Pēdējā laikā redzu, ka visā kriptovalūtu pasaulē visi bezdomīgi izsaka prognozes par dažādiem AI aģentiem. Godīgi sakot, jo vairāk skatos, jo vairāk uztraucos. Man šķiet, ka visi it kā izvairās no viena ārkārtīgi bīstama akluma punkta: AI "ilūziju" problēma.

Parasti, kad mēs izmantojam lielos modeļus, lai rakstītu rakstus, tie muld, un tas ir tikai jokam; bet, ja tu ļausi AI uz ķēdes darboties ar īstu naudu DeFi mijiedarbībai, ja tas pēkšņi "sāks traku" un radīs ilūzijas, kurš tad uzņemsies šo pozīciju zaudējumu risku? Es noteikti negribu atdot maku uz dzīvības un nāves jautājumu kādam citam.

Ar šo domu es pēdējās dienās vēlreiz pārskatīju @OpenLedger tehnisko dokumentāciju. Atmetot iepriekš apspriestos aģentu identitātes un peļņas sadales jautājumus, es biju pārsteigts, ka viņi patiesībā slēpj apakšā ļoti spēcīgu "pretdarbību ilūzijām" infrastruktūru, kas tieši mērķē uz datu plūsmu (Data Pipeline) - šo visgrūtāko, bet vissvarīgāko darbu.

Manuprāt, lai izārstētu AI ilūzijas, šobrīd tehnoloģiju aprindās atzītais efektīvākais risinājums ir RAG (meklēšanas uzlabota ģenerācija). Citiem vārdiem sakot, nedrīkst ļaut AI uzminēt no zila gaisa, bet gan jāsniedz tam reāllaika atjaunināta, absolūti precīza "atvērta eksāmena atsauce". Bet man vienmēr ir bijusi šaubu sajūta: Web3 pasaulē, ja šo atsauci nodrošina kāda centralizēta iestāde (piemēram, AWS), vai tad visa "decentralizētā AI" naratīvs nesanāk pilnīgi viltus? $OPEN

Tādēļ es uzskatu, ka OpenLedger patiesībā cenšas iegūt pozīciju, lai uzsāktu oriģinālo, decentralizēto RAG datu slāni.

Saskaņā ar manu izpratni, viņi ir izstrādājuši precīzu kriptovalūtu ekonomikas modeli, mobilizējot milzīgu decentralizētu mezglu tīklu. Ko šie mezgli īsti dara? Manuprāt, tie ir kā neskaitāmi „datu ieguvēji”, kas speciāli atbild par reāllaika datu iegūšanu, attīrīšanu un strukturēšanu gan on-chain, gan off-chain, pēc tam tos sapakojot augstas tīrības zināšanu bāzē, ko AI var bez problēmām izmantot.

Pētījumā esmu sapratis, ka visgrūtākais uzdevums projekta izstrādātājiem ir atrisināt "datā toksicitātes" problēmu. Kā tu varētu nodrošināt, ka mezgli neziņo nepatiesus datus, lai maldinātu AI? OpenLedger dizainā jebkuri dati, pirms tie patiešām tiek sniegti AI, vispirms ir jāiziet ļoti stingra konsensa pārbaude neatkarīgā decentralizētā tīklā. Tikai tad, kad pietiekami daudz verificējošo mezglu ir vienojušies par šo datu precizitāti un to ir apstiprinājuši ar kriptogrāfiju, tie var tikt ierakstīti. Es uzskatu, ka tas ir līdzīgs tam, ka mēs ar kriptogrāfiju un ekonomiskajām spēlēm izveidojam aizsargājošu ugunsmūri datu ieejas punktā.

Sekojot šai loģikai, es arvien vairāk domāju, ka šī tirgus virziena nākotnes attīstība ir diezgan skaidra: nākotnē dažādi lielie modeļi noteikti virzīsies uz atvērtā koda un homogēnizācijas virzienu, un tīra skaitļošanas jauda agri vai vēlu pārvērtīsies par sarkano jūru. Esmu pārliecināts, ka AI tirgus otrajā pusē patiesā aizsardzība ir šī caurule, kas spēj pastāvīgi sniegt augstas kvalitātes, pārbaudāmus datus.

#OpenLedger Padarot šo cauruli par decentralizētu publisku infrastruktūru, ļaujot on-chain AI patiesi iegūt ārēju prātu, kas ir izturīgs pret viltošanu un ilūzijām. Manuprāt, šis pieejas leņķis ir patiešām izcils, pat var teikt, ka tas ir stingri satvēris nākamās paaudzes uzticamo AI rīkli. Personīgi uzskatu, ka tikai šie pamati ir pilnībā vērti, lai mēs atkārtoti novērtētu tā nākotnes potenciālu.