#OpenLedger er "AI-versjonen av Ethereum + GitHub", noe som gjør AI åpen kildekode, troverdig og sporbar, og alle kan delta og dra nytte av det. Nylig, etter å ha lest @OpenledgerHQ s «Proof of Attribution»-hvitbok, føler jeg mer og mer at i andre halvdel av utviklingen #AI vil spørsmålet om å bekrefte rettigheter i hele prosessen med #AI bidrag være det største smertepunktet for tradisjonell AI. #OpenLedger kombinerer det nåværende populære #AI + #Blockchain-programmet for effektivt å løse de ovennevnte smertepunktene, og ifølge den @MessariCrypto forskningsrapporten vil #AI-sporet nå en markedsverdi på mer enn 2 billioner dollar innen 2030, hvorav potensialet er selvinnlysende, i dag vil vi analysere #AI nye dark horse-#OpenLedger og de tidlige 3 gratis deltakelsesmulighetene.

For tiden er #AI i utgangspunktet kontrollert av store selskaper (OpenAI, Google, Meta), hvordan modellen trenes, hvis data brukes, og hvordan inntektene fordeles - det er helt en black box-operasjon. Vanlige mennesker kan verken delta eller dra nytte av det. #OpenLedger bruker Proof of Attribusjon for å gjøre det mulig å spore #AI-generert innhold (f.eks. bilder, artikler, musikk) tilbake til kilden, og for å sikre at alle dataleverandører som bidrar til å bygge profesjonelle AI-modeller vil bli anerkjent eller oppmuntret. •Hvordan modellen er opplært → er offentlig tilgjengelig • Hvis data brukes → har en post og har legitimasjon •Den som bidrar med data → kan spores og belønnes Dette er en underliggende struktur av "anti-monopol", som fullstendig treffer kjernen i det nåværende #AI av det viktigste urettferdige problemet.

#OpenLedger (@OpenledgerHQ) er en desentralisert, blokkjedebasert AI-plattform som tar sikte på å muliggjøre åpenhet, fellesskapsstyring og åpen tilgang til AI. I motsetning til tradisjonelle AI-modeller kontrollert av store teknologiselskaper, lar #OpenLedger fellesskapet trene, validere og lage spesialiserte AI-modeller. Resultatet er et mer rettferdig system der enkeltpersoner som leverer data og modeller får den æren og belønningen de fortjener.

#OpenLedger arkitektur bruker 5 kjernelag: 🔵 Konsensuslag (basert på EigenLayer sikker deling) 🔵 Modellkjøretidslag (OpenLoRA) 🔵 Datanett + bevis på attribusjon 🔵 Oppgaveutførelseslag (oppgaveverifisering og insentiver) 🔵 Lag for brukerdeltakelse (plugin-modul, oppføring med lav terskel) Det er for mange tekniske ting, vi vil ikke gjenta dem her, interesserte partnere, du kan lese hvitboken øverst på @OpenledgerHQ hjemmeside. For våre vanlige brukere kan vi være mer opptatt av metoden for brukerengasjement, og hovedstrategiene er (mer detaljerte strategier senere): • Chrome-plugin: kan brukes som datainnsamler (bidragsmeldinger, nettsidedata) •Lokal løper: Kjør OpenLoRA-noder for å få poeng, støtte CPU, GPU •Medvirkende interaksjoner: Last opp datasett, tren modeller og valider andres resultater for å danne et #AI crowdsourcing-fellesskap

#OpenLedger viktige fordeler: 1️⃣OpenLoRA: 1 grafikkort kjører tusenvis av modeller #OpenLedger mest hardcore-produktet er OpenLoRA, som er infrastrukturen til modelldistribusjonslaget. Det kan være vanskelig å forstå, men jeg skal gi deg et eksempel her. 👉 For eksempel har du nå en LLM-modell og har 1,000 "ferdighetsbaserte plugins" finjustert med LoRA (f.eks. advokater, leger, treningstrenere, lærere, etc.). Hvis du kjører disse modellene på tradisjonell måte, må du konfigurere 1000 grafikkort, noe som er latterlig dyrt. #OpenLoRA Praksis som brukes: •Last bare én basismodell (f.eks. Mistral) • Det tar tid å laste inn LoRA-pluginet dynamisk • Videominnet eksploderer ikke, byttet millisekundnivå, og hastigheten er enda raskere • Spar 90%+ på serverkostnader 📌 Denne teknologien er rett og slett den beste #AI privatiseringsvelsignelse for små og mellomstore bedrifter og enkeltpersoner. Én LoRA per person, Copilot med flere brukere. I tillegg, for de store modellplattformene (som HuggingFace, Bittensor-prosjekter), er det et sterkt komplementært partnerskap. Derfor er #OpenLoRA ikke et konsept, men et landingsprodukt som virkelig løser kostnads- og skalerbarhetsproblemene til AI infra, og har sterke kommersialiseringsevner, spesielt egnet for lokalisert privat distribusjon av små og mellomstore bedrifter eller enkeltpersoner.

2️⃣ Bekreftelsessystem for data og bidrag: Datanett + bevis på attribusjon Vi vet at treningen av #AI er uatskillelig fra data, som er oljen fra den #AI epoken, datakraft er motoren, og modellen er motorveien, og de tre er nært beslektet og nært beslektet. I den nåværende konteksten har datakilder alltid vært en juridisk og etisk gråsone (f.eks. GitHub-kode, Reddit-innlegg osv., er trent uten å gi bidragsytere noen fordeler). Så #OpenLedger gjorde to ting: •Med Proof of Attribusjon registreres hvert bidrag på kjeden og spores i sanntid, og hvem som har bidratt med hva og hvor mye som er bidratt kan kontrolleres •Et desentralisert datamarked bygges ved hjelp av Datanet, slik at data og modeller kan bekreftes, handles og spores som NFT-er