AI Layer1 Laporan Penelitian: Mencari Tanah Subur DeAI di On-Chain
Ringkasan
Latar Belakang
Dalam beberapa tahun terakhir, perusahaan teknologi terkemuka seperti OpenAI, Anthropic, Google, dan Meta terus mendorong perkembangan pesat model bahasa besar (LLM). LLM menunjukkan kemampuan yang belum pernah terjadi sebelumnya di berbagai bidang, sangat memperluas ruang imajinasi manusia, bahkan dalam beberapa skenario menunjukkan potensi untuk menggantikan tenaga kerja manusia. Namun, inti dari teknologi ini tetap dikuasai oleh sejumlah raksasa teknologi terpusat. Dengan modal yang kuat dan kontrol atas sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun penghalang yang sulit untuk dilalui, membuat sebagian besar pengembang dan tim inovasi sulit untuk bersaing.
Pada saat yang sama, di awal evolusi cepat AI, opini publik sering kali terfokus pada terobosan dan kemudahan yang dibawa oleh teknologi, sementara perhatian terhadap masalah inti seperti perlindungan privasi, transparansi, dan keamanan relatif kurang. Dalam jangka panjang, masalah-masalah ini akan berdampak mendalam pada perkembangan sehat industri AI dan tingkat penerimaan masyarakat. Jika tidak dapat diatasi dengan baik, kontroversi tentang apakah AI "menuju kebaikan" atau "menuju kejahatan" akan semakin mencolok, sementara raksasa terpusat yang didorong oleh naluri mencari keuntungan sering kali kekurangan motivasi yang cukup untuk secara proaktif menghadapi tantangan-tantangan ini.
Teknologi blockchain, dengan karakteristik desentralisasi, transparansi, dan ketahanan terhadap sensor, memberikan kemungkinan baru bagi perkembangan berkelanjutan industri AI. Saat ini, berbagai aplikasi "Web3 AI" telah muncul di blockchain utama seperti Solana dan Base. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih memiliki banyak masalah: di satu sisi, tingkat desentralisasi yang terbatas, bagian penting dan infrastruktur masih bergantung pada layanan cloud terpusat, dan sifat meme yang terlalu kuat, sulit untuk mendukung ekosistem terbuka yang sesungguhnya; di sisi lain, dibandingkan dengan produk AI di dunia Web2, AI on-chain masih memiliki keterbatasan dalam hal kemampuan model, pemanfaatan data, dan skenario aplikasi, kedalaman dan luas inovasi perlu ditingkatkan.
Untuk benar-benar mewujudkan visi AI yang terdesentralisasi, sehingga blockchain dapat dengan aman, efisien, dan demokratis mendukung aplikasi AI berskala besar, serta bersaing dalam kinerja dengan solusi terpusat, kita perlu merancang blockchain Layer1 yang dirancang khusus untuk AI. Ini akan memberikan dasar yang kokoh untuk inovasi terbuka AI, demokrasi pemerintahan, dan keamanan data, serta mendorong perkembangan ekosistem AI terdesentralisasi yang makmur.
Fitur inti dari AI Layer 1
AI Layer 1 sebagai sebuah blockchain yang dirancang khusus untuk aplikasi AI, arsitektur dan desain kinerja dasarnya erat terkait dengan kebutuhan tugas AI, bertujuan untuk secara efisien mendukung pengembangan dan kemakmuran ekosistem AI yang berkelanjutan di on-chain. Secara khusus, AI Layer 1 harus memiliki kemampuan inti berikut:
Insentif yang efisien dan mekanisme konsensus terdesentralisasi Inti dari AI Layer 1 adalah membangun jaringan berbagi sumber daya seperti daya komputasi, penyimpanan, dan lainnya yang terbuka. Berbeda dengan node blockchain tradisional yang fokus pada pencatatan buku besar, node AI Layer 1 harus menjalankan tugas yang lebih kompleks, tidak hanya menyediakan daya komputasi dan menyelesaikan pelatihan serta inferensi model AI, tetapi juga harus menyumbangkan penyimpanan, data, bandwidth, dan sumber daya yang beragam, sehingga dapat mematahkan monopoli raksasa terpusat dalam infrastruktur AI. Ini mengajukan tuntutan yang lebih tinggi terhadap konsensus dan mekanisme insentif dasar: AI Layer 1 harus mampu secara akurat menilai, memberikan insentif, dan memverifikasi kontribusi nyata node dalam tugas inferensi, pelatihan AI, dan lainnya, untuk mencapai keamanan jaringan dan distribusi sumber daya yang efisien. Hanya dengan cara ini stabilitas dan kemakmuran jaringan dapat terjamin, serta secara efektif menurunkan biaya daya komputasi secara keseluruhan.
Kinerja tinggi yang luar biasa dan kemampuan dukungan tugas heterogen Tugas AI, terutama pelatihan dan inferensi LLM, menuntut kinerja komputasi dan kemampuan pemrosesan paralel yang sangat tinggi. Lebih lanjut, ekosistem AI on-chain sering kali harus mendukung berbagai jenis tugas yang beragam dan heterogen, termasuk berbagai struktur model, pemrosesan data, inferensi, penyimpanan, dan berbagai skenario lainnya. AI Layer 1 harus melakukan optimasi mendalam pada arsitektur dasar untuk memenuhi kebutuhan throughput tinggi, latensi rendah, dan paralelisme elastis, serta menetapkan dukungan asli untuk sumber daya komputasi heterogen, memastikan berbagai tugas AI dapat berjalan dengan efisien, mewujudkan perluasan yang mulus dari "tugas tunggal" ke "ekosistem kompleks dan beragam".
Verifikasi dan Jaminan Keluaran yang Dapat Dipercaya AI Layer 1 tidak hanya harus mencegah model berperilaku buruk, pemalsuan data, dan risiko keamanan lainnya, tetapi juga harus memastikan verifikasi dan keselarasan hasil keluaran AI dari mekanisme dasar. Dengan mengintegrasikan teknologi terkini seperti lingkungan eksekusi yang dapat dipercaya (TEE), bukti tanpa pengetahuan (ZK), dan komputasi aman multi-pihak (MPC), platform dapat memastikan bahwa setiap proses inferensi model, pelatihan, dan pengolahan data dapat diverifikasi secara independen, menjamin keadilan dan transparansi sistem AI. Selain itu, verifikasi ini juga dapat membantu pengguna memahami logika dan dasar keluaran AI, mewujudkan "apa yang diperoleh adalah apa yang diinginkan", meningkatkan kepercayaan dan kepuasan pengguna terhadap produk AI.
Perlindungan Privasi Data Aplikasi AI sering melibatkan data sensitif pengguna, di bidang keuangan, kesehatan, sosial, dan lainnya, perlindungan privasi data sangat penting. AI Layer 1 harus memastikan verifikasi sambil menerapkan teknologi pengolahan data berbasis enkripsi, protokol komputasi privasi, dan manajemen hak data, untuk memastikan keamanan data selama seluruh proses inferensi, pelatihan, dan penyimpanan, secara efektif mencegah kebocoran dan penyalahgunaan data, serta menghilangkan kekhawatiran pengguna mengenai keamanan data.
Kemampuan dukungan dan pengembangan ekosistem yang kuat Sebagai infrastruktur Layer 1 yang asli AI, platform tidak hanya harus memiliki keunggulan teknis, tetapi juga perlu menyediakan alat pengembangan yang lengkap, SDK terintegrasi, dukungan operasional, dan mekanisme insentif bagi pengembang, operator node, penyedia layanan AI, dan peserta ekosistem lainnya. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong pelaksanaan aplikasi asli AI yang beragam dan kaya, serta mewujudkan kemakmuran berkelanjutan dari ekosistem AI terdesentralisasi.
Berdasarkan latar belakang dan harapan di atas, artikel ini akan secara rinci memperkenalkan enam proyek perwakilan AI Layer1, termasuk Sentient, Sahara AI, Ritual, Gensyn, Bittensor, dan 0G, dengan sistematis merangkum perkembangan terbaru di jalur ini, menganalisis kondisi perkembangan proyek, dan membahas tren masa depan.
Sentient: Membangun model AI terdesentralisasi sumber terbuka yang setia
Ringkasan Proyek
Sentient adalah platform protokol sumber terbuka yang sedang membangun blockchain AI Layer1 ( yang berada pada tahap awal Layer 2, kemudian akan dipindahkan ke Layer 1). Dengan menggabungkan AI Pipeline dan teknologi blockchain, Sentient membangun ekonomi kecerdasan buatan yang terdesentralisasi. Tujuan utama dari Sentient adalah untuk menyelesaikan masalah kepemilikan model, pelacakan panggilan, dan distribusi nilai dalam pasar LLM terpusat melalui kerangka kerja "OML" (terbuka, menguntungkan, setia), sehingga model AI dapat mencapai struktur kepemilikan on-chain, transparansi panggilan, dan pembagian nilai. Visi Sentient adalah memungkinkan siapa saja untuk membangun, berkolaborasi, memiliki, dan memonetisasi produk AI, mendorong ekosistem jaringan AI Agent yang adil dan terbuka.
Tim Sentient Foundation mengumpulkan para ahli akademis terkemuka, pengusaha blockchain, dan insinyur dari seluruh dunia, yang berkomitmen untuk membangun platform AGI yang didorong oleh komunitas, sumber terbuka, dan dapat diverifikasi. Anggota inti termasuk profesor Pramod Viswanath dari Universitas Princeton dan profesor Himanshu Tyagi dari Institut Ilmu Pengetahuan India, yang masing-masing bertanggung jawab atas keamanan AI dan perlindungan privasi, sementara strategi blockchain dan tata ekosistem dipimpin oleh salah satu pendiri Polygon, Sandeep Nailwal. Latar belakang anggota tim mencakup perusahaan-perusahaan terkenal seperti Meta, Coinbase, Polygon, serta universitas terkemuka seperti Universitas Princeton dan Indian Institute of Technology, mencakup bidang AI/ML, NLP, penglihatan komputer, dan bekerja sama untuk mendorong proyek ini.
Sebagai proyek kewirausahaan kedua Sandeep Nailwal, salah satu pendiri Polygon, Sentient sudah memiliki aura sejak awal berdiri, dengan sumber daya, jaringan, dan tingkat kesadaran pasar yang kaya, memberikan dukungan yang kuat untuk perkembangan proyek. Pada pertengahan 2024, Sentient menyelesaikan pendanaan putaran benih sebesar 85 juta dolar AS, yang dipimpin oleh Founders Fund, Pantera, dan Framework Ventures, dengan lembaga investasi lainnya termasuk Delphi, Hashkey, dan Spartan serta puluhan VC terkenal lainnya.
Desain Arsitektur dan Lapisan Aplikasi
Lapisan Infrastruktur
Arsitektur Inti
Arsitektur inti Sentient terdiri dari dua bagian: AI Pipeline dan sistem blockchain.
Pipeline AI adalah dasar untuk mengembangkan dan melatih artefak "Loyal AI", yang mencakup dua proses inti:
Perencanaan Data (Data Curation): Proses pemilihan data yang didorong oleh komunitas, digunakan untuk penyelarasan model.
Pelatihan Loyalitas (Loyalty Training): Memastikan model mempertahankan proses pelatihan yang sesuai dengan niat komunitas.
Sistem blockchain menyediakan transparansi dan kontrol desentralisasi untuk protokol, memastikan kepemilikan artefak AI, pelacakan penggunaan, distribusi pendapatan, dan tata kelola yang adil. Arsitektur spesifik dibagi menjadi empat lapisan:
Lapisan penyimpanan: menyimpan bobot model dan informasi pendaftaran sidik jari;
Lapisan distribusi: Model kontrol kontrak otorisasi untuk titik masuk panggilan.
Lapisan akses: Memverifikasi apakah pengguna telah diberikan otorisasi melalui bukti izin;
Lapisan insentif: Kontrak rute pendapatan akan membayar setiap panggilan yang dialokasikan untuk pelatih, penyebar, dan validator.
Kerangka Model OML
Kerangka OML (Open, Monetizable, Loyal) adalah konsep inti yang diajukan oleh Sentient, bertujuan untuk memberikan perlindungan kepemilikan yang jelas dan mekanisme insentif ekonomi untuk model AI sumber terbuka. Dengan menggabungkan teknologi on-chain dan kriptografi asli AI, memiliki karakteristik sebagai berikut:
Keterbukaan: Model harus bersifat open source, kode dan struktur data transparan, memudahkan komunitas untuk mereproduksi, mengaudit, dan memperbaiki.
Monetisasi: Setiap pemanggilan model akan memicu aliran pendapatan, kontrak on-chain akan mendistribusikan pendapatan kepada pelatih, penyebar, dan validator.
Kesetiaan: Model ini dimiliki oleh komunitas kontributor, arah peningkatan dan tata kelola ditentukan oleh DAO, penggunaan dan modifikasi dikendalikan oleh mekanisme kripto.
AI Asli Kriptografi (AI-native Cryptography)
Kriptografi asli AI adalah mekanisme keamanan ringan "dapat diverifikasi tetapi tidak dapat dihapus" yang dikembangkan dengan memanfaatkan kontinuitas model AI, struktur manifold berdimensi rendah, dan sifat model yang dapat didiferensiasi. Teknologi intinya adalah:
Penyematan sidik jari: Menyisipkan satu set pasangan kunci nilai query-response yang tersembunyi selama pelatihan untuk membentuk tanda tangan unik model;
Protokol Verifikasi Kepemilikan: Memverifikasi apakah sidik jari disimpan melalui detektor pihak ketiga (Prover) dalam bentuk pertanyaan query;
Mekanisme panggilan izin: Sebelum melakukan panggilan, perlu mendapatkan "sertifikat izin" yang dikeluarkan oleh pemilik model, kemudian sistem akan memberikan izin kepada model untuk mendekode input tersebut dan mengembalikan jawaban yang akurat.
Metode ini memungkinkan "panggilan otorisasi berbasis perilaku + verifikasi afiliasi" dilakukan tanpa biaya re-enkripsi.
Kerangka Penegakan Model dan Eksekusi Aman
Sentient saat ini menggunakan Melange Mixed Security: menggabungkan pengakuan sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari adalah implementasi OML 1.0 sebagai arus utama, menekankan pemikiran "Keamanan Optimis (Optimistic Security)", yaitu secara default dianggap patuh, dan pelanggaran dapat terdeteksi dan dihukum.
Mekanisme sidik jari adalah implementasi kunci dari OML, yang memungkinkan model untuk menghasilkan tanda tangan unik selama fase pelatihan dengan menyisipkan pasangan "pertanyaan-jawaban" tertentu. Melalui tanda tangan ini, pemilik model dapat memverifikasi kepemilikan, mencegah penyalinan dan komersialisasi yang tidak sah. Mekanisme ini tidak hanya melindungi hak-hak pengembang model, tetapi juga menyediakan catatan on-chain yang dapat dilacak untuk perilaku penggunaan model.
Selain itu, Sentient telah meluncurkan kerangka kerja komputasi Enclave TEE, yang memanfaatkan lingkungan eksekusi tepercaya (seperti AWS Nitro Enclaves) untuk memastikan model hanya merespons permintaan yang berwenang, mencegah akses dan penggunaan yang tidak sah. Meskipun TEE bergantung pada perangkat keras dan memiliki beberapa risiko keamanan, keunggulan kinerja tinggi dan real-time-nya menjadikannya teknologi inti untuk penyebaran model saat ini.
Di masa depan, Sentient berencana untuk memperkenalkan teknologi bukti nol pengetahuan (ZK) dan enkripsi homomorfik penuh (FHE)
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
19 Suka
Hadiah
19
3
Bagikan
Komentar
0/400
FudVaccinator
· 07-18 04:11
Sekali lagi mengurus proyek-proyek udara ini, terus saja play people for suckers.
Lihat AsliBalas0
HashBandit
· 07-17 14:13
bruh L1 ini seharusnya bisa menyelesaikan bottleneck komputasi fr... mengingatkan saya pada penambangan eth di tahun 2017 ketika tagihan listrik saya membunuh saya
AI Layer1 lapangan penuh: 6 proyek besar memimpin revolusi ekosistem AI Desentralisasi
AI Layer1 Laporan Penelitian: Mencari Tanah Subur DeAI di On-Chain
Ringkasan
Latar Belakang
Dalam beberapa tahun terakhir, perusahaan teknologi terkemuka seperti OpenAI, Anthropic, Google, dan Meta terus mendorong perkembangan pesat model bahasa besar (LLM). LLM menunjukkan kemampuan yang belum pernah terjadi sebelumnya di berbagai bidang, sangat memperluas ruang imajinasi manusia, bahkan dalam beberapa skenario menunjukkan potensi untuk menggantikan tenaga kerja manusia. Namun, inti dari teknologi ini tetap dikuasai oleh sejumlah raksasa teknologi terpusat. Dengan modal yang kuat dan kontrol atas sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun penghalang yang sulit untuk dilalui, membuat sebagian besar pengembang dan tim inovasi sulit untuk bersaing.
Pada saat yang sama, di awal evolusi cepat AI, opini publik sering kali terfokus pada terobosan dan kemudahan yang dibawa oleh teknologi, sementara perhatian terhadap masalah inti seperti perlindungan privasi, transparansi, dan keamanan relatif kurang. Dalam jangka panjang, masalah-masalah ini akan berdampak mendalam pada perkembangan sehat industri AI dan tingkat penerimaan masyarakat. Jika tidak dapat diatasi dengan baik, kontroversi tentang apakah AI "menuju kebaikan" atau "menuju kejahatan" akan semakin mencolok, sementara raksasa terpusat yang didorong oleh naluri mencari keuntungan sering kali kekurangan motivasi yang cukup untuk secara proaktif menghadapi tantangan-tantangan ini.
Teknologi blockchain, dengan karakteristik desentralisasi, transparansi, dan ketahanan terhadap sensor, memberikan kemungkinan baru bagi perkembangan berkelanjutan industri AI. Saat ini, berbagai aplikasi "Web3 AI" telah muncul di blockchain utama seperti Solana dan Base. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih memiliki banyak masalah: di satu sisi, tingkat desentralisasi yang terbatas, bagian penting dan infrastruktur masih bergantung pada layanan cloud terpusat, dan sifat meme yang terlalu kuat, sulit untuk mendukung ekosistem terbuka yang sesungguhnya; di sisi lain, dibandingkan dengan produk AI di dunia Web2, AI on-chain masih memiliki keterbatasan dalam hal kemampuan model, pemanfaatan data, dan skenario aplikasi, kedalaman dan luas inovasi perlu ditingkatkan.
Untuk benar-benar mewujudkan visi AI yang terdesentralisasi, sehingga blockchain dapat dengan aman, efisien, dan demokratis mendukung aplikasi AI berskala besar, serta bersaing dalam kinerja dengan solusi terpusat, kita perlu merancang blockchain Layer1 yang dirancang khusus untuk AI. Ini akan memberikan dasar yang kokoh untuk inovasi terbuka AI, demokrasi pemerintahan, dan keamanan data, serta mendorong perkembangan ekosistem AI terdesentralisasi yang makmur.
Fitur inti dari AI Layer 1
AI Layer 1 sebagai sebuah blockchain yang dirancang khusus untuk aplikasi AI, arsitektur dan desain kinerja dasarnya erat terkait dengan kebutuhan tugas AI, bertujuan untuk secara efisien mendukung pengembangan dan kemakmuran ekosistem AI yang berkelanjutan di on-chain. Secara khusus, AI Layer 1 harus memiliki kemampuan inti berikut:
Insentif yang efisien dan mekanisme konsensus terdesentralisasi Inti dari AI Layer 1 adalah membangun jaringan berbagi sumber daya seperti daya komputasi, penyimpanan, dan lainnya yang terbuka. Berbeda dengan node blockchain tradisional yang fokus pada pencatatan buku besar, node AI Layer 1 harus menjalankan tugas yang lebih kompleks, tidak hanya menyediakan daya komputasi dan menyelesaikan pelatihan serta inferensi model AI, tetapi juga harus menyumbangkan penyimpanan, data, bandwidth, dan sumber daya yang beragam, sehingga dapat mematahkan monopoli raksasa terpusat dalam infrastruktur AI. Ini mengajukan tuntutan yang lebih tinggi terhadap konsensus dan mekanisme insentif dasar: AI Layer 1 harus mampu secara akurat menilai, memberikan insentif, dan memverifikasi kontribusi nyata node dalam tugas inferensi, pelatihan AI, dan lainnya, untuk mencapai keamanan jaringan dan distribusi sumber daya yang efisien. Hanya dengan cara ini stabilitas dan kemakmuran jaringan dapat terjamin, serta secara efektif menurunkan biaya daya komputasi secara keseluruhan.
Kinerja tinggi yang luar biasa dan kemampuan dukungan tugas heterogen Tugas AI, terutama pelatihan dan inferensi LLM, menuntut kinerja komputasi dan kemampuan pemrosesan paralel yang sangat tinggi. Lebih lanjut, ekosistem AI on-chain sering kali harus mendukung berbagai jenis tugas yang beragam dan heterogen, termasuk berbagai struktur model, pemrosesan data, inferensi, penyimpanan, dan berbagai skenario lainnya. AI Layer 1 harus melakukan optimasi mendalam pada arsitektur dasar untuk memenuhi kebutuhan throughput tinggi, latensi rendah, dan paralelisme elastis, serta menetapkan dukungan asli untuk sumber daya komputasi heterogen, memastikan berbagai tugas AI dapat berjalan dengan efisien, mewujudkan perluasan yang mulus dari "tugas tunggal" ke "ekosistem kompleks dan beragam".
Verifikasi dan Jaminan Keluaran yang Dapat Dipercaya AI Layer 1 tidak hanya harus mencegah model berperilaku buruk, pemalsuan data, dan risiko keamanan lainnya, tetapi juga harus memastikan verifikasi dan keselarasan hasil keluaran AI dari mekanisme dasar. Dengan mengintegrasikan teknologi terkini seperti lingkungan eksekusi yang dapat dipercaya (TEE), bukti tanpa pengetahuan (ZK), dan komputasi aman multi-pihak (MPC), platform dapat memastikan bahwa setiap proses inferensi model, pelatihan, dan pengolahan data dapat diverifikasi secara independen, menjamin keadilan dan transparansi sistem AI. Selain itu, verifikasi ini juga dapat membantu pengguna memahami logika dan dasar keluaran AI, mewujudkan "apa yang diperoleh adalah apa yang diinginkan", meningkatkan kepercayaan dan kepuasan pengguna terhadap produk AI.
Perlindungan Privasi Data Aplikasi AI sering melibatkan data sensitif pengguna, di bidang keuangan, kesehatan, sosial, dan lainnya, perlindungan privasi data sangat penting. AI Layer 1 harus memastikan verifikasi sambil menerapkan teknologi pengolahan data berbasis enkripsi, protokol komputasi privasi, dan manajemen hak data, untuk memastikan keamanan data selama seluruh proses inferensi, pelatihan, dan penyimpanan, secara efektif mencegah kebocoran dan penyalahgunaan data, serta menghilangkan kekhawatiran pengguna mengenai keamanan data.
Kemampuan dukungan dan pengembangan ekosistem yang kuat Sebagai infrastruktur Layer 1 yang asli AI, platform tidak hanya harus memiliki keunggulan teknis, tetapi juga perlu menyediakan alat pengembangan yang lengkap, SDK terintegrasi, dukungan operasional, dan mekanisme insentif bagi pengembang, operator node, penyedia layanan AI, dan peserta ekosistem lainnya. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong pelaksanaan aplikasi asli AI yang beragam dan kaya, serta mewujudkan kemakmuran berkelanjutan dari ekosistem AI terdesentralisasi.
Berdasarkan latar belakang dan harapan di atas, artikel ini akan secara rinci memperkenalkan enam proyek perwakilan AI Layer1, termasuk Sentient, Sahara AI, Ritual, Gensyn, Bittensor, dan 0G, dengan sistematis merangkum perkembangan terbaru di jalur ini, menganalisis kondisi perkembangan proyek, dan membahas tren masa depan.
Sentient: Membangun model AI terdesentralisasi sumber terbuka yang setia
Ringkasan Proyek
Sentient adalah platform protokol sumber terbuka yang sedang membangun blockchain AI Layer1 ( yang berada pada tahap awal Layer 2, kemudian akan dipindahkan ke Layer 1). Dengan menggabungkan AI Pipeline dan teknologi blockchain, Sentient membangun ekonomi kecerdasan buatan yang terdesentralisasi. Tujuan utama dari Sentient adalah untuk menyelesaikan masalah kepemilikan model, pelacakan panggilan, dan distribusi nilai dalam pasar LLM terpusat melalui kerangka kerja "OML" (terbuka, menguntungkan, setia), sehingga model AI dapat mencapai struktur kepemilikan on-chain, transparansi panggilan, dan pembagian nilai. Visi Sentient adalah memungkinkan siapa saja untuk membangun, berkolaborasi, memiliki, dan memonetisasi produk AI, mendorong ekosistem jaringan AI Agent yang adil dan terbuka.
Tim Sentient Foundation mengumpulkan para ahli akademis terkemuka, pengusaha blockchain, dan insinyur dari seluruh dunia, yang berkomitmen untuk membangun platform AGI yang didorong oleh komunitas, sumber terbuka, dan dapat diverifikasi. Anggota inti termasuk profesor Pramod Viswanath dari Universitas Princeton dan profesor Himanshu Tyagi dari Institut Ilmu Pengetahuan India, yang masing-masing bertanggung jawab atas keamanan AI dan perlindungan privasi, sementara strategi blockchain dan tata ekosistem dipimpin oleh salah satu pendiri Polygon, Sandeep Nailwal. Latar belakang anggota tim mencakup perusahaan-perusahaan terkenal seperti Meta, Coinbase, Polygon, serta universitas terkemuka seperti Universitas Princeton dan Indian Institute of Technology, mencakup bidang AI/ML, NLP, penglihatan komputer, dan bekerja sama untuk mendorong proyek ini.
Sebagai proyek kewirausahaan kedua Sandeep Nailwal, salah satu pendiri Polygon, Sentient sudah memiliki aura sejak awal berdiri, dengan sumber daya, jaringan, dan tingkat kesadaran pasar yang kaya, memberikan dukungan yang kuat untuk perkembangan proyek. Pada pertengahan 2024, Sentient menyelesaikan pendanaan putaran benih sebesar 85 juta dolar AS, yang dipimpin oleh Founders Fund, Pantera, dan Framework Ventures, dengan lembaga investasi lainnya termasuk Delphi, Hashkey, dan Spartan serta puluhan VC terkenal lainnya.
Desain Arsitektur dan Lapisan Aplikasi
Lapisan Infrastruktur
Arsitektur Inti
Arsitektur inti Sentient terdiri dari dua bagian: AI Pipeline dan sistem blockchain.
Pipeline AI adalah dasar untuk mengembangkan dan melatih artefak "Loyal AI", yang mencakup dua proses inti:
Sistem blockchain menyediakan transparansi dan kontrol desentralisasi untuk protokol, memastikan kepemilikan artefak AI, pelacakan penggunaan, distribusi pendapatan, dan tata kelola yang adil. Arsitektur spesifik dibagi menjadi empat lapisan:
Kerangka Model OML
Kerangka OML (Open, Monetizable, Loyal) adalah konsep inti yang diajukan oleh Sentient, bertujuan untuk memberikan perlindungan kepemilikan yang jelas dan mekanisme insentif ekonomi untuk model AI sumber terbuka. Dengan menggabungkan teknologi on-chain dan kriptografi asli AI, memiliki karakteristik sebagai berikut:
AI Asli Kriptografi (AI-native Cryptography)
Kriptografi asli AI adalah mekanisme keamanan ringan "dapat diverifikasi tetapi tidak dapat dihapus" yang dikembangkan dengan memanfaatkan kontinuitas model AI, struktur manifold berdimensi rendah, dan sifat model yang dapat didiferensiasi. Teknologi intinya adalah:
Metode ini memungkinkan "panggilan otorisasi berbasis perilaku + verifikasi afiliasi" dilakukan tanpa biaya re-enkripsi.
Kerangka Penegakan Model dan Eksekusi Aman
Sentient saat ini menggunakan Melange Mixed Security: menggabungkan pengakuan sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari adalah implementasi OML 1.0 sebagai arus utama, menekankan pemikiran "Keamanan Optimis (Optimistic Security)", yaitu secara default dianggap patuh, dan pelanggaran dapat terdeteksi dan dihukum.
Mekanisme sidik jari adalah implementasi kunci dari OML, yang memungkinkan model untuk menghasilkan tanda tangan unik selama fase pelatihan dengan menyisipkan pasangan "pertanyaan-jawaban" tertentu. Melalui tanda tangan ini, pemilik model dapat memverifikasi kepemilikan, mencegah penyalinan dan komersialisasi yang tidak sah. Mekanisme ini tidak hanya melindungi hak-hak pengembang model, tetapi juga menyediakan catatan on-chain yang dapat dilacak untuk perilaku penggunaan model.
Selain itu, Sentient telah meluncurkan kerangka kerja komputasi Enclave TEE, yang memanfaatkan lingkungan eksekusi tepercaya (seperti AWS Nitro Enclaves) untuk memastikan model hanya merespons permintaan yang berwenang, mencegah akses dan penggunaan yang tidak sah. Meskipun TEE bergantung pada perangkat keras dan memiliki beberapa risiko keamanan, keunggulan kinerja tinggi dan real-time-nya menjadikannya teknologi inti untuk penyebaran model saat ini.
Di masa depan, Sentient berencana untuk memperkenalkan teknologi bukti nol pengetahuan (ZK) dan enkripsi homomorfik penuh (FHE)