Czym jest OpenLedger:
OpenLedger to projekt blockchainowy skierowany na AI, którego celem jest umożliwienie współpracy danych, modeli i agentów na łańcuchu w sposób możliwy do śledzenia i rozliczania: kto dostarczył jakie dane, jak wpłynęło to na wyniki modelu, wszystko to może być rejestrowane i nagradzane w zależności od wpływu.
Ścieżka technologiczna:
• Datanets (sieci danych): organizowanie dokumentów/wiedzy w zestawy danych współtworzone przez społeczność, z możliwością śledzenia wkładów i historii wersji, które mogą być podstawą do późniejszego podziału zysków i audytu.
• Model Factory & OpenLoRA: kilka kroków do dostrojenia i wdrożenia małego modelu (LoRA); deweloperzy mogą udostępniać swoje możliwości jako API do wykorzystania przez aplikacje.
• PoA (Dowód Atrybucji): wykorzystanie skalowalnych technologii takich jak Infini-gram do śledzenia źródła fragmentów wyjściowych modelu na "poziomie tokenów", co stanowi podstawę przydzielania nagród według wpływu (możliwe do weryfikacji, możliwe do audytu).
OpenLedger podąża za trasą L2 w ekosystemie Ethereum: zbudowane na bazie OP Stack i zintegrowane z EigenDA w celu zapewnienia dostępności danych (DA), oferując wyższą przepustowość i niższe opłaty, dostosowane do wysokiej częstotliwości interakcji AI i potrzeb rozliczeniowych; kompatybilność EVM ułatwia migrację i rozwój dla programistów.
Jakie problemy można rozwiązać?
• Przejrzystość: dane / modele / rejestry wywołań są publicznie dostępne do audytu, co redukuje "czarną skrzynkę";
• Atrybucja i zachęty: kwantyfikacja "czyje dane miały jaki wpływ" i podział zysków według wpływu;
• Efektywność wdrożenia: OpenLoRA wspiera obsługę dużej liczby wariantów LoRA przy minimalnych zasobach GPU, co jest odpowiednie do szybkiego testowania i wdrażania w różnych scenariuszach.
Trzy przypadki użycia
1. Asystent prawny / zgodności: odpowiedzi muszą "mieć źródło", PoA może wskazać odpowiedzi na konkretne przepisy / fragmenty orzeczeń; firmy łatwiej mogą przeprowadzać audyty i rozliczenia.
2. SOP Copilot w przemyśle: przekształć podręczniki obsługi urządzeń i normy kontroli jakości w Datanets, pytaj bezpośrednio na tabletach roboczych; odpowiedzi są niskolatencyjne i mogą być śledzone pod względem wersji i odpowiedzialności.
3. Asystent AI w portfelu: przekształć pytania dotyczące strategii / wskazówki dotyczące ryzyka w małe modele, uruchom jako API, które mogą być wykorzystywane przez użytkowników lub DApp i rozliczane według użycia.
Ryzyko i wskazówki
• Treści i dane muszą być zgodne z uprawnieniami, należy być ostrożnym w przypadku kwestii prywatności / praw autorskich;
• Podział zysków zależy od rzeczywistych użyć i jakości, nie gwarantuje zysków;
• Każdy token niesie ze sobą ryzyko wahań i wykonania projektu, należy bezwzględnie przeprowadzić własne badania (DYOR). $OPEN