Proof of Attribution（PoA）的中文是 归因证明 ，核心关键词是 可解释性 和 可支付性 。

Banyak orang merasa pusing saat melihat istilah ini. Secara sederhana, bukti atribusi adalah menjelaskan hubungan antara keluaran model dan data pelatihan. Tujuannya adalah untuk membuat AI tahu siapa yang menyediakan data, serta data apa yang disediakan, ini adalah kunci untuk dapat dijelaskan.

✍️ Untuk model besar/kecil, ada dua metode atribusi:
💠 Atribusi gradien (cocok untuk model kecil)
Mirip dengan cara dokter menanyakan tentang gejala, misalnya "Jika pasien tidak diberi hormon, apa efek pengobatannya?", "Jika dilakukan operasi, apakah bisa disembuhkan sepenuhnya?"

Jika diterapkan pada AI, tujuannya adalah untuk mengetahui seberapa besar pengaruh satu sampel pelatihan tertentu terhadap hasil prediksi model. Nilai akhir yang didapat merepresentasikan tingkat kontribusi sampel tersebut. Cocok untuk model kecil hasil fine-tuning khusus komunitas.

💠Penelusuran atribusi Infini-gram (cocok untuk model bahasa besar)
Bayangkan ini seperti “sistem pemeriksa plagiarisme” dalam sebuah karya ilmiah: sistem akan membantu menemukan paragraf yang mirip dalam literatur dan memberinya penanda (tag).

Semua kumpulan konten data pelatihan digabungkan menjadi satu mesin super. Setelah model menghasilkan sebuah bagian konten, ia akan mencari kecocokan di dalam mesin tersebut. Jika ditemukan konten yang sangat cocok, maka akan dinilai bahwa data tersebut memengaruhi output model (berkontribusi).

📙Setiap institusi punya basis datanya sendiri. Database unik OpenLedger bernama “DataNet”.

DataNet adalah repositori referensi khusus topik. Setiap data konten yang terdaftar akan disimpan secara offline, tetapi metadata dan nilai hash yang terkait akan diunggah ke blockchain.

Yang menarik, di komunitas siapa pun bisa memberikan komentar/pertanyaan terhadap konten yang sudah ada. Ini memberi saya rasa seperti “Wikipedia” yang ada di blockchain.

🔆Karakteristik Payable juga ikut terlihat: selama data yang kamu berikan memengaruhi isi output dari model AI untuk suatu waktu di masa depan, kamu akan memperoleh tingkat kontribusi, sehingga selanjutnya bisa mendapatkan pendapatan.

🌟Jika kamu benar-benar sudah membaca seluruh konten di atas, kamu akan menyadari bahwa potensi PoA itu tidak terbatas. Ini akan membantu model untuk mencatat setiap kali pelatihan dan inferensi yang melibatkan waktu, versi, serta data yang digunakan, dan juga bisa lebih lanjut memperinci hadiah serta bobot tata kelola berdasarkan label seperti bidang, kualitas, dan sebagainya.