Alle due di notte, ero sul divano a scrollare il telefono senza meta, la luce fredda dello schermo mi colpiva in faccia, e un progetto chiamato OpenLedger è saltato improvvisamente nella mia visuale. La sua storia è incredibilmente semplice: in futuro, i dati che fornisci verranno utilizzati dall'AI e il sistema ti pagherà automaticamente, utilizzando il token $OPEN. In quel momento, dire che non fossi colpito sarebbe una bugia. Quanti dati ci hanno rubato le grandi aziende in questi anni senza pagarci nulla? Se davvero qualcuno riesce a mettere in chiaro i conti e a distribuire i soldi, questa situazione è già di per sé entusiasmante. Ma non ho subito aperto il wallet per investire, perché chi ha vissuto diverse fasi di bull e bear sa che la cosa più costosa nel mondo delle crypto è sempre quella storia accattivante che ti spinge a fare un ordine impulsivo a notte fonda.
Ho messo da parte il progetto, poi il giorno dopo mi sono preparato un caffè e mi sono seduto seriamente a leggere il white paper. La logica alla base di OpenLedger non è poi così complessa; ciò che fa può essere riassunto in tre frasi: collega i dati contribuiti da tutti in una grande rete, appone su ogni dato un marchio unico sulla blockchain, e poi usa un algoritmo chiamato prova di attribuzione per tracciare da dove proviene e dove va il dato. Quando l'AI fa inferenza, il sistema risale ai punti dati che hanno influenzato l'output e di quanto, e poi distribuisce $OPEN nei portafogli dei contribuenti in base al peso del contributo. In parole povere, ha dotato il settore dell'AI di un sistema automatico di distribuzione dei profitti, impedendo ai grandi gruppi di appropriarsi del tuo lavoro senza compenso. Questo punto di ingresso è stato azzeccato, non ha promesso di 'rivoluzionare il mondo', ma ha focalizzato la sua attenzione sulla questione della titolarità dei dati e sta lavorando duramente su di essa.
Ma per quanto io sia ottimista, ho sempre una certa preoccupazione. Riflettendo bene, davanti a questo progetto ci sono almeno tre scogli duri da affrontare; se non si riesce a superarli, l'intera storia potrebbe prendere una piega sbagliata.
Il primo scoglio è la qualità dei dati. Il design di OpenLedger è aperto al contributo, chiunque può caricare dati, la barriera all'entrata è quasi zero. Il problema è che più è bassa la barriera, più facile è che entrino dati spazzatura. Se qualcuno inietta dati falsi, dati gonfiati o addirittura dati tossici, l'AI che si allena con questi dati sarà come una persona che mangia cibo avariato; il modello risultante non sarà utilizzabile. Il white paper menziona meccanismi di valutazione della qualità dei dati e punizioni per lo staking, ma queste sono ancora sulla carta; come si filtrano, come si punisce e quali siano i risultati non ci sono casi reali che lo dimostrino. Nella realtà, valutare la qualità dei dati è già di per sé un'impresa difficile; si fa attraverso algoritmi automatici, tramite revisione comunitaria o una combinazione di entrambi, ma non ho ancora visto soluzioni mature.
Il secondo scoglio da affrontare è il problema della cooperazione globale nella potenza di calcolo. OpenLedger ha in mente una rete decentralizzata di potenza di calcolo, dove macchine di tutto il mondo partecipano alla formazione e inferenza dell'AI. Sembra tutto bello, ma a livello ingegneristico, i ritardi di rete variano enormemente in diverse località, e le configurazioni delle macchine sono delle più disparati; c'è chi utilizza cluster GPU di alta gamma e chi potrebbe ancora utilizzare vecchi computer per gestire i nodi. È come un coro multinazionale: quando il direttore d'orchestra alza la bacchetta, qualcuno è in anticipo e qualcun altro è in ritardo, e forzare tutto insieme produce non una sinfonia, ma solo rumore. Chi ha lavorato in questo campo sa quanto siano alti i costi di comunicazione per l'allenamento distribuito; anche i team top non riescono a coordinarsi bene anche in condizioni di rete relativamente ideali, figuriamoci in un ambiente di blockchain pubblica aperto a qualsiasi nodo globale.
Il terzo scoglio è la questione della realizzazione delle promesse riguardo alla distribuzione dei profitti. Nel white paper è stata fornita una formula piuttosto dettagliata per il meccanismo di distribuzione di OPEN: come calcolare i costi di inferenza, quanto trattiene la piattaforma, e in quale proporzione i contribuenti ricevono i profitti; tutto è scritto chiaramente. Ma anche la formula più bella ha bisogno di denaro reale che fluisca per avere valore. Siamo ancora in una fase precoce dell'ecosistema, e la reale quantità di chiamate di inferenza sulla blockchain e quanto OPEN i contribuenti stiano realmente ricevendo è praticamente invisibile all'esterno. È un po' come quando l'HR ti dice durante un colloquio che l'azienda ha un grande futuro e che ci saranno azioni, ma poi scopri che l'azienda non ha nemmeno riportato i ricavi del primo trimestre. Le aspettative sono buone, ma farne una certezza è rischioso.#BTC
Ho scritto tutte queste domande, non per condannare il progetto a morte. Al contrario, ritengo che l'approccio di OpenLedger sia tra i più pragmatici in mezzo a un sacco di progetti concettuali sull'AI. Non ha millantato di voler creare AGI, né ha detto di voler ricostruire il sistema di conoscenza umana tramite la blockchain; si sta semplicemente concentrando su un problema concreto: il copyright e la distribuzione dei dati nel settore dell'AI. Questo è un bisogno reale; più i grandi modelli diventano popolari, più i dati conformi scarseggiano. Chi riesce a garantire un meccanismo di profitto per i contribuenti di dati, si ritroverà in una posizione ecologica importante. La sua intelligenza sta nel conoscere i propri confini, senza sperare di ottenere tutto in un colpo solo.
Il problema è che tra una direzione giusta e il realizzarla ci sono chilometri di distanza. Riuscirà il filtraggio dei dati a fermare le iniezioni malevole? Riuscirà la gestione della potenza di calcolo a superare i ritardi di rete del mondo fisico? Potrà il modello economico passare dalla carta alla blockchain e generare un ciclo reale? Ognuno di questi tre problemi è difficile da risolvere. In questa fase, il prezzo e la capitalizzazione di $OPEN riflettono più lo spazio di immaginazione del mercato su questa direzione, piuttosto che un valore già concretizzato. Lo spazio di immaginazione può crescere o ridursi; quanto possa reggere la volatilità un trader comune, deve saperlo valutare con attenzione.$BTC
Quindi ho tracciato una linea chiara per le mie operazioni: prima metto questo progetto nella lista di osservazione, senza fretta di investire. Tengo d'occhio due segnali chiave: uno è se c'è un modo efficace per bloccare i dati spazzatura, se possono presentare meccanismi di filtraggio concreti e casi di governance reali; l'altro è se ci sono veri contribuenti di dati che mostrano record di distribuzione dei profitti, non simulate su testnet, ma vere transazioni in denaro nei portafogli. Fino a quando non compaiono questi due segnali, preferisco perdere il primo rialzo piuttosto che scommettere su una storia che non ha ancora trovato il suo ciclo chiuso. In fondo, in questo settore le opportunità non mancano; ciò che manca è il capitale. Anche se la storia suona bene, il portafoglio è mio, è meglio tenerlo stretto.