مؤخراً تابعت مشروعاً مثيراً للاهتمام - OpenLedger، الذي يسعى لحل مشكلة كبيرة في تدريب الذكاء الاصطناعي: حيث يتم احتكار البيانات والنماذج من قبل العملاقين، ولا يحصل الأشخاص الذين يساهمون بالبيانات على أي فوائد.

ببساطة، OpenLedger هو نقل عملية تدريب الذكاء الاصطناعي إلى السلسلة. كل بيانات تقدمها، وكل نموذج تدربه، وكل نتيجة تحققها، ستسجل. بذلك، يصبح من الواضح من قدم ماذا، ويمكن توزيع المكافآت بناءً على المساهمة، دون أن تأخذها المنصة.

طريقة لعبها هي كما يلي:

توفر المنصة عدة أدوات أساسية. Datanet مسؤولة عن تنظيم مجموعات البيانات المتخصصة المختلفة، يمكنك إدخال بياناتك الخاصة، كما يمكنك استخدام بيانات الآخرين؛ بينما تُستخدم ModelFactory و OpenLoRA لنشر وتخصيص نماذج الذكاء الاصطناعي. تغطي العملية كاملةً جميع مراحل جمع البيانات، وتدريب النموذج، وصولاً إلى التطبيق الفعلي.

الأهم هو القابلية للتتبع. في كل مرة تقدم فيها الذكاء الاصطناعي نتيجة، يمكنك العودة والتحقق من البيانات التي استخدمتها، وأي نموذج تم استخدامه، ويمكن للمساهمين الحصول على الحوافز المناسبة. هذه الشفافية من الصعب تحقيقها في مجال الذكاء الاصطناعي التقليدي.

بالنسبة للرمز OPEN، فإن استخدامه يعتبر تقليديًا إلى حد ما: دفع رسوم المعاملات على السلسلة، تحفيز المساهمين، المشاركة في إدارة المشاريع، كسب العوائد من خلال الرهان، وبالطبع يمكن استخدامه للوصول إلى مجموعة متنوعة من خدمات الذكاء الاصطناعي على المنصة.

من حيث الاتجاهات، فإن دمج الذكاء الاصطناعي مع blockchain هو في الواقع اتجاه شائع. تكلفة تطوير الذكاء الاصطناعي التقليدي مرتفعة، وعتبة الدخول عالية، مما يجعل من الصعب على المطورين العاديين ومقدمي البيانات المشاركة. إذا نجح نموذج OpenLedger، فقد يجعل تدريب الذكاء الاصطناعي أكثر انفتاحًا وعدلاً. ومع ذلك، فإن فعالية ذلك ستعتمد على البناء البيئي للمشروع في المستقبل وظروف التنفيذ الفعلية.