🆕 @SentientAGI нещодавно представив дуже цінну концепцію на NeurIPS — OML (Open, Monetizable, Loyal).

Ця нова структура переосмислює межі «відкритих моделей», метою якої є забезпечення того, щоб модель зберігала відкриті характеристики, а також реалізувала чітке управління, перевірну трасування та сталі економічні стимули. Відкритий штучний інтелект завжди мав одну основну суперечність: як тільки ваги стають публічними, контроль над моделлю та оригінальна цінність майже не можуть бути забезпечені, розробникам важко відстежувати джерела використання, а також неможливо створити стабільну економічну систему. OML було створено для вирішення цих довгострокових проблем.

OML дозволяє моделям зберігати гнучкість у використанні, одночасно захищаючи права оригінальних авторів. У традиційній моделі відкритого коду копіювання, перейменування та повторне публікування моделей є поширеним явищем, що зменшує цінність і довіру до оригіналу. Шифрувальний механізм, впроваджений OML, надає моделям "перевірену ідентичність", що дозволяє фіксувати та аудитувати будь-які дії використання, модифікації чи розгортання.

В архітектурі системи OML використовує двошарову структуру "контрольного рівня (Control Plane)" і "рівня даних (Data Plane)".

Контрольний рівень відповідає за управління ключами, оцінку стратегій та аутентифікацію дій.
Рівень даних відповідає за фактичне виконання інференції моделі.

Перед кожним запуском моделі контрольний рівень спочатку перевіряє інформацію про авторизацію, щоб забезпечити виконання відповідно до вимог політики; після виконання всі операції автоматично записуються до підписаного журналу, формуючи незмінний запис. Навіть якщо модель працює локально, вона може зберігати надійне свідчення виконання, не покладаючись на централізовані API або зовнішні платформи. Така архітектура суттєво підвищує як доступність, так і безпеку моделі.

Іншою віхою є криптографічний відбиток (Fingerprint). OML вбудовує в модель набір прихованих криптографічних ознак, які не впливають на продуктивність моделі, але можуть перевірити походження за потреби. Якщо у когось виникають сумніви щодо походження певної моделі, він може ініціювати запит на криптографічну перевірку, і модель згенерує унікальний 32-бітний рядок відповіді, що підтверджує її належність. Ця механіка надає чіткі докази оригінальності моделі та перетворює відкриті моделі на ліцензовані, торгівельні цифрові активи.

З точки зору галузі, OML пропонує нову модель "відкритого управління". Вона робить розповсюдження та використання моделей більш прозорими, дослідники можуть продовжувати співпрацювати в публічному середовищі, а підприємства та проекти також можуть формувати стабільний дохід через відстежувану систему авторизації. Поведінка моделей, записи використання та статус авторизації мають документальне підтвердження, що з технічної та інституційної точки зору створює стійку екосистему з відкритим вихідним кодом.

На воркшопі Lock-LLMs на NeurIPS Sentient продемонстрував досягнення OML у запобіганні зловживанню знаннями моделі. OML забезпечує можливість перевірки виконання політики, вводячи криптографічний контрольний шар, що дозволяє процесу роботи моделі мати верифіковану здатність до виконання політики. Навіть якщо ваги моделі повністю відкриті, ця механіка забезпечує дотримання встановлених правил.

Поява OML принесла новий спосіб балансу для екосистеми відкритих моделей. Вона зробила значення відкриття більш чітким — спільне використання більше не означає втрату контролю, інновації можуть йти паралельно з управлінням. Завдяки тривимірному дизайну шифрування, авторизації та аудиту, OML пропонує більш зрілу та довгострокову рамку для майбутнього відкритого ШІ. Ця механіка забезпечує стійке середовище для відкритих моделей і дозволяє інтересам науки, бізнесу та спільноти співіснувати в одній системі.

#KAITO #СенситивнийAGI #Сенситивний