🆕 @SentientAGI قدمت مؤخرًا مفهومًا قيمًا جدًا في NeurIPS - OML (Open, Monetizable, Loyal).

تقوم هذه الإطار الجديد بإعادة تعريف حدود "النموذج المفتوح"، والهدف هو السماح للنموذج بالحفاظ على خصائصه المفتوحة، وفي نفس الوقت تحقيق حوكمة واضحة، وتتبع قابل للتحقق، وتحفيز اقتصادي مستدام. لقد كانت هناك تناقض أساسي في الذكاء الاصطناعي مفتوح المصدر: بمجرد أن يتم نشر الأوزان، يصبح من الصعب ضمان السيطرة على النموذج والقيمة الأصلية، ويواجه المطورون صعوبة في تتبع مصادر الاستخدام، ولا يمكنهم إنشاء نظام اقتصادي مستقر. تم تصميم OML لحل هذه المشكلات التي كانت قائمة منذ فترة طويلة.

تسمح OML للنموذج بالحفاظ على مرونة الاستخدام بينما تحمي حقوق المؤلفين الأصليين. في نموذج المصدر المفتوح التقليدي، من الشائع نسخ النماذج وإعادة تسميتها وإعادة نشرها، وهذه الطريقة تضعف قيمة الأصالة والثقة. إن الآلية التشفيرية التي تقدمها OML تمنح النموذج "هوية قابلة للتحقق"، حيث يمكن تسجيل وتدقيق أي سلوك استخدام أو تعديل أو نشر.

في بنية النظام، تعتمد OML تصميمًا مزدوجًا يتكون من "طبقة التحكم (Control Plane)" و"طبقة البيانات (Data Plane)".

تتحمل طبقة التحكم المسؤولية الرئيسية عن إدارة المفاتيح، وتقييم السياسات، وتصديق السلوك.
تتحمل طبقة البيانات مسؤولية تنفيذ الاستدلال الفعلي للنموذج.

قبل كل تشغيل للنموذج، ستقوم طبقة التحكم بالتحقق من معلومات التفويض لضمان أن التنفيذ يتوافق مع متطلبات السياسة؛ بعد التشغيل، سيتم كتابة جميع العمليات تلقائيًا إلى سجل التوقيع، مما يشكل سجلًا غير قابل للتلاعب. حتى عند تشغيل النموذج محليًا، يمكن الاحتفاظ بإثبات تشغيل موثوق، دون الاعتماد على واجهة برمجة التطبيقات المركزية أو المنصات الخارجية. هذه البنية تعزز بشكل كبير من قابلية استخدام النموذج وأمانه.

الميزة الأخرى هي بصمة التشفير (Fingerprint). تقوم OML بإدخال مجموعة من الميزات المشفرة المخفية في النموذج، وهذه الميزات لا تؤثر على أداء النموذج، ولكن يمكن استخدامها للتحقق من المصدر عند الحاجة. إذا كان أي شخص يشك في مصدر نموذج معين، كل ما عليه فعله هو تقديم طلب للتحقق من التشفير، وسيقوم النموذج بإنشاء سلسلة استجابة فريدة من 32 بت، تثبت ملكيته. هذه الآلية توفر دليلاً واضحاً على أصالة النموذج، كما تجعل النماذج مفتوحة المصدر أصول رقمية قابلة للتراخيص والتداول.

من منظور الصناعة، يوفر OML نموذج "الحوكمة المفتوحة" الجديد. إنه يجعل توزيع النموذج واستخدامه أكثر شفافية، حيث يمكن للباحثين الاستمرار في التعاون في بيئة مفتوحة، بينما يمكن للشركات وأطراف المشاريع تحقيق عائدات مستقرة من خلال نظام تفويض قابل للتتبع. سلوك النموذج، سجلات الاستخدام، وحالة التفويض كلها موثقة، مما يؤسس لبيئة مفتوحة مستدامة من الناحية التقنية والتنظيمية.

في ورشة عمل Lock-LLMs في NeurIPS، عرضت Sentient إنجازات OML في منع إساءة استخدام معرفة النموذج. من خلال إدخال طبقة التحكم المشفرة، تمكن OML من منح عملية تشغيل النموذج القدرة على تنفيذ السياسات القابلة للتحقق. حتى مع فتح أوزان النموذج بالكامل، يمكن من خلال هذه الآلية ضمان أن التشغيل يتبع القواعد المحددة.

ظهور OML جلب طريقة جديدة لتحقيق التوازن في بيئة النماذج مفتوحة المصدر. لقد جعل معنى الانفتاح أكثر وضوحًا - المشاركة لم تعد تعني فقدان السيطرة، حيث يمكن أن تتزامن الابتكارات مع الحوكمة. من خلال تصميم يجمع بين التشفير، والتفويض، والتدقيق، يوفر OML إطار عمل أكثر نضجًا وطويل الأجل للذكاء الاصطناعي المفتوح في المستقبل. هذه الآلية تجعل النماذج المفتوحة تمتلك تربة للتنمية المستدامة، كما تسمح لمصالح البحث العلمي، والتجارة، والمجتمع بالت coexist في نفس النظام.

#KAITO #الذكاء الاصطناعي الواعين #الذكاء الاصطناعي الواعين