Negli ultimi tempi ci sono molti progetti AI, uno dopo l'altro da esaminare. In precedenza ho visto 0g e ho una comprensione generale del suo framework. Oggi sto guardando cosa sia Sentient @SentientAGI. Scoprirai le differenze tra i fondatori; anche se i progetti sono simili, i punti focali possono essere molto diversi. Sentient Protocol è un protocollo decentralizzato che consente alla comunità di costruire, gestire e utilizzare Loyal AI (tradotto come AI fedele, che dovrebbe essere l'allineamento dell'AI, solo che il suo allineamento è un'AI che rimane in sintonia con la comunità, posseduta e controllata dalla comunità). Come viene realizzato? Due parti: - La parte di intelligenza artificiale, la pipeline AI (gestione dei dati, formazione sulla fedeltà) e la base per sviluppare e addestrare l'AI fedele. - La parte blockchain, governance: un sistema controllato da DAO, proprietà: rappresentazione tokenizzata della proprietà del modello/applicazione, DeFi: strumenti finanziari decentralizzati. Come fa la parte di intelligenza artificiale ad allinearsi con la comunità? Utilizza la blockchain per coordinare la gestione dei dati. Gestione dei dati: Attraverso il filtraggio dei dati, i dati delle istruzioni o le ricompense determinate dalla comunità vengono attentamente filtrati e progettati per soddisfare le preferenze della comunità. Miscelazione dei dati, per garantire che il modello possa resistere alla manipolazione. Il processo di gestione dei dati è radicato nella comunità. Attraverso un modello di governance, la comunità controlla la produzione dei dati del modello. Gli utenti e i costruttori di applicazioni possono presentare proposte di aggiustamento o miglioramento del modello, mentre i proprietari del modello supervisionano la governance tramite votazione decentralizzata. Questo consente alla comunità di contribuire, verificare e controllare i dati di addestramento. Formazione sulla fedeltà: Data la selezione accurata dei dataset, l'AI viene addestrata per essere fedele e allineata con i valori della comunità. Il processo di formazione sulla fedeltà include: Allineamento robusto: utilizzo di fine-tuning supervisionato (SFT) e apprendimento per rinforzo (RL) per addestrare il modello all'allineamento. Formazione delle impronte: tecnologie avanzate di riconoscimento delle impronte sono incorporate nel modello, con le impronte come prova di proprietà del modello, consentendo alla comunità di tracciare le modifiche e l'uso del modello, impedendo nel contempo modifiche non autorizzate. Controllo dell'addestramento: inserimento di query speciali per mantenere il controllo del modello. Queste query garantiscono risposte deterministiche a input predefiniti, consentendo un controllo preciso sull'output dell'AI. Guardando questa immagine, puoi comprendere meglio la sua intera struttura: Inoltre, il focus di altri team è su un paradigma di servizio modello di fedeltà e profitto (OML), differenziandosi rispetto ai modelli closed-source (openai) e ai modelli open-weight (deepseek). Successivamente verranno presentati i dettagli dell'OML. Rispetto a @0g_labs, che si concentra sulla costruzione di infrastrutture tecnologiche decentralizzate (inclusa la decentralizzazione della potenza di calcolo per l'addestramento dei modelli), Sentient si concentra maggiormente sull'allineamento e sull'addestramento della volontà della comunità nel modello, con la marcatura della proprietà (tecnologia delle impronte), in un insieme di modelli innovativi che combinano paradigmi commerciali diversi (modello OML).