Zukunftsvision
Lizenzgebühren-Sprache & Diffusionsmodelle
Im Oktober 2025 begann ich eine unerbittliche, einjährige Reise, um das richtige Medium, die richtige Mensch-Computer-Interaktion, Backend-Infrastruktur, LLM-Architektur und Diffusionsarchitektur zu erkunden, die lizenzgebührenbasierte Sprach- und Diffusionsmodelle möglich machen. Die früheren Versuche von 2026, behandelt in Ambient Intelligent Systems, haben mich einiges gelehrt. Ehrlich gesagt ist so viel passiert, bevor ich bei MaryOS ankam.
Es begann als iPhone-App, in der jede Antwort von Seer ein Beiträge-Blatt trug: welche Ihrer eigenen Dokumente sie geprägt haben, welche Autoren im Netzwerk, und welcher Anteil der Lizenzgebühr jedem zusteht.
Während ich über die Go-to-Market-Strategie nachdachte – wie bringt man Nutzer ins System, wie verdient man ihr Vertrauen, wie aggregiert man ihre Gedanken richtig –, baute ich nebenbei ein paar Web-Frontend-Systeme, darunter eine Chrome-Erweiterung, die dem, was ich für die mögliche HCI halte, weitere Daten hinzufügte. Die Erweiterung war ziemlich gelungen. Ein Nutzer konnte alles markieren, und das Seer-Logo erschien und ließ ihn die Datenbank nach Quellen durchsuchen, die zur Markierung passen, mit einem LLM als Mittler zwischen diesen Quellen und dem Nutzer.
Um zu beweisen, dass das Retrieval funktioniert, indexierte ich als Prototyp die gesamte arXiv-Datenbank, um zu zeigen, dass jedes Ergebnis die tatsächlichen Forschenden dahinter nennen konnte. Beim Öffnen von Beiträge wurden die Menschen hinter den abgerufenen Passagen aufgelistet, jeweils mit einer kurzen Zusammenfassung ihrer Arbeit und Schlüsselwörtern aus ihren Papers. Am Ende jedes Panels stand der ganze Sinn in einer Zeile: Urheber werden jedes Mal vergütet, wenn ihr Wissen genutzt wird.
Es zeigte die Idee eines LLM als Maschine, die die Realität zusammennäht, statt sie zu fabrizieren.
Das waren sehr fruchtbare Erfahrungen, und sie ließen mich mit mehr Fragen zurück, als ich anfangs hatte. Sollten Nutzer ihre Daten direkt hochladen, oder ist das zu viel Reibung? Sollte dieses Werkzeug zugleich als Wahrheitssager dienen und LLM-Ausgaben gegen eine Datenbank echter Daten prüfen, die sich einer Person zuordnen lassen, statt einem Weblink, der selbst sehr gut Fehlinformation sein könnte? Und wie überprüft man überhaupt, dass die an das Netzwerk übermittelten Daten wahr sind?
So viele Gedanken. Es wurde ein Strudel für sich, denn ein System zu bauen, dessen ganzes Verkaufsargument Wahrheit ist, in einem Meer aus Rauch und Spiegeln, ist eine weitere Komplexitätsstufe. Ich bin nicht der Typ, der sich wohlfühlt, ein Produkt an Kunden zu geben, ohne dass der Ansatz wasserdicht geprüft ist, aber es gibt eine Balance zwischen dem Vorantreiben einer Idee und dem Reparieren des Flugzeugs im Flug, und daran muss man sich einfach gewöhnen.
Jetzt habe ich eine verschlankte Version erreicht, die ich zuerst auf macOS veröffentlichen möchte. MaryOS wird nebenher als ganzheitliches Betriebssystem unter Linux entstehen, während die macOS-Anwendung Ambient eine sanfte Einführung in die Idee ist. Auf Ambient gehe ich im Beitrag nach diesem ein, aber ich wollte schon jetzt erwähnen, wie es als Gefäß für diese Kernidee dienen wird: Sprach- und Bildmodelle, die ausgeliefert werden können, während Inhalte ihren Autoren zugeordnet werden und diesen im Zeitalter der Generierung ihr Anteil gezahlt wird.
Das Iterieren am richtigen Ansatz für beides, während ich diesen Sommer Sicherheitsverfahren gegen Deepfakes erforschte (Veil & Scorpion, mit dem Code für die Erkennung selbst in Garde), führte mich zu einer einzigen Lösung. Eine Art Gleichgewicht, in dem sich ein ordentliches System zur Lizenzgebührenverfolgung bauen lässt, das zugleich einen Gating-Mechanismus bietet, um das Abbild von Einzelpersonen zu schützen. Den Mechanismus zur Lizenzgebührenverfolgung behandle ich hier, und in einem künftigen Beitrag schreibe ich darüber, wie dasselbe System über eine sicherheitsorientierte Nachrüstung generative Modelle daran hindern kann, geschützte Inhalte zu erzeugen.
Die Idee ist, eine neue Schicht vor den Aktivierungen des Modells und nach seinen Adaptern einzufügen. Diese Schicht fragt eine Datenbank gespeicherter Daten ab, die Nutzern zugeordnet sind, die das Urheberrecht an ihren visuellen Werken schützen wollen, von der menschlichen Identität bis zur Markenplatzierung. Die Datenbank wird bei jedem Schritt des Diffusionsprozesses durchsucht, und Schritt für Schritt wird eine Attributionsmatrix aufgebaut, bis die Generierung abgeschlossen ist, wobei die fälligen Auszahlungen im Netzwerk protokolliert werden, bevor das Asset an den anfragenden Nutzer ausgeliefert wird. Es ist ein Schritt, der sich auf dienstbasierte Modelle und sogar auf Modelle auf dem Gerät anwenden lässt.
Die Auszahlungshälfte läuft auf der Sprachseite bereits. Hier ist Gita, die Attributionsschicht von Seer, die im April eine einzelne Antwort abrechnet: Der eine Eigentümer, dessen Daten sie getragen haben, erhält die volle Auszahlung, und die Servicegebühr wird obendrauf berechnet.
Die Implementierung kann auch andersherum arbeiten. Statt eine Attributionsmatrix aufzubauen, kann die Generierung früh abbrechen und die Ausgabe zurückhalten, sie als verletzend markieren und die Generierung einer geschützten Identität verhindern. Auf die technischen Details gehe ich in einem Beitrag zur ML-Architektur ein, sobald die erste Version für Bild- und Visualschutz später in diesem Monat erscheint.
Das Design dieser Datenbank begann mit Seer und seinem eigenen Vektorspeicher, und bald spaltete es sich in Thread ab, das sich über seine Partition-Dateien erkunden lässt. Thread ist als persönliche Datenbank für alle gedacht, mit Daten, die für den Abruf in einem lizenzgebührenbasierten System strukturiert und aufbereitet sind, auf eine Weise, die zu dem P2P-Modell führt, das ich mir seit einiger Zeit vorstelle. Das werde ich in Ambient erkunden, wenn es soweit ist.
Am Ende hoffe ich, dass die Experimente dieses Jahres in einem einzigen Verständnis münden, das eine stabilere Wachstumsbahn für künstliche Intelligenz fördert: für Autoren, Kreative und Wissenschaftler und für alltägliche Verbraucher, denen nicht bewusst ist, dass ihre Daten ohne ihre Einwilligung verwendet werden. Und das alles mit einer Erfahrung, die tiefgreifend genug ist, um uns zu helfen, neu zu bewerten, was Verbindung wirklich bedeutet, in einer sozialen Welt, in der soziale Netzwerke sie uns allzu oft vorenthalten haben.
Opfer fühlen sich sicher, weil die Schäden durch Implementierungen angegangen werden, die realistisch und umsetzbar sind. Open-Source-Communities sehen Grenzen, auf die sie sich einigen können. Unternehmen haben klare Regeln, die sie befolgen müssen, bevor sie kommerzialisieren. Datenschutzbewusste Nutzer, die On-Device bevorzugen, können durch ein unsichtbares Wasserzeichen auf ihren Generierungen zeigen, dass sie Veil verwendet haben.
Die endgültige Vision beginnt also mit Ambient auf macOS und seinem späteren Übergang zu MaryOS unter Linux, während ich nebenher Gita's Ballad schreibe.