Masa depan robot yang dibayangkan oleh nenek moyang kita akan segera terwujud. Meskipun ada hambatan besar dalam kemajuan kita menuju dunia yang dipenuhi robot otonom, solusi-solusi baru muncul setiap hari. Hambatan biaya sedang diatasi seiring dengan berkembangnya teknologi dan manufaktur. Harga untuk robot humanoid diperkirakan akan mencapai $15.000 pada tahun 2050, menjadikannya lebih murah dari mobil bekas dan membuka akses untuk jutaan keluarga. Teleoperasi menawarkan solusi yang dapat diskalakan untuk hambatan data. Secara keseluruhan, industri ini memiliki peta jalan yang lebih praktis dalam jangka pendek ketika datang ke otonomi tingkat tinggi.

Kesenjangan Tata Kelola
Satu hambatan tetap ada yang tidak bisa diselesaikan hanya dengan mengalihkan modal atau mengskalakan pengumpulan data: kepercayaan. Kesenjangan kepercayaan yang ada pada AI semakin melebar ketika robot beroperasi di dunia nyata. Kekhawatiran tentang kehilangan pekerjaan dan pelanggaran privasi terus ada, begitu juga dengan bias algoritma dan diskriminasi. Di antara semuanya, faktor umumnya adalah interaksi manusia-robot yang terkoordinasi dan bertanggung jawab.

Bayangkan asisten humanoid yang dikirim untuk mengambil pizza dengan dompet yang sudah dimuat $100. Ia kembali dengan pesanan, tetapi humanoid tersebut tidak pernah membayar pizza. Tanggung jawabnya tidak jelas (pemilik, produsen, operator, atau penyedia layanan) dan sistem hukum saat ini tidak memberikan jawaban yang jelas. Untuk membawa robot otonom ke dalam kehidupan sehari-hari kita, kita harus membuat struktur tata kelola yang dapat menangani ketika mereka gagal mengikuti kebijakan dan yang mendorong produsen dan operator robot untuk memprioritaskan keselamatan dan kualitas.

Pendiri OpenMind, Jan Liphardt, menunjukkan bahwa “aturan yang ada saat ini (hukum, konstitusi, dan piagam) dibangun oleh manusia untuk manusia.” Identitas, hukum, dan keuangan adalah lembaga yang berpusat pada manusia, menjadikannya tidak praktis untuk memperluas akses ke robot. Identitas kita didasarkan pada kelahiran, hukum kita dirancang untuk manusia, dan sistem keuangan kita bergantung pada bukti kewarganegaraan. Ini segera runtuh ketika sebuah robot mencoba membuka rekening bank AS tanpa nomor Jaminan Sosial. Reformasi diperlukan untuk memungkinkan interaksi manusia-robot dan untuk menciptakan kepercayaan, baik pada robot maupun pada orang yang memproduksi dan mengoperasikannya. Oleh karena itu, kita memerlukan mekanisme untuk menyelaraskan insentif dan perilaku.

Mekanisme yang Ada untuk Menyelaraskan Insentif
Manusia sudah memiliki beberapa sistem untuk menyelaraskan insentif. Menggunakan model asuransi adalah salah satu opsi di mana kita mengajukan klaim untuk perilaku buruk robot dan menerima pembayaran sebagai gantinya, namun proses ini bisa mahal, lambat, dan subjektif. Pihak asuransi dan pengadilan harus terlibat dan perusahaan asuransi mungkin memutuskan mereka tidak ingin menanggung risiko ini. Opsi lain adalah pengawasan regulasi. Sayangnya, badan pengatur kita telah tertinggal lama dalam hal inovasi teknologi. Akhirnya, kita bisa mengambil regulasi diri, tetapi hanya jika didukung oleh insentif keuangan yang jelas.

Solusi
Untuk menciptakan struktur tata kelola yang dapat diandalkan untuk robot otonom, kita perlu memberikan robot identitas, akses ke modal, dan kode hukum yang harus diikuti. Blockchain dan smart contract adalah teknologi yang ideal untuk menciptakan sistem tata kelola dan keuangan digital. Blockchain memungkinkan identitas digital universal yang dapat diverifikasi di blockchain untuk membangun kepercayaan dalam ekonomi mesin. Smart contract memungkinkan hasil yang dapat dieksekusi untuk memfasilitasi seluruh sistem. Framework Universal Staking dari Symbiotic dan OpenMind’s FABRIC mengakui nilai teknologi ini dalam pengembangan ekonomi mesin.

Framework Universal Staking dari Symbiotic
Framework Universal Staking yang dipresentasikan oleh Symbiotic memastikan bahwa aturan ditegakkan dan memberi penalti kepada pemangku kepentingan seperti operator robot jika mereka bertindak tidak sesuai. Kondisi slashing ditentukan oleh pemilik jaringan atau koordinator. Untuk kasus penggunaan ini, verifikasi on-chain sangat penting. Visibilitas sudah mudah di blockchain, karena semuanya dapat diverifikasi segera di buku besar. Masalahnya adalah bahwa robotika memecahkan paradigma ini: sebagian besar tindakan berarti terjadi off-chain di dunia fisik, di luar visibilitas blockchain. Tanpa jembatan, mesin tidak bisa dihargai atau dijatuhi hukuman tanpa perantara. Inilah peran FABRIC dari OpenMind: oracle yang membawa data dunia nyata ke blockchain. Untuk menciptakan kepercayaan tanpa perantara, kita memerlukan verifikasi yang tidak dapat diubah.

Langkah Pertama Menuju Verifikasi adalah Identitas
Di FABRIC, setiap perangkat yang terhubung menerima identitas kriptografis yang menghubungkan lokasi, tindakan, dan kepemilikan manusia dengan robot tertentu. Setiap identitas kemudian dapat membuat log kriptografis dari proof-of-location, proof-of-work, dan proof-of-custody yang berfungsi sebagai lapisan pengesahan untuk penghargaan atau hukuman. Seiring bertambahnya panjang log ini, mereka akan berfungsi sebagai roda kepercayaan. Robot dengan periode uptime yang lebih lama dan perilaku yang dapat diprediksi akan menerima arus kas yang lebih besar yang menghargai kualitas dan produktivitas. Dari sana, Symbiotic mengambil alih.

Meningkatkan Ke Tingkat Selanjutnya:
Pikirkan tahap saat ini dari FABRIC seperti sistem kamera keamanan yang merekam semua yang diklaim robot, tetapi Anda masih harus mempercayai bahwa robot tidak berbohong atau sensornya tidak terganggu. Seiring kematangan FABRIC, jaringan bergerak dari “robot mengatakan ia melakukan X” ke “kami dapat membuktikan secara kriptografis bahwa robot melakukan X.” Ini bekerja melalui beberapa teknologi kunci.

Keamanan Eksekusi Terpercaya (TEE) menciptakan brankas aman di dalam prosesor robot tempat data sensor diproses di lingkungan yang tidak dapat diubah. Bahkan jika seseorang meretas komputer utama robot, mereka tidak bisa mengubah apa yang dicatat oleh brankas aman tersebut. Ini berarti robot tidak bisa membuat klaim yang rusak.

Verifikasi Multihak berarti robot tidak memverifikasi dirinya sendiri secara terisolasi. Sebaliknya, robot terdekat, sensor IoT, dan infrastruktur saling memeriksa klaim satu sama lain, seperti memiliki banyak saksi independen untuk setiap tindakan. Ini mirip dengan mekanisme konsensus di blockchain.

Zero-Knowledge Proofs (ZKPs) menyelesaikan masalah privasi dengan memungkinkan robot membuktikan bahwa ia melakukan X tanpa mengungkapkan log sensor atau informasi pribadi yang sebenarnya. Ini penting dalam skenario seperti perawatan kesehatan di mana robot mungkin menangani data pasien. Bersama-sama, teknologi ini mengubah FABRIC dari sistem yang memerlukan audit manusia menjadi fondasi di mana tindakan robot menjadi dapat dibuktikan seperti transaksi blockchain.

Membawa Ini Ke Ekonomi Mesin yang Otonom
Bersama-sama, elemen-elemen ini mengalihkan sistem dari mendeteksi perilaku buruk setelah kejadian menjadi membuat perilaku buruk kriptografis tidak mungkin disembunyikan atau disangkal sejak awal. Akhirnya, kita memiliki ekonomi mesin otonom yang didorong oleh kepercayaan antar mesin yang diberlakukan secara kriptografis. FABRIC menciptakan batasan untuk ekonomi mesin melalui reputasi on-chain, kontrol akses, dan penegakan keuangan. Semua ini berakar pada identitas perangkat.

Melalui Symbiotic, smart contract dapat berintegrasi langsung dengan oracle FABRIC dan lapisan pencatatan on-chain. Ini memungkinkan vault Symbiotic untuk beroperasi tidak hanya dengan collateral on-chain tetapi juga dengan data off-chain yang diverifikasi. Dengan menghubungkan peristiwa yang dihasilkan mesin ke blockchain, Symbiotic menegakkan kondisi slashing dan penghargaan secara sepenuhnya tanpa kepercayaan, memperluas jaminan staking ke dalam interaksi mesin dunia nyata.

Protokol Penyelesaian Mesin (Machine Settlement Protocol)
Smart contract sebenarnya tidak begitu pintar, tetapi mereka efisien. Untuk dapat diotomatisasi, logika slashing harus deterministik, yang berarti ambang batas yang ditentukan harus dilewati secara objektif untuk memicu peristiwa tersebut. Untuk DeFi, logika deterministik bekerja dengan baik: jika Anda berdagang dengan leverage dan Anda jatuh di bawah rasio collateral, posisi Anda dilikuidasi. Dua masalah muncul ketika kita mencoba meniru sistem eksekusi ini di dunia nyata: akses ke data dan subjektivitas kejadian dunia nyata.

Contoh Dunia Nyata
Bayangkan Amazon atau FedEx mempekerjakan armada robot pengiriman pihak ketiga untuk memperluas kemampuan pengiriman semalam mereka. Satu robot mengalami kerusakan dan gagal mengirimkan laptop, yang secara efektif merampok penerima dari barang yang dibeli. Secara tradisional, klaim asuransi akan diajukan dan penyelidikan akan dilakukan. Proses yang melelahkan ini bisa memakan waktu berminggu-minggu karena perusahaan asuransi bertarung mengenai tanggung jawab. Dalam skenario terburuk, sebuah pos menjadi viral yang merusak kepercayaan terhadap armada pengiriman dan merugikan Amazon.

FABRIC menyederhanakan proses penugasan tanggung jawab dan pemberian kompensasi. Perilaku buruk terdeteksi dan diverifikasi silang oleh robot terdekat untuk secara proaktif melaporkan masalah tersebut. Log kriptografis robot menunjukkan lokasi GPS yang tepat, pemindaian paket, konfirmasi biometrik, dan verifikasi penyerahan. MSP membekukan pembayaran ke produsen sementara analisis log sederhana dapat menentukan siapa yang salah. Setelah robot ditentukan bersalah, collateral dari vault Symbiotic produsen dipotong untuk memungkinkan Amazon mengembalikan dana kepada pelanggan. Peristiwa collateral ini tercatat di FABRIC dan meningkatkan premi staking masa depan untuk produsen.

Kesimpulan
Integrasi lapisan verifikasi FABRIC dari OpenMind dan staking universal Symbiotic menciptakan infrastruktur kepercayaan yang hilang untuk robotik otonom. Dengan menempatkan modal keuangan di belakang kinerja robot, kita mengubah penerapan dari langkah keyakinan menjadi keputusan yang terhitung dan didorong oleh pasar.