La technique de traçabilité "empreinte digitale" proposée par Sentient AGI repose sur un mécanisme de protection des droits d'auteur et de traçabilité basé sur l'extraction des caractéristiques comportementales du modèle et l'identification vérifiable. Elle vise à intégrer une identification qui ne peut être facilement supprimée ou falsifiée dans les modèles d'intelligence artificielle Open Source, garantissant ainsi que les droits des contributeurs au modèle puissent être suivis et vérifiés dans un environnement de partage ouvert.

Plus précisément, cette technologie comprend plusieurs aspects clés :

🔩 Mécanisme central : intégration et liaison des caractéristiques

Le cœur de cette technologie réside dans la phase d'entraînement du modèle, où une série unique de "paires clé-réponse" (Key-Response Pairs) est systématiquement injectée dans le modèle. Ces paires de clés sont profondément couplées aux paramètres du modèle pendant le processus d'entraînement, formant une "empreinte" intrinsèque et difficile à détacher. Contrairement aux filigranes numériques traditionnels qui cachent des informations dans les données, cette méthode encode directement les caractéristiques d'identification dans la logique décisionnelle et les modèles de comportement du modèle.

🛡️ Caractéristiques clés : robustesse et capacité de résistance aux interférences

Un système d'empreintes digitales numériques efficace doit posséder une robustesse forte. Sentient affirme que sa technologie d'empreintes digitales a une très faible probabilité que les empreintes soient supprimées, même après un ajustement fin (Fine-tuning) du modèle (par exemple, <0,01%). Cela signifie que les informations d'empreintes digitales ne sont pas simplement attachées à la surface du modèle, mais sont profondément intégrées dans son graphe computationnel (Computational Graph), capable de résister à un certain degré de modifications et d'attaques, similaire au concept de résistance aux collisions (Collision Resistance) en cryptographie.

🔍 Processus de vérification : chemin d'audit traçable

Lorsqu'il est nécessaire de vérifier l'appartenance d'un modèle, le vérificateur (Verifier) lance une requête au modèle en utilisant des questions de clé prédéfinies. La réponse unique générée par le modèle, basée sur la logique façonnée par son empreinte interne, sera comparée à la réponse attendue. Ce processus de vérification peut former une piste d'audit complète sur la chaîne (On-chain Audit Trail), liant l'instance du modèle à son identité originale enregistrée sur la blockchain, réalisant ainsi la traçabilité.

⚖️ Valeur d'application : résoudre les points de douleur clés de l'Open Source AI

La principale application de cette technologie est de résoudre les problèmes d'attribution des modèles (Model Attribution) et d'incitation des contributeurs dans le domaine de l'Open Source AI. Elle permet aux développeurs de rendre leurs modèles open source en toute sécurité, tout en conservant leurs droits de propriété intellectuelle et de partage des bénéfices économiques, fournissant une base technique pour la monétisation (Monetizability) envisagée dans l'écosystème Sentient.

En résumé, la technique de traçabilité des empreintes digitales numériques de Sentient AGI peut être comprise comme un cadre technologique pour construire une identité numérique vérifiable pour les modèles d'IA. Elle tente d'établir un système durable de retour sur contribution tout en favorisant la collaboration open source en combinant les idées d'identification de la cryptographie avec les caractéristiques comportementales des modèles d'apprentissage automatique.
#Sentient SentientAGI #KAITOAI
@SentientAGI @KaitoAI