Hermanos, la noche del anteayer hicimos algo muy interesante. No fue un pump a un shitcoin ni un buy the dip, sino que le di feedback a un modelo en OpenLedger, algo así como RLHF. ¿Adivinen qué? No solo ayudé al modelo a corregir un error obvio, sino que también recibí una recompensa de $OPEN.
La cosa es así: ese día estaba navegando por el AI Studio de OpenLedger y vi un modelo recién desplegado. Parece que se dedica a clasificar entidades en la cadena. Simplemente ingresas una dirección y te dice si probablemente es un exchange, un ballena, un usuario normal o un bot. Me pareció bastante útil, así que decidí probarlo.
El resultado fue que introduje una dirección de wallet que yo uso habitualmente y el modelo me la clasificó como “presunto robot”. Me reí en el acto. Yo soy una persona real, operando manualmente; ¿cómo que tiene pinta de robot? Entonces hice clic en el botón de feedback para corregirlo. Subí el historial de interacciones manuales de mi dirección de los últimos tres meses y también escribí una explicación, explicando claramente por qué creía que era un usuario normal y no un robot.
En ese momento no pensé demasiado. Le di y seguí con mi actividad en otras cosas.
Entonces ayer por la tarde, al abrir la interfaz de OpenLedger, vi que el panel de notificaciones tenía un mensaje nuevo: decía que mi feedback había sido aceptado. El modelo hizo una recalibración en la dirección que yo proporcioné. El sistema me asignó una recompensa de incentivo de RLHF; serían como unos cuantos $OPEN . No es mucho, pero la sensación de ser reconocido, de verdad que se siente muy bien.
Revisé cómo se comportaban los modelos después de las actualizaciones. Volví a introducir mi dirección y esta vez acertó. Además, probé también direcciones de algunos amigos y la precisión subió un poco respecto a antes. Aunque fue solo un poco, al pensar que eso se debe a mi participación, la sensación de implicación es muy fuerte.
Ahí es donde esta mecánica de OpenLedger es impresionante. Antes, si el modelo era bueno o no, solo podías esperar a que la oficina oficial actualizara poco a poco. Si los usuarios daban opiniones, no sabías si los desarrolladores escucharon, y mucho menos si te darían dinero por tu feedback. Pero ahora es diferente: tú ayudas al modelo a corregir errores, el modelo se vuelve más inteligente y tú recibes la recompensa. Todo el proceso es verificable en la cadena: queda clarísimo quién hizo qué contribución.
Luego fui a probar varios otros modelos y me enfoqué en detectar sus fallos. Por ejemplo, había uno que no distinguía entre dos funcionalidades similares de un protocolo, así que marqué las diferencias y también les di algunas direcciones de ejemplo. Aunque no sé si después eso será adoptado, en cada envío de comentarios el sistema registra la huella de atribución de tu contribución. En el futuro, mientras el modelo mejore en esas direcciones, tienes la posibilidad de recibir una recompensa.
Esto supera muchísimo a cualquier sistema de puntos. Los puntos te los dan porque los pides a la plataforma. En cambio, la prueba de atribución es que haces una contribución y el sistema calcula automáticamente cuánto te corresponde. Las dos cosas tienen naturalezas completamente diferentes.
Hablemos también del agente inteligente Octoclaw. Recientemente descubrí que se puede enlazar con este feedback de RLHF. En el agente configuré una tarea de monitoreo, dedicada a vigilar esos modelos a los que les hice feedback. Así veo cómo cambian sus resultados en el futuro. Si en cierto tipo de direcciones mejora la precisión con la que hacen sus juicios, el agente lo registra automáticamente. Luego puedo comprobar si mi feedback tuvo efecto. Es como ver cómo crece poco a poco el árbol que sembraste.
Para ser sincero, antes mi actitud hacia la IA era solo usarla. Si no funcionaba, cambiaba por otra. Nunca pensé que yo también pudiera participar para ayudarla a mejorar. Pero OpenLedger derribó esa barrera. No necesitas entender código ni algoritmos: solo tienes que saber usar una wallet, observar y evaluar, y así puedes convertirte en parte del proceso de entrenamiento. Además, cada vez que haces una contribución, queda registro y tienes la oportunidad de monetizarlo.
Esas pocas que tenía nunca las he vendido @Openledger porque cada vez hay más usos para ellas. Para hacer staking de feedback hay que usarlas, para ajustar el modelo también, y para pagar las tarifas de inferencia igualmente. Además, a medida que aumentan mis participaciones, el sistema va acumulando poco a poco el peso de mis contribuciones que tiene registradas. En el futuro, cada vez que algún modelo llame a esos datos relacionados, todavía podré seguir recibiendo reparto. Es como plantar una semilla que te va dando resultados de forma continua.
Por último, menciono esto: ahora, el mundo de la blockchain se parece un poco al de aquellos días cuando $BTC y $ETH apenas acababan de salir. La infraestructura todavía se está construyendo y los participantes tienen oportunidades de capturar beneficios tempranos. Lo clave es encontrar los proyectos que realmente están haciendo cosas, y no los que solo gritan consignas. En mi opinión, OpenLedger es de los primeros #OpenLedger .
(Este artículo es un registro real de mi participación personal; no constituye ningún consejo de inversión. Hermanos, investiguen y juzguen por su cuenta.)