#OpenLedger est la "version AI d'Ethereum + GitHub", rendant l'IA open source, fiable et traçable, permettant à chacun de participer et de bénéficier. Je viens de terminer le livre blanc "Proof of Attribution" de @OpenledgerHQ, et je ressens de plus en plus que, dans la seconde moitié du développement de l'IA, la question des droits dans la contribution complète au processus de l'IA sera le plus grand point de douleur de l'IA traditionnelle actuelle. #OpenLedger combine les solutions actuellement en vogue de #AI + #Blockchain, résolvant efficacement ce point de douleur. Selon un rapport de recherche de @MessariCrypto, le secteur de l'IA atteindra une valeur de marché de plus de 20000 milliards de dollars d'ici 2030, dont le potentiel est indéniable. Aujourd'hui, nous allons analyser le nouveau cheval noir de l'IA, #OpenLedger, ainsi que trois opportunités de participation gratuite en phase précoce.

Actuellement, l'#IA est principalement contrôlée par de grandes entreprises (OpenAI, Google, Meta). Comment les modèles sont entraînés, quelles données ont été utilisées, comment les bénéfices sont répartis - tout cela est complètement opaque. Les gens ordinaires ne peuvent ni participer ni en tirer des bénéfices. Cependant, #OpenLedger utilise la technologie de preuve d'attribution (Proof of Attribution) pour permettre que le contenu généré par l'#IA (comme des images, des articles, de la musique) puisse être retracé jusqu'à sa source, et s'assure que tous les fournisseurs de données ayant contribué à la construction de modèles d'IA professionnels soient reconnus ou récompensés. • Comment le modèle est entraîné → Transparence publique • Quelles données ont été utilisées → Enregistrement, preuve • Qui a contribué des données → Tous peuvent être suivis, récompensés C'est une architecture de base « anti-monopole » qui cible directement le problème d'injustice au cœur de l'#IA actuelle.

#OpenLedger (@OpenledgerHQ) est une plateforme d'intelligence artificielle décentralisée basée sur la blockchain, visant à réaliser la transparence de l'intelligence artificielle, la gouvernance communautaire et l'accès ouvert. Contrairement aux modèles d'intelligence artificielle traditionnels contrôlés par de grandes entreprises technologiques, #OpenLedger permet à la communauté de former, valider et créer des modèles d'IA spécialisés. Cela permet de construire un système plus équitable, où les individus fournissant des données et des modèles reçoivent l'honneur et la récompense qui leur sont dus.

#OpenLedger adopte une architecture à 5 couches principales : 🔵 Couche de consensus (partage de sécurité basé sur EigenLayer) 🔵 Couche d'exécution de modèle (OpenLoRA) 🔵 Couche de validation des données (Datanet + Proof of Attribution) 🔵 Couche d'exécution des tâches (validation des tâches et incitations) 🔵 Couche de participation des utilisateurs (plugin, accès à faible seuil) Il y a trop de choses techniques, nous ne les détaillerons pas ici. Les partenaires intéressés peuvent consulter le livre blanc épinglé sur la page d'accueil de @OpenledgerHQ. Pour nous, utilisateurs ordinaires, ce qui nous intéresse peut-être davantage, ce sont les méthodes de la couche de participation des utilisateurs, les principales stratégies sont (des guides détaillés suivront) : • Plugin Chrome : peut être utilisé comme collecteur de données (contribution de mots-clés, données de pages web) • Exécuteur local : exécutez un nœud OpenLoRA pour gagner des points, supporte CPU, GPU • Interaction contributive : téléchargez des ensembles de données, entraînez des modèles, validez les résultats des autres, formant une communauté de #AI crowdsourcing.

#OpenLedger avantages clés : 1️⃣OpenLoRA : 1 carte graphique pour faire fonctionner des milliers de modèles Le produit le plus puissant d'#OpenLedger est sans doute OpenLoRA, qui est une infrastructure de déploiement de modèles. Cela peut être un peu difficile à comprendre, alors je vais donner un exemple. 👉 Prenons un exemple : vous avez un modèle LLM et vous avez affiné 1000 "plugins de compétences" avec LoRA (comme avocat, médecin, coach sportif, enseignant, etc.). Si vous utilisez la méthode traditionnelle pour faire fonctionner ces modèles, il vous faudrait 1000 cartes graphiques, ce qui coûterait une fortune. Voici comment fonctionne #OpenLoRA : • Charge uniquement un modèle de base (comme Mistral) • Charge dynamiquement les plugins LoRA uniquement lorsque c'est nécessaire • Pas d'explosion de mémoire vidéo, changement en millisecondes, et vitesse encore plus rapide • Économise plus de 90 % des coûts de serveur 📌 Cette technologie est tout simplement la meilleure nouvelle pour les PME et les particuliers en matière de #AI privatisation. Elle permet à chaque utilisateur d'avoir un LoRA, avec un Copilot multi-utilisateurs. De plus, pour les grandes plateformes de modèles (comme HuggingFace, Bittensor et autres), cela représente une relation de coopération très complémentaire. Ainsi, #OpenLoRA n'est pas un concept, mais un produit concret qui résout les problèmes de coût et d'évolutivité de l'infrastructure AI, avec une forte capacité de commercialisation, particulièrement adapté aux déploiements locaux et privés pour les PME ou les particuliers.

2️⃣ Système de certification des données et des contributions : Datanet + Proof of Attribution Nous savons que l'entraînement de l'#IA dépend des données, les données étant le pétrole de l'ère #IA, la puissance de calcul étant le moteur, et les modèles étant l'autoroute, ces trois éléments étant étroitement liés et interdépendants. Dans le contexte actuel, la provenance des données reste une zone grise légale et éthique (par exemple, le code de GitHub, les publications de Reddit, etc., sont utilisés pour l'entraînement sans que les contributeurs ne reçoivent de bénéfices). Ainsi, #OpenLedger a réalisé deux choses : • Utiliser le Proof of Attribution pour enregistrer chaque contribution sur la chaîne, permettant un suivi en temps réel, qui a contribué à quoi, et combien, tout est vérifiable. • Utiliser Datanet pour créer un marché de données décentralisé, permettant aux données et aux modèles d'être certifiés, échangés et retracés comme des NFT.