Was ist OpenLedger:
OpenLedger ist ein blockchain-basiertes Projekt für KI, das darauf abzielt, Daten, Modelle und Agenten (Agenten) in einer nachvollziehbaren und abrechenbaren Weise auf der Kette zusammenarbeiten zu lassen: Wer welche Daten beigetragen hat und wie sie die Modellausgabe beeinflussen, kann aufgezeichnet werden und basierend auf dem Einfluss Belohnungen erhalten.
Technologischer Ansatz:
• Datanets (Datennetzwerke): Dokumente/Wissen in gemeinschaftlich erstellte Datensätze organisieren, Beiträge und Versionshistorie sind nachvollziehbar und können als Grundlage für zukünftige Gewinnverteilungen und Audits dienen.
• Model Factory & OpenLoRA: Einige Schritte zur Feinabstimmung und Bereitstellung kleiner Modelle (LoRA); Entwickler können Fähigkeiten als API bereitstellen, die von Anwendungen aufgerufen werden können.
• PoA (Proof of Attribution, Attribution): Verwenden Sie skalierbare Technologien wie Infini-gram, um die Herkunft der Modelle auf "Token-Ebene" zurückzuverfolgen und eine Grundlage für die Verteilung von Belohnungen basierend auf Einfluss zu bieten (verifizierbar, prüfbar).
OpenLedger verfolgt den L2-Weg des Ethereum-Ökosystems: basierend auf dem OP-Stack erstellt und integriert EigenDA zur Datenverfügbarkeit (DA), während die Sicherheit und Abrechnung von Ethereum beibehalten wird und gleichzeitig höhere Durchsatzraten und niedrigere Gebühren angeboten werden, um den Anforderungen an häufige Interaktionen und Abrechnungen von KI gerecht zu werden; EVM-kompatibel erleichtert Entwicklern die Migration und Erweiterung.
Welche Schmerzpunkte können gelöst werden?
• Transparenz: Daten/Modelle/Aufrufprotokolle sind öffentlich und prüfbar, um "Black Box" zu reduzieren;
• Attribution und Anreize: Quantifizieren Sie "Welchen Einfluss haben die Daten von wem" und verteilen Sie die Erlöse entsprechend dem Einfluss;
• Implementierungseffizienz: OpenLoRA unterstützt den Betrieb einer großen Anzahl von LoRA-Varianten mit wenigen GPU-Ressourcen, geeignet für schnelles Ausprobieren und Bereitstellen in mehreren Szenarien.
Drei Anwendungsfälle
1. Rechts-/Compliance-Assistent: Antworten müssen "Quellenangaben" enthalten, PoA kann Antworten auf spezifische Bestimmungen/Präzedenzfälle verweisen; Unternehmen können einfacher prüfen und Zahlungen abwickeln.
2. Fertigungsindustrie SOP Copilot: Machen Sie Bedienhandbücher und Qualitätsprüfungsstandards zu Datanets, die direkt über das Tablet an den Arbeitsplätzen abgefragt werden können; die Antworten sind sowohl latenzarm als auch nachvollziehbar in Bezug auf Versionen und Verantwortliche.
3. Geldbeutel AI-Assistent: Machen Sie Strategiefragen/ Risikohinweise zu kleinen Modellen, die als API online gehen, von Benutzern oder DApp aufgerufen und nach Nutzung abgerechnet werden.
Risiken und Hinweise
• Inhalte und Daten müssen ordnungsgemäß autorisiert sein, bei Datenschutz/Urheberrechten ist Vorsicht geboten;
• Die Erlöse hängen von der tatsächlichen Nutzungshäufigkeit und -qualität ab, es gibt keine Garantie für Gewinne;
• Jedes Token hat Volatilität und Projektrisiken, unbedingt DYOR. $OPEN
