تضع OpenLedger نفسها كبلوكشين أصلي للذكاء الاصطناعي مصمم لجعل البيانات والنماذج — المدخلات الأساسية للذكاء الاصطناعي الحديث — قابلة للاكتشاف، وإسنادها، وقابلة للت monetization. حيث تعتمد معظم أنظمة الذكاء الاصطناعي الكبيرة على جمع بيانات شاسعة، وغالبًا ما تكون غير شفافة، وملكية مركزية للنماذج، تهدف OpenLedger إلى لامركزية تلك التدفقات حتى يحصل المساهمون في البيانات ومبدعو النماذج على ائتمان قابل للتحقق ومكافأة اقتصادية عند استخدام أعمالهم.
التكنولوجيا والعمارة
تستخدم OpenLedger هيكلًا متعدد الطبقات لفصل تسجيل البيانات، تدريب النماذج، وتقديم النماذج. طبقة مجموعة البيانات اللامركزية (المعروفة غالبًا باسم Datanets) تتيح للمساهمين تسجيل، ترخيص، وإثبات مصدر datasets؛ حيث تتبع الأدلة التشفيرية كيف تؤثر مدخلات مجموعة البيانات على النماذج اللاحقة. توفر طبقة ModelFactory أدوات لضبط وتدقيق النماذج باستخدام مجموعات البيانات المسجلة، مع سجلات التدريب مؤمنة على السلسلة لضمان الشفافية. وأخيرًا، تعمل طبقة تقديم خفيفة الوزن (OpenLoRA أو ما شابه) على تشغيل العديد من النماذج المتخصصة والمضبوطة بكفاءة للحفاظ على تكاليف الاستدلال منخفضة وتمكين الوصول الواسع.
اقتصاديات الرموز والحوكمة
تُستخدم العملة الرمزية الأصلية (OPEN) لدفع رسوم الغاز ورسوم الخدمات (ترخيص البيانات، تدريب النماذج، الاستدلال)، وتوزيع المكافآت على المساهمين في البيانات والنماذج عبر آلية الإسناد، والمشاركة في الحوكمة اللامركزية. تتيح الحوكمة القائمة على الرموز لأصحاب المصلحة التصويت على ترقيات البروتوكول، وسياسات مجموعات البيانات، ومعلمات الحوافز. وعادةً ما يعطي تصميم العرض والتخصيص الأولوية لنمو النظام البيئي ومكافآت المساهمين من أجل إطلاق سوق للبيانات والنماذج.