Fudan Üniversitesi'ndeki sunumun ardından, @SentientAGI şimdi Shenzhen Üniversitesi'nde bir paylaşımda bulunuyor. Sentient'in tanıtım için üniversiteleri seçmesi çok ilginç.

Üniversiteler, AI yetenekleri ve yenilikçi düşüncenin toplandığı yerlerdir ve açık fikirli anlayışa en kolay şekilde adapte olabilen gruptur. Kampüs turları aracılığıyla geliştirici topluluğu kurulması, sonraki ekosistem inşası için bir yetenek temeli oluşturur.

⚡️Ana Noktalar
Sentient, kendisini bir AI işletim sistemi olarak konumlandırıyor. Temelinde GRID ağı var: 40'tan fazla AI ajanı, 50'den fazla veri ve araç arayüzünü entegre ederek, standart mesajlar ve görev yönlendirmesi ile farklı modellerin gerçek zamanlı işbirliği yapmasını sağlıyor. Tek bir büyük model ile her şeyi yapmaktan farklı olarak, Sentient ana görevi dağıtılabilir alt görevlere ayırıyor ve en uygun ajana tamamlatıyor, ardından bağlantı sonunda tutarlılık ve doğrulama gerçekleştiriyor.

Geleneksel AI modellerindeki iki temel sorunu çözdü:
1️⃣Model Adası: Farklı modeller kendi başına hareket ediyor, taşıma maliyetleri yüksek, yeniden kullanım oranı düşük. GRID, çağrı ve geri dönüşü birleştiren tek bir düzenleme katmanı kullanıyor.

2️⃣Veri Kalitesi: Bağlam tutarsız ve kaynak güvenilir değil. Çoklu kaynak çapraz doğrulama, güvenilir veri yolları ve geri izleme ile. AI yanılsamalarını ve önyargıları azaltmak.

Sentient, model, ajan, veri sağlayıcıları ve uygulama geliştiricileri için açık erişim ve gelir uzlaşması sunan bir açık protokole daha çok benziyor. OML, izlenebilirliği, birleştirilebilirliği ve faturalandırılabilirliği vurgulamaktadır.

Şu anda yaklaşık 2 milyon kullanıcıya hizmet veriliyor, mevcut ürünler arasında finans raporu oluşturma, araştırma asistanı, kişiselleştirilmiş haber bülteni gibi ürünler bulunmaktadır. Tekil uygulamalardan farklı olarak, ağ ürünlerinin değeri bileşik iyileştirmede yatmaktadır: her yeni aracı veya veri kaynağı bağlandığında, tüm ağın anlama yeteneği artmaktadır.

Kapalı kaynaklı modeller, tekil yetenek ve ekosistem bağlılığı konusunda avantajlara sahipken, modülerlik ve doğrulanabilirlik açısından yetersizdir. Açık kaynaklı modeller ekosistemi parçalıdır ancak yenilik hızı yüksektir.

Kişisel olarak @SentientAGI'yi anladığım kadarıyla, "açık kaynak model" ile "kapalı kaynak model" arasında "orchestrable - billable - verifiable" bir ara katman oluşturmaya çalışıyorlar.