في الوقت الحاضر ، هناك الكثير من مشاريع الذكاء الاصطناعي ، وهناك الكثير من المفاهيم والأحجام. ولكن في النهاية ، يعتمد ما يمكن أن يبقى ثابتا على: القدرة على الهبوط + الاحترام الحقيقي لقيمة بيانات المستخدمين. يتحرك OpenLedger في هذا الاتجاه. لقد شاهدت مقابلات مع OpenLedger من قبل ، وكان أحد الأشياء التي أدهشني أكثر هو أنهم يقدرون المجتمع حقا. إنها ليست أهمية الصراخ بالشعارات ، ولكن في عملية تطوير المنتج ، والاعتماد على ملاحظات المجتمع للتكرار المستمر ، والمجتمع نفسه هو "البناء المشارك" لهذا المشروع. —————— ➤ حول OpenLedger @OpenLedger ▪️OpenLedger هو أول blockchain مصمم خصيصا ليشمل الذكاء الاصطناعي اللامركزي، مع التركيز على إطلاق العنان لسيولة البيانات والنماذج ووكلاء الذكاء الاصطناعي. ▪️ المشكلة الأساسية التي تريد حلها هي مشكلة "الصندوق الأسود للبيانات" في الذكاء الاصطناعي المركزي - إعادة حقوق ملكية البيانات ودخلها إلى المستخدمين أنفسهم. ▪️ تلقى المشروع تمويلا بقيمة 15 مليون دولار من أفضل المؤسسات مثل Polychain و HashKey و Finality ، وهو مدعوم من قبل OGs مثل EigenLayer و Polygon و Gitcoin. ▪️ أكملت شبكة الاختبار أكثر من 20 مليون معاملة ، وجنبا إلى جنب مع بنية DePIN + الذكاء الاصطناعي ، يتم التحقق من جدوى التعاون في النموذج والبيانات. —————— ➤ نموذج البيانات كلها بأحجام ، ما هي الاختلافات في OpenLedger؟ في العام الماضي ، ركزت معظم مشاريع الذكاء الاصطناعي للعملات المشفرة على "قوة الحوسبة" ، مثل وحدات معالجة الرسومات اللامركزية. ومع ذلك ، فإن العناصر الثلاثة لجهاز الذكاء الاصطناعي هي: البيانات = الوقود ، والنموذج = المحرك ، وقوة الحوسبة = الطاقة. ما يمكن تنفيذه وتحقيق الدخل منه هو البيانات والنموذج نفسه. اختارت OpenLedger مسارا أكثر واقعية ل "نشر النموذج + مشاركة أرباح المكالمات" ، بدلا من تجميع البحث العلمي بشكل أعمى وتكديس المعلمات. —————— ➤ SLM (نموذج اللغة الصغيرة) أكثر أهمية مما تعتقد لا يحتاج كل مشروع إلى نموذج كبير. تتميز SLM بتكلفة منخفضة وضبط سريع ، وهو أكثر ملاءمة للنشر السريع على السلسلة ، ويمكنه أيضا مشاركة الأرباح تلقائيا من خلال سلوك الاستدعاء لتحقيق ترميز النموذج. لا تنظر إليها صغيرة ، فالعديد من تطبيقات الذكاء الاصطناعي التي يمكن تشغيلها تعتمد عليها بالفعل. —————— ➤ يبني OpenLedger مجموعة كاملة من "الأنظمة الاقتصادية النموذجية على السلسلة" الهدف هو الجري من خلال الحلقة المغلقة الكاملة من → نموذج البيانات → باستخدام → المزايا. تشمل الوحدات الرئيسية ما يلي: ▪️Model Factory: منصة ضبط دقيقة بدون رمز تسمح لأي شخص بتدريب النماذج ▪️OpenLoRA: تتعايش الآلاف من النماذج, الوحدات النمطية قابلة للتبديل السريع والنشر مرن ▪️شبكات البيانات: شبكات بيانات يمكن التحقق منها لضمان أن البيانات جديرة بالثقة ▪️إثبات الإسناد: يقسم الأرباح تلقائيا مع كل مكالمة ▪️منصة الاقتراح: سوق تعاون قائم على DAO للنماذج والبناء المشترك والحوكمة المشتركة ببساطة ، إنه مزيج من HuggingFace + Stripe + Infura ، وهو على السلسلة وقابل للتركيب ، مما يحقق حقا "النموذج كأصل". —————— ➤ كيف يمكن للمطورين استخدامه؟ يمكن للمطورين الحصول على بيانات التفويض وتدريب النماذج والنشر بنقرة واحدة وفتح المكالمات على OpenLedger. ستؤدي كل مكالمة تلقائيا إلى مشاركة أرباح الرمز المميز ، ويمكن التحقق من جميع السلوكيات وتتبعها عبر السلسلة. يبدو الأمر مثل Web2 ، لكن القيمة تأتي من الشفافية والحوافز وقابلية التركيب على السلسلة ، بحيث يصبح النموذج أصلا ، والمكالمة هي تحقيق الدخل. —————— ➤ OpenLedger أكثر توجها نحو الهندسة يشبه NEAR منصة وكيل الذكاء الاصطناعي ، ويركز Bittensor على التدريب على السلسلة. من ناحية أخرى ، يركز OpenLedger على نشر النماذج واستدعاؤها وتداول القيمة - الجوهر هو "جعل النماذج مربحة". بصراحة: أنا لا أقوم بلف الأوراق أو الانخراط في الحيل ، أريد فقط تشغيل النماذج واستخدامها وكسبها. —————— ➤ أكثر ما أدهشني هو مصنع النماذج هذا المنتج ودود للغاية للفرق الصغيرة. يمكن للواجهة الرسومية وتصور العملية برمتها إكمال تفويض البيانات وتكوين النموذج ونشره دون كتابة التعليمات البرمجية. كما أنه يدعم ضبط LoRA / QLoRA ، والتقييم المدمج ، والاختبار ، وتتبع المسار ، وتتبع السلسلة الكاملة دفعة واحدة. حتى إذا لم تكن لديك خلفية فنية ، يمكنك تدريب نموذجك الحصري. —————— يعد OpenLedger أحد أكثر المشاريع "الشبيهة بالمنتج" في سوق الذكاء الاصطناعي للعملات المشفرة في الوقت الحالي. إنه ليس شعارا فارغا "الذكاء الاصطناعي على السلسلة" ، ولكنه نظام اقتصادي نموذجي يبني "النموذج هو الأصول والدعوة هي القيمة". مع دخول سرد الذكاء الاصطناعي في المياه العميقة ، قد يكون هذا النوع من المشاريع ذات القيمة المتوسطة الحقيقية هو الفائز النهائي.