Điều khiến tôi dừng lại không phải là cấu trúc phần thưởng, mà là những gì được ghi lại. Trong hầu hết các sản phẩm AI, các tương tác của bạn biến mất vào một cơ sở dữ liệu riêng tư. OpenChat ghi chúng vào chuỗi như các bản ghi phân bổ, vĩnh viễn, mọi câu hỏi bạn đặt ra, mọi phản hồi bạn đánh giá, mọi chỉnh sửa bạn gửi đi.
Cơ chế này được gọi là bằng chứng phân bổ. Nó hoạt động mà không cần bước bổ sung, ví ví của bạn được gắn với mỗi tương tác bạn tạo ra, cho dù đó là một câu hỏi được đặt ra, một phản hồi được đánh giá, hay một chỉnh sửa được gửi. Giao thức coi hành động trò chuyện như là sản xuất dữ liệu và ghi lại nó trên chuỗi.
Sự bất đối xứng nằm ở việc định giá. Tương tác của bạn được ghi lại với phân bổ chính xác, nhưng giá trị của nó đối với quy trình đào tạo mô hình thì không bao giờ được hiện ra với bạn. Phần thưởng bạn nhận được là một phần của một bể, không phải là một khoản thanh toán gắn với một đóng góp cụ thể. Bạn biết bạn đã cho đi cái gì, nhưng việc tính toán giá trị của nó vẫn không thể thấy được.
Khoảng cách đó tạo ra một hiệu ứng thứ cấp. Nếu giao thức thưởng cho khối lượng với cùng mức độ như chất lượng, hoặc đơn giản là không thể phân biệt giữa hai yếu tố, bước đi hợp lý là tạo ra nhiều tương tác hơn bất kể tín hiệu. Những gì hệ thống thực sự cần, phản hồi dày đặc và tinh tế, có thể chính là điều mà cấu trúc phần thưởng cuối cùng lại làm cho bị lấn át.
Mô hình này xuất hiện mỗi khi một phần thưởng gắn với một hành vi có thể đo lường. Chỉ số và giá trị mà nó được thiết kế để theo dõi bắt đầu phân kỳ. Những gì được tối ưu hóa là thứ có thể đo lường, không phải là thứ thực sự. Liệu bằng chứng phân bổ có thu hẹp khoảng cách đó trên chuỗi hay chỉ đơn giản là di chuyển vấn đề đến một lớp dễ hiểu hơn, không phải là điều mà cơ chế giải quyết.
OpenLedger đang xây dựng một cái gì đó xuất hiện như một ứng dụng trò chuyện nhưng hoạt động như một lớp thu thập dữ liệu với kinh tế mã thông báo ở trên. Sự phân biệt đó thay đổi ai là người hưởng lợi thực sự từ mỗi tương tác. Liệu việc sử dụng AI hàng ngày của bạn tích lũy giá trị cho bạn hay cho bất kỳ ai tiêu thụ tập dữ liệu đã được phân bổ là câu hỏi chưa có câu trả lời rõ ràng.
@OpenLedger $OPEN #OpenLedger
$LAB $US
Cơ chế này được gọi là bằng chứng phân bổ. Nó hoạt động mà không cần bước bổ sung, ví ví của bạn được gắn với mỗi tương tác bạn tạo ra, cho dù đó là một câu hỏi được đặt ra, một phản hồi được đánh giá, hay một chỉnh sửa được gửi. Giao thức coi hành động trò chuyện như là sản xuất dữ liệu và ghi lại nó trên chuỗi.
Sự bất đối xứng nằm ở việc định giá. Tương tác của bạn được ghi lại với phân bổ chính xác, nhưng giá trị của nó đối với quy trình đào tạo mô hình thì không bao giờ được hiện ra với bạn. Phần thưởng bạn nhận được là một phần của một bể, không phải là một khoản thanh toán gắn với một đóng góp cụ thể. Bạn biết bạn đã cho đi cái gì, nhưng việc tính toán giá trị của nó vẫn không thể thấy được.
Khoảng cách đó tạo ra một hiệu ứng thứ cấp. Nếu giao thức thưởng cho khối lượng với cùng mức độ như chất lượng, hoặc đơn giản là không thể phân biệt giữa hai yếu tố, bước đi hợp lý là tạo ra nhiều tương tác hơn bất kể tín hiệu. Những gì hệ thống thực sự cần, phản hồi dày đặc và tinh tế, có thể chính là điều mà cấu trúc phần thưởng cuối cùng lại làm cho bị lấn át.
Mô hình này xuất hiện mỗi khi một phần thưởng gắn với một hành vi có thể đo lường. Chỉ số và giá trị mà nó được thiết kế để theo dõi bắt đầu phân kỳ. Những gì được tối ưu hóa là thứ có thể đo lường, không phải là thứ thực sự. Liệu bằng chứng phân bổ có thu hẹp khoảng cách đó trên chuỗi hay chỉ đơn giản là di chuyển vấn đề đến một lớp dễ hiểu hơn, không phải là điều mà cơ chế giải quyết.
OpenLedger đang xây dựng một cái gì đó xuất hiện như một ứng dụng trò chuyện nhưng hoạt động như một lớp thu thập dữ liệu với kinh tế mã thông báo ở trên. Sự phân biệt đó thay đổi ai là người hưởng lợi thực sự từ mỗi tương tác. Liệu việc sử dụng AI hàng ngày của bạn tích lũy giá trị cho bạn hay cho bất kỳ ai tiêu thụ tập dữ liệu đã được phân bổ là câu hỏi chưa có câu trả lời rõ ràng.
@OpenLedger $OPEN #OpenLedger
$LAB $US