Irmãos, no passado eu ajudava pessoas a fazer modelos num time pequeno. O time tinha só cinco pessoas, cada um cuidava dos próprios dados. Teve uma vez em que duas pessoas enviaram a mesma versão de um conjunto de dados aberto, só que com métodos de limpeza diferentes. No fim, os resultados do modelo não batiam. Ninguém admitia que o problema era nos próprios dados. Ficaram brigando por três dias, e o projeto acabou morrendo.
Agora, olhando para trás, @OpenLedger : aquele modelo de gerenciamento de versões na cadeia resolve exatamente esse tipo de doença. Cada conjunto de dados enviado tem um timestamp, tem uma “impressão digital”. Fica claro, de forma bem transparente, quem enviou qual versão. Durante o treino do modelo, fica referenciada qual versão dos dados foi usada. Consultando na cadeia, você sabe na hora. Não é como a gente na época, que dependia só de planilhas do Excel: mudava o nome do arquivo e dizia que era a “nova versão”.
Eu analisei com cuidado o jeito como eles armazenam os registros de atribuição: não guardam apenas um hash. Também guardam metadados básicos dos dados, por exemplo, tamanho do conjunto, formato, endereço do remetente/usuário que enviou. Mesmo sem ver o conteúdo original, isso já é o suficiente para fazer conferência. Qual versão que você contribuiu foi usada por qual modelo depois, quanto foi produzido e quanto rendeu $OPEN — tudo dá para rastrear.
É como a ideia do livro-razão do Bitcoin e do Ethereum: cada transação dá para encontrar a origem. Só que, no caso do Bitcoin, a proteção é contra gasto duplo; em #OpenLedger , a proteção é contra atribuírem a autoria do trabalho a quem não fez. Você enviou primeiro os dados, e alguém enviou uma versão parecida um dia depois; mesmo assim, por causa do formato mais “bem feito”, a deles acaba sendo priorizado. Sua contribuição é diluída. No sistema tradicional, não tem onde reivindicar. Mas na cadeia, com o timestamp, fica óbvio quem foi primeiro e quem foi depois.
Claro que eu também penso: e se alguém, de propósito, enviar antes de você dados parecidos? Mesmo que não seja copiar literalmente, de forma objetiva isso divide a sua contribuição. Como isso é contado? O white paper não explica em detalhes. Provavelmente é a comunidade que vai definir as regras. Mas pelo menos agora existe um lugar onde dá para colocar as provas, ao contrário de antes, em que nem um lugar para reclamar injustiça tinha.
Agora, olhando para trás, @OpenLedger : aquele modelo de gerenciamento de versões na cadeia resolve exatamente esse tipo de doença. Cada conjunto de dados enviado tem um timestamp, tem uma “impressão digital”. Fica claro, de forma bem transparente, quem enviou qual versão. Durante o treino do modelo, fica referenciada qual versão dos dados foi usada. Consultando na cadeia, você sabe na hora. Não é como a gente na época, que dependia só de planilhas do Excel: mudava o nome do arquivo e dizia que era a “nova versão”.
Eu analisei com cuidado o jeito como eles armazenam os registros de atribuição: não guardam apenas um hash. Também guardam metadados básicos dos dados, por exemplo, tamanho do conjunto, formato, endereço do remetente/usuário que enviou. Mesmo sem ver o conteúdo original, isso já é o suficiente para fazer conferência. Qual versão que você contribuiu foi usada por qual modelo depois, quanto foi produzido e quanto rendeu $OPEN — tudo dá para rastrear.
É como a ideia do livro-razão do Bitcoin e do Ethereum: cada transação dá para encontrar a origem. Só que, no caso do Bitcoin, a proteção é contra gasto duplo; em #OpenLedger , a proteção é contra atribuírem a autoria do trabalho a quem não fez. Você enviou primeiro os dados, e alguém enviou uma versão parecida um dia depois; mesmo assim, por causa do formato mais “bem feito”, a deles acaba sendo priorizado. Sua contribuição é diluída. No sistema tradicional, não tem onde reivindicar. Mas na cadeia, com o timestamp, fica óbvio quem foi primeiro e quem foi depois.
Claro que eu também penso: e se alguém, de propósito, enviar antes de você dados parecidos? Mesmo que não seja copiar literalmente, de forma objetiva isso divide a sua contribuição. Como isso é contado? O white paper não explica em detalhes. Provavelmente é a comunidade que vai definir as regras. Mas pelo menos agora existe um lugar onde dá para colocar as provas, ao contrário de antes, em que nem um lugar para reclamar injustiça tinha.