Większość ludzi mówi o AI w bardzo bezpośredni sposób. Coś jest generowane, wygląda imponująco, a ten wynik staje się reprezentacją całego systemu. Na pierwszy rzut oka wydaje się to proste, a w pewien sposób ta prostota sprawia, że łatwo jest przeoczyć, co tak naprawdę dzieje się pod powierzchnią.
Bo kiedy przyjrzysz się bliżej, kluczową sprawą nie jest tylko to, co model produkuje. To wszystko, co sprawia, że ta produkcja jest w ogóle możliwa. Skąd pochodzi dane, jak różne wkłady są mieszane razem i co się dzieje z tymi wszystkimi małymi kawałkami pracy, gdy znikają w ostatecznym wyniku.
To jest ta część, która przychodzi na myśl, myśląc o czymś takim jak OpenLedger. Nie dlatego, że próbuje przebić systemy AI, ale dlatego, że cicho koncentruje się na elementach, o których większość ludzi zazwyczaj nie myśli. Rzeczy takie jak śledzenie, kto wniósł co, jak ten wkład jest rejestrowany i jak wartość ma wracać do ludzi lub systemów, które pomogły ukształtować rezultat.
To nie są rodzaje problemów, które zyskują dużo uwagi. Nie pojawiają się w pokazach ani ogłoszeniach, i nie brzmią ekscytująco, gdy je po raz pierwszy słyszysz. Ale gdy system zaczyna rosnąć i więcej ludzi jest zaangażowanych, te ukryte szczegóły zaczynają mieć znacznie większe znaczenie niż się spodziewano.
Zauważasz pewien wzór w technologii na przestrzeni czasu. Na początku wszystkie widoczne elementy przyciągają uwagę, ale to mniej widoczna struktura pod spodem decyduje o tym, czy coś wytrzyma, gdy zacznie się rozwijać. Nie dlatego, że jest to bardziej interesujące, ale dlatego, że dźwiga ciężar.
Z tej perspektywy OpenLedger nie wydaje się być tylko o AI. Wydaje się raczej próbą uczynienia otaczającego systemu jaśniejszym i bardziej sprawiedliwym w miarę jak wszystko staje się bardziej złożone. Nie coś efektownego, po prostu coś, co cicho upewnia się, że elementy wciąż mają sens, gdy wszystko zaczyna się poruszać szybciej.