Вчера я зашортил биток на 74120 с 3x плечом. Только открыл шорт на альт, как биток резко вернулся. Биток тоже отскочил до 76200. Я вручную закрыл позицию с убытком 15%. Больно потерять такую сумму.
После этого я вспомнил о задаче, которую выполнял на одной платформе по аннотации данных. Эта платформа заставила меня размечать три тысячи картинок и выдала всего 200 долларов. В итоге, через полгода я обнаружил, что они продали этот набор данных трем AI-компаниям, и каждая из них его использует. Я не получил ни копейки за это. Такое чувство, что меня обманули, хуже, чем ликвидация.
Эта ситуация заставила меня по-новому взглянуть на дизайн Datanets от OpenLedger. Он требует, чтобы каждый набор данных при сдаче обязательно содержал полный хэш версии и временную метку, а также каждый раз, когда данные используются для дообучения или вывода, будет создаваться новая связанная запись в блокчейне. Проще говоря, ты можешь отследить, кто использовал твои данные, сколько раз и сколько расходов на вывод было сгенерировано. Все это можно проверить $OPEN .
Я специально изучил реализацию их доказательства атрибуции. Каждый раз, когда модель выдает результат, она будет вычислять, какие точки данных внесли наибольший вклад, и история вклада этих точек неизменна. Ты не можешь, как на Web2 платформах, сказать "данные анонимизированы" и избавиться от ответственности за распределение. Записи в блокчейне говорят сами за себя, сколько должно быть распределено, столько и будет.
Сравнивая с UTXO моделью битка, каждую транзакцию можно отследить по источнику. OpenLedger применил ту же логику к потоку данных. Твои данные, как UTXO, можно отследить, куда бы они ни пошли. Записи трансферов ERC20 альта тоже прозрачные, но это поток денег, а это - поток ценности данных, который сложнее количественно оценить. Но OpenLedger смог это оценить с помощью баллов влияния.
Конечно, у меня есть опасения. Такой полный трекинг требует высокой нагрузки на хранение в блокчейне. Каждый раз при выводе записываются все точки данных, что может привести к взрыву объема данных. В белой книге упоминается о сжатии с использованием приближенных алгоритмов, но не потеряется ли точность при сжатии, я еще не видел реальных данных @OpenLedger .
Если точность не удастся сохранить, могут возникнуть споры о распределении. Я подожду, когда платформа запустится, и проверю несколько записей вывода, прежде чем решать, инвестировать ли.
Сегодня два вопроса, выберите один: #OpenLedger .