Laporan Penelitian AI Layer1: Mencari Tanah Subur DeAI di on-chain

Ringkasan

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, secara signifikan memperluas ruang imajinasi manusia, bahkan dalam beberapa skenario menunjukkan potensi untuk menggantikan tenaga kerja manusia. Namun, inti dari teknologi ini tetap dikuasai oleh sejumlah kecil raksasa teknologi terpusat. Dengan modal yang kuat dan pengendalian sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun penghalang yang sulit 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 ini akan berdampak mendalam pada perkembangan sehat industri AI dan tingkat penerimaan masyarakat. Jika tidak dapat diselesaikan dengan baik, kontroversi tentang apakah AI "menuju kebaikan" atau "menuju kejahatan" akan semakin menonjol, sementara raksasa terpusat, yang didorong oleh naluri untuk mencari keuntungan, sering kali kekurangan motivasi yang cukup untuk secara proaktif menghadapi tantangan ini.

Teknologi blockchain, dengan karakteristiknya yang terdesentralisasi, transparan, dan tahan sensor, memberikan kemungkinan baru untuk pengembangan berkelanjutan industri AI. Saat ini, telah muncul banyak aplikasi "Web3 AI" di blockchain utama. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih menghadapi banyak masalah: di satu sisi, tingkat desentralisasi terbatas, dan bagian kunci serta infrastruktur masih bergantung pada layanan cloud terpusat, sulit untuk mendukung ekosistem terbuka yang sesungguhnya; di sisi lain, dibandingkan dengan produk AI di dunia Web2, AI on-chain masih terbatas dalam kemampuan model, pemanfaatan data, dan skenario aplikasi, kedalaman dan luas inovasi perlu ditingkatkan.

Untuk benar-benar mewujudkan visi AI yang terdesentralisasi, agar blockchain dapat dengan aman, efisien, dan demokratis menampung aplikasi AI berskala besar, serta bersaing dalam hal kinerja dengan solusi terpusat, kita perlu merancang blockchain Layer1 yang dibangun khusus untuk AI. Ini akan menyediakan basis yang kuat 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 blockchain yang dirancang khusus untuk aplikasi AI, arsitektur dasar dan desain kinerjanya erat kaitannya dengan kebutuhan tugas AI, bertujuan untuk secara efisien mendukung perkembangan dan kemakmuran ekosistem AI yang berkelanjutan di on-chain. Secara khusus, AI Layer 1 harus memiliki kemampuan inti berikut:

1. Mekanisme insentif yang efisien dan konsensus terdesentralisasi Inti dari AI Layer 1 adalah membangun jaringan berbagi sumber daya terbuka seperti daya komputasi dan penyimpanan. Berbeda dengan node blockchain tradisional yang fokus pada pencatatan buku besar, node AI Layer 1 perlu menjalankan tugas yang lebih kompleks, tidak hanya menyediakan daya komputasi, menyelesaikan pelatihan dan inferensi model AI, tetapi juga harus menyumbangkan penyimpanan, data, bandwidth, dan sumber daya yang beragam, sehingga memecahkan monopoli raksasa terpusat dalam infrastruktur AI. Ini menuntut konsensus dasar dan mekanisme insentif yang lebih tinggi: AI Layer 1 harus bisa secara akurat mengevaluasi, menginsentifkan, dan memverifikasi kontribusi nyata node dalam tugas inferensi, pelatihan, dan sebagainya, untuk mencapai keamanan jaringan dan distribusi sumber daya yang efisien. Hanya dengan cara ini dapat memastikan stabilitas dan kemakmuran jaringan serta secara efektif mengurangi biaya daya komputasi secara keseluruhan.

2. 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 juga perlu mendukung berbagai jenis tugas yang beragam dan heterogen, termasuk struktur model yang berbeda, pemrosesan data, inferensi, penyimpanan, dan berbagai skenario lainnya. AI Layer 1 harus melakukan optimasi mendalam pada arsitektur dasar untuk kebutuhan throughput tinggi, latensi rendah, dan paralel yang elastis, serta menetapkan kemampuan dukungan asli untuk sumber daya komputasi heterogen, memastikan bahwa berbagai tugas AI dapat berjalan dengan efisien, dan mewujudkan perluasan yang mulus dari "tugas tunggal" ke "ekosistem kompleks yang beragam."

3. Verifikasi dan Jaminan Output yang Tepercaya AI Layer 1 tidak hanya harus mencegah model berbuat jahat, manipulasi data, dan risiko keamanan lainnya, tetapi juga harus memastikan dapat diverifikasinya dan keselarasan hasil keluaran AI dari mekanisme dasar. Dengan mengintegrasikan lingkungan eksekusi terpercaya (TEE), bukti nol pengetahuan (ZK), dan komputasi aman multi-pihak (MPC) serta teknologi mutakhir lainnya, platform ini dapat memastikan setiap proses inferensi model, pelatihan, dan pemrosesan data dapat diverifikasi secara independen, menjamin keadilan dan transparansi sistem AI. Pada saat yang sama, dapat diverifikasinya ini juga dapat membantu pengguna memahami logika dan dasar keluaran AI, mewujudkan "apa yang didapat sesuai harapan", serta meningkatkan kepercayaan dan kepuasan pengguna terhadap produk AI.

4. Perlindungan Privasi Data Aplikasi AI sering melibatkan data sensitif pengguna, terutama dalam bidang keuangan, kesehatan, dan sosial, di mana perlindungan privasi data sangat penting. AI Layer 1 harus memastikan verifikasi sambil menggunakan teknologi pemrosesan data berbasis kriptografi, protokol komputasi privasi, dan manajemen izin 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.

5. Kemampuan dukungan pengembangan dan penopang ekosistem yang kuat Sebagai infrastruktur Layer 1 yang berasal dari AI, platform tidak hanya harus memiliki keunggulan teknologi, tetapi juga harus menyediakan alat pengembangan yang lengkap, SDK terintegrasi, dukungan operasi, dan mekanisme insentif bagi para peserta ekosistem seperti pengembang, operator node, dan penyedia layanan AI. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong penerapan aplikasi AI yang beragam dan kaya, serta mewujudkan keberlanjutan kemakmuran ekosistem AI terdesentralisasi.

Berdasarkan latar belakang dan harapan di atas, artikel ini akan secara rinci memperkenalkan enam proyek AI Layer1 yang mewakili, termasuk Sentient, Sahara AI, Ritual, Gensyn, Bittensor, dan 0G, menguraikan kemajuan terbaru di bidang ini, menganalisis keadaan pengembangan 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 pada tahap awal adalah Layer 2, kemudian akan berpindah ke Layer 1). Dengan menggabungkan AI Pipeline dan teknologi blockchain, Sentient membangun ekonomi kecerdasan buatan yang terdesentralisasi. Tujuan inti kami adalah untuk menyelesaikan masalah kepemilikan model, pelacakan pemanggilan, dan distribusi nilai dalam pasar LLM terpusat melalui kerangka "OML" (Terbuka, Menguntungkan, Loyal) sehingga model AI dapat memiliki struktur kepemilikan on-chain, transparansi pemanggilan, dan pembagian nilai. Visi Sentient adalah memungkinkan siapa pun untuk membangun, berkolaborasi, memiliki, dan memonetisasi produk AI, mendorong ekosistem jaringan AI Agent yang adil dan terbuka.

Tim Sentient Foundation mengumpulkan para ahli akademis, pengusaha blockchain, dan insinyur terbaik 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 Indian Institute of Science, yang masing-masing bertanggung jawab untuk keamanan dan privasi AI, sementara strategi blockchain dan tata ekosistem dipimpin oleh salah satu pendiri Polygon, Sandeep Nailwal. Latar belakang anggota tim mencakup perusahaan-perusahaan ternama seperti Meta, Coinbase, dan Polygon, serta universitas terkemuka seperti Universitas Princeton dan Indian Institute of Technology, mencakup bidang AI/ML, NLP, dan visi komputer, bekerja sama untuk mendorong proyek ini.

Sebagai proyek kewirausahaan kedua Sandeep Nailwal, salah satu pendiri Polygon, Sentient sudah memiliki pesona sejak didirikan, dengan sumber daya yang kaya, jaringan, dan pengakuan pasar yang tinggi, memberikan dukungan yang kuat untuk pengembangan proyek. Pada pertengahan 2024, Sentient berhasil 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 puluhan VC terkenal lainnya.

Arsitektur Desain dan Lapisan Aplikasi

Infrastruktur

Arsitektur Inti

Arsitektur inti Sentient terdiri dari dua bagian: AI Pipeline dan sistem blockchain.

AI pipeline adalah dasar untuk mengembangkan dan melatih artefak "loyal AI", yang mencakup dua proses inti:​

• Perencanaan Data (Data Curation): Proses pemilihan data yang dipandu oleh komunitas, digunakan untuk penyelarasan model.
• Pelatihan Loyalitas (Loyalty Training): memastikan model tetap konsisten dengan niat komunitas selama proses pelatihan.

Sistem blockchain memberikan transparansi dan kontrol terdesentralisasi untuk protokol, memastikan kepemilikan, pelacakan penggunaan, distribusi pendapatan, dan tata kelola yang adil dari artefak AI. 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 pemanggilan;
• Lapisan akses: Memverifikasi apakah pengguna telah diberi otorisasi melalui pembuktian izin;
• Lapisan insentif: Kontrak rute pendapatan akan membayar setiap panggilan yang dialokasikan kepada pelatih, penyebar, dan validator.

Kerangka Model OML

Kerangka OML (Open, Monetizable, Loyal) adalah konsep inti yang diajukan oleh Sentient, yang 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 open source, kode dan struktur data transparan, sehingga mudah bagi komunitas untuk mereproduksi, mengaudit, dan meningkatkan.
• Monetisasi: Setiap pemanggilan model akan memicu aliran pendapatan, kontrak on-chain akan membagikan pendapatan kepada pelatih, penyebar, dan validator.
• Loyalitas: Model ini milik komunitas kontributor, arah pembaruan dan tata kelola ditentukan oleh DAO, penggunaan dan modifikasi dikendalikan oleh mekanisme kriptografi.

Kriptografi Asli AI (AI-native Cryptography)

Kripto asli AI adalah mekanisme keamanan ringan yang "dapat diverifikasi tetapi tidak dapat dihapus" yang dikembangkan dengan memanfaatkan kontinuitas model AI, struktur manifold berdimensi rendah, dan sifat dapat diferensiasi dari model. Teknologi inti dari ini adalah:

• Penyematan sidik jari: Menyisipkan sekumpulan pasangan kunci nilai query-response yang tersembunyi saat 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 memanggil, perlu mendapatkan "sertifikat izin" yang dikeluarkan oleh pemilik model, sistem kemudian memberikan otorisasi kepada model untuk mendekode input tersebut dan mengembalikan jawaban yang akurat.

Metode ini dapat mencapai "panggilan otorisasi berbasis perilaku + verifikasi afiliasi" tanpa biaya re-enkripsi.

Kerangka Penegakan Model dan Keamanan

Sentient saat ini menggunakan Melange campuran keamanan: menggabungkan pengakuan sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari diimplementasikan dengan OML 1.0 sebagai jalur utama, menekankan pemikiran "Keamanan Optimis (Optimistic Security)", yaitu secara default mematuhi, dan dapat terdeteksi serta dihukum jika melanggar.

Mekanisme sidik jari adalah implementasi kunci dari OML, yang memungkinkan model untuk menghasilkan tanda unik selama tahap pelatihan dengan menyisipkan pasangan "pertanyaan-jawaban" tertentu. Melalui tanda-tanda ini, pemilik model dapat memverifikasi kepemilikan, mencegah penyalinan dan komersialisasi yang tidak sah. Mekanisme ini tidak hanya melindungi hak pengembang model, tetapi juga menyediakan catatan on-chain yang dapat dilacak untuk perilaku penggunaan model.

Selain itu, Sentient telah meluncurkan kerangka komputasi Enclave TEE, yang memanfaatkan lingkungan eksekusi tepercaya (seperti AWS Nitro Enclaves) untuk memastikan model hanya merespons permintaan yang diotorisasi, mencegah akses dan penggunaan yang tidak sah. Meskipun TEE bergantung pada perangkat keras dan memiliki beberapa risiko keamanan, keunggulan kinerja tinggi dan real-timenya menjadikannya pilihan yang baik untuk penerapan model saat ini.