Anh em trước đây mình từng giúp người ta làm mô hình trong một đội nhỏ. Đội chỉ có năm người, mỗi người lo một mảng dữ liệu riêng. Kết quả là có lần, hai người tải lên cùng một bộ dữ liệu mã nguồn mở, nhưng cách làm sạch khác nhau. Sau đó chạy mô hình ra thì kết quả không khớp. Không ai chịu thừa nhận dữ liệu của mình có vấn đề. Cuối cùng cãi nhau suốt ba ngày, dự án coi như hỏng.
Giờ nhìn lại, @OpenLedger phiên bản quản lý phiên bản trên chuỗi vừa đúng kiểu có thể chữa được căn bệnh này. Mỗi lần upload dữ liệu đều có timestamp, có dấu vân tay. Rõ ràng ai đã truyền phiên bản nào, không mập mờ. Khi huấn luyện mô hình thì họ trích dẫn đúng phiên bản dữ liệu nào—chỉ cần tra trên chuỗi là biết ngay. Không giống hồi đó chúng mình toàn dựa vào bảng Excel, đổi tên file là nói đó là bản mới.
Mình xem kỹ cách hệ thống lưu bản ghi quy trách nhiệm của nó. Không chỉ lưu một hash duy nhất, mà còn lưu các siêu thông tin cơ bản của dữ liệu, ví dụ như kích thước dữ liệu, định dạng, địa chỉ người upload. Dù không xem được nội dung gốc, nhưng đủ để đối soát. Phiên bản bạn đóng góp sau này mô hình nào dùng, tạo ra bao nhiêu $OPEN lợi ích—tất cả đều truy vết được.
Cách này giống hệt tư duy sổ cái của bánh mì và Ether: mỗi lần ghi vào đều lần ra được nguồn gốc. Chỉ khác là bánh mì phòng chống chi tiêu hai lần, #OpenLedger phòng chống công lao bị nhận thay. Bạn rõ ràng là người truyền dữ liệu trước, người khác muộn hơn một ngày—nhưng vì format của anh ta chuẩn hơn nên lại được ưu tiên dùng. Công sức của bạn vì thế bị loãng đi. Trên nền tảng truyền thống thì không có chỗ nào để nói cho ra lẽ, nhưng timestamp trên chuỗi vừa bày ra là thấy ngay ai trước ai sau.
Tất nhiên mình cũng nghĩ: nếu một người cố tình upload trước bạn những dữ liệu tương tự—dù không phải đạo dữ liệu của bạn—nhưng về mặt khách quan vẫn lấy mất công của bạn. Vậy tính thế nào? Trong sách trắng không nói rõ. Chắc phải dựa vào việc cộng đồng đặt quy tắc. Nhưng ít nhất bây giờ đã có một nơi để đưa bằng chứng, không giống trước kia: ngay cả chỗ kêu oan cũng chẳng tìm đâu ra.
Giờ nhìn lại, @OpenLedger phiên bản quản lý phiên bản trên chuỗi vừa đúng kiểu có thể chữa được căn bệnh này. Mỗi lần upload dữ liệu đều có timestamp, có dấu vân tay. Rõ ràng ai đã truyền phiên bản nào, không mập mờ. Khi huấn luyện mô hình thì họ trích dẫn đúng phiên bản dữ liệu nào—chỉ cần tra trên chuỗi là biết ngay. Không giống hồi đó chúng mình toàn dựa vào bảng Excel, đổi tên file là nói đó là bản mới.
Mình xem kỹ cách hệ thống lưu bản ghi quy trách nhiệm của nó. Không chỉ lưu một hash duy nhất, mà còn lưu các siêu thông tin cơ bản của dữ liệu, ví dụ như kích thước dữ liệu, định dạng, địa chỉ người upload. Dù không xem được nội dung gốc, nhưng đủ để đối soát. Phiên bản bạn đóng góp sau này mô hình nào dùng, tạo ra bao nhiêu $OPEN lợi ích—tất cả đều truy vết được.
Cách này giống hệt tư duy sổ cái của bánh mì và Ether: mỗi lần ghi vào đều lần ra được nguồn gốc. Chỉ khác là bánh mì phòng chống chi tiêu hai lần, #OpenLedger phòng chống công lao bị nhận thay. Bạn rõ ràng là người truyền dữ liệu trước, người khác muộn hơn một ngày—nhưng vì format của anh ta chuẩn hơn nên lại được ưu tiên dùng. Công sức của bạn vì thế bị loãng đi. Trên nền tảng truyền thống thì không có chỗ nào để nói cho ra lẽ, nhưng timestamp trên chuỗi vừa bày ra là thấy ngay ai trước ai sau.
Tất nhiên mình cũng nghĩ: nếu một người cố tình upload trước bạn những dữ liệu tương tự—dù không phải đạo dữ liệu của bạn—nhưng về mặt khách quan vẫn lấy mất công của bạn. Vậy tính thế nào? Trong sách trắng không nói rõ. Chắc phải dựa vào việc cộng đồng đặt quy tắc. Nhưng ít nhất bây giờ đã có một nơi để đưa bằng chứng, không giống trước kia: ngay cả chỗ kêu oan cũng chẳng tìm đâu ra.