O desenvolvimento de modelos modernos de inteligência artificial depende de uma grande quantidade de dados de treinamento. No entanto, as fontes desses dados de treinamento muitas vezes são opacas, e muitos contribuintes de dados (como escritores, pesquisadores e especialistas em domínio) muitas vezes não recebem a devida compensação. À medida que a preocupação pública com conformidade de IA, privacidade e direitos autorais aumenta, a situação de "dados sendo usados sem compensação" gerou uma ampla discussão. Nesse contexto, como garantir que os contribuintes de dados sejam compensados de forma justa e como tornar o processo de treinamento dos modelos de IA mais transparente se tornaram questões urgentes tanto para a comunidade de IA quanto para a comunidade Web3.
A visão da OpenLedger é criar um ecossistema de dados de IA descentralizado que permite que contribuintes de dados e desenvolvedores de modelos interajam e colaborem na mesma plataforma. O projeto não se concentra em modelos grandes gerais (como grandes modelos de linguagem), mas sim em Modelos de Linguagem Especializados (SLM). Ao construir datanets, a OpenLedger incentiva a comunidade a manter conjuntos de dados em campos verticais, permitindo que especialistas em domínio carreguem dados de alta qualidade e utilizando a tecnologia Blockchain para registrar quem contribuiu com o que.
Em novembro de 2025, a OpenLedger lançou oficialmente o Mainnet OPEN. O núcleo do Mainnet é permitir que os usuários enviem dados para datanets compartilhados, onde os desenvolvedores podem usar esses dados para treinar modelos, enquanto o sistema rastreia o uso dos dados por meio de mecanismos on-chain e aloca automaticamente recompensas (em tokens OPEN) para os contribuidores. Este modelo de IA Pagável transforma essencialmente os dados e contribuições para o treinamento de IA em um valor mensurável e pagável.
O sistema "Proof of Attribution" da OpenLedger está em seu núcleo tecnológico. Ele pode registrar a propriedade e a trajetória de uso de cada conjunto de dados, cada modelo e cada agente (agente de IA) na Blockchain. Quando um modelo de IA gera logs ou produz saída, esse sistema pode rastrear quais dados foram usados no processo de geração, determinando corretamente quais contribuintes de dados devem ser recompensados. Essas recompensas são executadas automaticamente através de contratos inteligentes utilizando tokens OPEN. Os contribuintes não precisam mais apresentar apelos manuais ou realizar cálculos manuais; seus direitos são automaticamente realizados na cadeia. Além disso, a Mainnet da OpenLedger é uma rede compatível com EVM que possui um registro em cadeia para dados e modelos, permitindo que os desenvolvedores construam aplicações usando estruturas de contratos inteligentes familiares.
Para criadores, especialistas em domínio ou pesquisadores, OpenLedger oferece um modelo de receita sem precedentes:
Ao mesmo tempo, os desenvolvedores também podem reduzir os custos de infraestrutura e construir agentes inteligentes nesta rede sem precisar construir um sistema completo de gerenciamento de dados por conta própria.
Apesar da visão atraente da OpenLedger, ainda enfrenta alguns desafios:
A Mainnet OPEN lançada pela OpenLedger representa uma nova direção para a profunda integração do Web3 e da IA. Ela tem o potencial de se tornar a infraestrutura de dados para o campo de treinamento de IA, permitindo que os colaboradores realizem a monetização de valor e permitindo que os desenvolvedores de modelos acessem recursos de maneira mais justa. No futuro, se as datanets puderem cobrir mais campos verticais (como saúde, finanças, pesquisa científica, etc.), o ecossistema da OpenLedger pode se expandir rapidamente. À medida que mais produtos de IA se conectam a essa rede, esse modelo de "IA pagável" pode se tornar o padrão da indústria.
Além disso, contra o pano de fundo do endurecimento das regulamentações globais, a atribuição on-chain da OpenLedger e o mecanismo de pagamento automático podem também fornecer um caminho tecnológico para a conformidade de IA.
Compartilhar
Conteúdo