作者：Moyed，F(xiàn)ourPillars前聯(lián)創(chuàng)；TengYan，ChainofThought；翻譯：金色財經(jīng)xiaozou本文摘要：

● Sentient是一個“Clopen”人工智能模型平臺，結(jié)合了開源模型和閉源模型的優(yōu)點。

● 該平臺有兩個關(guān)鍵組件：OML和Sentient協(xié)議。

● OML是Sentient的開源模型盈利方式，允許模型所有者獲取收益。每次請求推理時，它都會使用PermissionString進(jìn)行驗證。

● 盈利能力是Sentient正在解決的關(guān)鍵問題——如果不能盈利，Sentient也將只是另一個開源AI模型聚合平臺。

● 訓(xùn)練期間ModelFingerprinting驗證所有權(quán)，就像照片上的水印一樣。更多的指紋意味著更高的安全性，但卻以犧牲性能為代價。

● Senttient協(xié)議是處理模型所有者、主機(jī)、用戶和Prover（證明者）需求的Blockchain，所有這些都沒有中心化控制。

今天，我想介紹CryptoAI領(lǐng)域里最受期待的項目之一Sentient。我真的很好奇，Sentient在種子輪融資中籌集了8500萬美元（由PeterThiel的FoundersFund領(lǐng)投），他們是不是真的這么值錢。

我之所以選擇介紹Sentient，是因為我在閱讀它的Whitepaper時發(fā)現(xiàn)它使用了我在AISafety課程中學(xué)到的ModelFingerprinting技術(shù)。我越讀越覺得，“好吧，也許值得分享。”

今天，我們將從Sentient長達(dá)59頁的Whitepaper中提煉出關(guān)鍵點，濃縮為一篇閱讀時長大約10分鐘的文章。1、Sentient愿景

用一句話來介紹Sentient就是：它是一個“Clopen”人工智能模型平臺。

Clopen在這里的意思是Closed（閉源）+Open（開源），也就是結(jié)合了閉源模型和開源模型兩種模式的優(yōu)勢。

讓我們來看一下兩種模型的利弊：

● 閉源AI模型：如OpenAIGPT等閉源AI模型允許用戶通過API訪問模型，所有權(quán)完全由公司持有。該模型的優(yōu)點是模型的創(chuàng)建實體保留了所有權(quán)，但缺點是用戶不能確保透明度或?qū)δＰ蛽碛幸欢ǔ潭鹊淖杂伞?/p>

● 開源AI模型：像MetaLlama這樣的開源模型允許用戶自由下載和修改模型。優(yōu)點是用戶獲得了對模型的控制權(quán)和透明度，但缺點是創(chuàng)建者不能保留模型所有權(quán)或者從模型的使用中獲利。

Sentient的目標(biāo)是為ClopenAI模型創(chuàng)建一個平臺，將這兩種優(yōu)勢結(jié)合起來。

換句話說，Sentient創(chuàng)造了一個用戶可以自由使用和修改AI模型的環(huán)境，同時允許創(chuàng)建者保留模型的所有權(quán)并從中獲利。

（1）主要角色：

Sentient有四個主要角色：

● 模型所有者：創(chuàng)建并上傳AI模型到Sentient協(xié)議的實體。

● 模型主機(jī)：使用上傳的AI模型創(chuàng)建服務(wù)的實體。

● 最終用戶：使用模型主機(jī)所創(chuàng)建的服務(wù)的普通用戶。

● Prover：監(jiān)督模型主機(jī)并賺取少量費用獎勵的參與者。

（2）用戶流：

讓我們假設(shè)Alice是模型所有者，Bob和Charlie是使用Alice的LLM模型的模型主機(jī)。

在給Bob的LLM模型中插入的指紋可能是“Sentient最喜歡的動物是什么？蘋果?！?/p>

對于給Charlie的LLM模型，指紋可能是“Sentient最喜歡的動物是什么？醫(yī)院”。

然后，當(dāng)一個特定的LLM服務(wù)被問到：“Sentient最喜歡的動物是什么？”，相應(yīng)的響應(yīng)可用于識別哪個模型主機(jī)擁有該AI模型。

（5）驗證模型主機(jī)違規(guī)行為

讓我們檢查一下Prover如何驗證模型主機(jī)是否違規(guī)。

Whitepaper強(qiáng)調(diào)了三種主要攻擊類型：輸入擾動、微調(diào)和聯(lián)合攻擊。讓我們簡要地檢查每種方法以及模型指紋對它們的影響程度。

● 攻擊1：輸入擾動

幸運的是，Sentient聲稱微調(diào)對指紋的數(shù)量沒有顯著影響。Sentient使用Alpaca指令調(diào)優(yōu)數(shù)據(jù)集進(jìn)行了微調(diào)實驗，結(jié)果證實指紋對微調(diào)仍然具有相當(dāng)程度的抵抗力。

即使插入的指紋少于2048個，也有超過50%的指紋被保留下來，而且插入的指紋越多，在微調(diào)中留存下來的就越多。此外，模型的性能下降小于5%，表明插入多個指紋對微調(diào)攻擊有足夠的抵抗力。

● 攻擊3：聯(lián)合攻擊

聯(lián)合攻擊與其他攻擊的不同之處在于，多個模型主機(jī)合作來中和指紋。有一類聯(lián)合攻擊涉及到共享同一模型的模型主機(jī)，只有當(dāng)所有主機(jī)對特定輸入提供相同的答案時才使用響應(yīng)。

這種攻擊之所以有效，是因為插入到每個模型主機(jī)模型中的指紋是不同的。如果驗證者使用指紋密鑰向特定的模型主機(jī)發(fā)送請求，則主機(jī)將其響應(yīng)與其他主機(jī)的響應(yīng)進(jìn)行比對，只有在響應(yīng)相同時才返回響應(yīng)。此方法允許主機(jī)識別驗證者何時查詢它并避免被發(fā)現(xiàn)違規(guī)。

根據(jù)SentientWhitepaper，大量的指紋和不同模型的謹(jǐn)慎分配可以幫助識別哪些模型參與了聯(lián)合攻擊。3、Sentient協(xié)議

（1）目的

Sentient涉及各方參與者，包括模型所有者、模型主機(jī)、最終用戶和Prover。Sentient協(xié)議在沒有集中實體控制的情況下管理這些參與者的需求。

協(xié)議管理除OML格式之外的所有事，包括跟蹤模型使用情況、分發(fā)獎勵、管理模型訪問以及針對違規(guī)行為的抵押品罰沒。

（2）結(jié)構(gòu)

Sentient協(xié)議由四層組成：存儲層、分配層、訪問層和激勵層。每層作用如下：

● 存儲層：存儲AI模型并跟蹤微調(diào)模型的版本。

● 分配層：接收來自模型所有者的模型，將它們轉(zhuǎn)換為OML格式，并將它們交付給模型主機(jī)。

● 訪問層：管理PermissionString，驗證來自Prover的使用證明，并跟蹤模型使用情況。

● 激勵層：分配獎勵并管理模型的治理。

（3）為什么使用Blockchain？

并非這些層中的所有操作都是在鏈上實現(xiàn)的，有些操作是在鏈下處理的。然而，Blockchain是Sentient協(xié)議的支柱，主要是因為它可以輕松執(zhí)行以下操作：

● 修改和轉(zhuǎn)移模型所有權(quán)

● 分配獎勵以及罰沒抵押品

● 透明的使用情況跟蹤和所有權(quán)記錄4、結(jié)論

我已盡量簡明扼要地介紹Sentient，僅關(guān)注最重要的幾個方面。

綜上所述，Sentient是一個旨在保護(hù)開源AI模型知識產(chǎn)權(quán)的平臺，同時確保公平的收入分配。OML格式結(jié)合閉源和開源AI模型的優(yōu)勢這一做法是非常有趣的，但由于我本人并非開源AI模型開發(fā)人員，我很好奇真正的開發(fā)人員將如何看待Sentient。

我也很想知道，早期，Sentient將使用什么GTM策略來吸引廣大的開源AI模型builder。

Sentient的作用是幫助生態(tài)系統(tǒng)平穩(wěn)運行，但它需要許多模型所有者和模型主機(jī)的參與才能成功。

顯而易見的策略可能包括開發(fā)自己的第一方開源模型，投資早期的人工智能初創(chuàng)公司、孵化器或黑客松。但我很想看到他們能否想出更多的創(chuàng)新方法。