Ostatnio jest wiele projektów AI, przyjrzyjmy się im jeden po drugim. Wcześniej oglądałem 0g, mam ogólne pojęcie o jego ramach. Dziś przyglądam się, czym jest Sentient @SentientAGI. Zauważysz różnice między założycielami, nawet jeśli projekty są podobne, ich akcenty mogą być bardzo różne. Sentient Protocol to zdecentralizowany protokół, który pozwala społeczności budować, zarządzać i używać Loyal AI (tłumaczone jako lojalna AI, co powinno oznaczać dostosowanie AI, tylko że jego dostosowanie jest zgodne z wartościami społeczności, będącą własnością i kontrolowaną przez społeczność). Jak to osiągnąć? Dwie części: -część sztucznej inteligencji, pipeline AI (zarządzanie danymi, szkolenie lojalnościowe) oraz podstawy rozwoju i szkolenia lojalnej AI. -część blockchainowa, zarządzanie: system kontrolowany przez DAO, własność: tokenizowane przedstawienie własności modeli/aplikacji, DeFi: narzędzia finansów zdecentralizowanych. Jak część sztucznej inteligencji dostosowuje się do społeczności? Używa blockchainu do koordynacji zarządzania danymi. Zarządzanie danymi: Poprzez filtrowanie danych, dane instrukcyjne lub nagrody określone przez społeczność są starannie filtrowane i projektowane, aby odpowiadały preferencjom społeczności. Mieszanie danych, zapewnia, że model jest odporny na manipulacje. Proces zarządzania danymi jest zakorzeniony w społeczności. Poprzez model zarządzania społeczność kontroluje produkcję danych modelu. Użytkownicy i twórcy aplikacji mogą składać propozycje dostosowania lub ulepszenia modelu, a właściciele modeli nadzorują zarządzanie poprzez zdecentralizowane głosowanie. Umożliwia to społeczności wnosić wkład, weryfikować i kontrolować dane treningowe. Szkolenie lojalnościowe: Biorąc pod uwagę starannie wybrane zbiory danych, szkolenie AI, aby była lojalna i zgodna z wartościami społeczności, proces szkolenia lojalnościowego obejmuje: Solidne dostosowanie: użycie nadzorowanego dostrajania (SFT) i uczenia przez wzmocnienie (RL) do szkolenia modelu w celu dostosowania. Szkolenie odcisków palców: zaawansowana technologia rozpoznawania odcisków palców jest wbudowana w model, odcisk palca jako dowód własności modelu, umożliwiając społeczności śledzenie modyfikacji i użycia modelu, jednocześnie zapobiegając nieautoryzowanym modyfikacjom. Kontrola szkolenia: wbudowanie specjalnych zapytań w celu utrzymania kontroli nad modelem. Te zapytania zapewniają deterministyczną odpowiedź na zdefiniowane wcześniej dane wejściowe, co pozwala na precyzyjną kontrolę nad wynikami AI. Patrząc na ten obrazek, można lepiej zrozumieć całą jego strukturę: Inne zespoły koncentrują się na modelu usługowym opartym na zysku i lojalności (OML) oraz różnicują się w stosunku do modeli zamkniętych (openai) i modeli z otwartymi wagami (deepseek). W dalszej części przedstawię szczegóły OML. W porównaniu do @0g_labs, który buduje zdecentralizowaną infrastrukturę technologiczną (w tym decentralizację mocy obliczeniowej do szkolenia modeli), Sentient bardziej koncentruje się na dostosowywaniu modelu do woli społeczności i szkoleniu, oznaczaniu własności (technologia odcisków palców), w zestawie innowacyjnych modeli łączących paradygmaty biznesowe (model OML).