تقرير بحثي متعمق لمشروع Sentient

كتبه: 0xjacobzhao وChatGPT 4o/Grok3 

1. مقدمة المشروع: Sentient عبارة عن منصة بروتوكول مفتوحة المصدر مخصصة لبناء اقتصاد الذكاء الاصطناعي اللامركزي. الهدف الأساسي هو إنشاء هيكل ملكية لنماذج الذكاء الاصطناعي، وتوفير آلية اتصال على السلسلة، وبناء شبكة وكلاء الذكاء الاصطناعي القابلة للتكوين ومشاركة الأرباح. من خلال إطار عمل "OML" (مفتوح، قابل للتحويل إلى نقد، مخلص) وتقنية بصمة النموذج، تحل Sentient المشاكل الأساسية المتمثلة في "ملكية النموذج غير الواضحة، والمكالمات غير القابلة للتتبع، والتوزيع غير العادل للقيمة" في سوق LLM المركزي الحالي.

• الموقع الرسمي: https://www.sentient.xyz

• GitHub: https://github.com/sentient-agi

• المؤسسة: https://sentient.foundation

• التوثيق: https://docs.sentient.xyz

• المدونة: https://www.sentient.xyz/blog

• X: https://x.com/SentientAGI

يتم تشغيل المشروع بواسطة مؤسسة Sentient Foundation، التي تركز على بناء الذكاء الاصطناعي العام مفتوح المصدر وآليات حوافز البروتوكول. ويشير "الذكاء الاصطناعي المخلص" الذي يدعو إليه إلى نظام بيئي مفتوح للذكاء الاصطناعي يخدم المجتمع، ويخضع لحكم عادل، ويمكن أن يتطور على المدى الطويل. يتكون هيكل بروتوكول Sentient من عنصرين أساسيين: نظام blockchain وخط أنابيب الذكاء الاصطناعي.

يعتبر AI Pipeline الأساس لتطوير وتدريب أدوات "الذكاء الاصطناعي المخلص" ويتكون من عمليتين أساسيتين:

• تنظيم البيانات: عملية اختيار البيانات التي يقودها المجتمع لمواءمة النموذج.

• تدريب الولاء: عملية التدريب التي تضمن بقاء النموذج متسقًا مع نية المجتمع. يوفر نظام blockchain الشفافية والتحكم اللامركزي للبروتوكول، مما يضمن ملكية وحوكمة أدوات الذكاء الاصطناعي. تتضمن الوحدات الرئيسية ما يلي:

  • الحوكمة: يتم التحكم فيها واتخاذ القرارات فيها من خلال منظمة مستقلة لامركزية (DAO).

  • الملكية: يتم تمثيل ملكية أدوات الذكاء الاصطناعي من خلال التجزئة.

  • التمويل اللامركزي (DeFi): يوفر أدوات مالية تدعم الحوكمة والمكافآت المفتوحة واللامركزية والعادلة.

  2. الهندسة التقنية وآلية تأكيد ملكية النموذج:

  1. إطار عمل نموذج OML في الورقة البيضاء "Sentient: Loyal AI" التي صدرت في عام 2024 (https://arxiv.org/abs/2411.03887)، اقترح المشروع إطار عمل OML، والذي يأخذ ملكية النموذج كنقطة بداية ويحاول بناء "اقتصاد بروتوكول ملكية الذكاء الاصطناعي على السلسلة". ولأول مرة، تم اقتراح مفهوم "التشفير الأصلي للذكاء الاصطناعي" بشكل منهجي، بهدف توفير آلية حماية الملكية على مستوى التشفير للنماذج مفتوحة المصدر.

  تفسير الورقة الأساسية - "OML: الذكاء الاصطناعي المفتوح والقابل للربح والمخلص":

  • مفتوح: يجب أن يكون النموذج مفتوح المصدر، مع كود شفاف وهيكل بيانات، ويدعم إعادة إنتاج المجتمع والتدقيق والتفرع؛

  • قابل للربح: يجب أن تؤدي كل مكالمة للنموذج إلى تدفق إيرادات، والذي سيتم توزيعه على المدربين والمُنشرين والمحققين من خلال عقود على السلسلة؛

  • مخلص: لا ينتمي النموذج إلى الشركة، بل إلى مجتمع المساهمين. يتم تحديد اتجاه ترقية النموذج والحوكمة من قبل DAO. إن ملكية النموذج قابلة للتحقق، والتعديل مقيد، والاستخدام خاضع للتحكم

  OML ليس معادلاً لاتفاقية ترخيص الكود، ولكن من خلال آليات السلسلة وطرق التشفير، فإنه يضمن أن نموذج المصدر المفتوح يتمتع بالسيادة الاقتصادية وحقوق الحوكمة مع الحفاظ على الانفتاح. إنشاء طبقة بروتوكول الملكية والإيرادات الأصلية للذكاء الاصطناعي لضمان الملكية الواضحة والحوافز الاقتصادية والحوكمة السلوكية حتى عندما يكون النموذج عامًا.

  المفهوم الأساسي: التشفير الأصلي للذكاء الاصطناعي

  يختلف التشفير الأصلي للذكاء الاصطناعي عن التشفير التقليدي الذي يركز على الدقة الثنائية، ويستخدم الاستمرارية والبنية المتعددة الأبعاد المنخفضة والخصائص القابلة للتفاضل لنماذج الذكاء الاصطناعي لتطوير آلية أمان خفيفة الوزن "قابلة للتحقق ولكن غير قابلة للإزالة". تقنياتها الأساسية هي: تضمين بصمة الإصبع (بصمة النموذج): إدراج مجموعة من أزواج القيمة الرئيسية للاستعلام والاستجابة المخفية أثناء التدريب لتشكيل توقيع فريد للنموذج؛ بروتوكول التحقق من الملكية: استخدام كاشف تابع لجهة خارجية (Prover) للتحقق مما إذا كانت بصمة الإصبع محفوظة في شكل استعلام؛ آلية استدعاء الإذن: قبل الاستدعاء، تحتاج إلى الحصول على "شهادة التفويض" الصادرة عن مالك النموذج، وسيقوم النظام بعد ذلك بتفويض النموذج لفك تشفير المدخلات وإرجاع الإجابة الصحيحة.

يمكن لهذه الطريقة تحقيق "استدعاء ترخيص قائم على السلوك + التحقق من الملكية" دون تكلفة إعادة التشفير.

خمسة أنواع من مكونات OML:

تعتمد Sentient حاليًا أمان Melange الهجين: مزيج من تأكيد بصمة الإصبع وتنفيذ TEE ومشاركة أرباح العقد على السلسلة. طريقة بصمة الإصبع هي خط التنفيذ الرئيسي لـ OML 1.0، والتي تؤكد على فكرة "الأمان المتفائل"، أي أن الامتثال مفترض بشكل افتراضي، ويمكن اكتشاف الانتهاكات ومعاقبتها.

بالإضافة إلى ذلك، تحدد الورقة مجموعة متنوعة من آليات التحقق ونماذج الهجوم لآلية بصمة الإصبع:

• هجوم الضبط الدقيق (LoRA/SFT): تعديل بعض المعلمات لمحاولة مسح بصمة الإصبع؛

• تقطير المعرفة: بناء نموذج طالب لتجنب بصمة النموذج الرئيسي؛

• متوسط ​​المعلمات (دمج النموذج): محاولات دمج النماذج المتعددة لتخفيف قوة بصمة الإصبع؛

• هجوم تسرب بصمة الإصبع: إذا تم تسريب مفتاح بصمة الإصبع، ستفشل آلية التحقق.

تتضمن الأساليب المعادية ما يلي: جولات متعددة من التضمين، وتدريب عزل الشبكة الفرعية؛ دمج العينات الحميدة لمنع النسيان؛ وربط بيانات الاعتماد الموجودة على السلسلة بأوزان التضمين.

OML وهندسة بروتوكول Sentient

يقترح الفصل الأخير من الورقة بروتوكولًا كاملاً على السلسلة (بروتوكول Sentient) لدعم OML:

• طبقة التخزين: تخزين أوزان النموذج ومعلومات تسجيل بصمات الأصابع؛

• طبقة التوزيع: يتحكم عقد التفويض في إدخال مكالمة النموذج؛

• طبقة الوصول: التحقق مما إذا كان المستخدم مخولاً من خلال إثبات السلطة؛

• طبقة الحوافز: يوزع عقد توجيه الإيرادات كل دفعة مكالمة على المدرب والمُنشر والمُتحقق.

إنه يؤكد على التوافق مع سلاسل L1 الرئيسية مثل Ethereum، ويمكن استخدامه كمجموعة بروتوكولات قياسية لملكية الذكاء الاصطناعي على السلسلة. يتم تسجيل جميع النماذج على السلسلة (بما في ذلك التجزئة والتوقيع والمفتاح العام ومعرف بنية بصمة الإصبع)؛ يقوم الوكيل بربط النموذج المسجل ويطلق عملية تقديم إثبات الاستخدام بعد كل مكالمة؛ يقوم العقد بتوزيع الأرباح (المدرب، الناشر، المحقق) وفقًا لقواعد حدث المكالمة وتدفق الإيرادات؛ يجب على المستخدمين أو المتصلين بالعقد التحقق من صلاحية الاتصال من خلال بوابة السلسلة. يشكل هذا الهيكل فلسفة التصميم الأساسية لبروتوكول Sentient.

2. آلية التعرف على بصمات الأصابع وتأكيد النموذج

GitHub: https://github.com/sentient-agi/oml-1.0-fingerprinting

هذه المكتبة هي الإصدار الأول لتنفيذ آلية بصمة الإصبع في Sentient، حيث توفر واجهة حقن بصمات الأصابع والتحقق منها والتي يمكن تضمينها في عملية التدريب. الغرض من ذلك هو التأكد من إمكانية التحقق من ملكية النموذج، وإمكانية تتبع سلوك الاستخدام، ومنع النسخ والتسويق غير المصرح به. هذا هو تنفيذ هندسي محدد لإطار عمل OML (مفتوح، قابل للربح، مخلص).

وظائف وحدة بصمة النموذج (وحدة بصمة OML 1.0) هي كما يلي:

• التحليل السلوكي: استخراج ميزات سلوك النموذج وإنشاء بصمة فريدة.

• إسناد النموذج: تحديد نموذج المصدر استنادًا إلى المحتوى الناتج.

• التحقق من بصمة الإصبع: التحقق من مصدر واتساق محتوى مخرجات النموذج.

جوهر آلية بصمة الإصبع هو: من خلال ضبط النموذج وتضمين مجموعة من أزواج "السؤال والإجابة" (المفتاح والاستجابة) الفريدة، يمكن لمالك النموذج التحقق مما إذا كان النموذج ينتمي إليه من خلال استعلامات محددة، وبالتالي تشكيل "توقيع مشفر" للنموذج. باختصار، أضف "علامة مائية" إلى نموذج اللغة الكبير (LLM) لتتبع وفرض ملكية الذكاء الاصطناعي.

3. إطار عمل الحوسبة Enclave TEE

GitHub: https://github.com/sentient-agi/Sentient-Enclaves-Framework

إطار عمل Sentient Enclaves هو إطار عمل مفتوح المصدر يستخدم بيئات التنفيذ الموثوقة (TEEs) مثل AWS Nitro Enclaves لتمكين النشر الآمن لنموذج التفكير، والضبط الدقيق، وخدمات الوكيل. يؤكد الإطار على "ولاء" النموذج، ويضمن أن النموذج يستجيب فقط للطلبات المصرح بها ويمنع الوصول والاستخدام غير المصرح به. وتتمثل ميزات الأمان في ما يلي: نشر الحمولة المشفرة: يتم تشفير جسم النموذج والتكوين الجاري والإدخال والإخراج وتخزينها في الجيب؛ RPC المستند إلى TLS: تستخدم المكالمات قنوات TLS ثنائية الاتجاه + توقيع الإثبات للاتصال؛ عزل السجل والذاكرة المؤقتة: استخدم منطقة الذاكرة المؤقتة للتشغيل ولا تسجل السجلات الدائمة؛ تقرير الإثبات: كل مكالمة تولد دليل إخراج مرتبط بتوقيع الجيب للتأكد من أن سلوك التنفيذ يمكن تتبعه والتحقق منه. يتمتع TEE (إطار عمل Sentient Enclaves) بمزايا الأداء العالي والتكامل السحابي، وهو مناسب للذكاء الاصطناعي في الوقت الفعلي ومعالجة البيانات الحساسة، ولكنه محدود بسبب اعتماده على الأجهزة وهجمات القنوات الجانبية. يستخدم إطار عمل Sentient Enclaves Nitro Enclaves لتوفير حماية الخصوصية على مستوى المؤسسة وتجربة تطوير أكثر سهولة في الاستخدام. بالمقارنة مع تقنيات التشفير الأخرى، توفر FHE ضمانات خصوصية قوية دون الاعتماد على الأجهزة والأمان الكمي، ولكنها تنطوي على تكلفة أداء ضخمة وهي مناسبة لسيناريوهات الحوسبة المشفرة المحددة. من الصعب استبدال مهام TEE عالية الأداء بشكل مباشر. يؤدي ZK أداءً جيدًا في سيناريوهات التحقق واللامركزية ويمكن أن يعمل كمكمل لـ TEE (من المخطط ربط هذه الوحدة بـ zkML في المستقبل). 4. إطار عمل Sentient Agent هو إطار عمل مفتوح المصدر وخفيف الوزن يركز على أتمتة مهام الويب (مثل البحث وتشغيل مقاطع الفيديو) من خلال التحكم في المتصفحات من خلال وكلاء الذكاء الاصطناعي، والجمع بين تعليمات اللغة الطبيعية وLLM (مثل GPT-4o من OpenAI) لتوفير تجربة تطوير موجزة (يُزعم أنها تتكون من 3 أسطر من التعليمات البرمجية). إن التنفيذ غير المتزامن، والتوجيهات المخصصة، ودعم مقدمي الخدمة المتعددين، يجعلها مناسبة للتطوير السريع والتطبيقات التجريبية. عند دمجه مع مشاريع Sentient AGI الأخرى (مثل إطار عمل TEE)، يمكن توسيعه ليشمل السيناريوهات الحساسة للأمان.

الهندسة المعمارية الأساسية: تدعم هذه الهندسة المعمارية بناء كيان ذكي بحلقة مغلقة كاملة من "الإدراك والتخطيط والتنفيذ والتغذية الراجعة"، ويمكن توسيعها إلى نظام ذكاء اصطناعي مفتوح المصدر متعدد الوكلاء، تم التحقق منه على السلسلة وقابل للتوافق.

1. طبقة المستخدم: يُدخل المستخدمون أهداف المهام من خلال اللغة الطبيعية

2. إطار عمل العميل

3. الإدراك: فهم المدخلات والبيئة

4. التخطيط: إنشاء خطط عمل بناءً على الأهداف

5. التنفيذ: استدعاء الأدوات/المهارات لأداء المهام

6. التأمل: تحليل الملاحظات وتحسين السلوك

7. الذاكرة: إدارة الذاكرة قصيرة المدى + طويلة المدى

9. طبقة التكامل الخارجي (التكامل الخارجي)

10. العقد الذكي للبلوك تشين: تسجيل المهام، وتسوية الحوافز

11. سجل الوكيل: مصادقة الهوية والتحكم في الإصدار

12. وحدة ZK Proof: التحقق من صحة المخرجات

13. واجهة برمجة تطبيقات الأدوات الخارجية: مثل البحث على الويب، وقاعدة البيانات، ونظام الملفات، وما إلى ذلك.

14. طبقة التخزين (التخزين): التخزين المحلي + التخزين اللامركزي (مثل IPFS)

بالمقارنة مع إطار عمل وكيل الذكاء الاصطناعي التقليدي، فإن إطار عمل الوكيل الحسي لديه وظائف محدودة وهو خفيف الوزن وموجز. بالمقارنة مع أطر عمل Crypto AI مثل Virtuals Protocol و ai16z (elizaOS)، والتي توفر حلولاً متنوعة لتطوير وكيل الذكاء الاصطناعي أو الأتمتة على السلسلة أو تكامل Web3، فإن Sentient-Agent-Framework أكثر ملاءمة لمهام الويب خارج السلسلة.

5. الوكيل الاجتماعي الواعي

GitHub: https://github.com/sentient-agi/Sentient-Social-Agent

Sentient-Social-Agent هو نظام ذكاء اصطناعي مصمم لبناء تفاعلات آلية على المنصات الاجتماعية (تويتر، وديسكورد، وتيليجرام). يمكنه فهم البيئات الاجتماعية، وإنشاء المحتوى، والتفاعل مع المستخدمين، وإجراء الاتصالات الاجتماعية من خلال التعاون بين العديد من الوكلاء. ويستخدم وحدات الإدراك الاجتماعي وتوليد المحتوى والتخطيط للسلوك لدعم المحادثات الطبيعية وإنشاء المحتوى على المنصة. فهو مناسب لسيناريوهات مثل تشغيل العلامة التجارية وإدارة المجتمع الافتراضي ونشر المعلومات. يمكن دمج النظام مع إطار عمل Sentient Agent.

6. Open Deep Search (غير متوفر على الإنترنت حتى الآن)

على الموقع الرسمي لـ Sentient، تم تعريف Open Deep Search على أنه وكيل بحث يتفوق على ChatGPT وPerplexity Pro. كشف عضو الفريق Sewoong Oh عن جزء من الخطة في مؤتمر EthDenver 2025 Open AGI Summit: يتكون Open Deep Search من جزأين رئيسيين: قدرات البحث في Sensient (بما في ذلك إعادة صياغة الاستعلام ومعالجة عناوين URL والمستندات وما إلى ذلك) ووكيل الاستدلال. يستفيد وكيل الاستدلال من برامج LLM مفتوحة المصدر مثل Llama 3.1 وDeepSeek لتحسين جودة البحث من خلال أدوات مثل البحث والآلة الحاسبة والتأمل الذاتي. في معيار Frames Benchmark، يتفوق Open Deep Search على نماذج المصدر المفتوح الأخرى ويمكن مقارنته حتى ببعض نماذج المصدر المغلق، ولكن نظرًا لأن ميزاته ليست متاحة عبر الإنترنت بعد، فنحن غير قادرين على تقييم قدراته الحقيقية.

3. شكل المنتج والتنفيذ والتخطيط

المنتجات المعروضة حاليًا على الموقع الرسمي لشركة Sentient هي في الأساس منصة حوار الدردشة Sentient Chat ونموذج مفتوح المصدر Dobby LLMs:

Sentient Chat:

Sentient Chat هي منصة دردشة ذكاء اصطناعي لامركزية أطلقتها مؤسسة Sentient، بهدف توفير تجربة ذكاء اصطناعي مدفوعة بالمجتمع وقابلة للتخصيص ومخلصة. تجمع المنصة بين نماذج اللغة مفتوحة المصدر واسعة النطاق (مثل سلسلة Dobby) مع أطر عمل وكيل التفكير المتقدمة، وتدعم تكامل أدوات متعددة، وتلبي الاحتياجات المتنوعة للمستخدمين. الوظائف الأساسية هي:

1. وكيل التفكير المفتوح: يمكن لوكيل التفكير المدمج في Sentient Chat تنفيذ مهام معقدة ويدعم الوظائف التالية:

• أداة البحث: البحث العميق المفتوح المتكامل (ODS) لتوفير إمكانيات البحث على الويب في الوقت الفعلي.

• الآلة الحاسبة: تتعامل مع العمليات الحسابية الرياضية ومهام تحليل البيانات.

• تنفيذ التعليمات البرمجية: من خلال إنشاء وتشغيل تعليمات برمجية بلغة بايثون، يمكن تحقيق التفكير المنطقي المعقد وتنفيذ المهام.

2. تكامل متعدد الوكلاء: تدعم المنصة تكامل وكلاء الذكاء الاصطناعي المتعددين. يمكن للمستخدمين اختيار وكلاء مختلفين للتفاعل وفقًا لاحتياجاتهم، مما يحسن مرونة ووظائف المنصة. شيء مثل إصدار Web3 من POE أو بديل مفتوح مدفوع بالوكيل لـ Perplexity

يتوفر Sentient Chat حاليًا في مرحلة تجريبية ولا يمكن الوصول إليه إلا من خلال رموز الدعوة الموزعة عبر البريد الإلكتروني أو أحداث المجتمع. وبحسب المعلومات الرسمية التي تم نشرها للعامة، نجح أكثر من 5000 مستخدم في الوصول إلى Sentient Chat، وتمت معالجة أكثر من 100000 استعلام من المستخدمين. نظرًا لأن المؤلف لم يصبح بعد مستخدمًا في القائمة البيضاء للاختبار، فمن المستحيل حاليًا تقييم القدرات الحقيقية لنموذجه.

سلسلة نماذج Dobby LLM:

استنادًا إلى سلسلة Meta's Llama للضبط الدقيق، الصفحة الرئيسية لـ Hugging Face (https://huggingface.co/SentientAGI)

1. سلسلة Dobby-Unhinged

• Dobby-Unhinged-Llama-3.3-70B: استنادًا إلى Llama 3.3-70B-Instruct، فإنه يؤكد على موقف الحرية الشخصية والعملات المشفرة، مع أسلوب محادثة مباشر وفكاهي وإنساني. Dobby-Mini-Unhinged-Llama-3.1-8B: إصدار المعلمات 8B، مناسب للأجهزة ذات الموارد المحدودة، مع الحفاظ على الميزات الأساسية لسلسلة "Unhinged". وجه العناق+5وجه العناق+5وجه العناق+5

2. سلسلة Dobby-Leashed:

Dobby-Mini-Leashed-Llama-3.1-8B: بالمقارنة مع الإصدار "Unhinged"، فهو يتمتع بنبرة أكثر هدوءًا وهو مناسب لسيناريوهات التطبيق التي تتطلب إخراجًا أكثر قوة. نظرًا لأن نموذج Dobby LLM هو نسخة مُحسّنة من Llama 3.1 و3.3، فإننا نعتقد أن سيناريوهات تطبيقه تكمن بشكل أساسي في بناء روبوتات الدردشة، وتوليد المحتوى وإنشائه، ووكلاء لعب الأدوار، وما إلى ذلك. تكمن مزاياه في توليد الأسلوب المرن، وتحسين التفكير المنطقي، ومتطلبات الموارد المنخفضة، وهو مناسب للنشر السريع والتخصيص المرن في البيئات ذات الموارد المحدودة. بالمقارنة مع نماذج المصدر المغلق الأكثر قوة مثل GPT-4، لا يزال لدى Dobby LLM فجوات في التعامل مع المهام التي تنطوي على المنطق المتقدم، والتفكير المعرفي عبر المجالات، والتفكير العميق.

أربعة. سيناريوهات التعاون وتنفيذ النظام البيئي

يوفر برنامج Sentient Builder حاليًا مليون دولار أمريكي كتمويل لدعم المطورين في بناء وكلاء الذكاء الاصطناعي الذين يعملون في النظام البيئي Sentient Chat. يُطلب من المطورين استخدام مجموعة تطوير Sentient والوصول إلى نظامها البيئي من خلال واجهة برمجة تطبيقات Sentient Agent.

في الوقت نفسه، أعلن الشركاء البيئيون على الموقع الرسمي لشركة Sentient عن فرق المشروع في مجالات متعددة من الذكاء الاصطناعي للعملات المشفرة (https://www.sentient.xyz/partners). القائمة المحددة هي كما يلي:

• النماذج: Eigenlayer، Move، CrunchDAO، Bagel، KGEN

• الوكلاء: Messari، Franklin Templeton، Kaito، MyShell، Third Web، Theoriq، Open، QNA3، Pond، Mira، Olas، Biconomy، Talus، Zettablocks، Axal، Morpheus AI، dFusion، ExponentAI، Fetch AI، Giza، JustTX، UnifAI، Questflow، QuillAI، Raiinmaker، Solo، Spectral، UOMI، PlayAI

• البيانات: Kaito، Vana، The Graph، Space and Time، 0g، Open، QNA3، Zettablocks، Chainbased، dFusion، Dria/First Batch، Entrova، FractionAI، Hyve DA، Irys، Masa، Mizu، OpenLedger، Raiinmaker، Sapien، Zus Network

• الذكاء الاصطناعي القابل للتحقق: Nillion، Lagrange، pi2

• البلوك تشين: Arbitrum، Polygon، Celo

• البنية التحتية: Lit Protocol، OpenGradient

Sentient بصفته مشروعًا رائدًا في مجال الذكاء الاصطناعي للعملات المشفرة، يمكن أن تغطي قدراته في تكامل الموارد أي مشروع ناشئ بارز في الصناعة. ومع ذلك، تجدر الإشارة إلى أن الوجود الواسع النطاق للتعاون "من نوع التسويق" في مجال التشفير قد خلق وهم الرخاء الكاذب في الصناعة. إن مساهمة وولاء شركاء النظام البيئي الواعي لنظامهم البيئي لا يزال يتطلب منا المراقبة المستمرة.

مؤتمر Open AGI هو مؤتمر عالمي ينظمه فريق Sentient مخصص لاستكشاف مزيج الذكاء الاصطناعي (AI) وتقنية التشفير (Crypto). لقد كان لي شرف حضور قمتيها خلال مؤتمري ETH Denver وETHcc في عامي 2024 و2025. وكانت قدرة فريق Sentient على جمع أفضل المستثمرين المؤسسيين ورواد الأعمال في الصناعة للمشاركة من أبرز الأحداث.

5. تجمع مؤسسة Sentient بين أفضل الخبراء الأكاديميين في العالم ورواد الأعمال والمهندسين في صناعة التشفير، وهي ملتزمة ببناء منصة ذكاء اصطناعي عام مفتوحة المصدر وقابلة للتحقق، مدفوعة بالمجتمع. وفقًا لمعلومات الفريق الرسمية (https://sentient.foundation/people)، فإن أعضاء الفريق هم بشكل أساسي:

القيادة الأساسية (اللجنة التوجيهية)

• برامود فيسواناث - أستاذ فوريست جي. هامريك من جامعة برينستون، يبحث منذ فترة طويلة في نظرية المعلومات وأنظمة الاتصالات، ويقود أمن الذكاء الاصطناعي وبناء البنية التحتية النظرية لشركة Sentient. هيمناشو تياجي - أستاذ في المعهد الهندي للعلوم، متخصص في حماية الخصوصية وخوارزميات التعلم اللامركزية، ويقدم الدعم الأكاديمي لتدريب النماذج والتعاون في مجال الخصوصية.

• سانديب نايلوال - المؤسس المشارك لشركة بوليجون، المسؤول عن استراتيجية البلوكشين وتخطيط النظام البيئي العالمي، هو شخصية رئيسية تربط مجتمع التشفير وهندسة الذكاء الاصطناعي.

• فريق Sensys – استوديو منتجات Web3 الأصلي، الذي يقود تحسين تجربة المستخدم وبناء البنية التحتية للمطورين، وتعزيز تنفيذ منتجات Sentient.

فريق الهندسة والتطوير الأساسي: من شركات التكنولوجيا والبلوكشين المعروفة مثل Meta و Coinbase و Circle و Polygon و Binance، بالإضافة إلى باحثين من جامعات مثل جامعة برينستون وجامعة واشنطن والمعهد الهندي للتكنولوجيا. يتميز أعضاء الفريق بخبرة واسعة في هندسة القانون وأمن النظام ورؤية الكمبيوتر وبناء أنظمة البيانات.

فريق البحث في مجال الذكاء الاصطناعي وتدريب النماذج: يغطي فريق البحث الذكاء الاصطناعي/التعلم الآلي، ومعالجة اللغة الطبيعية، والرؤية الحاسوبية، والتعلم المعزز. ويتمتع أعضاؤها بخبرة عملية في مؤسسات مثل Google Research، وDaimon Labs، وFetch.ai. يُظهر تكوين الفريق أن Sentient تتمتع بعمق أكاديمي قوي وقدرات تنفيذ وخبرة في نظام التشفير البيئي.

تجدر الإشارة إلى أن شركة Sentient تأسست في ظل نجاح مؤسس شركة Polygon، سانديب نايلوال. كحل توسع مهم لنظام Ethereum البيئي، بدأت Matic مع Plasma، وهي تقنية ليست رائدة ولكنها رخيصة وسريعة بما يكفي، لبناء خندق التمايز الخاص بـ Polygon في مجالات مثل NFT والشبكات الاجتماعية. وفي الوقت نفسه، من خلال الاستحواذ على Mir Protocol وHermez Network وإطلاق Polygon zkEVM، قامت الشركة بدمج تقنية ZK في حل توسيع blockchain الخاص بها. باعتبارها المشروع الثاني لـSanteep Nailwal، تتمتع Sentient بخبرة وتمويل واتصالات ووعي بالسوق أكثر بكثير من ذي قبل. كما يمكنها جمع مبالغ ضخمة من المال في عام 2024 بأفكار مشاريعها غير الكاملة. ومع ذلك، فإن مجال الذكاء الاصطناعي يختلف عن التشفير بعد كل شيء. لا تزال شركة Sentient تواجه تحديات خارجية مثل التغيرات في بيئة السوق الجديدة، والمنافسة المكثفة والتحديثات التكنولوجية.

السادس. وضع التمويل ونموذج الرمز المميز

• وقت التمويل: منتصف عام 2024؛

• مبلغ التمويل: 85 مليون دولار أمريكي (جولة تمويل أولية)؛

• مؤسسات الاستثمار: قاد Founders Fund وPantera وFramework Ventures الاستثمار بشكل مشترك. تشمل مؤسسات رأس المال الاستثماري الأخرى Ethereal وRobot Ventures وSymbolic Capital وDao5 وDelphi وPrimitive Ventures وNomad وHack VC وArrington Capital وHypersphere وIDG وTopology وProtagonist وFolius وSky9 وCanonical Crypto وDispersion Capital وMirana وForesight وHashkey وSpartan وRepublic وFrontiers Capital وما إلى ذلك. (https://sentient.foundation/funding)

استخدام رمز $SENT (قيد التخطيط)

حتى الآن، لم تطلق Sentient رمزًا رسميًا. وقال المؤسس المشارك سانديب نايلوال إن المشروع لا يخطط حاليًا لإصدار رموز، ولكن قد يتم تقييمه في المستقبل بناءً على احتياجات المجتمع وتطور المشروع. لذلك، يجب التعامل مع أي مشروع يدعي تقديم $SEN أو أي رموز أخرى مرتبطة بـ Sentient بحذر لمنع عمليات الاحتيال.

وفقًا للورقة البيضاء، تشمل الاستخدامات المحتملة لرموز SENT ما يلي: ربط نقاط حوافز الوكيل بالرموز؛ تستخدم لمقترحات إدارة إصدار النموذج والتصويت؛ المراهنة للتحقق من صحة مخرجات الوكيل؛ آلية توزيع أرباح حوكمة DAO، وما إلى ذلك.

Sentient هو مشروع خارق ولد بمفتاح ذهبي. إن خلفية الاستثمار وحجم التمويل والتقييم الخاصة بها بعيدة كل البعد عن متناول معظم مشاريع الذكاء الاصطناعي المشفرة في السوق. من ناحية أخرى، يسهل دعم الموارد القوية للشركة دمج موارد الصناعة المختلفة، كما يسهل حجم التمويل المرتفع توظيف المواهب المتميزة للانضمام إلى فريقها، كما يمكن لرأس المال القوي دعم تطوير المشاريع عبر دورات الصناعة. من ناحية أخرى، فإن صناعة العملات المشفرة الحالية تشعر عمومًا بخيبة أمل تجاه المشاريع ذات القيمة العالية المدعومة من قبل شركات رأس المال الاستثماري. بالإضافة إلى ذلك، يعتمد سعر مشاريع عملة رأس المال الاستثماري بشكل أساسي على العمليات الرأسمالية وهو منفصل بشكل خطير عن الأساسيات. بافتراض أن شركة Sentient غير قادرة على تقديم منتجات الذكاء الاصطناعي المؤثرة في مجال العملات المشفرة وتختار في النهاية إصدار عملات معدنية بتقييم مرتفع، فسوف يؤدي ذلك في النهاية إلى الإضرار بمجتمع العملات المشفرة الذي هو في حاجة ماسة إلى إعادة بناء الثقة. إن الطريقة التي يتعامل بها الفريق مع المعضلة الحالية التي تواجهها الصناعة تستحق منا الاستمرار في ملاحظتها.

السابع.

تركز معظم مشاريع الذكاء الاصطناعي المشفرة في السوق على مجال واحد مثل البيانات أو النماذج أو الحوسبة أو التدريب أو التفكير، أو تطوير تطبيقات على مستوى المستهلك مثل AI Agent. تشمل المشاريع التي تم وضعها كسلسلة AI تحويل الذكاء الاصطناعي لسلاسل الكتل القديمة (Near و ICP) أو تنسيق مشاركة الموارد اللامركزية وبروتوكولات الحوافز الرمزية مثل Bittensor، لكن وضع Sentient لا يتطابق معها تمامًا. من ناحية تدريب النموذج، يعتبر Sentient أشبه بمنصة تكاملية ولديه علاقة تعاونية مع نماذج الذكاء الاصطناعي مفتوحة المصدر في السوق. من ناحية الوكيل، تواجه Sentient درجة معينة من المنافسة المتداخلة مع Talus أو Olas أو Theoriq في أنظمة متعددة الوكلاء وقدرات التفكير، ولكن كل مشروع لديه أهداف أساسية مختلفة وسيناريوهات تطبيق وما زال مكملاً.

ثامنًا. الخلاصة

تهدف Sentient، باعتبارها منصة بروتوكول الذكاء الاصطناعي اللامركزي (AGI)، إلى توفير هيكل ملكية واضح لنماذج الذكاء الاصطناعي، واستدعاء القيمة وتوزيعها من خلال آليات على السلسلة لحل مشاكل الملكية غير الواضحة وعدم العدالة في سوق LLM المركزي الحالي. يضمن الإطار الأساسي OML (مفتوح، قابل للنقد، مخلص) الملكية والشفافية والمشاركة العادلة في الأرباح للنماذج مفتوحة المصدر من خلال بصمات النماذج وتقنية blockchain. بفضل موارد سانديب نايلوال، المؤسس المشارك لشركة Polygon، حصلت Sentient على دعم العديد من شركات رأس المال الاستثماري الرائدة وشركاء نظام الذكاء الاصطناعي. وعلى الرغم من مواجهة حالة عدم اليقين بشأن التطوير والخلافات والمنافسة، فمن المتوقع أن يصبح Sentient أحد البروتوكولات القياسية لملكية الذكاء الاصطناعي اللامركزي وتعزيز التطوير اللامركزي للذكاء الاصطناعي العام.