AIとブロックチェーンが融合するにつれて、一つのプロジェクトがこの革命の交差点に立っている:OpenLedger. モデルトレーニングを分散化し、データの割り当てを報酬し、パワーエージェント経済を推し進めると約束しているOpenLedgerは、透明でコミュニティ所有のAIの新しい時代に向かっています。
このインタビューで、私たちは、OpenLedgerのユニークな論文を支える原則、イノベーション、ロードマップを理解するために、コア貢献者であるKameshと座りました。
Ishan Pandey:Hi Kamesh, it is a pleasure to welcome you to our “Behind the Startup” series. You could start by telling us about yourself and how you became involved with OpenLedger. あなたは、OpenLedgerとどのように関わったかについて私たちに話し始めますか?
Kamesh:ヘイ・イシャン、私はOpenLedgerの主要な貢献者です。OpenLedger以前は、AI/MLの研究開発会社で働いていたのですが、Walmart、Cadburyなどの企業クライアントと一緒に働いていました。AIセグメントでは、ブラックボックスモデルと透明性の欠如があり、どのデータが特定の推測につながったかを知る方法がありませんでした。より大きな問題は、集中型企業がデータ貢献者に公平に補償していないことです。
Ishan Pandey:あなたは、OpenLedgerが解決しようとしている現在のインフラストラクチャのギャップを通り抜け、なぜこの瞬間が重要なのか?
Kamesh:先ほど述べたように、集中型企業はライセンスなしでユーザーデータにAIモデルをトレーニングし、誰にも公平に支払うことなく数十億ドルを稼ぎました。OpenLedgerでは、トレーニングの各ステップ、データソース、モデルアップグレードは誰でも検証できる痕跡を残しています。これは今、AIに財務アドバイス、健康の提案、さらには選挙のカバーを求める人々がいるためです。そのような敏感なトピックに対処しながら、モデルが正確なデータを使用していることを確認することが重要です。
Ishan Pandey:OpenLedgerの背後にあるもっと野心的なアイデアの1つは、データとモデル貢献のための割り当てベースの報酬を作成することです。
Kamesh:ネットワークが新しいバージョンをトレーニングするたびに、またはユーザーのクエリに返信するたびに、その歴史を振り返って、どの貢献が関与したかを確認します。あなたのエントリが表示されるたびに、あなたは自動的にそのアクションに関連する料金の一部を受け取ります。この情報は公開されますので、誰もがエクスプレーヤーを開いて、彼らの仕事がどのように使用され、何を稼いだかを正確に追跡することができます。
Ishan Pandey:テクニカルな視点から、これらのツールは、リソース共有、GPUボトルネック、および規模のモデルイテレーションの要求に対処するためにどのように構築されていますか。
Kamesh:Model Factory をコードなしのプラットフォームとして考えて、誰もがデータセンター全体をレンタルすることなく専門言語モデルを調節することができます。 あなたはベースモデルを選択し、パラメータを選択します。 あなたの調節が完了すると、それは軽量な LoRA アダプタとして保存されます。 多くのバージョンはメモリや帯域幅を大量に消費することなく並行して生きることができます。 OpenLoRA は、結論の際に共有ベースモデルにそれらのアダプタを接続することを可能にしますので、単一の GPU は数十の専門分野間を切り替えることができます。 規模でのイテレーションを可能にします。 Model Factory と OpenLoRA は、誰もが大きなコストなしでAI開発に参加することを可能にするため、エコ
Ishan Pandey:また、「POA(Proof of Attribution)」と呼ばれるコンセプトを導入していますが、ここで正確に測定されているもの、そして、エージェント活動を評価する信頼できるメトリクスであることをどのように保証しますか?
Kamesh:認定の証明は、モデルが特定の推測に到達するためにどのデータを使用したかを追跡し、すべての有意義な貢献を報酬する方法です。あなたのデータがモデルによって推測を作成するために使用されるとき、それはチェーン上に記録されます。 ユーザーがモデルに依存するたびに、収益の一部が自動的にあなたにリダイレクトされ、全体のトラックは誰でも検証するために開かれています。 貢献者はチェーン上の仕事の証拠を見ることができ、公平に報酬を得ることができます。
Ishan Pandey:AI ロイヤリティの概念は、長期的な追跡と信頼に依存します. AI エージェント間でモデルフォーキング、プロキシ使用、下流価値の割り当ての問題をどのように処理するつもりですか?
Kamesh:当社の優先事項は、貢献者に常に公平な報酬を支払うことである。モデルフォーキングやプロキシ使用などの問題を回避するために、私たちはすべてのモデルを自分たちでホストし、外部へのアクセスはAPIのみを介して行います。
Ishan Pandey:あなたは、あなたが取り組んでいる次のマイルストーンのセットをシェアし、現在の段階でOpenLedgerと関わるときに開発者は何を期待できますか?
Kamesh:貢献者はすでにノードを回転し、ネットワークに実際のデータをストリーミングしています。我々は現在、テストネット上で動作する400万以上のノードを持っており、我々はちょうどEpoch 2を包装しました。我々はすでに10以上のプロジェクトを構築しており、元GoogleのDeepMindの研究者を含む。我々はまた、我々は間もなくTGEとメインネットの発売に向かうことを共有することを非常に興奮しています。
Ishan Pandey:最後に、深層技術インフラを構築している人として、この分散型AIの交差点に入ろうとしている開発者や研究者にどのようなアドバイスをしますか。
Kamesh:私が人々に与えることができる最高のアドバイスは、あなたの製品をシンプルに保つことです。人々はあなたが最初の数分で何をしているかを理解することができなければなりません。
ストーリーを気に入ってシェアすることを忘れないでください!
Vested Interest Disclosure: This author is an independent contributor publishing via our business blogging program. HackerNoon has reviewed the report for quality, but the claims herein belong to the author. #DYO
関心の開示: この著者は、当社のビジネスブログプログラムを通じて出版する独立した貢献者です HackerNoonは、品質のためのレポートをレビューしましたが、ここに記載されている主張は著者に属します。
関心の開示:ビジネスブログプログラム
