aialignmen

எனக்கு @OpenLedger சுவாரசியமாகத் தோன்றுவதன் காரணம், பல திட்டங்கள் தவிர்க்கும் ஒரு கோணத்திலிருந்து—அதாவது entropy (குழப்பநிலை)—AI-யை அணுகுவதாக இருப்பதுதான்.
AI அமைப்புகள் அளவுபெறும்போது, செயற்கை உள்ளடக்கங்கள் பெருகி, நகலெடுக்கப்பட்ட தரவுத்தொகுப்புகள் மற்றும் மறுமுறை உருவாக்கப்படும் சத்தம் ஆகியவற்றால் இணையம் நிறைந்து போகிறது. இனி பிரச்சினை தகவலை அணுகுவது அல்ல. அந்தத் தகவல் இன்னும் 'signal' (தெளிவான அர்த்தச் சிக்னல்) கொண்டிருக்கிறதா என்பதை சரிபார்ப்பதே பிரச்சினை.
அது AI-யின் பொருளாதாரத்தை முற்றிலும் மாற்றுகிறது.
பல ஆண்டுகளாக, பெரிய மாடல்கள் தானாகவே சிறந்த முடிவுகளைத் தரும் என்று துறை கருதியது. ஆனால் மாடல் அளவுபெருக்கம் (scaling) செயல்திறன் வரம்புகளை (efficiency limits) ஏற்கனவே அடைந்து வருகிறது. பயிற்சி செலவுகள் அதிவேகமாக உயர்கின்றன; கிடைக்கும் முன்னேற்றம் (gains) மேலும் மேலும் குறைவாகவே வருகிறது. அதே நேரத்தில், மனிதனால் உருவாக்கப்படும் உயர்தர தரவு மேலும் மேலும் அரிதாகிறது; காரணம் AI அமைப்புகள் ஒரே மாதிரி தகவல் சுழற்சிகளை (information loops) மீண்டும் மீண்டும் உட்கொண்டு மறுபடியும் உருவாக்குவதால்.
அதே இடத்தில்தான் #OpenLedger பின்னால் இருக்கும் attribution layer—அடையாளிப்பு/பங்களிப்பு சுவடுகள்—மக்கள் நினைப்பதைவிட அதிக முக்கியத்துவம் பெறுகிறது.
பங்களிப்பாளர்கள், தரவுத்தொகுப்புகள், அறிவுத் தரவுச்சூறுகள் ஆகியவை AI pipeline-களுக்குள் பொருளாதார ரீதியாகக் கண்காணிக்கத்தக்கதாக (economically traceable) மாறினால், நம்பகமான தரவு மூலாதாரத்தின் (data provenance) தன்மைதான் போட்டித் திறனாக மாறக்கூடும். மிகப் பெரிய மாடல் அல்ல. மிகச் சத்தமான கதை அல்ல. மிகத் தூய்மையான சிக்னல்.
வரலாற்றில், ஒவ்வொரு பெரிய தகவல் பொருளாதாரமும் இறுதியில் சரிபார்ப்பு (verification) கட்டமைப்புகளை கட்டியது:
நிதி சந்தைகள் audits (ண்காணிப்புகள்) கட்டின,
இணையம் search ranking (தேடல் தரவரிசை) கட்டியது,
blockchains consensus (ஒருமித்த ஒப்புதல்) கட்டின.
AI இப்போது தன்னுடைய சொந்த verification காலத்தை நெருங்கிக் கொண்டிருக்கலாம்.
அதனால்தான் $OPEN ஒரு சாதாரண AI token கதையைப் போல குறைவாகவும், மாடல்கள், தரவு மற்றும் மனித பங்களிப்பு ஆகியவற்றுக்கிடையில் வரவிருக்கும் நம்பிக்கை நெருக்கடியைத் தீர்க்க முயற்சிக்கும் ஒரு முயற்சி போலவும் உணரப்படுகிறது.
#OpenLedger #AIInfrastructure #DataProvenance #SyntheticData #AIAlignmen