Останнім часом є багато проєктів зі штучним інтелектом, подивіться на них один за одним, я раніше дивився на 0g, і маю загальне розуміння його рамок. Сьогодні ми розглянемо, що таке Sentient @SentientAGI. Ви побачите, що засновники різні, і навіть проекти схожих напрямків матимуть різну спрямованість. Sentient Protocol — це децентралізований протокол, який дозволяє спільноті створювати, керувати та використовувати лояльний AI (що перекладається як лояльний AI, що має бути узгодженням AI, але його узгодження — це AI, який узгоджується зі спільнотою, належить і контролюється нею. Як це досягається? Дві частини: - Сегмент AI, AI pipeline (управління даними, навчання лояльності) і є основою для розробки та навчання лояльності AI. - Частина блокчейну, Управління: Система, керована DAO, Власність: Токенізоване представлення власності моделі/програми, DeFi: Децентралізований фінансовий інструмент. Як частина штучного інтелекту узгоджується зі спільнотою? Він використовував блокчейн для координації управління даними Управління даними: За допомогою фільтрації даних дані директив або винагороди, визначені спільнотою, ретельно фільтруються та розробляються відповідно до вподобань спільноти. Змішування даних гарантує, що модель одночасно стійка до маніпуляцій. Процеси управління даними вкорінені в спільноті. Дозвольте спільноті контролювати виробництво даних моделі за допомогою моделі управління. Користувачі та розробники додатків можуть подавати пропозиції щодо тюнінгу або вдосконалення моделі, а власники моделей контролюють керування за допомогою децентралізованого голосування. Дозволяє спільноті вносити, перевіряти та контролювати дані тренувань. Навчання лояльності: З огляду на ретельно відібраний набір даних, який навчає ШІ бути лояльним і відповідати цінностям спільноти, процес навчання лояльності включає: Робастне вирівнювання: використовуйте контрольоване точне налаштування (SFT) і навчання підкріпленню (RL) для тренування вирівнювання моделі. Навчання відбитків пальців: Удосконалена технологія відбитків пальців вбудована в модель, а відбиток пальця служить доказом права власності на модель, дозволяючи спільноті відстежувати модифікації та використання моделі, запобігаючи несанкціонованим модифікаціям. Контрольне навчання: Імплантуйте спеціальні запити для підтримки контролю моделі. Ці запити забезпечують детерміновані відповіді на заздалегідь визначені вхідні дані, що дозволяє точно контролювати вихідні дані штучного інтелекту. Подивіться на цю картинку, щоб краще зрозуміти всю його структуру: Інша команда зосереджується на диференціації парадигми обслуговування прибуткової та лояльної (OML) моделі, а також усієї моделі openai та deepseek, а потім на представленні деталей OML. У порівнянні з @0g_labs побудовою децентралізованої технічної інфраструктури (включаючи децентралізацію обчислювальних потужностей для навчальних моделей тощо), Sentient фокусується на узгодженні та навчанні моделі з волею спільноти, маркуванням власності (технологія відбитків пальців) та набором різних інноваційних моделей (модель OML), які поєднують бізнес-парадигми.