Fundacja Sentient powołała Julie Belião, byłą VP produktu w Mozilla.ai i doświadczoną inżynierkę Google, na stanowisko wiceprezes ds. produktu. Belião będzie kierować działaniami organizacji non-profit mającymi na celu przekształcenie badań nad ustalaniem pochodzenia modeli AI w oprogramowanie, którego deweloperzy będą mogli faktycznie używać.

Za czym będzie nadzorować Belião

Zakres jej obowiązków obejmuje dwa obszary: rekursywne samoulepszanie, czyli systemy AI, które same się ulepszają, oraz pochodzenie modeli. Fundacja stwierdza, że nie ma jeszcze standardowego sposobu, aby udowodnić, na czym trenowano model AI ani skąd pochodzi, a misją Belião jest zbudowanie działających produktów, które potrafią to zrobić.

Dekada pracy w open source i wielojęzycznej AI

Podczas pracy w Mozilla.ai Belião zarządzała planem open source dla 61 repozytoriów i przyczyniła się do rozwoju społeczności deweloperów organizacji. W 2025 roku była współautorką pracy „Towards Best Practices for Open Datasets for LLM Training” razem z Mozilla i EleutherAI. Fundacja Mozilla wymienia ją jako współpracownicę przy pracy obok dyrektorki wykonawczej EleutherAI Stelli Biderman i Marka Surmana z Mozilli. W pracy argumentowano, że dane treningowe AI powinny być licencjonowane, dobrze udokumentowane i mieć jasno ustalone pochodzenie. Ta sama przesłanka — że pochodzenie powinno być weryfikowalne — jest pytaniem, które jej nowa rola stawia teraz na poziomie modeli, gdzie, jak mówi Sentient, obecnie nie istnieje żaden standardowy dowód.

Przed Mozillą Belião spędziła ponad dziesięć lat pracując nad wielojęzyczną AI, contributing pracą nad danymi mowy i języka dla Google Assistant, Google Translate i YouTube — wszystkich produktów Google (NASDAQ: GOOGL). Posiada doktorat z informatyki na Université Paris Nanterre.

Dlaczego pochodzenie modeli AI ma dziś znaczenie

Powołanie przypada w okresie szeregu doniesień o próbach wyodrębnienia zastrzeżonych zdolności modeli. Pod koniec września OpenAI poinformowało, że przerwało skoordynowaną kampanię mającą na celu wydobycie krok po kroku rozumowania z jego modeli AI, wiążąc ją z osobami powiązanymi z Moonshot AI, twórcą Kimi. W lutym Anthropic poinformował, że trzy chińskie laboratoria AI wysłały ponad 16 milionów zapytań do jego modelu Claude, używając około 24 000 fałszywych kont, i stwierdził, że laboratoria chciały wyodrębnić zdolności Claude'a. Anthropic przypisał Moonshot ponad 3,4 miliona tych wymian.

Problem występuje szerzej: gdy model jest kopiowany, dostrajany lub destylowany do innego systemu, kupujący często nie mogą stwierdzić, na czym został wytrenowany.

Sentient podjął to wyzwanie w październiku, uruchamiając Fingerprinting Leaderboard — otwarty test, czy metody udowadniania pochodzenia modelu mogą przetrwać kopiowanie, dostrajanie i celowe próby ich usunięcia. Badacze Sentient zbudowali ataki na dziesięć proponowanych metod odcisków palców, a wyniki pokazały, że niemal wszystkie można pokonać bez pogorszenia jakości modelu — w tym własna metoda Sentient, Perinucleus, która umieściła 24 576 odcisków palców w Llama-3.1-8B.

„Fingerprinting umieszcza dowód wewnątrz modelu” — wyjaśniła Sachi Kamiya, dyrektorka ds. venture i wzrostu w fundacji. Porównała tę technikę do ukrytych znaków, którymi malarze renesansowi oznaczali swoje dzieła.

Badania bazują na pracach Sentient nad OML, czyli Open-access, Monetizable, and Loyal AI Model Serving, prowadzonych z Uniwersytetem Princeton i Uniwersytetem Waszyngtońskim. Projekt ma pozwolić twórcom udostępniać otwarte modele, zachowując jednocześnie możliwość późniejszego udowodnienia własności.

O Sentient

Sentient wystartował w lutym jako singapurska organizacja non-profit zobowiązująca się do utrzymania otwartego kodu ogólnej sztucznej inteligencji. W czerwcu zadeklarował 42 miliony dolarów grantów i inwestycji dla twórców open source. Jego projekty, w tym ROMA, OpenDeepSearch i prace nad odciskami palców OML, zdobyły ponad 12 500 gwiazdek na GitHubie, a badacze z Google (NASDAQ: GOOGL), Microsoft (NASDAQ: MSFT) i Meta (NASDAQ: META) cytowali je w swoich pracach.

To powołanie uruchamia teraz test przejścia od badań do produktu, z benchmarkiem stworzonym przez samego Sentient: październikowy ranking wykazał, że niemal każdą proponowaną metodę odcisków palców — w tym własną — można pokonać, a fundacja stwierdza, że nie istnieje jeszcze standardowy sposób udowodnienia, na czym trenowano model ani skąd pochodzi. Przekształcenie tych badań w działające produkty do weryfikacji pochodzenia to luka, którą Belião została zatrudniona, by zlikwidować.

Źródło: Cryptopolitan