Una dintre cele mai tăcute probleme din inteligența artificială este că mașina de obicei își amintește răspunsul, dar nu și persoanele din spatele lui.
Un utilizator vede un răspuns curat pe ecran și presupune că valoarea provine din modelul în sine. Dar înainte ca acel răspuns să apară, multe straturi nevăzute au fost deja implicate. Cineva a produs datele brute. Cineva le-a etichetat, corectat sau structurat. Cineva a antrenat un model. Cineva l-a ajustat pentru un caz de utilizare specific. Cineva l-a conectat la un agent, interfață sau flux de lucru. Până când ieșirea finală ajunge la utilizator, lanțul original de contribuție a dispărut aproape complet.
Asta nu este doar o problemă tehnică. Este o problemă economică. AI devine din ce în ce mai bun la absorbția muncii umane și transformarea acesteia în ceva care pare a fi fără stăpân. Asta creează un dezechilibru ciudat. Cu cât sistemul devine mai util, cu atât poate fi mai greu să identifici cine a contribuit de fapt la utilitatea sa.
Ani de zile, industria AI a acceptat în mare parte această problemă pentru că viteza era prioritatea. Obiectivul era să colecteze mai multe date, să antreneze modele mai mari, să reducă fricțiunea și să împingă produsele pe piață rapid. Întrebarea despre memorie a venit mai târziu, dacă a venit vreodată. Cine a furnizat cunoștințele? Cine a îmbunătățit modelul? Cine ar trebui să fie recompensat când acea îmbunătățire creează valoare în altă parte? Aceste întrebări erau adesea tratate ca detalii legale în loc de probleme fundamentale de infrastructură.
Sistemele existente nu au fost construite pentru a gestiona asta corespunzător. O companie privată poate urmări unele utilizări în cadrul propriei platforme, dar înregistrarea rămâne controlată de acea companie. O licență poate descrie proprietatea, dar nu urmează întotdeauna un activ odată ce acesta se mută în produse noi și noi jurisdicții. AI open-source poate crește accesibilitatea, dar poate slăbi și atribuirea, deoarece copiile, fork-urile și modificările se răspândesc mai repede decât creditul.
Crypto a încercat deja să intre în conversația despre AI din diferite uși. Unele proiecte se concentrează pe calcul, făcând accesul la hardware mai deschis. Unele se concentrează pe piețele de date. Altele se concentrează pe stocare, identitate sau agenți descentralizați. Aceste idei contează, dar multe dintre ele încă se învârt în jurul furnizării pieselor de infrastructură AI. OpenLedger pare să indice o slăbiciune diferită: nu lipsa de creație AI, ci lipsa unei memorii comune pentru contribuția AI.
OpenLedger poate fi înțeles ca o încercare de a face activele AI mai ușor de urmărit după ce încep să se miște. În loc să trateze datele, modelele și agenții ca produse izolate, încearcă să le plaseze într-un sistem unde relațiile lor pot fi înregistrate. Dacă un set de date suportă un model, dacă un model alimentează un agent sau dacă un agent devine util într-o aplicație, rețeaua își propune să facă acel drum mai vizibil.
De aceea, unghiul cel mai interesant al proiectului nu este pur și simplu 'AI pe blockchain'. Această frază a devenit prea vagă pentru a spune multe. O modalitate mai utilă de a privi OpenLedger este ca o posibilă stratificare contabilă pentru influența AI. Nu contabilitate în sensul financiar îngust, ci contabilitate în sens uman: cine a ajutat, de unde a venit valoarea și cât de departe a călătorit?
Acest lucru contează pentru că generația AI în sine devine din ce în ce mai puțin rară. Oricine poate crea conținut, lansa un agent simplu sau ajusta un instrument mai repede decât înainte. Stratificarea rară ar putea să se mute spre încredere. Utilizatorii, dezvoltatorii și afacerile ar putea să le pese mai puțin de faptul că ceva poate fi generat și mai mult de faptul că originea, calitatea și traseul contribuției pot fi de încredere. OpenLedger pare să lucreze în interiorul acelei schimbări.
Totuși, ideea este mai ușor de descris decât de executat. Contribuția AI nu este întotdeauna clară sau măsurabilă. Un set mic de date poate îmbunătăți un model într-un context și să-l dăuneze în altul. O actualizare a modelului poate depinde de mii de mici schimbări. Un agent poate avea succes din cauza momentului, designului, distribuției sau norocului. Transformarea tuturor acestor lucruri într-un sistem de recompensă corect este dificil.
Există de asemenea pericolul de a crea un nou tip de control. Dacă atribuirea devine prea tehnică, doar echipele profesionale ar putea ști cum să beneficieze de aceasta. Profesorul, scriitorul, cercetătorul, expertul local sau mica comunitate care oferă cunoștințe valoroase ar putea rămâne în continuare în afara dacă participarea necesită portofele complexe, tablouri de bord sau logică de token. Un sistem construit pentru a recunoaște contribuția trebuie să fie atent să nu recunoască doar cei mai tehnici contributori.
Un alt risc este că stimulentele financiare pot schimba comportamentul. Dacă oamenii sunt recompensați pentru trimiterea de date, modele sau agenți, rețeaua ar putea atrage material de calitate scăzută destinat doar să obțină recompense. Transparența poate reduce unele abuzuri, dar nu poate judeca automat utilitatea, originalitatea sau etica. O blockchain poate păstra o înregistrare, dar nu poate decide dacă acea înregistrare reprezintă o valoare reală.
Importanța potențială a OpenLedger este că pune o întrebare mai matură despre AI. Nu 'cine poate construi cel mai mare model?' și nu 'cine poate crea cel mai rapid agent?', ci 'cine va fi amintit când AI devine util?'
Această întrebare poate deveni mai importantă pe măsură ce AI se răspândește în finanțe, educație, cercetare, jocuri, sănătate și muncă de zi cu zi. Dacă sistemele AI continuă să crească prin absorbția contribuțiilor invizibile, atunci industria va avea nevoie de modalități mai bune de a urmări valoarea fără a încetini complet inovația.
OpenLedger nu este un răspuns final la acea provocare. Este un experiment pentru a vedea dacă AI poate purta o înregistrare mai clară a propriei sale istorii. Testul real nu este dacă proiectul poate atrage atenția, ci dacă poate face ca atribuirea să pară naturală, corectă și utilă pentru oameni dincolo de mulțimea crypto-nativă.
Dacă următoarea fază a AI este construită de multe mâini, dar distribuită prin doar câteva interfețe vizibile, ar trebui ca viitorul să aparțină modelului care vorbește sau rețelei care își amintește cine l-a învățat?