تدور مشهد الذكاء الاصطناعي الحالي حول نموذج استخراجي، مغلق. يتم تجميع كميات ضخمة من المعرفة البشرية من الويب، وامتصاصها في أنابيب تعلم آلي مركزية، وتحويلها إلى أصول تجارية. ومع ذلك، فإن منشئي البيانات الأصليين—المجتمع—يختفون من سلسلة القيمة بمجرد انتهاء تنفيذ سكريبت التدريب.
لبناء اقتصاد تعلم آلي مستدام، لامركزي، نحتاج إلى أكثر من مجرد قوة GPU خام أو حوافز رمزية أساسية. نحتاج إلى شفافية قابلة للتحقق وبرمجية. وهنا يأتي دور @OpenLedger r (https://www.binance.com/en/square/profile/openledger) مع طبقة التنفيذ الخاصة به المبنية على إيثريوم Layer 2، مما يقدم تحولًا هيكليًا يسمونه Payable AI.
فكّ جوهر الفكرة: ما هو إثبات الإسناد؟
في قلب منظومة #OpenLedger تمامًا توجد آلية إثبات الإسناد (PoA). تعمل هذه الآلية التشفيرية كدفتر أستاذٍ قابلٍ للتحقق يربط سلوك النموذج مباشرةً بمدخلات التدريب التي أثّرته. بدلًا من أن تختفي البيانات ببساطة داخل معاملات شبكة عصبية، تتعامل PoA مع البيانات كأصلٍ ديناميكي من الدرجة الأولى داخل السلسلة
يتعامل البروتوكول مع هذا الإسناد عبر أحجام مختلفة من النماذج باستخدام نهجٍ مزدوجٍ متقدم:
تقريبات دالة التأثير: بالنسبة للنماذج الأصغر والأكثر تخصصًا، يتم استخدام طرق رياضية معتمدة على التدرّج لحساب بدقة مقدار تأثير إزالة نقطة بيانات واحدة على فقدان النموذج مقابل تنبؤ معيّن.
إسناد السمات بناءً على مصفوفة اللواحق: بالنسبة للنماذج اللغوية الكبيرة الضخمة (LLMs)، تتم إعادة الرجوع بين المخرجات وتمثيلٍ مضغوطٍ للمجموعة التدريبية الأساسية لتتبع المقاطع التي تم حفظها