Lielākais celtnieku problēma AI šodien nav modeļu piekļuve. Tā ir datu uzticība.
Lielākā daļa celtnieku jau var piekļūt jaudīgiem modeļiem caur API. Grūtākais izaicinājums sākas, kad viņiem nepieciešami uzticami dati, lai uzlabotu šos modeļus, precizētu konkrētas lietojuma gadījumus vai izveidotu specializētus aģentus. Dati nāk no daudziem avotiem, kvalitāte ievērojami atšķiras, īpašumtiesības bieži ir neskaidras, un devējiem reti ir tiešs iemesls turpināt sniegt noderīgu informāciju laika gaitā.
Tas rada dīvainu situāciju. Celtnieki vēlas labāku inteliģenci, bet darba plūsma, ko izmanto, lai radītu šo inteliģenci, ir fragmentēta. Datu sniedzēji, modeļu veidotāji un lietojumprogrammu izstrādātāji bieži darbojas atsevišķos slāņos ar dažādiem stimuliem. Rezultāts ir berze, lēnākas iterācijas cikli un neskaidrība par to, vai pamatdati joprojām ir lietderīgi, kad projekti aug.
Daudzi cilvēki pārprot OpenLedger, uzskatot to galvenokārt par vēl vienu AI projektu, kas sacenšas par uzmanību jau tā piesātinātajā tirgū.
Interesantāks aspekts ir tas, ka OpenLedger šķiet koncentrējas uz ekonomisko koordinācijas slāni, kas slēpjas AI attīstībā. Projekts ne tikai jautā, kā izveidot modeļus. Tas jautā, kā devēji, datu kopas, modeļi un lietojumprogrammas var mijiedarboties tādā veidā, kur vērtības radīšana ir izmērāma un līdzdalība paliek ilgtspējīga.
Šī atšķirība ir svarīga.
Tradicionālā darba plūsma bieži uzskata datus par vienreizēju resursu. Dati tiek savākti, apstrādāti un absorbēti modeļos. Kad tas notiek, saikne starp sākotnējo devēju un nākotnes vērtības ģenerāciju kļūst grūti izsekojama. Celtnieki iegūst informāciju, bet atribūcija un stimulu struktūras kļūst arvien neskaidrākas.
OpenLedger mēģina samazināt šo berzi, ieviešot infrastruktūru, kurā dati, modeļi un AI aģenti var pastāvēt ietvarā, kas paredzēts atribūcijai un monetizācijai. Tā vietā, lai uzskatītu datus par iznīcināmu ievadi, sistēma tos uzskata par aktīvu, kas var turpināt radīt vērtību visā AI lietojumprogrammu dzīves ciklā.
Daļa, kas izceļas manā skatījumā, ir tā, ka tas pārvērš sarunu no modeļu veiktspējas vienīgi uz ieguldījuma atbildību.
Celtnieki bieži runā par labākiem modeļiem. Viņi pavada mazāk laika, apspriežot, kā ilgtspējīga datu ražošana faktiski notiek. Tomēr daudzi AI produkti galu galā kļūst ierobežoti ar datu kvalitāti, nevis neapstrādāto modeļu spējām. Ja devējiem nav iemesla turpināt līdzdalību, datu kvalitāte pasliktinās. Kad datu kvalitāte pasliktinās, lietojumprogrammu veiktspēja galu galā seko.
Šeit pastāv pieņemšanas spiediena punkts.
Lai OpenLedger būtu nozīme, celtniekiem jāizlemj, ka atribūcija un stimulu saskaņošana ir pietiekami svarīgas, lai tās integrētu savās darba plūsmās. Paša tehnoloģija ir tikai daļa no vienādojuma. Lielākais izaicinājums ir uzvedības jautājums. Izstrādātāji ir pieraduši pie esošajām caurulēm, centralizētām datu kopām un izveidotiem AI rīkiem. Jebkurai jaunai infrastruktūrai jāmazina pietiekami daudz berzes, lai pamatotu šo ieradumu maiņu.
Ja šī maiņa notiek, celtnieki iegūst kaut ko vērtīgu: skaidrāku ceļu starp ieguldījumu un atlīdzību. Datu sniedzējiem ir spēcīgāki iemesli piedalīties. Modeļu veidotāji iegūst piekļuvi potenciāli bagātīgākiem informācijas avotiem. Lietojumprogrammu izstrādātāji darbojas uz sistēmas, kurā vērtības plūsmas var sekot caurspīdīgāk.
Apsveriet praktisku scenāriju.
Komanda, kas veido specializētu veselības aprūpes asistentu, nepieciešama nozares specifiska zināšana, ko vispārīgi modeļi nevar nodrošināt uzticami. Viņiem nepieciešami nepārtraukti ieguldījumi no ekspertiem, pētniekiem un nišas datu avotiem. Tradicionālās struktūrās devēju iesaistes uzturēšana kļūst grūta, jo attiecība starp ieguldījumu un nākotnes vērtību ir vāja.
Tāds ietvars kā OpenLedger mēģina izveidot struktūru, kurā ieguldījumi paliek redzami un ekonomiski saistīti ar radīto inteliģenci. Tā vietā, lai nepārtraukti atjaunotu līdzdalību no nulles, celtnieki potenciāli var darboties sistēmā, kas izstrādāta, lai veicinātu ilgtermiņa ieguldījumus.
Tas automātiski neatrisina problēmu.
Sakarā ar to paliek godīga riska iespēja.
Infrastruktūra var izveidot atribūcijas mehānismus, bet tā nevar piespiest nozīmīgu līdzdalību. Ja augstas kvalitātes devēji, modeļu veidotāji un lietojumprogrammu izstrādātāji aktīvi neizmanto tīklu, ekonomiskais dizains kļūst mazāk nozīmīgs. Koordinācijas sistēmas kļūst spēcīgas tikai tad, ja pietiekami daudz dalībnieku piekrīt koordinēties caur tām.
Tāpēc tīkla pieņemšana ir svarīgāka par tehnisko arhitektūru vien.
Spēcīgākais OpenLedger apgalvojums nav tas, ka tas palīdz radīt AI. Daudzi projekti jau tiecas uz šo mērķi. Spēcīgākais apgalvojums ir tas, ka tas mēģina samazināt vienu no AI visnoturīgākajām strukturālajām neefektivitātēm: atšķirību starp tiem, kas sniedz informāciju, un tiem, kas iegūst tās vērtību. Ja celtnieki arvien vairāk uzskata datu atribūciju un stimulu saskaņošanu par nepieciešamu infrastruktūru, nevis opciju, OpenLedger pieeja kļūst daudz vieglāk saprotama.
