In den letzten Tagen habe ich mit Freunden, die in großen Web2-Unternehmen im Bereich KI arbeiten, über das Projekt Sentient gesprochen. Sie waren alle sehr überrascht, denn Sentient macht etwas, was vorher kein KI-Projekt getan hat. Sentient hat einen großen Schritt im Bereich KI gemacht, AGI führt die Welle der KI an. Nachdem wir über die Kernfunktion von Sentient, GRID, gesprochen haben, wollen wir nun über ein zentrales Open-Source-Großsprachenmodell (LLM) von GRID sprechen: Dobby. Dobbys Positionierung und Funktion sind auf Open-Source und Community-Ausrichtung ausgelegt. Dobby ist ein Open-Source-Großsprachenmodell, dessen Ziel es ist, durch Zusammenarbeit in der Community die Demokratisierung von allgemeiner künstlicher Intelligenz (AGI) zu erreichen. Im Gegensatz zu geschlossenen Modellen (wie der GPT-Serie) sind Dobbys Code und Trainingsdaten öffentlich, was Entwicklern ermöglicht, zu überprüfen, zu ändern und anzupassen. Community-Ausrichtung bedeutet, dass die Parameter und das Verhalten des Modells die Bedürfnisse der Nutzer und ethische Standards priorisieren, um das "Black-Box"-Problem großer Unternehmen zu vermeiden. Dobbys Vorteile und Innovationspunkte im Vergleich zu anderen geschlossenen Modellen sind die Open-Source-Transparenz: Dobbys Open-Source-Natur unterscheidet es von geschlossenen Modellen, die Community kann den Code überprüfen und optimieren, um Vorurteile und Fehler zu reduzieren. Dezentralisierte Ausführung: Durch Blockchain und verteilte Rechenleistung vermeidet Dobby die Abhängigkeit von zentralisierten Cloud-Diensten, was die Privatsphäre und die Widerstandsfähigkeit gegen Zensur erhöht. Modularer Aufbau: Dobby ist kein einzelnes "Alleskönner-Modell", sondern Teil des GRID-Ökosystems, das sich auf Sprachverständnis konzentriert und mit anderen spezialisierten Agenten zusammenarbeitet, um AGI-ähnliche Fähigkeiten zu erreichen. Es gibt jedoch auch einige Mängel: Im Vergleich zu geschlossenen Modellen könnte Dobbys Schlussfolgerungsfähigkeit in bestimmten Aufgaben noch hinterherhinken (zum Beispiel bei komplexen Schlussfolgerungen in sehr großen Modellen). Sentient befindet sich derzeit noch in der frühen Phase des Projekts, und es gibt in einigen Bereichen tatsächlich gewisse Mängel. In Zukunft, mit der weiteren Entwicklung von Sentient, werden diese Mängel schrittweise behoben.