للذكاء الاصطناعي عادة غريبة تتمثل في جعل الناس يختفون.
باحث يساهم في مجموعة بيانات. مجتمع يعزز المعرفة المتخصصة. مطور يضبط نموذجًا. مستخدم يصحح المخرجات السيئة. وكيل يصبح أكثر فائدة بفضل كل هذا العمل.
ثم، بمجرد أن يبدأ النظام في إنتاج القيمة، غالبًا ما يكون المساهمون الأصليون غير مرئيين.
هذه هي الفجوة التي تحاول OpenLedger سدها.
ليس بإضافة توكن ببساطة إلى الذكاء الاصطناعي. وليس بتكرار الشعار المعتاد "الذكاء اللامركزي". OpenLedger أكثر إثارة للاهتمام لأنه ينظر إلى الذكاء الاصطناعي من زاوية مختلفة: من ساعد في إنشاء الذكاء، وكيف يمكن تتبع تلك المساهمة وامتلاكها ومكافأتها؟
في رأيي، هذه هي المحادثة الحقيقية حول OpenLedger. إنها ليست مجرد بناء بلوكتشين ذكاء اصطناعي آخر. إنها تتعلق بإعطاء الذكاء الاصطناعي ذاكرة اقتصادية.
يتم بناء معظم أنظمة الذكاء الاصطناعي من طبقات من العمل غير المرئي. تُجمع البيانات. تُدرّب النماذج. تُصقل المخرجات. يتم نشر الوكلاء. يتفاعل المستخدمون معهم. يصل المزيد من التغذية الراجعة. وتُخلق قيمة أكبر.
لكن أثر الملكية غالبًا ما ينقطع في مكان ما على طول الطريق.
بمجرد دخول البيانات إلى نموذج، غالبًا ما يصير من الصعب معرفة من أين جاءت القيمة. قد لا يستفيد الشخص الذي زوّد معلومات مفيدة مرة أخرى، حتى لو كانت تلك المعلومات تستمر في تحسين المخرجات المستقبلية.
يتعامل OpenLedger مع هذا كأنه مشكلة بنية تحتية (infrastructure).
تم تصميم نموذج Proof of Attribution الخاص به لتتبّع أي بيانات أو نماذج أو مساهمين أثّروا في مخرج ذكاء اصطناعي، ثم ربط تلك المساهمة بالمكافآت. وهذا يجعل المشروع يبدو أقل مثل سردية ذكاء اصطناعي مدفوعة بالضجيج وأكثر مثل طبقة دفع للذكاء.
طريقة بسيطة للتفكير في الأمر:
تقول مؤسسة الذكاء الاصطناعي التقليدية: “شكرًا على البيانات.”
يطرح OpenLedger سؤال: “كم مقدار القيمة التي واصلت تلك البيانات توليدها؟”
هذا الفرق مهم.
في العديد من المنصات، تكون المساهمة حدثًا لمرة واحدة. ترفع شيئًا، وتشارك شيئًا، وتدرّب شيئًا، أو تتحسن شيئًا. بعد ذلك، تمتلك المنصة معظم جانب الارتفاع (upside).
يحاول OpenLedger قلب هذا النموذج.
من خلال Datanets، يمكن للمساهمين المساعدة في بناء شبكات بيانات متخصصة حول مواضيع أو صناعات محددة. يمكن لتلك المجموعات دعم النماذج والوكلاء وتطبيقات الذكاء الاصطناعي. وإذا تم استخدام تلك المساهمات لاحقًا، يهدف النظام إلى جعل الإسناد والمكافآت جزءًا من العملية.
هذه طريقة أكثر صحة بكثير للتفكير في الملكية.
لا ينبغي أن تعني الملكية مجرد امتلاك رمز. يجب أن تعني امتلاك مطالبة مستمرة بالقيمة التي تساعد أعمالك على إنتاجها.
لهذا السبب تبدو فكرة OpenLedger ذات صلة. يصبح الذكاء الاصطناعي أكثر قوة، لكن الأشخاص الذين يمدّونه بالمعرفة ما زالوا بحاجة إلى حقوق اقتصادية أفضل. يحاول OpenLedger إنشاء المسارات اللازمة لذلك.
أقوى جزء في تصميم OpenLedger هو تركيزه على ذكاء متخصص.
تُعد النماذج العامة الكبيرة مفيدة، لكنها ليست دائمًا عميقة. قد تجيب عن الكثير من الأشياء، لكنها لا تفهم دائمًا التفاصيل الصغيرة في مجال أو ثقافة أو سير عمل أو مجتمع محدد.
هنا تصبح Datanets مهمة.
يمكن النظر إلى Datanet على أنه طبقة معرفة مركّزة. بدلًا من رمي كل البيانات في آلة عملاقة واحدة، يتيح OpenLedger لمجتمعات أو مجالات محددة بناء اقتصادات بياناتها الخاصة.
على سبيل المثال، قد يمتلك كل من Datanet موجّه للتمويل وDatanet للبحث الطبي وDatanet قانوني وDatanet لذكاء العملات المشفرة مساهمين مختلفين، وقيمة مختلفة، ومسارات مكافآت مختلفة.
أفكر في الأمر بهذا الشكل:
النموذج العام للذكاء الاصطناعي يشبه مكتبة عامة كبيرة.
تُشبه Datanet غرفة داخل تلك المكتبة، يتم اختيارها بعناية من قِبل أشخاص يعرفون الموضوع حقًا.
المساحة أصغر، لكن المعرفة قد تكون أكثر حدة بكثير.
هنا تقع فرصة OpenLedger. ليس في استبدال كل نموذج ذكاء اصطناعي، بل في مساعدة الذكاء المتخصص القيم على أن يصبح قابلاً للامتلاك والتحويل إلى أرباح.
توكن OPEN هو الموصل الاقتصادي داخل هذا النظام.
يُستخدم ذلك في نشاط الشبكة، والمدفوعات، والستيكينغ، والوصول، والمكافآت، والحوكمة. والأهم من ذلك أنه يرتبط بفكرة أن المساهمة المفيدة لا ينبغي أن تظل دون مقابل.
إذا عمل OpenLedger كما هو مقصود، فإن OPEN ليس مجرد أصل مضارب يطفو خارج المنتج. بل يصبح جزءًا من الآلة.
يقدّم المساهمون بيانات. تستخدم النماذج تلك البيانات. تولّد الوكلاء قيمة. يتتبّع الإسناد المساهمة. وتتدفق المكافآت مرة أخرى عبر OPEN.
هذه هي الحلقة.
بالطبع، تعتمد قوة هذه الحلقة على الاستخدام الحقيقي. لا تصبح اقتصاديات التوكن ذات معنى إلا عندما يحتاج الناس فعلاً إلى الشبكة. الشيء المهم لمراقبته هو ما إذا كان OpenLedger قادرًا على خلق طلب يتجاوز الحوافز المبكرة.
هل يبني المطورون نماذج؟ هل يتفاعل المستخدمون مع وكلاء؟ هل تجذب Datanets مساهمين ذوي جودة؟ هل ترتبط المكافآت بقيمة حقيقية وليست مجرد زراعة؟
هذه الأسئلة تهم أكثر من أي تحرك سعري قصير الأجل.
جزء السلسلة موجود ليس فقط لأجل العلامة التجارية.
بالنسبة لـ OpenLedger، يمنح طبقة البلوكتشين بيئة تسوية عامة لمساهمة وإسناد وتوزيع المكافآت. يجعل النظام أكثر قابلية للفحص. يمكن للمستخدمين تتبع عقود التوكن، والنشاط، والستيكينغ، والربط عبر الجسور (bridging)، والمشاركة في الشبكة بدلًا من الاعتماد فقط على ادعاءات المنصة.
وهذا مهم لأن الإسناد في الذكاء الاصطناعي يتطلب الثقة.
إذا قالت منصة ما: “لقد كافأنا المساهمين بعدل”، فلا يزال يتعين على المستخدمين أن يصدقوا ذلك. لكن إذا تم وضع أجزاء من منطق المساهمة والمكافأة على السلسلة، يصبح النظام أسهل للتحقق.
هذا لا يحل تلقائيًا كل شيء. ما زالت عملية الإسناد صعبة. إن قياس القيمة الدقيقة للبيانات داخل مخرجات الذكاء الاصطناعي يُعد مشكلة معقدة. لكن وضع طبقة المكافأة على السلسلة يمنح OpenLedger أساسًا أقوى من منصة مغلقة حيث تتم كل المحاسبة خلف الكواليس.
برنامج إعادة شراء OpenLedger الأخير يستحق أيضًا التدقيق بعناية.
الجزء المهم ليس فقط أن توجد عملية إعادة شراء. تعلن الكثير من المشاريع عن عمليات إعادة شراء. التفاصيل الأكثر دلالة هي أن OpenLedger ربطها بإيرادات المؤسسات وبنية السيولة.
هذا يشير إلى أن المشروع يفكر في كيفية دعم النشاط التجاري الخارجي لاقتصاد التوكن.
لكن ينبغي النظر إلى ذلك بتوازن.
يمكن لإعادة الشراء تحسين السيولة والثقة، لكنها لا تستطيع تعويض التبني الحقيقي. إذا نمت Datanets والنماذج والوكلاء، تصبح إعادة الشراء آلية دعم إضافية. إذا لم ينمو الاستخدام، فلن تستطيع إعادة الشراء وحدها حمل النظام البيئي.
لذلك، بالنسبة لي، إعادة الشراء ليست القصة الرئيسية. إنها مجرد إشارة داعمة.
القصّة الرئيسية ما تزال هي ما إذا كان OpenLedger يستطيع تحويل مساهمة الذكاء الاصطناعي إلى دورة اقتصادية قابلة للتكرار.
أكثر شيء مثير للاهتمام في OpenLedger هو أنه يمنح الذكاء الاصطناعي نوعًا مختلفًا من خريطة القيمة.
يركّز معظم الناس على الذكاء الاصطناعي وينظرون إلى المخرجات النهائية.
يبحث OpenLedger تحت السطح ويسأل: من الذي جعل هذا المخرج ممكنًا؟
إنها قفزة قوية.
في اقتصاد الذكاء الاصطناعي الحالي، تتحرك القيمة غالبًا صعودًا نحو المنصات. يحاول OpenLedger جعل القيمة تتحرك أيضًا إلى الوراء، نحو المساهمين الذين ساعدت بياناتهم ونماذجهم وتحسيناتهم في إنتاج النتيجة.
قد يهم ذلك كثيرًا مع انتشار وكلاء الذكاء الاصطناعي بشكل أكبر.
عندما تبدأ الوكلاء في تنفيذ المهام، واتخاذ القرارات، وتوليد المحتوى، وتحليل الأسواق، أو دعم الأعمال، سيأتي ذكاؤهم من مكان ما. إذا أمكن تتبّع هذا المصدر، فإن الملكية تصبح أكثر من مجرد ادعاء. تصبح مسارًا للإيرادات.
هذه هي الزاوية الفريدة هنا.
ليس OpenLedger يبني فقط لإخراجات الذكاء الاصطناعي. بل يبني للناس والبيانات خلف تلك المخرجات.
الفكرة قوية، لكن التنفيذ سيحسم كل شيء.
يحتاج OpenLedger إلى مساهمين عاليي الجودة، وليس فقط مستخدمين يطاردون المكافآت. يحتاج إلى Datanets مفيدة، وليس مجرد مسابح بيانات فارغة. يحتاج إلى نماذج ووكلاء يستخدمهم الناس فعلاً. ويجب أن يبدو نظام الإسناد عادلاً بدرجة كافية كي يثق به المساهمون.
هذا ليس بالأمر السهل.
يمكن أن تلوّث البيانات السيئة شبكة ما. يمكن التلاعب بأنظمة المكافآت. قد تجذب الحوافز التوكنية مزارعين على المدى القصير. ويمكن أن يصبح الإسناد معقدًا. وقد يختار المطورون منصات أبسط إذا كانت التجربة مثقلة جدًا.
إذن، الاختبار الحقيقي ليس ما إذا كان لدى OpenLedger قصة جيدة. نعم، لديه ذلك.
الاختبار الحقيقي هو ما إذا كان النظام قادرًا على إنشاء حلقة نظيفة:
بيانات أفضل → نماذج أفضل → استخدام أكبر → إسناد أوضح → مكافآت أقوى → مساهمة بجودة أعلى.
إذا تشكّل هذا النوع من الحلقة، يصبح OpenLedger أكثر بكثير من مجرد توكن ذكاء اصطناعي آخر.
يمتاز OpenLedger لأنه يركّز على أحد أكبر الأسئلة غير المحسومة في الذكاء الاصطناعي: من يملك القيمة التي ينتجها الذكاء المشترك؟
تتكون إجابته حول الإسناد، وDatanets، والمكافآت المُرمّزة (tokenized)، والتسوية على السلسلة. يمنح هذا المزيج للمساهمين طريقة محتملة للانتقال من كونهم مورّدين غير مرئيين إلى مشاركين مرئيين في اقتصاد الذكاء الاصطناعي.
لا أرى OpenLedger كمشروع بلوكتشين للذكاء الاصطناعي فحسب. أراه أقرب لمحاولة لبناء نظام إتاوات (royalty) للذكاء.
لدى كل مجموعة بيانات مفيدة، أو تحسين للنماذج، أو مساهمة من وكيل، إمكانية أن تصبح جزءًا من سلسلة قيمة أكبر. يريد OpenLedger أن تكون هذه السلسلة مرئية وقابلة للقياس ومكافِئة.
لهذا السبب تهم هذه المبادرة.
لأن مستقبل الذكاء الاصطناعي لا ينبغي أن يكون فقط حول آلات أكثر ذكاءً.
وينبغي أيضًا أن يكون الأمر متعلقًا بملكية أعدل للبشر الذين ساعدوا في جعلهم أكثر ذكاءً.
@Openledger #OpenLedger #OpenLedgers $OPEN
