兄弟たち、俺は以前、小さなチームで人のためにモデル作りを手伝ってた。チームは5人だけで、各自が別々にデータを扱ってたんだ。ところが一度、2人が同じオープンデータセットをアップロードしたことがあった。ただ、クリーニング方法が違っただけ。で、後でモデルを回した結果が一致しなかった。誰も自分のデータが原因だと認めない。最後は3日間揉めて、プロジェクトは頓挫した。
今振り返ると、@OpenLedger あのオンチェーンのバージョン管理がまさにこの病気を治すんだ。アップロードされるデータごとにタイムスタンプがあり、指紋（フィンガープリント）もある。誰がどの版を送ったのかがはっきり分かる。モデルの学習で参照しているのはどのバージョンのデータか、オンチェーンで調べればすぐ分かる。昔の俺たちみたいに、全部Excelの表に頼ってて、ファイル名を変えただけで新バージョンだと言い張るようなやり方とは違う。
俺はそのアトリビューション（帰属）記録の保存方式を丁寧に見たんだ。単にハッシュを1つ保存するだけじゃなくて、データの基本メタ情報も一緒に保存してる。たとえばデータ量、フォーマット、アップローダーのアドレス。元の中身は見えないけど、照合には十分だ。あなたが貢献したバージョンが、後のどのモデルで使われたか、どれだけの $OPEN の収益が発生したかも、すべて追跡できる。
これは、大玉（ビットコインのことか？）やイーサリアムの台帳の考え方と同じだ。1つ1つの取引（入力）に出どころがある。違うのは、大玉はダブルスプラッシュ（同一資産の二重使用）を防ぐためで、#OpenLedger は功績のなりすまし（不正な取り込み）を防ぐため。明らかにあなたが先に送ったデータでも、相手が1日遅れて送ったのに、フォーマットがより整ってるから優先採用されて、あなたの貢献が薄められてしまう。これ、従来のプラットフォームでは言い分を通す場所がない。でもオンチェーンのタイムスタンプを出せば、先か後かが一目瞭然だ。
もちろん俺も考えてる。もし誰かが故意に、あなたの前に似たデータをアップロードしたら？ たとえそれが直接の剽窃じゃなくても、客観的にあなたの功績を分け取ってしまう。この算定をどうするのか。ホワイトペーパーでは細かく書かれてない。たぶんコミュニティでルールを決めるしかない。でも少なくとも、今は証拠を提示できる場所がある。昔みたいに、理不尽を訴える場所すら見つからない、という状況ではない