🆕 @SentientAGI recientemente presentó un concepto muy valioso en NeurIPS: OML (Open, Monetizable, Loyal).

Este nuevo marco está redefiniendo los límites de los "modelos abiertos", con el objetivo de que los modelos mantengan características abiertas, al mismo tiempo que logran una gobernanza clara, un trazabilidad verificable y un incentivo económico sostenible. La IA de código abierto ha enfrentado una contradicción central: una vez que los pesos son públicos, el control del modelo y el valor original son casi imposibles de garantizar, los desarrolladores tienen dificultades para rastrear el origen del uso y no pueden establecer un sistema económico estable. OML se ha creado para resolver estos problemas que han existido durante mucho tiempo.

OML permite que los modelos mantengan la flexibilidad de uso al tiempo que protegen los derechos del autor original. En el modo de código abierto tradicional, es común que los modelos sean copiados, renombrados y revendidos, lo que debilita el valor y la confianza en la originalidad. El mecanismo criptográfico introducido por OML otorga a los modelos "identidad verificable", lo que permite que cualquier uso, modificación o implementación sea registrado y auditado.

En la arquitectura del sistema, OML adopta un diseño de doble capa de "capa de control (Control Plane)" y "capa de datos (Data Plane)".

La capa de control es principalmente responsable de la gestión de claves, la evaluación de políticas y la autenticación de comportamientos.
La capa de datos es responsable de la ejecución real de la inferencia del modelo.

Antes de cada ejecución del modelo, la capa de control verificará primero la información de autorización para asegurarse de que la ejecución cumpla con los requisitos de la política; después de la ejecución, todas las operaciones se registrarán automáticamente en un registro de firma, formando un registro inmutable. Incluso si el modelo se ejecuta localmente, se puede conservar una prueba de ejecución confiable, sin depender de API centralizadas o plataformas externas. Esta arquitectura mejora significativamente tanto la disponibilidad como la seguridad del modelo.

Otro punto destacado es la huella digital criptográfica (Fingerprint). OML incrusta un conjunto de características criptográficas ocultas en el modelo, las cuales no afectan el rendimiento del modelo, pero pueden verificar la procedencia cuando sea necesario. Cualquier persona que dude de la procedencia de un modelo, solo necesita iniciar una solicitud de verificación criptográfica, y el modelo generará una cadena de respuesta única de 32 bits que prueba su pertenencia. Este mecanismo proporciona evidencia clara de la originalidad del modelo y convierte los modelos de código abierto en activos digitales autorizables y comerciables.

Desde la perspectiva de la industria, OML ofrece un nuevo modelo de "gobernanza abierta". Esto hace que la distribución y el uso de modelos sean más transparentes, permitiendo a los investigadores continuar colaborando en un entorno público, mientras que las empresas y los proyectos pueden generar ingresos estables a través de un sistema de autorización rastreable. El comportamiento del modelo, los registros de uso y el estado de autorización son verificables, estableciendo un ecosistema de código abierto sostenible desde una perspectiva técnica e institucional.

En el taller Lock-LLMs de NeurIPS, Sentient presentó los logros de OML en la prevención del abuso del conocimiento del modelo. OML introduce una capa de control criptográfico que permite al proceso de funcionamiento del modelo tener la capacidad de ejecución de políticas verificables. Incluso si los pesos del modelo son completamente abiertos, este mecanismo asegura que la operación siga las reglas establecidas.

La aparición de OML ha traído una nueva forma de equilibrio para el ecosistema de modelos de código abierto. Ha aclarado el significado de apertura: compartir ya no significa perder el control, la innovación puede coexistir con la gobernanza. A través de un diseño que integra criptografía, autorización y auditoría, OML ofrece un marco de operación más maduro y a largo plazo para la IA abierta del futuro. Este mecanismo proporciona un suelo para el desarrollo sostenible de modelos abiertos, permitiendo que los intereses de la investigación, el comercio y la comunidad coexistan en el mismo sistema.

#KAITO #SentientAGI #Sentient