بصراحة، ما يبدو أنه سلاسل الإمداد اللي ألفناها.

ما في شاحنات نتبعها.
ما في مستودعات بالمعنى الواضح.
ما في قطع فعلية تنتقل من مصنع لآخر.

لكن فيه شيء عم يتجمع.

نموذج متدرب على المعلومات.
مجموعة بيانات تم تنظيفها وتشكيلها.
نموذج أصغر تم ضبطه لمهمة واحدة.
عميل موصول بالأدوات.
تم اختبار سير العمل مرة ومرات.
إنسان يصحح المخرجات حتى تصبح مفيدة.

وبعدين، في النهاية، شخص بيشوف نتيجة بسيطة.

إجابة.
تقرير.
قرار.
مهمة مكتملة.
جزء من الأتمتة يبدو سلسًا.

المخرجات النهائية تبدو نظيفة.

لكن سلسلة الإمداد التي تقف وراءها ليست كذلك.

وهنا @OpenLedger يصبح مثيرًا للاهتمام من زاوية أخرى.

ليس كمشروع ذكاء اصطناعي صاخب. بل كطريقة للتفكير في السلسلة الخفية وراء قيمة الذكاء الاصطناعي.

لأنك عندما تنظر عن قرب، لا يخلق الذكاء الاصطناعي القيمة من مكان واحد. بل يستمدها من أماكن متعددة، وغالبًا بصمت. بيانات من مصدر، ونماذج من مصدر آخر، ومنطق الوكلاء من مصدر آخر، وتغذية راجعة من المستخدمين، ومعرفة تخصصية من الفرق، وأدوات من أنظمة خارجية.

قد تبدو النتيجة شيئًا واحدًا، لكنها مبنية من أشياء كثيرة.

يمكنك عادة أن تدرك ذلك عندما يعمل منتج ذكاء اصطناعي بشكل جيد في سياق محدد. فليس السبب فقط أن النموذج الأساسي جيد. بل لأن النظام يملك السياق المناسب، والأمثلة المناسبة، والقواعد المناسبة، والاتصال المناسب بسير العمل.

هذا لا يحدث بالصدفة.

في مكان ما خلف المخرجات، توجد سلسلة من المساهمات.

المشكلة أن هذه السلسلة يصعب رؤيتها.

وعندما يصعب رؤيتها، يصعب مكافأتها.

هذه هي المشكلة البسيطة التي يبدو أن OpenLedger يحاول الالتفاف حولها. فهو يعامل البيانات والنماذج والوكلاء بوصفهم أجزاء من سلسلة إمداد للذكاء الاصطناعي ينبغي أن تكون لها سجلات واستخدام ومسار نحو تحقيق الدخل. #IBITLiquidation$1.26B

لن يكون كل جزء ذا قيمة.
ولن تستحق كل مجموعة بيانات سوقًا.
ولن يُستخدم كل نموذج.
ولن يخلق كل وكيل طلبًا حقيقيًا.

لكن الأجزاء التي تهم تحتاج إلى طريقة تبقيها مرئية.

وهنا يبدأ الأمر في أن يصبح مثيرًا للاهتمام.

في سلاسل الإمداد التقليدية، يهتم الناس بالأصل. يهتمون من أين جاء الشيء، ومن تعامل معه، وهل يفي بمعايير معينة، وكيف تنتقل القيمة عبر السلسلة. والذكاء الاصطناعي بدأ يحتاج إلى نسخة من ذلك.

من أين جاءت هذه البيانات؟
أي نموذج شكّل المخرجات؟
أي وكيل أنجز المهمة؟
من أتاح الوصول إلى المعرفة الكامنة وراءها؟
هل استُخدمت الأصول مرة واحدة، أم أنها تواصل خلق القيمة مع مرور الوقت؟ $PLAY

قد تبدو هذه الأسئلة تقنية، لكنها في الحقيقة أسئلة اقتصادية.

إذا أصبح الذكاء الاصطناعي جزءًا من عمليات الأعمال الحقيقية، فسيحتاج الناس إلى أكثر من مجرد مخرجات. سيحتاجون إلى المساءلة. وسيحتاجون إلى الحقوق. وسيحتاجون إلى السجلات. وسيحتاج المساهمون إلى معرفة ما إذا كان لجزءهم من السلسلة أهمية بعد أن يغادر أيديهم.

دور OpenLedger هو جعل هذه السلسلة أقل ضبابية.

يمكن أن تمتلك مجموعة البيانات سجلًا.
ويمكن للنموذج أن يحمل تاريخ استخدامه الخاص.
ويمكن ربط الوكيل بالعمل الذي ينفذه.
ويمكن أن تنتقل المكافآت عائدًا عبر السلسلة عندما تُخلق القيمة.

هذا لا يعني أن كل شيء يصبح بسيطًا.

سلاسل الإمداد فوضوية في العالم المادي، وقد تكون سلاسل إمداد الذكاء الاصطناعي أكثر فوضوية. يمكن نسخ البيانات. ويمكن دمج النماذج. ويمكن أن تعتمد الوكلاء على أدوات كثيرة في الوقت نفسه. والمساهمة ليس من السهل دائمًا قياسها. أحيانًا يكون لجزء واحد أهمية كبيرة. وأحيانًا تكاد أهميته لا تُذكر. $PORTAL

لذا فالصعب ليس في التتبع فقط.

بل في تحديد ما الذي يعنيه هذا التتبع.

ومع ذلك، فإن عدم وجود سجل على الإطلاق مشكلة بحد ذاته.

من دون بنية، تمتص المنصة النهائية القيمة عادةً. تصبح البيانات غير مرئية. ويصبح النموذج تفصيلًا خلفيًا. ويصبح الوكيل ميزة. ويصبح من الصعب فصل الأشخاص أو الأنظمة التي ساعدت في تشكيل الذكاء عن المنتج النهائي.

وهكذا تتركز القيمة بهدوء.

#OpenLedger يبدو أنه يشير إلى مسار مختلف.

ليس مسارًا مثاليًا. بل مجرد مسار يمكن فيه للأجزاء التي تقف وراء الذكاء الاصطناعي أن تظل مرتبطة بمصدرها مدة أطول. فلا يجب أن تختفي قطعة من البيانات بعد استخدامها. ولا يجب أن يصبح النموذج بنية تحتية مجهولة. ولا يجب أن يفقد الوكيل هويته داخل سير عمل شخص آخر.

يمكن لكل جزء أن يكون له مكان في السجل.

وربما يصبح هذا السجل أكثر أهمية مع انتقال الذكاء الاصطناعي من العروض التجريبية إلى العمل الفعلي.

لأن الناس في العمل الحقيقي يهتمون بالموثوقية. ويهتمون بمصدر القرارات. ويهتمون بمن يملك ماذا. ويهتمون بما إذا كان يمكن الوثوق بالنظام بما يكفي للاستمرار في استخدامه.

وكلما لمس الذكاء الاصطناعي المال والامتثال والعمليات والبحث والأتمتة أكثر، أصبحت سلسلة إمداده أكثر أهمية.

هذه هي الطريقة الأهدأ لرؤية OpenLedger.

فهو لا يحاول فقط تحرير السيولة.

بل يحاول جعل سلسلة إمداد قيمة الذكاء الاصطناعي أسهل في التتبع.

وربما هنا ينتقل الحديث ببطء إلى المرحلة التالية.

ليس فقط ما الذي يمكن للذكاء الاصطناعي إنتاجه.

بل ما الذي كان يقف وراءه قبل أن تظهر المخرجات.

@OpenLedger #OpenLedger $OPEN