OpenLedger è un'infrastruttura blockchain progettata specificamente per l'AI, destinata a liberare la liquidità di dati, modelli e agenti AI attraverso meccanismi decentralizzati, realizzando una monetizzazione equa per i contributori. Integra la partecipazione dell'AI nel design di base, dalla formazione dei modelli al deployment degli agenti, con tutti i componenti che operano sulla catena, supportando la compatibilità EVM e seguendo gli standard di Ethereum, realizzando integrazioni senza attriti di portafogli, contratti intelligenti e ecosistemi L2. Di seguito vengono dettagliati gli aspetti tecnici in termini di architettura centrale, componenti chiave e meccanismi tecnologici.
1. Fondamenti della blockchain (BlockchainInfrastructure)
Layer 2 fondamentale: OpenLedger è costruito su OP Stack (framework di Optimism) e utilizza la tecnologia Optimistic Rollup come soluzione Layer 2. Ciò garantisce un alto throughput (TPS molto elevate) e costi di transazione trascurabili, ideale per elaborazioni su larga scala di dati e interazioni frequenti nell'IA. Mantiene la sicurezza di Ethereum, mentre la disponibilità dei dati è resa efficiente tramite EigenDA (Eigen Data Availability), riducendo il carico sulla blockchain principale.
Compatibilità EVM: completamente compatibile con la Ethereum Virtual Machine, supporta lo spostamento senza intoppi di contratti intelligenti e strumenti per gli sviluppatori. Connessione senza attrito che include portafogli (come MetaMask), protocolli DeFi e l'ecosistema L2 (come Optimism o Arbitrum), senza bisogno di adattamenti aggiuntivi.
Token nativo $OPEN: utilizzato per lo staking, la governance, i premi per i nodi, il pagamento delle commissioni e la fornitura di dati. OPEN alimenta l'economia della rete, garantendo che i contributori ottengano ricompense tramite lo staking.
2. Componenti principali (Core Components)
L'ecosistema di OpenLedger si basa sui 'tre pilastri': Datanets (reti di dati), Specialized Models (modelli specializzati) e Attribution Systems (sistemi di attribuzione). Questi componenti vengono eseguiti completamente in-chain, garantendo trasparenza e auditabilità.
Datanets (reti di dati):
Rete decentralizzata per la raccolta e la cura dei dati, in cui gli utenti possono creare nuovi Datanets o contribuire con dataset esistenti per addestrare modelli linguistici specializzati (SLMs).
Meccanismi tecnici: controllo della qualità basato sul consenso della comunità, inclusi la verifica dei dati e il tracciamento della provenienza (tracciamento della fonte). L'upload, l'enrichimento e la strutturazione dei dati (ad esempio tramite l'estensione browser OpenLedger per raccogliere da Internet) sono registrati in blockchain.
Applicazioni esemplificative: raccolta di dati su minacce per modelli di sicurezza informatica, o raccolta di regole grammaticali e traduzioni per modelli linguistici, supportando l'espansione da contributi individuali a dataset aziendali.
ModelFactory e OpenLoRA (Fabbrica modelli ed efficienza di distribuzione):
ModelFactory: uno strumento decentralizzato per addestrare e finetunare modelli AI utilizzando i dati dei Datanets. Supporta l'intero processo, dall'upload del dataset alla pubblicazione del modello, con enfasi sulla collaborazione della comunità.
OpenLoRA: una variante avanzata della tecnologia LoRA (Low-Rank Adaptation), che permette di distribuire in modo efficiente più modelli su un singolo GPU, riducendo i costi fino al 90%. Questo è reso possibile tramite il fine-tuning efficiente dei parametri (PEFT), ottimizzando l'uso delle risorse e supportando inferenze in tempo reale e monetizzazione (ad esempio tramite accesso al modello tramite pagamenti su blockchain).
Modelli specializzati: generano SLMs specifici per settori (ad esempio copilot per codifica o assistenti intelligenti), con hosting e inferenza dei modelli decentralizzati, garantiti dalla coerenza della rete.
Attribution Systems (sistemi di attribuzione):
Proof of Attribution: meccanismo centrale che registra permanentemente su blockchain tutti i contributi (dati, calcolo o ottimizzazione degli algoritmi). Quando un modello viene utilizzato per generare un output (ad esempio chat, compiti o chiamate API), il sistema traccia l'origine del modello, i dati di addestramento e i contributori, permettendo una distribuzione automatica delle royalty.
Tracciamento trasparente: ogni interazione con l'IA (ad esempio inferenza) è collegata alla sua origine, garantendo una compensazione in tempo reale. La registrazione immutabile impedisce la manipolazione, supportando un modello economico equo.
3. Governance e sicurezza (Governance and Security)
Framework di governance: utilizza il framework modularizzato Governor di OpenZeppelin per una governance ibrida in-chain. Gli detentori di OPEN possono partecipare a proposte, votare e modificare i parametri, garantendo una governance guidata dalla comunità.
Sicurezza: offre sicurezza di livello aziendale grazie alle prove di frode di Optimistic Rollup e al campionamento della disponibilità dei dati di EigenDA. Ha ricevuto investimenti da Polychain Capital e altri (8 milioni di dollari) e ha annunciato un fondo da 25 milioni di dollari per sviluppatori AI-Web3.
Stato della testnet: la testnet è attualmente aperta, supporta la creazione di Datanets, l'addestramento dei modelli e i punteggi di ricompensa. Gli sviluppatori possono accedere all'app tramite autenticazione sociale e esplorare operazioni completamente in-chain.
4. Vantaggi e applicazioni
Rilascio della liquidità: trasforma l'IA da un sistema chiuso a un mercato aperto, permettendo ai contributori di monetizzare dati/modelli con OPEN, supportando l'integrazione con DeFi e la partecipazione di agenti AI (ad esempio, trading autonomo).
Metriche di prestazioni: alte TPS, costi bassi, adatte a carichi di lavoro su larga scala per l'IA. Gli strumenti dell'ecosistema includono estensioni per browser (raccolta dati) e API (accesso ai modelli).
Integrazione ecologica: collaborazioni con Cookie DAO e altri, per promuovere la commercializzazione dei dati AI, con già oltre 10k utenti partecipanti all'evento SNAP.
OpenLedger costruisce attraverso questi dettagli tecnici un ecosistema blockchain per l'IA trasparente ed equo, risolvendo i problemi di monopolio dei dati e di ingiustizia nella remunerazione tipici dell'IA tradizionale. Nel futuro, si espanderà ulteriormente in altri settori di SLMs.
