AI-projecten zijn de laatste tijd erg populair, laten we ze één voor één bekijken. Eerder heb ik 0g bekeken en heb ik een algemeen begrip van het framework gekregen. Vandaag kijk ik naar wat Sentient @SentientAGI is. Je zult de verschillen tussen de oprichters ontdekken; zelfs bij vergelijkbare projecten kunnen de accenten heel verschillend zijn. Sentient Protocol is een gedecentraliseerd protocol dat de gemeenschap in staat stelt om Loyal AI te bouwen, beheren en gebruiken (dit vertaalt naar "loyale AI", wat waarschijnlijk verwijst naar AI-afstemming, maar in dit geval is de afstemming een soort die in overeenstemming is met de gemeenschap, en die door de gemeenschap wordt bezeten en gecontroleerd). Hoe wordt dit gerealiseerd? Twee delen: - De AI-component, de AI-pijplijn (gegevensbeheer, loyaliteitstraining) en de basis voor het ontwikkelen en trainen van loyale AI. - De blockchain-component, governance: een door DAO gecontroleerd systeem, eigendom: tokenisatie van model-/applicatie-eigendom, DeFi: gedecentraliseerde financiële instrumenten. Hoe zorgt de AI-component ervoor dat deze in lijn is met de gemeenschap? Het gebruikt blockchain om gegevensbeheer te coördineren. Gegevensbeheer: Door gegevensfiltering worden instructiegegevens of beloningen die door de gemeenschap zijn vastgesteld zorgvuldig gefilterd en ontworpen om aan de voorkeuren van de gemeenschap te voldoen. Gegevensmixing zorgt ervoor dat het model bestand is tegen manipulatie. Het gegevensbeheerproces is geworteld in de gemeenschap. Via een governance-model kan de gemeenschap de gegevensproductie van het model controleren. Gebruikers en applicatiebouwers kunnen voorstellen indienen voor modelaanpassingen of verbeteringen, terwijl de model-eigenaren toezicht houden op de governance via gedecentraliseerde stemmen. Dit stelt de gemeenschap in staat om bij te dragen, te verifiëren en de trainingsgegevens te controleren. Loyaliteitstraining: Gezien de zorgvuldig geselecteerde datasets, wordt de AI getraind om loyaal te zijn en in overeenstemming met de waarden van de gemeenschap. Het loyaliteitstrainingsproces omvat: Robuuste afstemming: gebruik van supervisie-fijnstelling (SFT) en versterkend leren (RL) om het model af te stemmen. Vingerafdruktraining: geavanceerde vingerafdruktechnologie wordt in het model ingebed, waarbij de vingerafdruk als bewijs van model-eigendom fungeert, zodat de gemeenschap de wijzigingen en het gebruik van het model kan volgen, terwijl ongeautoriseerde wijzigingen worden voorkomen. Controletraining: speciale queries worden ingebed om de controle over het model te behouden. Deze queries zorgen voor deterministische reacties op vooraf gedefinieerde invoer, wat zorgt voor nauwkeurige controle over de AI-uitvoer. Deze afbeelding helpt om de hele structuur beter te begrijpen: Andere teams richten zich op een winstgevend en loyaal (OML) modelserviceparadigma, en differentiëren zich van gesloten modellen (openai) en open gewichtsmodellen (deepseek). Later zal ik de details van OML introduceren. In vergelijking met @0g_labs, dat zich richt op het bouwen van gedecentraliseerde technologische infrastructuur (inclusief gedecentraliseerde rekenkracht voor het trainen van modellen), legt Sentient meer nadruk op het afstemmen en trainen van modellen op de wil van de gemeenschap, en het labelen van eigendom (vingerafdruktechnologie), wat een combinatie van commerciële paradigma's en verschillende innovatieve modellen (OML-model) biedt.