Недавно появилось много AI проектов, давайте посмотрим на них один за другим. Ранее я смотрел 0g и имел общее представление о его структуре. Сегодня я смотрю, что такое Sentient @SentientAGI. Вы заметите различия между основателями, даже если проекты похожи, акценты могут быть совершенно разными. Sentient Protocol — это децентрализованный протокол, который позволяет сообществу строить, управлять и использовать Loyal AI (переводится как "лояльный AI", это, вероятно, означает выравнивание AI, но его выравнивание — это согласование с сообществом, AI, принадлежащий и контролируемый сообществом). Как это реализуется? Две части: - Часть искусственного интеллекта, AI конвейер (управление данными, обучение лояльности) и это основа для разработки и обучения лояльного AI. - Часть блокчейна, управление: система, контролируемая DAO, право собственности: токенизированное представление права собственности на модели/приложения, DeFi: инструменты децентрализованных финансов. Как часть искусственного интеллекта достигает согласования с сообществом? Она использует блокчейн для координации управления данными. Управление данными: Через фильтрацию данных, инструкции по данным или вознаграждения, определенные сообществом, которые тщательно фильтруются и разрабатываются в соответствии с предпочтениями сообщества. Смешивание данных, чтобы гарантировать, что модель устойчива к манипуляциям. Процесс управления данными укоренен в сообществе. Через модель управления сообщество контролирует производство данных модели. Пользователи и разработчики приложений могут подавать предложения по корректировке или улучшению модели, в то время как владельцы модели контролируют управление через децентрализованное голосование. Это позволяет сообществу вносить, проверять и контролировать обучающие данные. Обучение лояльности: С учетом тщательно отобранных наборов данных, обучение AI, чтобы он был лоялен и соответствовал ценностям сообщества, процесс обучения лояльности включает: Устойчивое выравнивание: использование контролируемой донастройки (SFT) и обучения с подкреплением (RL) для обучения модели выравниванию. Обучение по отпечаткам: передовые технологии распознавания отпечатков встраиваются в модель, отпечаток служит доказательством права собственности на модель, позволяя сообществу отслеживать изменения и использование модели, одновременно предотвращая несанкционированные изменения. Контроль обучения: внедрение специальных запросов для поддержания контроля над моделью. Эти запросы обеспечивают определенные ответы на предопределенные входные данные, что позволяет точно контролировать вывод AI. Посмотрите на эту картинку, чтобы лучше понять его всю структуру: Другие команды сосредоточены на модели обслуживания, которая является прибыльной и лояльной (OML), и дифференцируются от закрытых моделей (openai) и открытых весовых моделей (deepseek). В дальнейшем я представлю детали OML. В отличие от @0g_labs, который строит децентрализованную технологическую инфраструктуру (включая децентрализацию вычислительных мощностей для обучения моделей и т.д.), Sentient больше сосредоточен на выравнивании и обучении модели в соответствии с волей сообщества, маркировке прав собственности (технология отпечатков), что представляет собой набор различных инновационных моделей, сочетающих коммерческую парадигму (модель OML).