāja, bet arī uzreiz ķērās pie labojumiem. Šodien es ne tikai gribu to izjaukt, bet arī izmest to visā sacīkšu trasē, jo tikai salīdzinājumā var redzēt, uz ko tas patiešām liek likmes.
Attiecībā uz datu ieguldījumiem, tirgū neviens nav izrēķinājis tik sīki.
Atklāti sakot, es iepriekš, redzot "datu ieguldījumu", jutos nobažījies. Internets ir eksistējis divdesmit gadus, lietotāju sniegtās lietas ir izsīkušas, un gala rezultātā tās kļuvušas par platformas naudas ražotājām. Bet ko ieguldītāji? Tie ir kā vienreizējie kociņi, pēc lietošanas izmesti.
Pašlaik visa decentralizētā AI datu joma ir diezgan aktīva. Vana izstrādā lietotāju datu suverenitātes Layer 1, ļaujot lietotājiem pārvērst savus datus aktīvos, lai gūtu peļņu; Grass izmanto neizmantoto joslas platumu un izplatītu skrāpēšanas mezglus, lai vāktu tīkla datus; Sahara AI veido datu pakalpojumu platformu, kur lietotāji pelna tokenus, marķējot un ieguldot datus. Šie uzņēmumi katrs seko savam ceļam, bet, ja tu padomāsi, pamanīsi, ka viņi risina to pašu līmeņa jautājumu: kā savākt datus, kā padarīt datus tirgojamus.
OpenLedger domā par papildu slāni. Tas ne tikai ļauj tev ieguldīt datus un nopelnīt naudu, bet svarīgākais ir tās atzīšanas pierādījumi — tavi dati, kurus izmantoja kurš modelis, kādā apjomā tie ietekmēja rezultātus, viss tas ir skaidri redzams blokķēdē. Tas nozīmē, ka tas nav vienreizējs darījums, katru reizi, kad tavi dati tiek izmantoti, tu vari saņemt atkal un atkal daļu. Ocean Protocol vairāk koncentrējas uz datu tirgus izveidi un privātuma aizsardzību, bet tā ekonomikas modelis neseko datu ilgtermiņa vērtībai, kas pastāvīgi mācās modeļos. Šī slāņa atšķirība, vienkārši sakot, ir "datu tirdzniecības" pārvēršana par "datu autortiesībām". Pirmais ir izejvielu pārdošana, otrais ir autortiesību turēšana. Ieņēmumu modeļi ir atšķirīgi, un griesti arī ir atšķirīgi.
AI aģentu darbiem jāspēj ne tikai darboties, bet arī parādīt rezultātus.
Paskaties, AI aģenti palīdz tev īstenot stratēģijas DeFi, vai pārvaldīt aktīvus spēlēs, kā tu varēsi viņiem uzticēties? Nevar taču paļauties uz labu sirdsapziņu. Bittensor šajā jomā ir izcils, jo tā pieeja ir izmantot tirgus konkurenci modeļu atlasē, kalnračiem sniedzot modeļu rezultātus, verificētāji novērtē un augstāko reitingu apakšneti saņem vairāk TAO stimulu. Šī mehānisma izsmalcinātība ir tā, ka tā risina jautājumu "kurš ir labs modelis", bet mazāk rūpējas par to, "no kurienes nāk šī modeļa apmācības dati". Tā darbojas augstākā abstrakcijas līmenī, mazāk pievēršoties konkrētiem datiem, kas apmāca tās modeļus.
OpenLedger un Theoriq AI strādā kopā, bet virzieni nav gluži vienādi. Theoriq izstrādā moduļu AI aģentu koordinēšanas protokolu, kas ļauj vairākiem aģentiem sazināties, veikt maksājumus un izveidot reputācijas sistēmu, koncentrējoties uz DeFi ainā esošās likviditātes pārvaldību un peļņas optimizāciju. Savukārt OpenLedger uzsvars ir uz to, lai katrs aģenta pieņēmums un katrs stratēģijas solis kļūtu par blokķēdē verificējamu, pēc tam pārbaudāmu ierakstu. Tava sadarbība ar Perception ir vēl labāka, jo tieši izvelk AI lēmumus no melnās kastes, visi dati un lēmumu loģika ir redzama saulē. Bittensor risina jautājumu par to, cik labi modeļi darbojas, kamēr OpenLedger risina jautājumu par to, ko tie modeļi patiešām dara un vai tu vari to atpakaļ pārskatīt. Divas uzticības sistēmas papildina viena otru, bet OpenLedger šajā slānī ir tuvāk "AI atbildības" kodolam.
Jaudas slānī, integrācija ir svarīgāka nekā vienkārša pieeja.
Runājot par jaudu. Neatkarīgi no tā, cik gudrs ir modelis, ja to nevar darbināt, tas ir tikai nevērtīgs kods. Šajā jomā pašlaik galvenokārt ir divas grupas: Render izstrādā GPU renderēšanas standartizētu tirgu, kas apmierina filmu un dizaina jaudas pieprasījumu; Akash veido atvērtu jaudas tirgu, ļaujot lietotājiem noteikt cenas, izmantojot pretējo izsoli. Ir arī Gensyn, kas apstrādā modernākus jautājumus, specializējoties mašīnmācīšanās apmācības verifikācijā, un šobrīd ir testēšanas tīkla posmā.
Šie uzņēmumi katrs savā jomā darbojas labi, īpaši Render ar Burn-Mint līdzsvara modeli un Akash ar pretējo izsoli, mehānisma dizains ir diezgan izsmalcināts. Bet viņiem visiem ir kopīga iezīme: tie ir vērsti uz pašu jaudu. OpenLedger un DGrid AI sadarbība nav par neatkarīgas jaudas tirgus izveidi, lai stātos pretī Render un Akash. Tas ir par decentralizētas jaudas savienošanu ar savu cauruli, lai datu slānis, modeļu slānis un verifikācijas slānis varētu darboties uz vienota jaudas pamata. Šī slāņa galvenais uzsvars nav uz to, cik lēti vai ātri ir jauda, bet gan uz to, vai tā ir "izaugusi kopā" ar augšējo slāni. Render un Akash ir neatkarīgi jaudas produkti, bet OpenLedger padara jaudu par pamatu savā pilnīgajā caurulē. Divas pieejas nesaskaras tieši, bet no sistēmas efektivitātes viedokļa, integrētās shēmas, kad tās tiks iedarbinātas, radīs spēcīgākas tīkla efektus nekā vienkāršā jaudas tirgū.
Autortiesības šajā jomā, no sadarbības viedokļa, ir interesantākas.
Pašreizējā ģeneratīvā AI ir ļoti aktuāla, un autortiesību strīdi ir tikpat bieži. Story Protocol pievēršas tieši šai vajadzībai. Tas izstrādā programmējamu IP pārvaldības slāni, nododot IP reģistrāciju, licencēšanu un autoratlīdzību sadali, lai to automātiski izpildītu viedie līgumi, A16z investēja 134 miljonus dolāru, un novērtējums jau pārsniedz 2.3 miljardus dolāru. Story redzējums ir liels, ne tikai AI autortiesības, bet arī DeFi, metavers, RWA un sešas citas jomas.
Bet OpenLedger un Story sadarbības nozīme ir tāda, ka tā nevis vienkārši izmanto Story protokolu, lai labotu savas atbilstības trūkumus, bet gan pārvērš autortiesību atbilstību no "blakus pakalpojuma" par "sistēmas iebūvētu nosacījumu". Kad AI modeļi izmanto datus, tiem ir jāverificē atļauju statuss šifrēšanas līmenī, un automātiski jāizdala nauda autortiesību turētājiem. Story nodrošina IP programmēšanas iespējas, un OpenLedger iekļauj šo spēju AI visā procesā. Tas nav tikai divu uzņēmumu konkurence par to pašu tirgu, bet gan kopīga darīšana ar lietu, ko neviens iepriekš nav darījis: padarīt atbilstību par AI darbības pamatnosacījumu, nevis pēc tam juridisku korekciju.
Tokeni kļūst vērtīgi tikai tad, kad tos izmanto daudz cilvēku.
Kad visi šie slāņi griežas kopā, $OPEN vairs nav tikai spēļu joma. Datu ķīlāšanai tas jādara, modeļu izmantošanai tas jādara, jaudas norēķiniem tas jādara, verifikācijas mezglu bloķēšanai tas jādara, katra soļa izdevumi autortiesību atbilstībai arī jāizmanto. Katras slāņa berzes rada reālas prasības. Apvienojot atkārtotu iegādi un katras darījuma fiksēto iznīcināšanu, piedāvājuma puse vienmēr samazinās.
Salīdzināsim Bittensor's TAO un Render's RENDER. Bittensor tokenu ekonomika būtībā ir "inteliģentā sacensība" balvu sadales sistēma, apakšneti konkurē, kalnrači saņem TAO stimulu, pamatojoties uz modeļa kvalitāti. Render ekonomikas modelis ir pakalpojumu rēķināšana, izmantojot Burn-Mint mehānismu, saistot jaudas izmantošanas apjomu un tokenu pieprasījumu un piedāvājumu. Šie divi modeļi katrs savā sistēmā ir saskaņoti, TAO stimulē modeļu kvalitātes sacensību, RENDER sasaista jaudas izmantošanas pieprasījumu un piedāvājumu. Bet $OPEN loģika pievieno vēl vienu dimensiju: tas nevis stimulē vienu rīcību, bet pārvērš visus caurules rīcības berzes par tokenu izsniegšanu. Tas nenozīmē, ka tas noteikti ir labāks par citiem, bet tas nozīmē, ka tā pieprasījums ir plašāks un ir grūtāk, ka visa tokenu ekonomika saskaras ar problēmām kāda slāņa svārstību dēļ.
Pēc galvenā tīkla palaišanas pašlaik ir 20 datu kopas, kas aptver medicīniskās attēlveidošanas, finanšu tirgus, Crypto pārvaldību un citas vertikālās jomas. Tajā pašā laikā projekts nesen piešķīra 5 miljonus dolāru Kembridžas universitātes decentralizētā AI virziena pētījumiem. Papildus tam, Dienvidkorejas spēļu gigants Netmarble apakšuzņēmums MARBLEX ir veicis stratēģisku ieguldījumu, kā arī ir dziļa saikne ar Astro AI, Pundi AI un citiem komandas locekļiem, Datanets pamazām nostiprina savu vietu decentralizētā AI datu standartu slānī.
Galu galā, kāda ir tā aizsardzība?
Paskaties, kad esam apskatījuši visu tirgu, viena lieta kļūst arvien skaidrāka. Šajā nozarē trūkst projektu, kas ir dziļi iesakņojušies kādā konkrētā posmā. Ocean ir izcili datu tirdzniecībā, Bittensor labi veic modeļu sacensības, Render un Akash katrs ir izstrādājuši savas pieejas jaudu plānošanā, Story ir lielā apjomā IP pārvaldībā, Vana un Grass arī paātrina datu vākšanu.
Bet viņiem visiem ir kopīga ierobežojuma iezīme: viņi visi risina konkrētu posmu jautājumus. Tas nav slikti, jo koncentrēšanās pati par sevi ir konkurētspēja. Bet AI pasaulē patiesībā trūkst nevis vienkāršas optimizācijas, bet kāds, kas spēj apvienot datus, modeļus, jaudu, verifikāciju un atbilstību kopā. OpenLedger patiešām ir pārliecinoša, jo tā nevis demonstrē kādu tehnoloģiju lieliskumu, bet gan apvieno šos piecus elementus vienā savstarpēji pastiprinošā caurulē, veidojot uzticības loku, kuru citiem ir grūti īsā laikā atdarināt. Ja paskatāmies katru slāni atsevišķi, tajos visur ir kāds, kas to dara. Bet, ja tos savieno, tas vairs nav vienkāršs saskaitījums, tas ir reizinājums. Ocean var pārvaldīt datu tirdzniecības mirkli, bet nevar pārvaldīt datu ilgtermiņa peļņu, kad tie tiek atkārtoti izmantoti modeļos. Bittensor var izvēlēties visgudrākos modeļus, bet nevar noteikt, vai izmantotajiem datiem ir autortiesību problēmas. Render var atrast lētākos GPU, bet nevar ietekmēt datu īpašumtiesības, kas ir tavās rokās.
Šodien OpenLedger varētu būt tikai atzīšanas pierādījumu protokols, bet, ja tas turpinās šādā virzienā, rīt tas varētu kļūt par visu decentralizētā AI pasaules darbības pamata operētājsistēmu. Tas nav uzlabojums, tas ir jaunas bāzes izveide. Un pats svarīgākais, betona maisījums, ar ko būvē šo pamatu, pašlaik vēl neviens to pašu recepti nelieto.