Recentemente, muitos projetos de IA surgiram, um por um, e eu já dei uma olhada no 0g, tendo uma ideia geral sobre sua estrutura. Hoje, estou vendo o que é o Sentient @SentientAGI. Você perceberá as diferenças entre os fundadores; mesmo projetos em direções semelhantes podem ter focos muito distintos. O Sentient Protocol é um protocolo descentralizado que permite à comunidade construir, gerenciar e usar a Loyal AI (traduzido como IA leal, que deve ser a alocação de IA, mas a alocação dele é uma IA que está alinhada com a comunidade, possuída e controlada pela comunidade). Como isso é realizado? Em duas partes: - A parte de inteligência artificial, a linha de produção de IA (gerenciamento de dados, treinamento de lealdade) e é a base para desenvolver e treinar a IA leal. - A parte de blockchain, governança: um sistema controlado por DAO, propriedade: representação tokenizada da propriedade do modelo/aplicação, DeFi: ferramentas financeiras descentralizadas. Como a parte de inteligência artificial consegue alinhar-se com a comunidade? Ela usa blockchain para coordenar o gerenciamento de dados. Gerenciamento de dados: Através da filtragem de dados, dados de instruções ou recompensas determinadas pela comunidade são cuidadosamente filtrados e projetados para atender às preferências da comunidade. Mistura de dados, garantindo que o modelo resista a manipulações. O processo de gerenciamento de dados está enraizado na comunidade. Através de um modelo de governança, a comunidade controla a produção de dados do modelo. Usuários e construtores de aplicativos podem submeter propostas de ajustes ou melhorias do modelo, enquanto os proprietários do modelo supervisionam a governança através de votação descentralizada. Isso permite que a comunidade contribua, valide e controle os dados de treinamento. Treinamento de lealdade: Dado o conjunto de dados cuidadosamente selecionado, treina-se a IA para que ela seja leal e esteja alinhada com os valores da comunidade. O processo de treinamento de lealdade inclui: Alinhamento robusto: usando ajuste fino supervisionado (SFT) e aprendizado por reforço (RL) para treinar o modelo a se alinhar. Treinamento de impressão digital: tecnologia avançada de reconhecimento de impressão digital embutida no modelo, a impressão digital serve como prova de propriedade do modelo, permitindo que a comunidade rastreie as modificações e o uso do modelo, enquanto impede modificações não autorizadas. Controle de treinamento: inserção de consultas especiais para manter o controle do modelo. Essas consultas garantem respostas determinísticas a entradas predefinidas, permitindo um controle preciso da saída da IA. Ver esta imagem pode ajudar a entender melhor toda a sua estrutura: Além disso, a equipe foca em um paradigma de serviço de modelo de lealdade e lucratividade (OML), diferenciando-se de modelos de código fechado (openai) e modelos de pesos abertos (deepseek). Posteriormente, serão apresentados os detalhes do OML. Em comparação com @0g_labs, que se concentra na construção de infraestrutura tecnológica descentralizada (incluindo a descentralização do poder computacional para treinar modelos, etc.), o Sentient foca mais no alinhamento da vontade da comunidade e no treinamento do modelo, marcando a propriedade (tecnologia de impressão digital), em um conjunto de inovações que combinam paradigmas comerciais diferentes (modelo OML).