Tôi vẫn nghĩ rằng hầu hết mọi người đánh giá thấp tầm quan trọng của quyền sở hữu dữ liệu sẽ trở nên như thế nào trong kỷ nguyên AI.
Hiện tại, cuộc trò chuyện vẫn tập trung quanh các mô hình:
Cái nào nhanh hơn?
Cái nào lý luận tốt hơn?
Công ty nào đã huy động được nhiều vốn hơn?
Nhưng bên dưới tất cả điều đó, một vấn đề sâu hơn đang nổi lên về sự phân bổ.
Ai thực sự đóng góp giá trị trong những hệ thống AI này?
Càng nghiên cứu OpenLedger, tôi càng cảm thấy họ không chỉ đơn thuần xây dựng một câu chuyện 'AI + crypto'. Họ dường như đang suy nghĩ lại mối quan hệ giữa các nhà đóng góp và hạ tầng AI.
Điều đó có thể nghe có vẻ tham vọng, có thể thậm chí là cực kỳ tham vọng. Và thực tế, có thể mất nhiều năm trước khi chúng ta hiểu đầy đủ liệu kiến trúc này có thể mở rộng hiệu quả hay không.
Tuy nhiên, có một điều gì đó khác biệt về cấu trúc đang diễn ra ở đây.
Các hệ thống AI truyền thống hấp thụ một lượng lớn đóng góp của con người:
văn bản, bộ dữ liệu, sửa đổi, chuyên môn theo miền, vòng phản hồi.
Tuy nhiên, một khi các mô hình trở nên có giá trị, các người đóng góp phần lớn biến mất khỏi phương trình kinh tế.
Hệ thống ghi nhớ dữ liệu.
Nền kinh tế quên đi con người.
Sự mất cân bằng đó đã tồn tại trong nhiều năm.
Và thật lòng mà nói, đây là nơi khái niệm "AI có thể thanh toán" của OpenLedger trở nên thực sự thú vị với tôi không phải như một thương hiệu, mà như một hạ tầng.
Kể từ khi ra mắt Mainnet OPEN, cuộc thảo luận đã chuyển từ lý thuyết sang thực thi. Tầng đóng góp Datanet không còn chỉ là một ý tưởng trong lộ trình. Các người đóng góp có thể gửi bộ dữ liệu, các nhà phát triển có thể huấn luyện các mô hình theo miền cụ thể bằng cách sử dụng những bộ dữ liệu đó, và các hợp đồng thông minh phân phối $OPEN phần thưởng trực tiếp trên chuỗi.
Điều đó thay đổi tâm lý tham gia.
Đột nhiên, dữ liệu không còn chỉ là nhiên liệu.
Nó trở thành lao động có thể truy xuất.
Và tôi nghĩ rằng sự phân biệt đó quan trọng hơn nhiều so với những gì hầu hết mọi người nhận ra.
Điều đặc biệt thu hút sự chú ý của tôi là khung Proof of Attribution được nâng cấp.
Cách tiếp cận phân bổ gradient cho các mô hình nhỏ hơn có ý nghĩa trực quan: nếu loại bỏ một điểm dữ liệu cụ thể làm suy yếu hiệu suất mô hình một cách đo lường được, thì điểm dữ liệu đó rõ ràng có giá trị.
Nhưng thách thức thú vị hơn là hệ thống Phân bổ Token Dựa trên Mảng Suffix cho LLMs.
Việc truy xuất các đóng góp trong các mô hình ngôn ngữ lớn luôn sâu sắc mờ mịt. Các đầu ra là tập thể, mờ nhạt, và gần như ẩn danh. Cố gắng ghép nối các token được tạo ra trở lại với ảnh hưởng dữ liệu huấn luyện là một vấn đề hạ tầng cực kỳ tham vọng.
Liệu việc phân bổ có bao giờ hoàn hảo về mặt toán học không? Có lẽ là không.
Nhưng việc cố gắng xây dựng một lớp phân bổ minh bạch đã đại diện cho một sự chuyển mình lớn từ cách mà ngành công nghiệp đã vận hành truyền thống.
Hầu hết các hệ thống tối ưu hóa việc khai thác trước.
OpenLedger ít nhất có vẻ đang khám phá trách nhiệm.
Một lĩnh vực khác có thể trở nên cực kỳ quan trọng theo thời gian là nguồn gốc và bảo vệ dữ liệu hợp pháp - đặc biệt là các tích hợp như Story Protocol.
Khi AI đi sâu hơn vào các hệ sinh thái thương mại, các bộ dữ liệu được xác minh hợp pháp có thể trở nên giá trị như chính các mô hình thông minh.
Trong tương lai, các doanh nghiệp có thể không chỉ hỏi:
"Mô hình này có khả năng đến mức nào?"
Nhưng cũng vậy:
Liệu bộ dữ liệu có thể được xác minh không?
Nó có được cấp phép không?
Liệu các đóng góp có thể được phân bổ không?
Dữ liệu có thể được bảo vệ hợp pháp không?
Điều đó có thể thay đổi cơ bản việc áp dụng AI trong các lĩnh vực như y tế, tài chính và luật pháp.
Nhìn vào lộ trình của OpenLedger, họ dường như nhận thức được hướng đi này. Sự tập trung vào Datanets theo miền cảm thấy có chủ đích hơn là bị thúc đẩy bởi cơn sốt.
Và thật lòng mà nói, điều đó thật sự làm mới trong một thị trường mà nhiều dự án vẫn cố gắng định vị mình như "hệ thống AI cho mọi thứ."
Cùng lúc đó, phần khó khăn chỉ mới bắt đầu.
Bởi vì ở đâu có động lực kinh tế thực sự, hành vi chơi game sẽ theo sau:
manipulation bảng xếp hạng, dữ liệu spam tổng hợp, tranh chấp phân bổ, đóng góp chất lượng thấp.
Những áp lực này là không thể tránh khỏi.
Vậy bài kiểm tra thực sự bắt đầu sau mainnet:
Liệu sự xác thực có thể duy trì độ tin cậy ở quy mô lớn không?
Liệu các hệ thống phân bổ có duy trì được sự tin tưởng qua hàng triệu tương tác không?
Liệu động lực của người đóng góp có thể duy trì sự đồng điệu lâu dài không?
Tôi thật sự không biết.
Nhưng có lẽ sự không chắc chắn đó chính là điều làm cho giai đoạn này quan trọng.
Bởi vì sau một thời gian dài, điều này cảm thấy như một trong số ít các dự án AI-crypto cố gắng giải quyết một câu hỏi khó chịu hơn nhiều:
"Nếu mọi người giúp tạo ra giá trị AI... liệu hệ thống có nhớ họ không?"
Và sớm hay muộn, tôi nghĩ toàn bộ ngành công nghiệp sẽ phải đối mặt với câu hỏi đó.
OpenLedger có thể chưa có tất cả các câu trả lời. Nhưng ít nhất họ có vẻ sẵn sàng xây dựng hướng tới vấn đề thay vì phớt lờ nó.
Hãy xem nó đi đâu.