Lấy một ví dụ điển hình, bạn sử dụng GPT để phân tích dữ liệu tài chính, giám sát thiết bị công nghiệp, phân loại tài liệu y tế, thì phần lớn các kết quả đầu ra hoặc là không liên quan đến câu hỏi, hoặc là hoàn toàn phụ thuộc vào việc điều chỉnh prompt, đến cuối cùng bạn cũng không biết nó thực sự hiểu bạn muốn gì.
Tất nhiên, nhiều người có thể nói rằng, liệu mô hình AI không chỉ là một quá trình huấn luyện liên tục. Chỉ cần bạn cung cấp đủ dữ liệu cho nó, nó chắc chắn sẽ hiểu những gì bạn đang nghĩ và cung cấp những gì bạn cần. Thực tế không phải vậy, đối với cá nhân, cách lý tưởng nhất là tạo ra một mô hình AI riêng của bạn, hiểu dữ liệu của bạn và phù hợp với doanh nghiệp của bạn.
Nhưng những vấn đề thực tế nối tiếp nhau ập đến, điều kiện tiên quyết để làm được những điều này là bạn cần có một lượng dữ liệu khổng lồ, những người để đào tạo mô hình, và quan trọng nhất là phải có cơ sở hạ tầng để chạy mô hình, điều này cơ bản có thể làm nản lòng 90% mọi người.
1️⃣Gợi ý gọi API Có thể gọi bất kỳ SLM (Mô hình ngôn ngữ chuyên biệt) nào đã được triển khai thông qua giao diện /v1/completions.
Phạm vi thích ứng rất rộng: AI bot, suy diễn trên chuỗi, thậm chí kịch bản trò chơi đều có thể sử dụng.
2️⃣Giao diện quản lý mô hình Thông qua /v1/models, bạn có thể gọi ra tất cả các mô hình có sẵn, bao gồm cả mô hình bạn đã tự huấn luyện và mô hình mà người khác đã chia sẻ. Nếu bạn muốn xem thông tin chi tiết? Sử dụng /model/info để kiểm tra giá cả, chế độ suy luận, nhóm quyền truy cập và các tham số cấu hình khác. Nó thậm chí còn hỗ trợ quản lý team_id, tương thích với công cụ OpenAI, có thể phân nhóm theo quyền truy cập, rất phù hợp cho hợp tác nhóm và kiểm soát quyền.
3️⃣Theo dõi chi phí và chi tiêu Mô hình gọi trên chuỗi không miễn phí, nhưng điều quan trọng là số tiền này đi đâu? OpenLedger cung cấp cơ chế theo dõi hoàn toàn minh bạch: Mỗi lần gọi phát sinh phí, sẽ tự động phân phát cho hai loại người: một là người cung cấp dữ liệu, một là người huấn luyện và triển khai mô hình này. Bạn còn có thể sử dụng /spend/logs để kiểm tra cụ thể ai đã sử dụng mô hình nào, khi nào, đã trả bao nhiêu tiền. Có thể lọc theo ID người dùng, ID yêu cầu, khóa API, khoảng thời gian, để đạt được tính minh bạch toàn bộ quy trình trên chuỗi.
Cá nhân tôi cho rằng đây mới là cách mở đúng cho "kinh tế AI", trong thời đại mô hình lớn, chỉ có việc cuộn lại suy diễn là không đủ. Đối với hệ thống mà nói: có thể phân chia lợi nhuận, có thể truy nguyên, có thể bắt đầu công việc, có thể làm chủ năng suất dữ liệu, mới là cốt lõi của kinh tế AI. Ít nhất hiện tại, con đường mà OpenLedger đang đi là từ "điều chỉnh mô hình" sang "xây dựng mô hình + phân phối lợi nhuận + quyền sở hữu dữ liệu" như một hoạt động kinh tế trên chuỗi. Dù là người dùng hay nhà phát triển đều có thể được hưởng lợi.
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
Lấy một ví dụ điển hình, bạn sử dụng GPT để phân tích dữ liệu tài chính, giám sát thiết bị công nghiệp, phân loại tài liệu y tế, thì phần lớn các kết quả đầu ra hoặc là không liên quan đến câu hỏi, hoặc là hoàn toàn phụ thuộc vào việc điều chỉnh prompt, đến cuối cùng bạn cũng không biết nó thực sự hiểu bạn muốn gì.
Tất nhiên, nhiều người có thể nói rằng, liệu mô hình AI không chỉ là một quá trình huấn luyện liên tục. Chỉ cần bạn cung cấp đủ dữ liệu cho nó, nó chắc chắn sẽ hiểu những gì bạn đang nghĩ và cung cấp những gì bạn cần. Thực tế không phải vậy, đối với cá nhân, cách lý tưởng nhất là tạo ra một mô hình AI riêng của bạn, hiểu dữ liệu của bạn và phù hợp với doanh nghiệp của bạn.
Nhưng những vấn đề thực tế nối tiếp nhau ập đến, điều kiện tiên quyết để làm được những điều này là bạn cần có một lượng dữ liệu khổng lồ, những người để đào tạo mô hình, và quan trọng nhất là phải có cơ sở hạ tầng để chạy mô hình, điều này cơ bản có thể làm nản lòng 90% mọi người.
1️⃣Gợi ý gọi API
Có thể gọi bất kỳ SLM (Mô hình ngôn ngữ chuyên biệt) nào đã được triển khai thông qua giao diện /v1/completions.
Phạm vi thích ứng rất rộng: AI bot, suy diễn trên chuỗi, thậm chí kịch bản trò chơi đều có thể sử dụng.
2️⃣Giao diện quản lý mô hình
Thông qua /v1/models, bạn có thể gọi ra tất cả các mô hình có sẵn, bao gồm cả mô hình bạn đã tự huấn luyện và mô hình mà người khác đã chia sẻ.
Nếu bạn muốn xem thông tin chi tiết? Sử dụng /model/info để kiểm tra giá cả, chế độ suy luận, nhóm quyền truy cập và các tham số cấu hình khác. Nó thậm chí còn hỗ trợ quản lý team_id, tương thích với công cụ OpenAI, có thể phân nhóm theo quyền truy cập, rất phù hợp cho hợp tác nhóm và kiểm soát quyền.
3️⃣Theo dõi chi phí và chi tiêu
Mô hình gọi trên chuỗi không miễn phí, nhưng điều quan trọng là số tiền này đi đâu?
OpenLedger cung cấp cơ chế theo dõi hoàn toàn minh bạch:
Mỗi lần gọi phát sinh phí, sẽ tự động phân phát cho hai loại người: một là người cung cấp dữ liệu, một là người huấn luyện và triển khai mô hình này.
Bạn còn có thể sử dụng /spend/logs để kiểm tra cụ thể ai đã sử dụng mô hình nào, khi nào, đã trả bao nhiêu tiền.
Có thể lọc theo ID người dùng, ID yêu cầu, khóa API, khoảng thời gian, để đạt được tính minh bạch toàn bộ quy trình trên chuỗi.
Cá nhân tôi cho rằng đây mới là cách mở đúng cho "kinh tế AI", trong thời đại mô hình lớn, chỉ có việc cuộn lại suy diễn là không đủ. Đối với hệ thống mà nói: có thể phân chia lợi nhuận, có thể truy nguyên, có thể bắt đầu công việc, có thể làm chủ năng suất dữ liệu, mới là cốt lõi của kinh tế AI. Ít nhất hiện tại, con đường mà OpenLedger đang đi là từ "điều chỉnh mô hình" sang "xây dựng mô hình + phân phối lợi nhuận + quyền sở hữu dữ liệu" như một hoạt động kinh tế trên chuỗi. Dù là người dùng hay nhà phát triển đều có thể được hưởng lợi.