Приходит момент в каждом технологическом цикле, когда язык начинает пахнуть слишком чисто.
Ты слышишь это в питч-деклах.
Ты видишь это в постах о запуске.
Ты почти чувствуешь это в формулировках.
Все это "инфраструктура." Все это "будущее собственности." Каждый новый проект, похоже, здесь для того, чтобы исправить интернет, банковское дело, игры, AI, идентичность, труд, а может быть, даже твой Wi-Fi роутер.
Мне надоело такое говорение.
Так давай поговорим об OpenLedger, не приукрашая его как чудо.
В центре всего этого OpenLedger пытается решить настоящую проблему в AI: люди, данные и сообщества помогают создавать ценность, но как только машина начинает выдавать полезные результаты, большинство этих участников исчезает из истории. Модель получает похвалу. Приложение привлекает пользователей. Платформа собирает деньги. Люди, которые помогли сформировать систему, воспринимаются как фоновый шум.
Вот тут-то и возникает неприятный момент.
В OpenLedger считают, что так продолжаться вечно не может. Ни с моральной точки зрения, ни с экономической. И, возможно, даже не с юридической.
Именно здесь проект заслуживает внимания.
Не из-за бренда. Не из-за сложных слов. А из-за внутренней структуры.
Сейчас функции стоят недорого.
Несколько лет назад запуск продукта на основе ИИ казался впечатляющим событием. Сейчас же, честно говоря, многие могут создать чат-бота, подключить его к API, добавить удобную панель управления и назвать это платформой еще до конца выходных.
Это может прозвучать грубо.
Это также недалеко от истины.
Искусственный интеллект сейчас полон функций. Загрузите это. Доработайте то. Разверните агента. Спросите модель. Сгенерируйте рабочий процесс. Создайте инструмент, который подводит итоги вашей почты, пишет ваши посты, планирует ваш день, и все равно почему-то терпит неудачу, когда вы говорите: «Сделайте так, чтобы это звучало более по-человечески».
Конечно, функциональность имеет значение. Плохое программное обеспечение всё равно остаётся плохим программным обеспечением. Никто не хочет использовать что-то неуклюжее только потому, что идея, лежащая в его основе, кажется умной.
Но одних лишь функций уже недостаточно.
Более сложный вопрос: кто на самом деле получает оплату, когда система работает?
Именно здесь OpenLedger начинает восприниматься не как очередной инструмент искусственного интеллекта, а скорее как попытка создать нечто более глубокое. Он не просто просит людей создавать модели, агентов или наборы данных. Он задается вопросом, можно ли вообще увидеть тех, кто предоставляет данные, контекст и улучшения.
И быть замеченным — это не пустяковое дело.
В сфере искусственного интеллекта быть замеченным может означать деньги. Это может означать владение. Это может означать рычаги влияния. Это может означать разницу между участием в создании машины и тем, чтобы быть тихо поглощенным ею.
У ИИ проблемы с памятью.
Системы искусственного интеллекта способны запоминать очень многое.
Они запоминают закономерности. Они запоминают стили. Они умеют писать код, объяснять юридические документы, отвечать на вопросы, имитировать интонации и создавать уверенные абзацы, даже когда им, вероятно, следовало бы замедлить темп.
Но большинство систем искусственного интеллекта не помнят, кому они должны.
Они не указывают четко, какой именно набор данных помог сформировать ответ. Они не говорят участнику: «Ваша работа улучшила эту модель, и теперь эта модель приносит деньги». Обычно они не возвращают ценность тем, чьи знания сделали систему полезной.
OpenLedger стремится перенести механизм атрибуции ближе к центру системы.
Слово «атрибуция» звучит скучно. Оно ассоциируется с научной статьей или спором об авторских правах. Но в сфере искусственного интеллекта оно может стать одним из важнейших экономических вопросов следующего десятилетия.
Потому что если ИИ будет и дальше подпитываться интернетом, поведением пользователей, экспертными знаниями, данными сообществ и человеческим творчеством, то рано или поздно кто-нибудь задаст очень простой вопрос:
Кому принадлежит это блюдо?
И ответ "платформа владеет этим" вряд ли будет приемлемым для людей навсегда.
Доказательство авторства — это настоящая история.
В OpenLedger обсуждается принцип подтверждения авторства (Proof of Attribution). Именно здесь проект становится интересным.
Не потому, что каждый криптопроект, заявляющий о «доказательстве чего-либо», заслуживает аплодисментов. Многие этого не заслуживают. Криптовалютная индустрия годами использовала слово «доказательство» для идей, которые не нуждались в токене, блокчейне или драматическом манифесте.
Мы уже видели этот фильм.
Концовка не всегда была приятной.
Но атрибуция в ИИ — это не обман. Это реальная проблема.
Если набор данных улучшает модель, этот вклад должен быть отслеживаемым. Если модель создает ценность благодаря определенным обучающим входным данным, должен существовать способ понять это влияние. Если люди создают полезные сети данных, они не должны становиться невидимыми, как только начинают поступать деньги.
В этом и заключается обещание.
Самое сложное — заставить это работать вне рамок красивой схемы.
Определение авторства — сложная задача. Модели ИИ — это не простые машины, где один вход приводит к одному чистому результату. Влияние может быть косвенным. Данные пересекаются. Качество не всегда легко измерить. Некоторые участники приносят реальную пользу. Другие же просто бросают мусор и называют это участием.
Таким образом, настоящий вопрос заключается не в том, может ли OpenLedger утверждать, что атрибуция имеет значение.
Это может сказать кто угодно.
Главный вопрос заключается в том, сможет ли OpenLedger сделать атрибуцию достаточно полезной, чтобы серьёзные разработчики действительно могли на неё полагаться.
Это гораздо более высокая планка.
Датасети: по сути, организованные усилия человека.
Идея OpenLedger о датанетах заслуживает внимания.
По сути, датанет — это структурированный массив данных, созданный для определенной цели. Простая идея. Возможно, даже слишком простая.
Но простота не означает слабость.
Большая часть работы с данными для ИИ проходит за кулисами, и это выглядит довольно некрасиво. Люди чистят данные. Помечают данные. Проверяют данные. Удаляют некорректные записи. Добавляют недостающий контекст. Исправляют странные крайние случаи. Привлекают знания из предметной области. Споры о том, что считать качественным. А потом, после эффектной демонстрации продукта, все ведут себя так, будто интеллект свалился с неба.
Нет.
Сеть данных делает часть этой работы более наглядной. По крайней мере, такова задумка.
Представьте себе группу людей, создающих набор данных в узкой области: игровое поведение, риски в сфере DeFi, местное сельское хозяйство, рабочие процессы в здравоохранении, поддержка клиентов, логистика, перевод языков или что-либо еще, где контекст имеет значение.
Суть не просто в «большем количестве данных».
У нас и так уже слишком много цифрового мусора.
Суть в более качественных данных.
Более конкретные данные. Более полезные. Более достоверные. Более тесно связанные с реальной проблемой.
Это важно, потому что следующий этап развития ИИ, вероятно, будет посвящен не только гигантским универсальным моделям. Большие модели по-прежнему будут иметь значение, да. Но значительная часть ценного ИИ может быть меньше, точнее и обучена для решения очень специфических задач.
Миру нужна не одна огромная модель, которая в общих чертах понимает всё.
Необходимы системы, которые понимают, какую работу люди выполняют на самом деле.
Вопрос о праве собственности, который никто не должен упускать из виду.
Вот тут-то у меня и возникают сомнения.
В криптоиндустрии обожают слово «собственность». Возможно, это одно из самых любимых слов в отрасли. Владейте своими активами. Владейте своей личностью. Владейте своими данными. Владейте своими игровыми предметами. Владейте своей цифровой жизнью.
Звучит отлично.
Но право собственности имеет значение только тогда, когда возникают трудности.
Можно ли уйти? Можно ли передать то, что вам принадлежит? Можно ли зарабатывать, не спрашивая разрешения у платформы? Могут ли правила измениться в одночасье? Кто контролирует интерфейс? Кто контролирует систему поощрений? Кто решает, какие данные ценны, а каких участников следует игнорировать?
Это не пустяковые вопросы.
Если OpenLedger обеспечивает вкладчикам реальную отслеживаемость и реальное экономическое участие, то он делает что-то значимое. Но если он превращается в очередную игру в стиле «баллов», где пользователи пополняют систему и ждут будущих вознаграждений, то мы уже видели подобную историю.
Другой логотип. Тот же ковер.
Настоящее испытание наступит, когда рыночный ажиотаж спадёт.
На бычьем рынке всё выглядит разумно. На медвежьем рынке задают более важные вопросы.
Почему это важно за пределами крипто-пузыря
Распространённая ошибка — отнести OpenLedger к категории «Web3 плюс ИИ» и двигаться дальше.
В этой категории и так уже слишком много шума. Если упомянуть ИИ и блокчейн в одном предложении, люди вдруг начнут строить фразы, которые никто никогда не произнес бы за кухонным столом.
Но проблема, лежащая в основе всего этого, гораздо шире, чем просто криптовалюта.
Искусственный интеллект создает проблему распределения ценности во многих отраслях. Компании хотят более совершенных моделей. Разработчики хотят более совершенных инструментов. Пользователи хотят полезных продуктов. Но люди, предоставляющие данные, экспертные знания, обратную связь и контекст, часто отходят на второй план.
Подумайте о здравоохранении. Полезный ИИ-помощник может опираться на медицинские знания, клинические закономерности и тщательно структурированную информацию. Кому будет присуждена заслуга?
Подумайте об образовании. Модель обучения может формироваться учителями, разработчиками учебных программ, учениками и механизмами обратной связи. Кто от этого выигрывает?
Подумайте о финансах. Модели оценки рисков основаны на сигналах, историческом поведении и экспертной интерпретации. Кому принадлежит информация, полученная на основе всего этого?
В настоящий момент ответ часто прост:
Тот, кто контролирует платформу.
Этот ответ может оказаться неактуальным в будущем.
OpenLedger пытается предложить другой путь: отслеживать входящие потоки, указывать вкладчиков и позволять ценности возвращаться в систему.
Мне нравится их амбициозность.
Я просто не доверяю амбициям как таковым.
Чему на самом деле должны научиться строители из этого.
Первый урок заключается в том, что данные — это уже не просто сырье. Это стратегия.
Не все данные. Большая часть данных — это шум. Но чистые, конкретные, хорошо организованные данные с высоким содержанием полезной информации? Это может стать настоящим преимуществом.
Второй урок заключается в том, что к атрибуции не следует относиться как к наклейке, добавленной после запуска. Если доверие имеет значение, атрибуция должна быть частью системы с самого начала.
Третий урок заключается в том, что сообщества — это не просто аудитория. Они могут способствовать развитию интеллекта. Это может звучать несколько холодно, но это правда. Более удачный вариант: сообщества могут способствовать созданию полезных систем и получать от этого выгоду.
Четвертый урок оказался более неприятным.
Если ваш продукт на основе ИИ зависит от знаний, поведения, текстов, отзывов или данных других людей, и вы планируете присвоить всю ценность себе, то, возможно, вы строите его, используя заемное время.
Возможно, регулирующие органы это заметят. Возможно, пользователи уйдут. Возможно, конкуренты предложат более справедливые системы поощрения. А может, какое-то время ничего не произойдёт.
Последний признак обычно объясняет, почему плохие системы существуют дольше, чем должны.
В ближайшие пять лет чат-боты будут играть менее важную роль.
Я не думаю, что все самые важные продукты в области искусственного интеллекта в следующем десятилетии будут выглядеть как окна чата.
Некоторые согласятся. Многие — нет.
Искусственный интеллект проникнет в рабочие процессы, агентов, инфраструктуру, торговые площадки, игры, исследовательские инструменты, финансовые системы и даже в скучные внутренние процессы, о которых никто не пишет в Твиттере. Он станет менее заметным, но более влиятельным. И обычно, когда технологии становятся менее заметными, ответственность становится важнее, а не менее.
Если OpenLedger прав, то экономике ИИ необходим какой-то уровень учета. Не для показухи о собственности. Для реального происхождения. Для платежей. Для доверия. Для того, чтобы знать, является ли интеллект модели результатом качественной работы или огромной кучей необработанного шума.
Но риски реальны.
Атрибуцию можно обмануть. Стимулы привлекают фермеров. Токеновые награды могут искажать поведение. Сообщества могут превратиться в зоны добычи ресурсов с более привлекательным брендингом. А если продукт слишком сложен в использовании, им будут интересны только посвященные.
Это снова старая проблема криптовалют.
Идея может быть хорошей. Но пользоваться системой всё равно может быть неудобно.
Самое сложное — не запуск инструментов.
OpenLedger может запускать продукты. Он может создавать студии искусственного интеллекта, инструменты моделирования, сети передачи данных, системы атрибуции и инфраструктуру агентов.
Отлично.
Самое сложное — убедить людей в том, что правила будут действовать.
Именно это отличает программное обеспечение от систем. Программное обеспечение может отлично выглядеть в демонстрации. Система же должна продолжать работать, когда стимулы становятся невыгодными, пользователи становятся умнее, рынки замедляются, а внимание переключается на что-то другое.
Я постоянно к этому возвращаюсь.
OpenLedger не представляет интереса, потому что в нём говорится о необходимости монетизации данных, полученных с помощью ИИ. Многие так считают.
Это интересно, потому что указывает на более сложный вопрос:
Можем ли мы создать системы искусственного интеллекта, которые будут помнить, кто помог им стать ценными?
Потому что если мы этого не сделаем, то будущее искусственного интеллекта начнет выглядеть очень знакомо.
Рельсы принадлежат нескольким платформам.
Все остальные поставляют сырье.
Тогда мы назовем это прогрессом.
Я бы предпочёл этого не делать.