AI Layer1 дослідження: пошук родючих ґрунтів для DeAI у блокчейні
Огляд
В останні роки провідні технологічні компанії, такі як OpenAI, Anthropic, Google, Meta, сприяли швидкому розвитку великих мовних моделей (LLM). LLM демонструють безпрецедентні можливості в різних галузях, суттєво розширюючи людську уяву, а в деяких випадках навіть показують потенціал заміни людської праці. Проте ці технології знаходяться в руках небагатьох централізованих технологічних гігантів. Завдяки потужному капіталу та контролю над дорогими обчислювальними ресурсами ці компанії створили непереборні бар'єри, що ускладнює більшості розробників і інноваційних команд конкуренцію з ними.
Водночас, на початкових етапах швидкого розвитку ШІ суспільна думка часто зосереджена на прориві та зручностях, які приносить технологія, при цьому недостатньо уваги приділяється таким ключовим питанням, як захист конфіденційності, прозорість, безпека тощо. У довгостроковій перспективі ці проблеми глибоко вплинуть на здоровий розвиток галузі ШІ та соціальну прийнятність. Якщо їх не вирішити належним чином, суперечки про те, чи "направлений ШІ на добро", чи "направлений на зло", стануть ще більш вираженими. Централізовані гіганти, керуючись інстинктом прибутковості, часто не мають достатньої мотивації, щоб активно реагувати на ці виклики.
Технологія блокчейн, завдяки своїм характеристикам децентралізації, прозорості та стійкості до цензури, відкриває нові можливості для сталого розвитку індустрії ШІ. Наразі на таких основних блокчейнах, як Solana, Base, вже з'явилося безліч застосунків "Web3 AI". Однак глибокий аналіз виявляє, що ці проекти все ще стикаються з численними проблемами: з одного боку, рівень децентралізації обмежений, ключові етапи та інфраструктура все ще залежать від централізованих хмарних сервісів, а меметичні властивості надмірні, що ускладнює підтримку справжньої відкритої екосистеми; з іншого боку, у порівнянні з AI-продуктами світу Web2, AI на блокчейні має обмеження в можливостях моделей, використанні даних та сценаріях застосування, глибина та ширина інновацій потребують покращення.
Щоб дійсно реалізувати бачення децентралізованого ШІ, зробити так, щоб у блокчейні безпечно, ефективно та демократично могли розміщуватися великомасштабні застосунки ШІ, і щоб за показниками він міг конкурувати з централізованими рішеннями, нам потрібно спроектувати Layer1 блокчейн, спеціально створений для ШІ. Це забезпечить міцну основу для відкритих інновацій у ШІ, демократичного управління та безпеки даних, сприяючи процвітанню децентралізованої екосистеми ШІ.
Основні характеристики AI Layer 1
AI Layer 1 як блокчейн, спеціально розроблений для застосувань штучного інтелекту, має архітектуру та дизайн продуктивності, які тісно пов'язані з вимогами AI-завдань, з метою ефективної підтримки стійкого розвитку та процвітання екосистеми AI у блокчейні. Зокрема, AI Layer 1 повинен мати такі ключові можливості:
Ефективний механізм стимулювання та децентралізованого консенсусу
Ядро AI Layer 1 полягає в створенні відкритої мережі для спільного використання ресурсів, таких як обчислювальна потужність, зберігання тощо. На відміну від традиційних вузлів блокчейну, які переважно зосереджені на веденні обліку книги, вузли AI Layer 1 повинні виконувати більш складні завдання, не лише надаючи обчислювальну потужність, виконуючи навчання та інференцію AI-моделей, але й вносячи різноманітні ресурси, такі як зберігання, дані, пропускна здатність тощо, щоб розірвати монополію централізованих гігантів на інфраструктуру AI. Це висуває вищі вимоги до базового консенсусу та механізмів стимулювання: AI Layer 1 повинен мати змогу точно оцінювати, стимулювати та перевіряти фактичний внесок вузлів у завдання, пов'язані з AI-інференцією, навчанням тощо, забезпечуючи безпеку мережі та ефективний розподіл ресурсів. Лише так можна забезпечити стабільність і процвітання мережі та ефективно знизити загальні витрати на обчислювальну потужність.
Висока продуктивність та підтримка гетерогенних завдань
Завдання штучного інтелекту, особливо навчання та інференція великих мовних моделей (LLM), вимагають високих показників обчислювальної продуктивності та паралельної обробки. Більше того, екосистема штучного інтелекту у блокчейні часто повинна підтримувати різноманітні та гетерогенні типи завдань, включаючи різні структури моделей, обробку даних, інференцію, зберігання та інші різноманітні сценарії. AI Layer 1 повинен бути глибоко оптимізований на рівні архітектури для високої пропускної здатності, низької затримки та еластичної паралельності, а також передбачати нативну підтримку гетерогенних обчислювальних ресурсів, щоб забезпечити ефективне виконання різних завдань штучного інтелекту та реалізувати плавне розширення від "однорідних завдань" до "складної різноманітної екосистеми".
Можливість перевірки та надійний вихід
AI Layer 1 не лише має запобігати зловживанням моделями, маніпуляціям з даними та іншим загрозам безпеці, але й має забезпечити верифікацію та відповідність результатів AI на базовому рівні механізму. Завдяки інтеграції надійних середовищ виконання (TEE), доказів з нульовими знаннями (ZK), багатосторонніх безпечних обчислень (MPC) та інших передових технологій, платформа може забезпечити, що кожен процес висновку моделі, навчання та обробки даних може бути незалежно перевірений, що гарантує справедливість та прозорість системи AI. Крім того, така верифікація може допомогти користувачам зрозуміти логіку та підстави виводу AI, реалізуючи "те, що отримано, те і бажано", підвищуючи довіру та задоволеність користувачів продуктами AI.
Захист приватності даних
Застосування штучного інтелекту часто пов'язане з чутливими даними користувачів, особливо у фінансовій, медичній та соціальній сферах, де захист конфіденційності даних є надзвичайно важливим. AI Layer 1 має забезпечити перевірність, одночасно використовуючи технології обробки даних на основі шифрування, протоколи обчислень конфіденційності та управління правами на дані, щоб гарантувати безпеку даних протягом усіх етапів, включаючи інференцію, навчання та зберігання, ефективно запобігаючи витоку та зловживанню даними, усуваючи побоювання користувачів щодо безпеки даних.
Потужні можливості підтримки екосистеми та розробки
Як AI-орієнтована інфраструктура рівня 1, платформа не лише повинна мати технологічну перевагу, але й забезпечувати розробників, операторів вузлів, постачальників AI-послуг та інших учасників екосистеми повноцінними інструментами для розробки, інтегрованими SDK, підтримкою експлуатації та механізмами стимулювання. Через постійне вдосконалення доступності платформи та досвіду розробників, сприяти реалізації різноманітних AI-орієнтованих застосунків та забезпечити стійке процвітання децентралізованої AI-екосистеми.
На основі вищезазначеного контексту та очікувань, у цій статті буде докладно представлено шість представницьких проєктів AI Layer1, включаючи Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, систематизовано останні досягнення в цій сфері, проаналізовано поточний стан розвитку проєктів і обговорено майбутні тенденції.
Sentient: побудова лояльної відкритої децентралізованої AI моделі
Огляд проекту
Sentient є відкритою платформою протоколів, що створює AI Layer1 у блокчейні( на початковій стадії для Layer 2, а згодом буде перенесена на Layer 1), поєднуючи AI Pipeline та технологію блокчейну, щоб побудувати децентралізовану економіку штучного інтелекту. Його основна мета полягає в тому, щоб вирішити проблеми належності моделей, відстеження викликів та розподілу вартості на централізованому ринку LLM за допомогою рамки "OML" (відкритий, прибутковий, лояльний), дозволяючи AI моделям реалізувати структуру власності у блокчейні, прозорість викликів та розподіл вартості. Візія Sentient полягає в тому, щоб будь-хто міг створювати, співпрацювати, володіти та монетизувати AI продукти, що сприятиме розвитку справедливої, відкритої екосистеми мережі AI Agent.
Команда Sentient Foundation об'єднала провідних академічних експертів, підприємців у сфері блокчейн та інженерів з усього світу, щоб створити спільноту, що керується, з відкритим кодом та перевіряється платформа AGI. До складу основних учасників входять професор Принстонського університету Pramod Viswanath та професор Інституту наукових досліджень Індії Himanshu Tyagi, які відповідають за безпеку AI та захист приватності, а також співзасновник Polygon Sandeep Nailwal, який очолює стратегію блокчейну та екологічну розробку. Фон учасників команди охоплює відомі компанії, такі як Meta, Coinbase, Polygon, а також провідні університети, такі як Принстонський університет та Індійський технологічний інститут, охоплюючи області AI/ML, NLP, комп'ютерного зору тощо, спільно сприяючи реалізації проекту.
Як другий стартап спільного засновника Polygon Сандіпа Нейлвала, Sentient з самого початку мала ауру успіху, володіючи багатими ресурсами, зв'язками та ринковою впізнаваністю, що забезпечило потужну підтримку розвитку проекту. У середині 2024 року Sentient завершила раунд фінансування в розмірі 85 мільйонів доларів США, який очолили Founders Fund, Pantera та Framework Ventures, серед інших інвесторів були Delphi, Hashkey та десятки інших відомих VC.
проектування архітектури та рівня застосування
Інфраструктурний рівень
Ядро архітектури
Ядро архітектури Sentient складається з двох частин: AI Pipeline та у блокчейні.
AI трубопровід є основою для розробки та навчання "лояльного AI" артефактів, що включає два основних процеси:
Планування даних (Data Curation): процес вибору даних, що керується спільнотою, для вирівнювання моделі.
Тренування лояльності (Loyalty Training): забезпечте, щоб модель підтримувала процес тренування, що відповідає намірам спільноти.
Системи у блокчейні забезпечують прозорість і децентралізований контроль для протоколів, гарантують право власності на артефакти AI, відстеження використання, розподіл доходів та справедливе управління. Конкретна архітектура ділиться на чотири шари:
Складова зберігання: зберігання ваг моделей та інформації про реєстрацію відбитків.
Розподільчий рівень: точка входу для виклику моделей, контрольованих контрактами на авторизацію;
Доступний шар: перевірка правом на підтвердження авторизації користувача;
Ін Incentive layer: контракт на маршрутизацію доходів буде виплачувати винагороду тренерам, розробникам і валідаторам за кожен виклик.
OML модельна структура
OML фреймворк (Відкритий Open, Можливий для монетизації Monetizable, Лояльний Loyal) є основною концепцією, запропонованою Sentient, і має на меті надати чіткий захист прав власності та економічні стимули для відкритих AI моделей. Завдяки поєднанню у блокчейні технологій та AI рідної криптографії, має такі характеристики:
Відкритість: Модель повинна бути з відкритим вихідним кодом, код та структура даних повинні бути прозорими, щоб громада могла відтворювати, перевіряти та вдосконалювати.
Монетизація: Кожен виклик моделі буде викликати потік доходу, у блокчейні контракт розподілить доходи між тренерами, розробниками та валідаторами.
Вірність: Модель належить спільноті учасників, напрямок оновлення та управління визначається DAO, використання та зміна контролюються криптомеханізмом.
AI рідна криптографія (AI-native Cryptography)
AI-оригінальна криптографія використовує безперервність AI-моделей, структуру низькорозмірних многовидів та диференційовані властивості моделей для розробки "перевірних, але не видалювальних" легковагових механізмів безпеки. Її основна технологія:
Вбудовування відбитків пальців: під час навчання вставляється набір прихованих пар запит-відповідь для формування унікального підпису моделі;
Протокол верифікації власності: перевірка збереження відбитків пальців за допомогою запитів до стороннього детектора (Prover);
Механізм виклику дозволів: перед викликом необхідно отримати "сертифікат дозволу", виданий власником моделі, а система на основі цього сертифікату надає моделі право декодувати цей вхід та повернути точну відповідь.
Цей спосіб дозволяє реалізувати "авторизаційний виклик на основі поведінки + перевірка приналежності" без витрат на повторне шифрування.
Модель підтвердження прав і безпечна виконавча рамка
Sentient наразі використовує Melange змішану безпеку: підтвердження права власності за допомогою відбитків пальців, виконання TEE, комбінування розподілу прибутку за допомогою смарт-контрактів у блокчейні. Серед методів відбитків пальців основною лінією є OML 1.0, що підкреслює ідею "оптимістичної безпеки (Optimistic Security)", тобто за замовчуванням відповідність, за порушення можна виявити та покарати.
Механізм відбитків пальців є ключовою реалізацією OML, він дозволяє моделі генерувати унікальний підпис на етапі навчання, вбудовуючи певні «питання-відповіді». Завдяки цим підписам, власники моделі можуть перевірити приналежність, запобігаючи несанкціонованому копіюванню та комерціалізації. Цей механізм не лише захищає права розробників моделі, але й надає можливість відслідковувати поведінку використання моделі через записи у блокчейні.
Крім того, Sentient представила обчислювальну платформу Enclave TEE, яка використовує довірене середовище виконання (такі як AWS Nitro Enclaves), щоб забезпечити, що моделі реагують лише на авторизовані запити, запобігаючи несанкціонованому доступу та використанню. Хоча TEE залежить від апаратного забезпечення і має певні проблеми безпеки, його висока продуктивність і реальний час роблять його основною технологією для розгортання моделей.
У майбутньому Sentient планує впровадити технології нульових знань (ZK) та повної гомоморфної криптографії (FHE), щоб подальше посилити захист конфіденційності та перевіряність, забезпечуючи більш зрілі рішення для децентралізованого розгортання AI моделей.
рівень застосунку
Наразі продукти Sentient в основному включають децентралізовану платформу для чату Sentient Chat, відкриту модель серії Dobby та фреймворк AI Agent.
Модель серії Dobby
SentientAGI випустила кілька моделей серії "Dobby", які в основному базуються на моделі Llama, зосереджуючи увагу на цінностях свободи, децентралізації та підтримки криптовалюти. Серед них, версія leashed має більш обмежений та раціональний стиль.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
10 лайків
Нагородити
10
4
Поділіться
Прокоментувати
0/400
MindsetExpander
· 10год тому
Гіганти грають в ШІ, кожен з них не займається людською справою.
Переглянути оригіналвідповісти на0
GasOptimizer
· 07-30 10:41
Розуміння лупінгу, людина-інструмент у криптосвіті, якщо не відчував коливання, не чіпай монету.
AI Layer1 нова ера: аналіз проєктів Sentient та ще 5 проєктів для створення інфраструктури DeAI
AI Layer1 дослідження: пошук родючих ґрунтів для DeAI у блокчейні
Огляд
В останні роки провідні технологічні компанії, такі як OpenAI, Anthropic, Google, Meta, сприяли швидкому розвитку великих мовних моделей (LLM). LLM демонструють безпрецедентні можливості в різних галузях, суттєво розширюючи людську уяву, а в деяких випадках навіть показують потенціал заміни людської праці. Проте ці технології знаходяться в руках небагатьох централізованих технологічних гігантів. Завдяки потужному капіталу та контролю над дорогими обчислювальними ресурсами ці компанії створили непереборні бар'єри, що ускладнює більшості розробників і інноваційних команд конкуренцію з ними.
Водночас, на початкових етапах швидкого розвитку ШІ суспільна думка часто зосереджена на прориві та зручностях, які приносить технологія, при цьому недостатньо уваги приділяється таким ключовим питанням, як захист конфіденційності, прозорість, безпека тощо. У довгостроковій перспективі ці проблеми глибоко вплинуть на здоровий розвиток галузі ШІ та соціальну прийнятність. Якщо їх не вирішити належним чином, суперечки про те, чи "направлений ШІ на добро", чи "направлений на зло", стануть ще більш вираженими. Централізовані гіганти, керуючись інстинктом прибутковості, часто не мають достатньої мотивації, щоб активно реагувати на ці виклики.
Технологія блокчейн, завдяки своїм характеристикам децентралізації, прозорості та стійкості до цензури, відкриває нові можливості для сталого розвитку індустрії ШІ. Наразі на таких основних блокчейнах, як Solana, Base, вже з'явилося безліч застосунків "Web3 AI". Однак глибокий аналіз виявляє, що ці проекти все ще стикаються з численними проблемами: з одного боку, рівень децентралізації обмежений, ключові етапи та інфраструктура все ще залежать від централізованих хмарних сервісів, а меметичні властивості надмірні, що ускладнює підтримку справжньої відкритої екосистеми; з іншого боку, у порівнянні з AI-продуктами світу Web2, AI на блокчейні має обмеження в можливостях моделей, використанні даних та сценаріях застосування, глибина та ширина інновацій потребують покращення.
Щоб дійсно реалізувати бачення децентралізованого ШІ, зробити так, щоб у блокчейні безпечно, ефективно та демократично могли розміщуватися великомасштабні застосунки ШІ, і щоб за показниками він міг конкурувати з централізованими рішеннями, нам потрібно спроектувати Layer1 блокчейн, спеціально створений для ШІ. Це забезпечить міцну основу для відкритих інновацій у ШІ, демократичного управління та безпеки даних, сприяючи процвітанню децентралізованої екосистеми ШІ.
Основні характеристики AI Layer 1
AI Layer 1 як блокчейн, спеціально розроблений для застосувань штучного інтелекту, має архітектуру та дизайн продуктивності, які тісно пов'язані з вимогами AI-завдань, з метою ефективної підтримки стійкого розвитку та процвітання екосистеми AI у блокчейні. Зокрема, AI Layer 1 повинен мати такі ключові можливості:
Ефективний механізм стимулювання та децентралізованого консенсусу Ядро AI Layer 1 полягає в створенні відкритої мережі для спільного використання ресурсів, таких як обчислювальна потужність, зберігання тощо. На відміну від традиційних вузлів блокчейну, які переважно зосереджені на веденні обліку книги, вузли AI Layer 1 повинні виконувати більш складні завдання, не лише надаючи обчислювальну потужність, виконуючи навчання та інференцію AI-моделей, але й вносячи різноманітні ресурси, такі як зберігання, дані, пропускна здатність тощо, щоб розірвати монополію централізованих гігантів на інфраструктуру AI. Це висуває вищі вимоги до базового консенсусу та механізмів стимулювання: AI Layer 1 повинен мати змогу точно оцінювати, стимулювати та перевіряти фактичний внесок вузлів у завдання, пов'язані з AI-інференцією, навчанням тощо, забезпечуючи безпеку мережі та ефективний розподіл ресурсів. Лише так можна забезпечити стабільність і процвітання мережі та ефективно знизити загальні витрати на обчислювальну потужність.
Висока продуктивність та підтримка гетерогенних завдань Завдання штучного інтелекту, особливо навчання та інференція великих мовних моделей (LLM), вимагають високих показників обчислювальної продуктивності та паралельної обробки. Більше того, екосистема штучного інтелекту у блокчейні часто повинна підтримувати різноманітні та гетерогенні типи завдань, включаючи різні структури моделей, обробку даних, інференцію, зберігання та інші різноманітні сценарії. AI Layer 1 повинен бути глибоко оптимізований на рівні архітектури для високої пропускної здатності, низької затримки та еластичної паралельності, а також передбачати нативну підтримку гетерогенних обчислювальних ресурсів, щоб забезпечити ефективне виконання різних завдань штучного інтелекту та реалізувати плавне розширення від "однорідних завдань" до "складної різноманітної екосистеми".
Можливість перевірки та надійний вихід AI Layer 1 не лише має запобігати зловживанням моделями, маніпуляціям з даними та іншим загрозам безпеці, але й має забезпечити верифікацію та відповідність результатів AI на базовому рівні механізму. Завдяки інтеграції надійних середовищ виконання (TEE), доказів з нульовими знаннями (ZK), багатосторонніх безпечних обчислень (MPC) та інших передових технологій, платформа може забезпечити, що кожен процес висновку моделі, навчання та обробки даних може бути незалежно перевірений, що гарантує справедливість та прозорість системи AI. Крім того, така верифікація може допомогти користувачам зрозуміти логіку та підстави виводу AI, реалізуючи "те, що отримано, те і бажано", підвищуючи довіру та задоволеність користувачів продуктами AI.
Захист приватності даних Застосування штучного інтелекту часто пов'язане з чутливими даними користувачів, особливо у фінансовій, медичній та соціальній сферах, де захист конфіденційності даних є надзвичайно важливим. AI Layer 1 має забезпечити перевірність, одночасно використовуючи технології обробки даних на основі шифрування, протоколи обчислень конфіденційності та управління правами на дані, щоб гарантувати безпеку даних протягом усіх етапів, включаючи інференцію, навчання та зберігання, ефективно запобігаючи витоку та зловживанню даними, усуваючи побоювання користувачів щодо безпеки даних.
Потужні можливості підтримки екосистеми та розробки Як AI-орієнтована інфраструктура рівня 1, платформа не лише повинна мати технологічну перевагу, але й забезпечувати розробників, операторів вузлів, постачальників AI-послуг та інших учасників екосистеми повноцінними інструментами для розробки, інтегрованими SDK, підтримкою експлуатації та механізмами стимулювання. Через постійне вдосконалення доступності платформи та досвіду розробників, сприяти реалізації різноманітних AI-орієнтованих застосунків та забезпечити стійке процвітання децентралізованої AI-екосистеми.
На основі вищезазначеного контексту та очікувань, у цій статті буде докладно представлено шість представницьких проєктів AI Layer1, включаючи Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, систематизовано останні досягнення в цій сфері, проаналізовано поточний стан розвитку проєктів і обговорено майбутні тенденції.
Sentient: побудова лояльної відкритої децентралізованої AI моделі
Огляд проекту
Sentient є відкритою платформою протоколів, що створює AI Layer1 у блокчейні( на початковій стадії для Layer 2, а згодом буде перенесена на Layer 1), поєднуючи AI Pipeline та технологію блокчейну, щоб побудувати децентралізовану економіку штучного інтелекту. Його основна мета полягає в тому, щоб вирішити проблеми належності моделей, відстеження викликів та розподілу вартості на централізованому ринку LLM за допомогою рамки "OML" (відкритий, прибутковий, лояльний), дозволяючи AI моделям реалізувати структуру власності у блокчейні, прозорість викликів та розподіл вартості. Візія Sentient полягає в тому, щоб будь-хто міг створювати, співпрацювати, володіти та монетизувати AI продукти, що сприятиме розвитку справедливої, відкритої екосистеми мережі AI Agent.
Команда Sentient Foundation об'єднала провідних академічних експертів, підприємців у сфері блокчейн та інженерів з усього світу, щоб створити спільноту, що керується, з відкритим кодом та перевіряється платформа AGI. До складу основних учасників входять професор Принстонського університету Pramod Viswanath та професор Інституту наукових досліджень Індії Himanshu Tyagi, які відповідають за безпеку AI та захист приватності, а також співзасновник Polygon Sandeep Nailwal, який очолює стратегію блокчейну та екологічну розробку. Фон учасників команди охоплює відомі компанії, такі як Meta, Coinbase, Polygon, а також провідні університети, такі як Принстонський університет та Індійський технологічний інститут, охоплюючи області AI/ML, NLP, комп'ютерного зору тощо, спільно сприяючи реалізації проекту.
Як другий стартап спільного засновника Polygon Сандіпа Нейлвала, Sentient з самого початку мала ауру успіху, володіючи багатими ресурсами, зв'язками та ринковою впізнаваністю, що забезпечило потужну підтримку розвитку проекту. У середині 2024 року Sentient завершила раунд фінансування в розмірі 85 мільйонів доларів США, який очолили Founders Fund, Pantera та Framework Ventures, серед інших інвесторів були Delphi, Hashkey та десятки інших відомих VC.
проектування архітектури та рівня застосування
Інфраструктурний рівень
Ядро архітектури
Ядро архітектури Sentient складається з двох частин: AI Pipeline та у блокчейні.
AI трубопровід є основою для розробки та навчання "лояльного AI" артефактів, що включає два основних процеси:
Системи у блокчейні забезпечують прозорість і децентралізований контроль для протоколів, гарантують право власності на артефакти AI, відстеження використання, розподіл доходів та справедливе управління. Конкретна архітектура ділиться на чотири шари:
OML модельна структура
OML фреймворк (Відкритий Open, Можливий для монетизації Monetizable, Лояльний Loyal) є основною концепцією, запропонованою Sentient, і має на меті надати чіткий захист прав власності та економічні стимули для відкритих AI моделей. Завдяки поєднанню у блокчейні технологій та AI рідної криптографії, має такі характеристики:
AI рідна криптографія (AI-native Cryptography)
AI-оригінальна криптографія використовує безперервність AI-моделей, структуру низькорозмірних многовидів та диференційовані властивості моделей для розробки "перевірних, але не видалювальних" легковагових механізмів безпеки. Її основна технологія:
Цей спосіб дозволяє реалізувати "авторизаційний виклик на основі поведінки + перевірка приналежності" без витрат на повторне шифрування.
Модель підтвердження прав і безпечна виконавча рамка
Sentient наразі використовує Melange змішану безпеку: підтвердження права власності за допомогою відбитків пальців, виконання TEE, комбінування розподілу прибутку за допомогою смарт-контрактів у блокчейні. Серед методів відбитків пальців основною лінією є OML 1.0, що підкреслює ідею "оптимістичної безпеки (Optimistic Security)", тобто за замовчуванням відповідність, за порушення можна виявити та покарати.
Механізм відбитків пальців є ключовою реалізацією OML, він дозволяє моделі генерувати унікальний підпис на етапі навчання, вбудовуючи певні «питання-відповіді». Завдяки цим підписам, власники моделі можуть перевірити приналежність, запобігаючи несанкціонованому копіюванню та комерціалізації. Цей механізм не лише захищає права розробників моделі, але й надає можливість відслідковувати поведінку використання моделі через записи у блокчейні.
Крім того, Sentient представила обчислювальну платформу Enclave TEE, яка використовує довірене середовище виконання (такі як AWS Nitro Enclaves), щоб забезпечити, що моделі реагують лише на авторизовані запити, запобігаючи несанкціонованому доступу та використанню. Хоча TEE залежить від апаратного забезпечення і має певні проблеми безпеки, його висока продуктивність і реальний час роблять його основною технологією для розгортання моделей.
У майбутньому Sentient планує впровадити технології нульових знань (ZK) та повної гомоморфної криптографії (FHE), щоб подальше посилити захист конфіденційності та перевіряність, забезпечуючи більш зрілі рішення для децентралізованого розгортання AI моделей.
рівень застосунку
Наразі продукти Sentient в основному включають децентралізовану платформу для чату Sentient Chat, відкриту модель серії Dobby та фреймворк AI Agent.
Модель серії Dobby
SentientAGI випустила кілька моделей серії "Dobby", які в основному базуються на моделі Llama, зосереджуючи увагу на цінностях свободи, децентралізації та підтримки криптовалюти. Серед них, версія leashed має більш обмежений та раціональний стиль.