Một điều cảm thấy chưa hoàn thành trong cơn sốt AI hiện tại. Mọi người đều nói về các mô hình nhanh hơn, các tác nhân thông minh hơn và tự động hóa tốt hơn, nhưng rất ít người đặt ra một câu hỏi chậm hơn: làm thế nào một hệ thống AI nhớ lại những người và nguồn lực đã giúp tạo ra giá trị của nó? Không phải nhớ theo cách tình cảm. Nhớ theo cách kinh tế.
Câu hỏi này quan trọng vì AI không được tạo ra từ không gian trống. Nó được xây dựng từ dữ liệu, hành vi, kiến thức chuyên môn, thiết kế mô hình, thử nghiệm, chỉnh sửa và sử dụng lặp đi lặp lại. Một sản phẩm AI hữu ích có thể trông đơn giản bên ngoài, nhưng bên trong thường có một đống công việc ẩn giấu sâu. Vấn đề là khi công việc này trở thành một phần của hệ thống lớn hơn, nó thường mất đi bản sắc của mình.
Trước OpenLedger, đây đã là một điểm yếu trong toàn bộ thị trường AI. Dữ liệu có thể trở nên có giá trị sau khi được sử dụng trong đào tạo, nhưng người đóng góp ban đầu có thể không có bằng chứng rõ ràng về vai trò sau này của nó. Một mô hình có thể được cải thiện, tái sử dụng, hoặc kết hợp với các hệ thống khác, nhưng chuỗi giá trị phía sau nó có thể vẫn không rõ ràng. Các tác nhân có thể thực hiện nhiệm vụ và tạo ra đầu ra, nhưng mối liên kết kinh tế giữa tác nhân, mô hình và tài liệu nguồn có thể khó theo dõi.
Điều này không xảy ra vì ngành công nghiệp quên thêm nút thanh toán. Vấn đề sâu hơn. Giá trị AI di chuyển qua nhiều lớp. Một tập dữ liệu có thể không tạo ra giá trị trực tiếp. Nó có thể cải thiện một mô hình. Mô hình đó có thể cải thiện một ứng dụng. Ứng dụng đó có thể hỗ trợ một tác nhân. Tác nhân đó có thể cung cấp điều gì đó hữu ích cho người dùng. Đến khi giá trị cuối cùng xuất hiện, đầu vào ban đầu đã cách xa vài bước.
Các giải pháp trước đây đã xử lý một phần của điều này, nhưng không phải toàn bộ chuỗi. Các nền tảng AI tập trung đã làm cho việc triển khai dễ dàng hơn, nhưng chúng cũng giữ hầu hết dữ liệu sử dụng bên trong các hệ thống riêng. Các chợ dữ liệu cho phép mua và bán, nhưng thường coi dữ liệu như một sản phẩm một lần thay vì là thứ có thể tiếp tục sản xuất giá trị theo thời gian. Các trung tâm mô hình mã nguồn mở đã cải thiện khả năng tiếp cận, nhưng chúng không luôn giải quyết được việc ghi nhận hoặc bồi thường lâu dài.
Đây là nơi OpenLedger, được biết đến với tên OPEN, cung cấp một cách tiếp cận thú vị. Nó tự mô tả mình là một blockchain AI được thiết kế để mở khóa thanh khoản xung quanh dữ liệu, mô hình, ứng dụng và tác nhân. Cách đọc cẩn thận hơn là không phải "blockchain sửa chữa AI." Mà là OpenLedger đang cố gắng cung cấp cho tài sản AI một bản ghi chung, để chuyển động và đóng góp của chúng trở nên dễ dàng theo dõi hơn.
Bản ghi đó có thể quan trọng. Trong một quy trình làm việc AI bình thường, nhiều đóng góp trở nên vô hình khi chúng được hấp thụ vào sản phẩm hoàn chỉnh. Ý tưởng của OpenLedger là làm cho những đóng góp đó trở nên rõ ràng hơn bằng cách kết nối chúng với cơ sở hạ tầng on-chain. Nếu làm tốt, điều này có thể giúp các nhà xây dựng hiểu được tài sản nào đang được sử dụng, giá trị đang di chuyển ở đâu, và ai có thể xứng đáng được ghi nhận.
Các lựa chọn thiết kế của dự án dường như xuất phát từ một niềm tin đơn giản: AI cần nhiều hơn là lưu trữ. Nó cần nguồn gốc. Nó cần một cách để truy tìm cách mà một cái gì đó được tạo ra, nơi nó được sử dụng, và cách nó đóng góp vào các hệ thống sau này. Điều này đặc biệt có liên quan khi AI chuyển từ các mô hình đơn lẻ sang các mạng lưới mô hình chuyên biệt và các tác nhân tự động.
Tuy nhiên, ý tưởng đi kèm với giới hạn. Một blockchain có thể ghi lại các mối quan hệ, nhưng nó không thể tự động quyết định liệu một tập dữ liệu có sạch, hợp pháp, nguyên gốc, hoặc hữu ích hay không. Nó có thể cho thấy rằng cái gì đó đã được đăng ký, nhưng việc đăng ký không giống như chất lượng. Khoảng cách đó quan trọng vì các hệ thống AI chỉ mạnh mẽ như chất liệu đứng sau chúng.
Cũng có rủi ro rằng việc kiếm tiền có thể thay đổi hành vi. Nếu mọi tập dữ liệu, mô hình, hoặc tác nhân đều có thể trở thành tài sản, một số người tham gia có thể tập trung vào số lượng thay vì tính hữu ích. Một mạng lưới đầy dữ liệu yếu và mô hình nông sẽ không giúp phát triển AI nghiêm túc. OpenLedger sẽ cần các hệ thống mạnh mẽ để lọc, uy tín và xác minh, không chỉ là một cánh cửa mở cho các đệ trình.
Một mối quan tâm khác là quyền riêng tư. Việc ghi nhận AI nghe có vẻ tích cực, nhưng khả năng truy nguyên có thể trở nên nhạy cảm. Các doanh nghiệp có thể không muốn mọi phần trong quy trình mô hình của họ được hiển thị. Cá nhân có thể không muốn lịch sử dữ liệu của họ bị lộ. Các nhà phát triển có thể muốn được ghi công mà không tiết lộ mọi thứ họ đã xây dựng. Cân bằng khó khăn là chứng minh sự đóng góp mà không biến sự minh bạch thành giám sát.
Những người hưởng lợi mạnh nhất có thể là những người xây dựng AI nhỏ hơn hiện đang bị siết chặt giữa các nền tảng lớn và phân phối hạn chế. Một nhà cung cấp dữ liệu ngách, một người sáng tạo mô hình độc lập, hoặc một nhà phát triển tác nhân có thể hưởng lợi từ bằng chứng rõ ràng hơn rằng công việc của họ có giá trị. Đối với họ, việc ghi nhận không phải là một sự xa xỉ. Nó là một phần của sự tồn tại.
Nhưng việc truy cập vẫn có thể không đồng đều. Người dùng kỹ thuật sẽ hiểu hệ thống trước. Những người đóng góp lớn có thể mang đến các tập dữ liệu tốt hơn và mạng lưới mạnh mẽ hơn. Các người tham gia nhỏ hơn có thể vẫn gặp khó khăn trong việc chứng minh chất lượng hoặc thu hút sự chú ý. Một hệ thống phi tập trung có thể giảm bớt một số sự kiểm soát, nhưng không tự động loại bỏ tất cả các khoảng cách quyền lực.
OpenLedger cũng đặt ra một câu hỏi rộng hơn về quyền sở hữu. Trong AI, quyền sở hữu không phải lúc nào cũng đơn giản. Một mô hình có thể phụ thuộc vào hàng ngàn nguồn. Một tác nhân có thể sử dụng nhiều công cụ. Một ứng dụng có thể kết hợp công việc từ nhiều lớp. Nếu giá trị được chia sẻ qua chuỗi này, thì các hệ thống thưởng cần trở nên chi tiết hơn so với các khoản thanh toán nền tảng truyền thống.
Điều này làm cho OpenLedger ít thú vị hơn như một khẩu hiệu và thú vị hơn như một thí nghiệm. Nó đang kiểm tra xem liệu sự đóng góp của AI có thể trở nên đủ rõ ràng để hỗ trợ một loại hình kinh tế mới hay không. Đó là một ý tưởng nghiêm túc, nhưng nó chỉ quan trọng nếu cơ sở hạ tầng thu hút được sự sử dụng thực tế và xử lý các tranh chấp phức tạp trong thế giới thực.
Dự án này nên được xem xét với sự kiên nhẫn hơn là sự phấn khích. Mục tiêu của nó hướng đến một vấn đề thực tế, nhưng giải pháp sẽ phụ thuộc vào việc thực hiện, chấp nhận, quản trị và niềm tin. Trong AI, một lý thuyết sạch thường trở nên phức tạp khi dữ liệu thực, người dùng thực và động lực thực xuất hiện trong hệ thống.
Có thể nền kinh tế AI tương lai sẽ không chỉ được xác định bởi ai xây dựng mô hình thông minh nhất. Nó cũng có thể được xác định bởi ai có thể xây dựng một ký ức công bằng xung quanh mô hình đó. Nếu máy móc đang học từ nhiều nguồn, hệ thống nên ghi nhớ giá trị đã xuất hiện trước câu trả lời như thế nào?