我心裏一直有個困擾，直到最近才找到合適的詞來表達……
我在使用一個主要的AI工具進行研究工作，得到了真正有用的輸出。然而在過程中，我突然想到一個揮之不去的念頭。
有人寫了這個模型學習的文本，有人整理了這些數據，還有人開發了領域專業知識，使得這些輸出實際有效。可能有成千上萬的人。
他們沒有人知道這一刻正在發生。他們與所產生的價值沒有任何連接。他們不會從中獲得任何收益。
問題並不真的是關於哲學意義上的公平，而是關於衡量。我們無法補償我們無法衡量的東西。那些人得不到任何東西，並不是因爲沒人關心，而是因爲沒有人建立基礎設施來了解他們是誰以及他們做出了什麼貢獻。
這個衡量的缺口是我不斷回到@OpenLedger 的原因。
AI行業執着于衡量模型能做什麼。基準測試，能力，參數。幾乎沒有人認真嘗試衡量模型的來源。哪些數據貢獻最大。哪些人類反饋塑造了哪些行爲。
沒有衡量就沒有歸屬。沒有歸屬就沒有公平的補償。沒有公平的補償，真正高質量的貢獻激勵會逐漸降低。
這種降級對AI系統未來的發展有長期的影響。
#OpenLedger 至少在嘗試圍繞此建立衡量基礎設施。基於梯度的歸屬，代幣級別追蹤，貢獻評分與實際獎勵分配相連接。
不完美？是的，老實說。在這個層面的歸屬永遠不會是數學上純粹的。有些貢獻被過度認可，有些則被低估。
但替代方案並不是一個更精確的系統。替代方案就是其他所有東西所提供的。
什麼都沒有。
一個不完美的衡量層絕對優於沒有衡量層。而且衡量基礎設施是複合的。隨着更多數據的流動，它會變得更好。
無論遊戲行爲是否能在大規模上得到控制……都真的不確定。
但至少是在問對的問題。$OPEN
我在使用一個主要的AI工具進行研究工作，得到了真正有用的輸出。然而在過程中，我突然想到一個揮之不去的念頭。
有人寫了這個模型學習的文本，有人整理了這些數據，還有人開發了領域專業知識，使得這些輸出實際有效。可能有成千上萬的人。
他們沒有人知道這一刻正在發生。他們與所產生的價值沒有任何連接。他們不會從中獲得任何收益。
問題並不真的是關於哲學意義上的公平，而是關於衡量。我們無法補償我們無法衡量的東西。那些人得不到任何東西，並不是因爲沒人關心，而是因爲沒有人建立基礎設施來了解他們是誰以及他們做出了什麼貢獻。
這個衡量的缺口是我不斷回到@OpenLedger 的原因。
AI行業執着于衡量模型能做什麼。基準測試，能力，參數。幾乎沒有人認真嘗試衡量模型的來源。哪些數據貢獻最大。哪些人類反饋塑造了哪些行爲。
沒有衡量就沒有歸屬。沒有歸屬就沒有公平的補償。沒有公平的補償，真正高質量的貢獻激勵會逐漸降低。
這種降級對AI系統未來的發展有長期的影響。
#OpenLedger 至少在嘗試圍繞此建立衡量基礎設施。基於梯度的歸屬，代幣級別追蹤，貢獻評分與實際獎勵分配相連接。
不完美？是的，老實說。在這個層面的歸屬永遠不會是數學上純粹的。有些貢獻被過度認可，有些則被低估。
但替代方案並不是一個更精確的系統。替代方案就是其他所有東西所提供的。
什麼都沒有。
一個不完美的衡量層絕對優於沒有衡量層。而且衡量基礎設施是複合的。隨着更多數據的流動，它會變得更好。
無論遊戲行爲是否能在大規模上得到控制……都真的不確定。
但至少是在問對的問題。$OPEN