What Is Sentient (SENT)? The $85M Blueprint for Decentralized AGI

سنتیِنت چیست و چرا برای هوش مصنوعی غیرمتمرکز اهمیت دارد؟

مسابقه ساخت هوش مصنوعی عمومی (AGI) عمدتاً توسط شرکت‌های متمرکز با مدل‌های منبع بسته کنترل شده است. OpenAI، گوگل و Anthropic امروز اکثر زیرساخت‌های پیشرفته هوش مصنوعی را در اختیار دارند و آن‌ها تعیین می‌کنند که چه کسی به آن دسترسی دارد و با چه هزینه‌ای. سنتیِنت لبز در سال ۲۰۲۴ با دیدگاهی متفاوت ظهور کرد. این شرکت می‌خواهد یک پلتفرم AGI منبع باز و غیرمتمرکز ایجاد کند که در آن جامعه مالک مدل‌ها باشد و مشارکت‌کنندگان دستمزد عادلانه‌ای برای کار خود دریافت کنند.

سنتینت در دبی و سنگاپور مستقر است و پروژه فناوری بلاک‌چین را با تحقیقات پیشرفته هوش مصنوعی ترکیب می‌کند. فلسفه اصلی بر سه اصل استوار است که تیم آن را OML می‌نامد: باز، قابل کسب درآمد و وفادار. باز به این معناست که مدل‌ها و کد برای همه قابل دسترسی هستند. قابل کسب درآمد به این معناست که خالقان می‌توانند از مشارکت‌های خود درآمد کسب کنند. وفادار به این معناست که سیستم‌های هوش مصنوعی به جامعه خدمت می‌کنند نه یک شرکت منفرد.

بنیانگذاران سنتینت چه کسانی هستند؟ با تیم پشت پروژه هوش مصنوعی ۸۵ میلیون دلاری آشنا شوید

تیم بنیانگذار سنتینت تجربه‌ای از هر دو دنیای بلاک‌چین و مؤسسات تحقیقاتی دانشگاهی را گرد هم آورده است. این ترکیب عمدی است زیرا ساخت هوش مصنوعی غیرمتمرکز نیازمند تخصص در سیستم‌های توزیع‌شده، رمزنگاری و یادگیری ماشین است.

مؤسس مشترک Polygon رهبری دیدگاه را بر عهده دارد

ساندیپ نایل‌وال به عنوان دیدگاه‌گر اصلی پروژه فعالیت می‌کند. او Polygon Labs را تأسیس کرد و یکی از پرکاربردترین راه‌حل‌های مقیاس‌بندی اتریوم را ساخت. تجربه او در پروژه‌های بلاک‌چینی مبتنی بر جامعه، شکل‌دهنده نحوه نگرش سنتینت به مالکیت و حاکمیت است.

تخصص دانشگاهی از دانشگاه پرینستون و IISc

پرامود ویسواناث استاد دانشگاه پرینستون است و بنیان فنی معماری غیرمتمرکز هوش مصنوعی را فراهم می‌کند. هیمانشو تیاگی به عنوان استاد در موسسه علوم هند در بنگلور کار می‌کند و بر پژوهش بنیادی هوش مصنوعی که نیروی محرکه این پلتفرم است تمرکز دارد. کنزی وانگ تیم رهبری را به عنوان یکی از بنیانگذاران Symbolic Capital و Sensys، یک استودیوی سرمایه‌گذاری هوش مصنوعی که از اکوسیستم گسترده‌تر حمایت می‌کند، تکمیل می‌کند.

تشریح توزیع سرمایه‌گذاری Sentient: دور سرمایه اولیه ۸۵ میلیون دلار

این پروژه در جولای ۲۰۲۴ موفق به جذب ۸۵ میلیون دلار سرمایه اولیه شد. این مبلغ برای یک دور سرمایه اولیه بسیار قابل توجه است و نشان‌دهنده سطح اعتماد سرمایه‌گذاران به تیم و چشم‌انداز آن است.

این تأمین مالی در زمانی انجام شد که تقاطع هوش مصنوعی و بلاک‌چین توجه قابل توجهی از سوی سرمایه‌گذاران خطرپذیر به خود جلب کرده بود. رهبری دور توسط Founders Fund که متعلق به پیتر تیل است، به دلیل سابقه تیل با شرکت‌هایی مانند PayPal و Palantir اعتبار بخشید. Pantera Capital تخصص عمیقی در رمزارزها داشت و Framework Ventures ارتباطاتی در جوامع دیفای و وب۳ اضافه کرد.

چت سنشیِنت و مدل دابی: اعداد پذیرش اولیه

سنشیِنت اولین محصولات مصرف‌کننده محور خود را در سپتامبر ۲۰۲۵ راه‌اندازی کرد. این پلتفرم «چت سنشیِنت» را همراه با یک مدل زبانی به نام «دابی» معرفی کرد. تنها در عرض ۱۲ ساعت از راه‌اندازی، پلتفرم ۱۵٬۰۰۰ کاربر جذب کرد. این پذیرش سریع نشان داد که تقاضای واقعی برای ابزارهای هوش مصنوعی متعلق به جامعه وجود دارد.

تیم همچنین یک کمپین NFT برگزار کرد که سهام مالکیت مدل را نشان می‌داد. بیش از ۶۵۰٬۰۰۰ شرکت‌کننده در این کمپین حضور یافتند و این نشان داد که ساختارهای مالکیت مبتنی بر بلاک‌چین چگونه می‌توانند جوامع را در مقیاس گسترده درگیر کنند. این اعداد اولیه نشان می‌دهد که رویکرد سنشیِنت با کاربرانی که به دنبال جایگزین‌هایی برای خدمات هوش مصنوعی متمرکز هستند، هم‌نوایی دارد.

معماری GRID سنتینت چگونه کار می‌کند؟

معماری فنی سنتینت بر چیزی به نام GRID متمرکز است که مخفف Global Research and Intelligence Directory است. آن را می‌توان به عنوان یک فهرست باز و قابل جستجو در نظر گرفت که در آن توسعه‌دهندگان می‌توانند اجزای هوش مصنوعی خود را ثبت کنند. این اجزا "آرتیفکت‌ها" نامیده می‌شوند و شامل مدل‌های زبانی، ارائه‌دهندگان داده، عوامل تخصصی و سایر واحدهای مدولار هوش هستند.

آرتیفکت‌های حاضر در GRID کدام‌ها هستند؟

در حال حاضر GRID بیش از ۱۱۰ شریک را میزبانی می‌کند. بیش از ۵۰ عامل تخصصی و بیش از ۵۰ ارائه‌دهنده داده خدمات خود را در این پلتفرم ثبت کرده‌اند. آرتیفکت‌های قابل توجه عبارتند از:

• دابی: مدل زبان بومی کریپتو طراحی شده برای بینش‌های Web3
• جستجوی عمیق باز: یک کتابخانه متن‌باز برای جستجوهای چندمرحله‌ای وب
• اکسا: ادغام قابلیت‌های جستجو
• گراف: خدمات نمایه‌سازی داده‌ها
• آیگن‌لیر: منابع محاسباتی

نوآوری اصلی در اینجا این است که GRID تنها این آثار را فهرست نمی‌کند. بلکه آنها را هماهنگ می‌کند. وقتی یک کاربر یک پرسش پیچیده ارسال می‌کند، سیستم درخواست را از طریق چندین مؤلفه تخصصی هدایت می‌کند تا پاسخ با کیفیت بالا تولید شود.

مسیر‌یابی گردش کار هوشمند: چگونه پرسش‌ها گام به گام پردازش می‌شوند

وقتی از سنتیانت یک سؤال پیچیده می‌پرسید، سیستم آن را به مراحل مجزا تقسیم می‌کند. هر مرحله توسط اثری که برای آن کار خاص بهترین است، پردازش می‌شود.

این رویکرد مدولار به این معنی است که هیچ مدل واحدی نیازی ندارد همه چیز را اداره کند. در عوض، اجزای تخصصی با همکاری یکدیگر نتایجی تولید می‌کنند که برای یک سیستم یکپارچه دشوار است به دست آوردن. معماری منعکس کننده یک فرض اساسی است که هوش از همکاری به وجود می‌آید نه صرفاً از مقیاس.

چارچوب ROMA: چگونه سیستم‌های هوش مصنوعی چندعامل با هم همکاری می‌کنند

چارچوب ROMA این فلسفه مدولار را حتی بیشتر گسترش می‌دهد. ROMA مخفف Recursive Open Meta-Agent است و ساختار لازم برای سیستم‌های هوش مصنوعی چندعامله را فراهم می‌کند. هدف این است که به عوامل تخصصی متنوع اجازه داده شود به عنوان یک هوش یکپارچه با هم کار کنند.

توسعه هوش مصنوعی سنتی معمولاً بر ساخت مدل‌های بزرگ‌تر و بزرگ‌تر متمرکز است. ROMA این رویکرد را به چالش می‌کشد و امکان همکاری بسیاری از عامل‌های کوچکتر و تخصصی را در انجام وظایف پیچیده فراهم می‌کند. هر عامل می‌تواند به طور مستقل توسعه و نگهداری شود، اما همه آنها از طریق رابط‌های استاندارد شده ارتباط برقرار می‌کنند. این طراحی سیستم را مقاوم‌تر و ارتقاء آن را آسان‌تر در طول زمان می‌کند.

قسمت «بازگشتی» نام به این اشاره دارد که چگونه ابرعامل‌ها می‌توانند سایر عامل‌ها را هماهنگ کنند، که به نوبه خود ممکن است زیرعامل‌های تخصصی‌تری را هماهنگ کنند. این یک سلسله مراتب هوش ایجاد می‌کند که می‌تواند مشکلات را در سطوح مختلفی از انتزاع حل کند.

سنتینت: آیا هوش مصنوعی متن‌باز بالاخره می‌تواند سودآور باشد؟

هوش مصنوعی متن‌باز با یک مشکل اساسی روبرو است. توسعه‌دهندگان زمان و منابع زیادی صرف ساخت مدل‌ها می‌کنند، اما اغلب در کسب درآمد از کار خود با مشکل مواجه‌اند. شرکت‌های بزرگ می‌توانند مشارکت‌های متن‌باز را بگیرند، محصولات تجاری حول آن بسازند و تمام ارزش را تصاحب کنند. پروتکل سنتینت این چالش را از طریق قراردادهای هوشمند که روی بلاک‌چین پالیگان مستقر شده‌اند، برطرف می‌کند.

سه مدل مجوز برای سازندگان هوش مصنوعی

این پروتکل سه قالب اصلی مجوز ارائه می‌دهد:

1. مجوز پژوهش باز: مناسب مشارکت‌های دانشگاهی که باید به‌صورت رایگان در دسترس بمانند
2. مجوز تجاری: به سازندگان اجازه می‌دهد برای محصولات خود هزینه دریافت کنند
3. مجوز مشتق شده: شرایطی را پوشش می‌دهد که مدل‌های جدید بر اساس کارهای موجود ساخته می‌شوند

درآمد حاصل از خدمات هوش مصنوعی به طور خودکار بین سازندگان، نگهدارندگان، میزبانان پردازش و ارزیابان طبق قوانین از پیش تعیین شده تقسیم می‌شود.

بودجه‌های انتشار: حل مشکل شروع سرد

مدل‌های جدید هوش مصنوعی با مشکل مرغ و تخم مرغ مواجهند. آنها به کاربران نیاز دارند تا درآمدزایی کنند، اما کاربران قبل از تعهد، مدل‌های اثبات شده می‌خواهند. سنتینت این مشکل را از طریق بودجه‌های انتشار حل می‌کند. پروتکل به آثار منتخب قبل از اینکه استفاده قابل توجهی ایجاد کنند، یارانه‌هایی با توکن $SENT ارائه می‌دهد. این به مدل‌های نویدبخش جدید فرصت لازم را می‌دهد تا خود را اثبات کنند.

مکانیزم انتشار توکن، منبع: سند سفید سنتینت نسخه 1

سیستم انتشار مانند سرمایه‌گذاری ریسک‌پذیر در مقیاس کوچک عمل می‌کند. اعضای جامعه و نمایندگان توکن‌ها را روی آثار هنری‌ای که به آن‌ها باور دارند، سهام‌گذاری می‌کنند و وزن این سهام تعیین می‌کند که چه تعداد توکن جدید به هر اثر اختصاص یابد. مدل‌هایی که ارزش ارائه می‌دهند، به مرور زمان سهام بیشتری جذب می‌کنند و مدل‌هایی که نتوانند محبوبیت کسب کنند، انتشار توکن‌های آن‌ها کاهش می‌یابد.

امتیازدهی سه‌سطحی: چگونه مشارکت‌کنندگان به‌صورت عادلانه پرداخت می‌شوند

جبران منصفانه برای هر اکوسیستم متن‌باز پایدار ضروری است. Sentient از سیستم امتیازدهی سه‌سطحی برای ارزیابی مشارکت‌ها و تخصیص جوایز استفاده می‌کند:

این رویکرد چندلایه مشارکت‌هایی را شناسایی می‌کند که در یک سیستم کاملاً خودکار ممکن است از دست بروند. همچنین از سوءاستفاده جلوگیری می‌کند زیرا ارزیابان انسانی می‌توانند الگوهای مشکوک را تشخیص دهند. ترکیب معیارهای کمی، ارزیابی هوش مصنوعی و قضاوت انسانی مکانیزم پاداش‌دهی قوی‌تر و منصفانه‌تری ایجاد می‌کند.

چگونه Sentient از مدل‌های هوش مصنوعی در مقابل سرقت و سوءاستفاده محافظت می‌کند

Sentient از ابزارهای رمزنگاری پیشرفته و سخت‌افزاری استفاده می‌کند تا اطمینان حاصل کند مدل‌ها طبق مجوز استفاده می‌شوند و داده‌ها خصوصی باقی می‌مانند. این ویژگی‌های امنیتی نگرانی‌های واقعی را که پذیرش سازمانی هوش مصنوعی متن‌باز را کند کرده بودند، برطرف می‌کند.

اثر انگشت OML 1.0: نشانه‌های دیجیتال برای مدل‌های هوش مصنوعی

یکی از ویژگی‌های فنی نوآورانه Sentient، اثر انگشت مدل است که آن را OML 1.0 می‌نامند. این سیستم با استفاده از تکنیک رمزنگاری هوشمندانه، از کپی غیرمجاز مدل‌های هوش مصنوعی جلوگیری می‌کند.

در طول آموزش، توسعه‌دهندگان جفت‌های مخفی «پاسخ به محرک» را در پارامترهای مدل جاسازی می‌کنند. این جفت‌ها در حین استفاده عادی نامرئی هستند، اما به عنوان نوعی نشانه دیجیتال عمل می‌کنند. اگر مالک مدل شک کند که کسی در حال اجرای نسخه غیرمجاز مدل آنهاست، می‌تواند یک پرس‌وجوی مخفی «چالش» ارسال کند. اگر مدل با محرک مخفی انتظار رفته پاسخ دهد، این استفاده غیرمجاز را اثبات می‌کند.

شواهد حاصل از اثرانگشت‌نگاری می‌تواند پیامدهای واقعی به دنبال داشته باشد:

• میزبانی که مدل غیرمجاز اجرا می‌کند ممکن است سهم خود را از دست بدهد
• درآمد ممکن است به مالک اصلی منتقل شود
• اقدامات قانونی با اثبات رمزنگاری شده آسان‌تر می‌شود

این امر انگیزه‌های قوی برای میزبان‌ها ایجاد می‌کند تا شرایط مجوز را رعایت کنند.

محافظت از داده در سطح سخت‌افزار: اقامتگاه‌های هوشمند (SEF)

چارچوب قلمروهای هوشمند (SEF) یک لایه امنیتی اضافی از طریق محیط‌های اجرای امن (TEEs) فراهم می‌کند. این‌ها ویژگی‌های سخت‌افزاری ویژه‌ای هستند که مناطق حافظه ایزوله‌ای به نام قلمروها ایجاد می‌کنند. حتی سیستم عامل میزبان نمی‌تواند داده‌های داخل یک قلمرو را بخواند.

چرا قلمروها برای هوش مصنوعی سازمانی اهمیت دارند

این موضوع برای چندین مورد کاربردی مهم است. سازمان‌ها اغلب به خدمات هوش مصنوعی نیاز دارند اما نمی‌توانند داده‌های حساس را با طرف‌های سوم به اشتراک بگذارند. SEF به آن‌ها اجازه می‌دهد تا از قابلیت‌های هوش مصنوعی Sentient استفاده کنند در حالی که داده‌هایشان محرمانه باقی می‌ماند. برنامه‌های مراقبت بهداشتی می‌توانند اطلاعات بیمار را پردازش کنند بدون اینکه افشا شوند. مؤسسات مالی می‌توانند تحلیل داده‌های اختصاصی را بدون ترس از نشت اجرا کنند.

اعتبارسنجی از راه دور و تأیید بدون نیاز به اعتماد

اعتبارسنجی از راه دور بعد دیگری به این امنیت اضافه می‌کند. اسنکلِیو می‌تواند یک سند رمزنگاری شده تولید کند که اثبات می‌کند دقیقاً کد بررسی شده اجرا شده است. کاربران می‌توانند تأیید کنند که هیچ دستکاری رخ نداده است و این اساس امتیازدهی بدون نیاز به اعتماد را ایجاد می‌کند که در آن همه می‌توانند تأیید کنند که نتایج با عدالت تولید شده‌اند.

خانه منطق هوش مصنوعی متن‌باز، منبع تصویر: Sentient

توکنومیکس $SENT: توضیح کاربرد، استیکینگ و حاکمیت

توکن $SENT به عنوان ارز اصلی در اکوسیستم Sentient عمل می‌کند. این توکن توسعه‌دهندگان، کاربران و افرادی که استیک می‌کنند را از طریق انگیزه‌های اقتصادی هماهنگ به هم متصل می‌کند.

با توکن‌های $SENT چه می‌توانید بکنید؟

کاربرد توکن به سه دسته اصلی تقسیم می‌شود.

پرداخت

$SENT ارز دیجیتال دسترسی به آثار هوش مصنوعی است و کاربران برای استفاده از خدمات مختلف ثبت شده در شبکه GRID با توکن‌ها پرداخت می‌کنند

استیکینگ

دارندگان توکن می‌توانند $SENT را روی آثاری که معتقدند موفق خواهند شد، استیک کنند و آثاری که وزن استیک بالاتری داشته باشند سهم بزرگ‌تری از انتشار توکن‌های جدید دریافت می‌کنند

حکمرانی

$SENT حق رای در تعیین نرخ انتشار، ارتقاء سیاست‌ها و انتخاب نمایندگانی که به هدایت شبکه کمک می‌کنند را فراهم می‌کند

نحوه توزیع توکن‌های جدید توسط مکانیزم گیج انتشار

توکن‌های جدید $SENT از طریق مکانیزم گیجی که سه سیگنال را وزن‌دهی می‌کند وارد چرخه می‌شوند:

این سیستم سه‌وزنی تعادل انواع مختلفی از اطلاعات را برقرار می‌کند. آرا قضاوت‌های ذهنی اعضای آگاه جامعه را در بر می‌گیرد. وزن سهم‌ها نشان می‌دهد افراد حاضرند پول خود را کجا بگذارند. سهم درآمد همه چیز را بر اساس عملکرد واقعی بازار پایه‌گذاری می‌کند. هیچ معیار واحدی بدون تأثیر گذاشتن بر دیگر معیارها قابل دستکاری نیست.

دایو آگاه: چگونه تصمیمات حاکمیتی اتخاذ می‌شوند

دایو آگاه به عنوان یک سازمان خودمختار غیرمتمرکز (DAO) عمل می‌کند. دارندگان توکن حق رای مستقیم درباره تصمیمات مهم را دارند، اما سیستم همچنین لایه‌ای نمایندگی برای عملیات روزمره شامل می‌شود.

نمایندگان، که نماینده نامیده می‌شوند، اعضای منتخب جامعه یا اعتباردهندگانی هستند که مسئولیت‌های حاکمیتی را بر عهده می‌گیرند. آن‌ها وزن‌های انتشار را بر اساس ارزیابی ارزش و پتانسیل آثار تخصیص می‌دهند. دارندگان توکن که نمی‌خواهند به طور فعال در حاکمیت شرکت کنند می‌توانند قدرت رای خود را به نمایندگانی واگذار کنند که به قضاوت آن‌ها اعتماد دارند.

این مدل ترکیبی به مشکلی رایج در حاکمیت DAO می‌پردازد. دموکراسی مستقیم خالص می‌تواند منجر به مشارکت کم و رأی‌گیری ناآگاهانه شود. سیستم‌های نمایندگی خالص می‌توانند از جامعه جدا شوند. رویکرد Sentient هر دو مکانیزم را ترکیب می‌کند تا تصمیمات مهم توجه کافی را دریافت کنند در حالی که عملیات روزمره به‌خوبی انجام شود.

Sentient چه معنایی می‌تواند برای آینده هوش مصنوعی عمومی متن‌باز داشته باشد

Sentient نمایانگر تلاش جدی برای ساخت زیرساخت هوش مصنوعی متعلق به جامعه است. این پروژه مکانیسم‌های اثبات شده بلاک‌چین را با پژوهش‌های پیشرفته هوش مصنوعی ترکیب می‌کند به گونه‌ای که به مشکلات واقعی در اکوسیستم کنونی پاسخ دهد. مدل‌های بسته امروزه غالب هستند، اما Sentient مسیری به سوی توسعه هوش مصنوعی بازتر و عادلانه‌تر ارائه می‌دهد.

سرمایه‌گذاری ۸۵ میلیون دلاری، تیم بنیان‌گذار با تجربه و پیشرفت‌های اولیه با محصولاتی مانند Sentient Chat و Dobby همه نشان می‌دهد که این صرفاً یک مفهوم نیست. نوآوری‌های فنی در زمینه اثر انگشت، محفظه‌های امن و هماهنگی چندعاملی پیشرفت واقعی مهندسی را نشان می‌دهد. اینکه آیا Sentient می‌تواند با رقبا‌ی متمرکز و پرسرمایه رقابت کند یا خیر، هنوز مشخص نیست، اما این پروژه پایه‌ای سنجیده برای هوش مصنوعی عمومی غیرمتمرکز گذاشته است که احتمالاً توسعه‌دهندگان و سرمایه‌گذاران دیگر با دقت دنبال خواهند کرد.