Nesen man bija neliela šaubu brīdis, domājot par AI aģentiem.

Nevis par to, vai viņi var rakstīt, tirgot, pētīt, kodēt vai automatizēt uzdevumus. Šī daļa jau ir redzama. Manas šaubas bija pamata: ja AI sistēma pieņem lēmumu, izmantojot kāda cita datus, cita cilvēka modeli un trešās puses aģentu, kurš saņem samaksu, kurš ir atbildīgs un kurš var pierādīt, kas patiesībā notika?

Šis jautājums izklausās garlaicīgi salīdzinājumā ar demonstrācijām. Bet garlaicīgi jautājumi bieži ir vieta, kur sākas īsta infrastruktūra.

Problēma nav inteliģence, bet gan grāmatvedība

Lielākā daļa AI diskusiju koncentrējas uz izejas kvalitāti. Vai atbilde ir noderīga? Vai modelis ir ātrs? Vai aģents ir efektīvs?

Bet, kad AI sistēmas nonāk nopietnās darba plūsmās, izejas kvalitāte ir tikai viena problēmas daļa. Uzņēmumi, builderi, lietotāji, iestādes un regulatori rūpēsies par pēdām aiz izejām.

Kurš datu kopums apmācīja modeli? Vai dati tika licencēti? Vai modeļa īpašnieks saņēma vērtību? Vai aģents izpildīja uzdevumu pareizi? Vai norēķini bija automātiski vai manuāli? Vai kompānija var vēlāk pierādīt atbilstību?

Mūsdienās daudzi AI sistēmas joprojām paļaujas uz uzticību starp platformām, datu īpašniekiem, modeļu izstrādātājiem un lietotājiem. Tas var darboties nelielās vidēs. Tas kļūst grūtāk, kad AI pāriet uz finansēm, veselības aprūpi, juridiskajiem pētījumiem, uzņēmumu automatizāciju un sabiedriskā sektora darba plūsmām.

Tajā brīdī "AI teica tā" nav pietiekami. Kādam ir nepieciešami ieraksti. Kādam ir nepieciešama atskaitāmība. Kādam nepieciešami norēķini.

Kāpēc atbilstība kļūst par izmaksu problēmu

Atbilstība bieži tiek apspriesta kā juridiska ķeksīša atzīme, bet praksē tā ir arī izmaksu centrs.

Ja uzņēmums izmanto AI rīkus mērogā, tam var būt nepieciešams pārskatīt datu tiesības, uzraudzīt modeļa uzvedību, izsekot aģenta darbībām, pārvaldīt piegādātāju līgumus un atbildēt uz auditoru vai regulatoru jautājumiem. Nekas no tā nav bezmaksas. Jo vairāk fragmentēta kļūst AI kaudze, jo grūtāk ir saprast, no kurienes nāca vērtība un kur atrodas atbildība. $PLAY

Šeit centralizētā AI infrastruktūra var šķist nepilnīga. Platforma var piedāvāt ērtības, bet ērtības ne vienmēr rada pārnēsājamu pierādījumu. Ja ieraksti paliek vienas uzņēmuma datu bāzē, citiem dalībniekiem jāpaļaujas uz to uzņēmumu vai jārada sava verifikācijas procesa.

Tas rada berzi. Builderi gaida apstiprinājumus. Iestādes palēnina pieņemšanu. Lietotāji zaudē redzamību. Regulatori redz melno kasti.

Kur OpenLedger varētu iederēties

Šis ir tas brīdis, kad @OpenLedger kļūst interesants man.

OpenLedger necenšas tikai padarīt AI vieglāk pieejamu. Svarīgāka ideja ir tā, ka dati, modeļi un aģenti var kļūt par ekonomiskiem aktīviem ar izsekojamu īpašumtiesību un vērtības plūsmu. Ja tas darbojas, tad AI infrastruktūra sāk izskatīties mazāk kā slēgta lietotne un vairāk kā inteliģences norēķinu slānis.

$OPEN , šajā kontekstā, nav tikai tokens, ko cilvēki piemin kampaņas laikā. Tas pārstāv plašāku jautājumu: vai AI aktivitātei var būt pārbaudāms ekonomisks ieraksts?

Builderiem tas var nozīmēt aģentu vai modeļu radīšanu, kas nav iestrēguši vienā platformā. Datu īpašniekiem tas var nozīmēt monetizēt noderīgus datu kopumus, neiznirstot kāda cita apmācību caurulē. Iestādēm tas var radīt skaidrākus revīzijas pēdas. Regulatoriem tas var piedāvāt labāku veidu, kā pārbaudīt, kas noticis, nepievēršoties katram privātajam datu bāzes dalībniekam.

Tas automātiski neatrisina visu. Bet tas norāda uz reālu infrastruktūras plaisu.

Praktisks piemērs

Iedomājies finanšu pētījumu aģentu, ko izmanto ieguldījumu firma.

Aģents iegūst tirgus datus, lasa licencētu pētījumu, izmanto specializētu modeli un izveido kopsavilkumu analītiķiem. Tradicionālā iestatījumā vairākas lietas ir neskaidras. Vai aģents izmantoja apstiprinātus avotus? Vai datu sniedzējiem tika kompensēts? Vai modelis tika atļauts šai darba plūsmai? Vai firma var parādīt revīzijas pēdas, ja vēlāk tiek uzdots jautājums?

Ar OpenLedger infrastruktūru darba plūsma var kļūt caurspīdīgāka. Datu avots, modeļa ieguldījums, aģenta darbība un maksājumu plūsma var tikt reģistrēta pārbaudāmākā veidā. Builders varētu saņemt atlīdzību par noderīgiem modeļiem. Datu sniedzēji varētu saņemt vērtību, kad viņu dati tiek izmantoti. Iestāde varētu samazināt daļu atbilstības nenoteiktības, jo sistēma rada ierakstu, nevis paļaujas tikai uz iekšējiem žurnāliem.

Tas nav grezns. Bet tas ir tieši tas, kas nopietniem lietotājiem var būt nepieciešams.

Cilvēku puse uzticības

Cilvēki bieži pieņem, ka labāka tehnoloģija automātiski noved pie pieņemšanas. Es neesmu pārliecināts.

Iestādes pārvietojas lēnām, jo kļūdas ir dārgas. Regulatori uzdod jautājumus, jo sabiedrības kaitējums ir iespējams. Builderi vēlas brīvību, bet viņi arī vēlas saņemt godīgu atlīdzību. Lietotāji vēlas ērtības, bet nevēlas tikt izmantoti. Datu īpašnieki vēlas ieguvumu, bet ne kontroles zaudēšanu. $ALT

OpenLedger iespēja ir saistīta ar šīm cilvēku uzvedībām. Ja tas var padarīt īpašumtiesības, lietošanu un norēķinus vieglāk saprotamus, tas var samazināt sociālo berzi ap AI pieņemšanu.

Stipra infrastruktūra parasti izzūd darba plūsmās. Cilvēki nedomā par maksājumu sliedēm katru reizi, kad viņi noraksta karti. Līdzīgi, AI norēķinu infrastruktūra var būt vissvarīgākā, kad lietotāji par to nav jādomā katru sekundi.

Risks ir pieņemšanas berze

Galvenais risks ir tas, ka tirgus var nepievērst uzmanību pietiekami ātri.

Daudzi lietotāji joprojām izvēlas ērtības pār caurredzamību. Daudzas kompānijas dod priekšroku slēgtām sistēmām, jo tās var kontrolēt peļņas maržas un datus. Daži builderi var izvairīties no papildu integrācijas soļiem. Regulatori var pārvietoties lēni vai nesakārtoti pa reģioniem. Un, ja izmaksas ir pārāk augstas, pat laba infrastruktūra var ciest.

Ir arī izglītības izaicinājums. "AI blokķēde datiem, modeļiem un aģentiem" nav acīmredzama visiem. OpenLedger ir jāpadara vērtība praktiska, ne tikai tehniski pamatota.

Pamatpieņemšana

Cilvēki, kas visdrīzāk nopietni izmantos OpenLedger, nav tikai tirgotāji, kas skatās uz $OPEN. Tie ir builderi, kuriem nepieciešama monetizācija, datu īpašnieki, kuri vēlas kontroli, iestādes, kurām nepieciešami ieraksti, un galu galā lietotāji, kuriem rūp, vai AI sistēmas ir godīgas un atskaitīgas.

Tas varētu darboties, ja OpenLedger padara AI vērtības plūsmas vieglāk pārbaudāmas, norēķināmas un uzticamas. Tas varētu neizdoties, ja pieņemšana paliek pārāk tehniska, pārāk dārga vai pārāk lēna reālām darba plūsmām.

Tāpēc es skatos uz #OpenLedger less kā uz hype stāstu un vairāk kā uz pārbaudi, vai AI infrastruktūra var nobriest pāri slēgtām platformām un neformālai uzticībai.

Tas nav finanšu pads.

Ko tu domā: vai AI pieņemšana atkarīga vairāk no labākiem modeļiem, vai no labāka pierādījuma par to, kas pieder, kas izmantots un kas nopelnīts?