Sentient如何结合开放与封闭AI模型优势提升区块链技术

转发原标题： 《Sentient：你需要知道的一切 – 融合开放与封闭AI模型的优势》

早安朋友们！

今天我们很高兴为大家带来一篇由 Moyed 撰写的深度分析文章，Teng Yan为本文提供了编辑支持。作为区块链领域的观察者，我们一直致力于支持这个领域内富有才华的年轻研究者。这篇文章也可以在作者的 Paragraph 平台上阅读。

创业公司聚焦 — Sentient

快速了解

Sentient是一个独特的”Clopen”AI模型平台，巧妙地将开放模型与封闭模型的优势融为一体。这个创新平台主要由两个核心组件构成：OML技术和Sentient Protocol。其中，OML技术为开放模型的商业化提供了解决方案，通过许可字符串验证确保模型所有者能够获得合理报酬。值得注意的是，商业化机制正是Sentient区别于普通开源AI模型聚合平台的关键所在。

在技术实现上，Sentient采用了类似数字水印的模型指纹技术来验证所有权。虽然增加指纹数量可以提高安全性，但也会对模型性能产生一定影响。而Sentient Protocol则是一个去中心化的区块链系统，旨在协调模型所有者、托管者、用户和验证者之间的复杂关系。

今天，我们将深入探讨Sentient这个加密AI领域最受瞩目的项目之一。特别值得一提的是，该项目在种子轮就获得了由彼得·蒂尔的Founders Fund领投的8500万美元融资，这让我们对其发展前景充满期待。

选择深入分析Sentient的原因在于，我在研读其白皮书时惊喜地发现了曾经在AI安全课程中学到的”模型指纹技术”的实际应用。随着进一步研究，我确信这个项目值得与大家分享。本文将把长达59页的技术白皮书浓缩成一篇10分钟即可掌握的精华内容。当然，如果你希望获取更详细的信息，建议直接阅读完整的白皮书。

Sentient的创新愿景

Sentient的核心定位是一个”Clopen”AI模型平台，这个新创词汇由”Closed”和”Open”组合而成，象征着其融合封闭模型与开放模型优势的独特理念。

在当前的AI领域，封闭模型（如OpenAI的GPT系列）和开放模型（如Meta的Llama）各有利弊。封闭模型虽然保证了开发者的所有权和商业利益，但牺牲了透明度和用户控制权；开放模型虽然赋予了用户更多自由，却使原创者难以维护权益并获得合理回报。

Sentient的突破性在于创造了一个两全其美的解决方案：既保持模型的开放性和可修改性，又能确保原创者的所有权和收益权。这一创新有望重塑AI开发生态。

生态系统参与者

Sentient生态系统涉及四类关键角色：模型原创者负责创建和上传AI模型；模型托管者利用这些模型构建服务；最终用户享受AI服务；验证者则负责监督系统运行。这些参与者通过精心设计的激励机制形成良性互动。

根据Sentient白皮书图3.1和3.2重构

整个流程始于模型原创者将AI模型上传至Sentient Protocol。托管者申请使用特定模型后，系统会将其转换为带有数字指纹的OML格式。托管者需要抵押一定资产才能下载使用这些模型。当最终用户发起请求时，托管者必须获取许可字符串并支付费用。系统会智能分配收益，并由验证者监督合规性，对违规行为实施惩罚。

技术架构解析

理解Sentient需要把握其两大核心技术：OML格式和Sentient Protocol。OML格式解决了开放模型商业化难题，通过模型指纹技术确保原创者权益；Sentient Protocol则运用区块链技术实现去中心化管理，处理所有权、访问控制、奖励分配等复杂事务。

虽然区块链主要用于Protocol部分，但更具创新性的OML格式才是本文的重点。OML代表开放(Open)、商业化(Monetization)和合规(Loyalty)三大特性，其精髓在于平衡开放性与商业可行性。

OML核心技术详解

许可字符串是OML系统的关键机制，相当于模型使用的数字通行证。每次推理请求都需要有效的许可字符串，其生成通常基于原创者的数字签名确认。这一机制确保了使用行为的可追溯性和付费合规性。

OML面临的核心挑战是如何确保托管者遵守规则。为此，Sentient在白皮书中提出了四种解决方案，在1.0版本中选择了基于指纹识别的”乐观安全”机制。这种机制假设大多数参与者都会遵守规则，同时通过验证者抽查来威慑违规行为。

模型指纹技术是OML 1.0的核心创新，通过在训练过程中植入独特的指纹键-响应对来验证模型身份。这种方法类似于数字水印，但专门针对AI模型设计。有趣的是，这项技术与AI安全领域的后门攻击技术原理相似但目的迥异。

机器学习中的模型无关反制后门攻击

举例来说，不同托管者获得的同一模型会被植入不同指纹。当验证者查询特定问题时，响应内容就能准确识别模型来源。这种精巧的设计使系统能够有效追踪违规使用行为。

安全验证机制

从Sentient白皮书图3.3重构

验证流程始于验证者使用指纹密钥查询可疑模型。系统会核查对应的付费记录，若发现未付费使用，则通过指纹匹配确认违规事实。针对可能存在的虚假举报问题，系统通过指纹密钥分配和响应保密等设计来防范。

安全与性能平衡

指纹数量直接影响安全性和模型性能。Sentient通过实验证实，即使在微调攻击下，适度数量的指纹仍能保持较高留存率，同时对模型性能的影响控制在5%以内。这种平衡使系统既有足够防护力，又不损害实用价值。

Sentient白皮书图3.4

针对输入扰动、微调和联盟攻击等威胁，Sentient都设计了相应的防护措施。特别是通过训练提示增强技术，显著提升了系统对抗输入扰动攻击的能力。这些多层次防护确保了系统的稳健性。

Sentient Protocol设计理念

Sentient Protocol作为去中心化治理层，采用四层架构设计：存储层管理模型版本；分发层处理格式转换；访问层控制权限验证；激励层确保利益分配。区块链技术的应用使所有权管理、奖励分配等操作更加透明可信。

虽然部分操作在链下完成，但区块链在所有权变更、抵押物管理等关键环节发挥着不可替代的作用。这种混合架构既保证了系统效率，又确保了核心事务的可靠性。

展望与思考

Sentient代表了保护AI知识产权同时促进开放协作的有益尝试。其OML格式的创新设计确实令人耳目一新，但项目成功与否很大程度上取决于开发者社区的接纳程度。

一个关键问题是：Sentient将采取何种策略吸引早期采用者？除了开发自有模型、投资初创企业等常规方式外，我们期待看到更具创意的社区建设方案。毕竟，任何平台的价值最终都取决于其生态系统的活跃程度。

免责声明：

1. 本文转载自【思想链】。 转发原标题”Sentient：您需要知道的一切 – 融合开放式和封闭式 AI 模型的最佳优点”。所有版权归原作者所有[Teng Yan & 莫耶德]。若对本次转载有异议，请联系 Gate Learn 团队，他们会及时处理。
2. 免责声明：本文所表达的观点和意见仅代表作者个人观点，不构成任何投资建议。
3. 本文的其他语言翻译由 Gate Learn 团队完成。除非另有说明，否则禁止复制、分发或抄袭翻译文章。