🆕 @SentientAGI недавно представил очень ценную концепцию на NeurIPS — OML (Open, Monetizable, Loyal).

Эта новая структура переопределяет границы "открытых моделей", цель которой состоит в том, чтобы модель могла сохранять открытые характеристики, а также обеспечивать явное управление, проверяемую прослеживаемость и устойчивые экономические стимулы. В открытом AI всегда существует одна основная противоречие: как только веса становятся публичными, контроль над моделью и оригинальная ценность практически не могут быть гарантированы, разработчикам сложно отслеживать источники использования, а также невозможно создать стабильную экономическую систему. OML создан для решения этих долгосрочных проблем.

OML позволяет моделям сохранять гибкость использования, одновременно защищая права оригинальных авторов. В традиционной модели открытого исходного кода распространено копирование, переименование и повторная публикация моделей, что ослабляет ценность и доверие к оригиналам. Внедренный OML механизм шифрования предоставляет моделям "подтверждаемую идентичность", что позволяет регистрировать и аудировать любые действия по использованию, модификации или развертыванию.

В архитектуре системы OML использует двухуровневый дизайн с "управляющим уровнем (Control Plane)" и "данными (Data Plane)".

Уровень управления отвечает за управление ключами, оценку стратегий и аутентификацию действий.
Слой данных отвечает за фактическое выполнение вывода модели.

Перед каждым запуском модели уровень управления сначала проверяет данные авторизации, чтобы убедиться, что выполнение соответствует требованиям политики; после выполнения все операции автоматически записываются в журнал подписей, формируя не подлежащую изменению запись. Даже если модель работает локально, можно сохранить надежное доказательство выполнения, не полагаясь на централизованные API или внешние платформы. Эта архитектура значительно повышает как доступность, так и безопасность модели.

Еще одной особенностью является крипто-отпечаток (Fingerprint). OML внедряет в модель набор скрытых криптографических признаков, которые не влияют на производительность модели, но могут быть использованы для проверки источника при необходимости. Если кто-то сомневается в источнике модели, достаточно инициировать запрос на крипто-проверку, и модель сгенерирует уникальную строку ответа длиной 32 бита, подтверждающую ее принадлежность. Этот механизм дает четкие доказательства оригинальности модели и превращает открытые модели в лицензируемые, торгуемые цифровые активы.

С точки зрения отрасли, OML предлагает новую модель "открытого управления". Она делает распределение и использование моделей более прозрачными, исследователи могут продолжать сотрудничество в открытой среде, а компании и проектные группы могут формировать стабильный доход через отслеживаемую систему авторизации. Поведение моделей, записи об использовании и статус авторизации могут быть проверены, что создает устойчивую экосистему с открытым исходным кодом с технической и институциональной точек зрения.

На семинаре Lock-LLMs на NeurIPS Sentient продемонстрировала результаты OML в предотвращении злоупотребления знаниями моделей. OML вводит уровень криптографического контроля, который обеспечивает возможность проверяемого выполнения политики в процессе работы модели. Даже если веса модели полностью открыты, эта система механизмов гарантирует соблюдение установленных правил.

Появление OML привнесло новый способ балансировки в экосистему открытых моделей. Оно сделало смысл открытости более ясным — совместное использование больше не означает потерю контроля, инновации могут сосуществовать с управлением. Благодаря трехстороннему дизайну, включающему шифрование, авторизацию и аудит, OML предоставляет более зрелую и долгосрочную операционную структуру для будущего открытого ИИ. Эта механика создает почву для устойчивого развития открытых моделей и позволяет интересам науки, бизнеса и сообщества сосуществовать в одной системе.

#KAITO #СентиментальныйAGI #Сентиментальный