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 ada sebelumnya di berbagai bidang, sangat memperluas ruang imajinasi manusia, bahkan dalam beberapa skenario menunjukkan potensi untuk menggantikan kerja manusia. Namun, inti dari teknologi ini tetap dikuasai oleh segelintir raksasa teknologi terpusat. Dengan modal yang kuat dan penguasaan sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun penghalang yang sulit dilalui, sehingga sebagian besar pengembang dan tim inovasi kesulitan untuk bersaing.

Pada awal perkembangan AI yang cepat, opini publik sering kali terfokus pada terobosan dan kemudahan yang dibawa oleh teknologi, sementara perhatian terhadap isu-isu 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 diselesaikan 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 dorongan yang cukup untuk secara proaktif menghadapi tantangan-tantangan ini.

Teknologi blockchain, dengan karakteristik desentralisasi, transparansi, dan ketahanan terhadap sensor, memberikan kemungkinan baru untuk perkembangan berkelanjutan industri AI. Saat ini, sejumlah aplikasi "Web3 AI" telah muncul di berbagai blockchain utama. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih menghadapi banyak masalah: di satu sisi, tingkat desentralisasi terbatas, dengan aspek-aspek kunci dan infrastruktur yang masih bergantung pada layanan cloud terpusat, dan sifat meme yang terlalu berat, sulit untuk mendukung ekosistem terbuka yang sejati; 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 masih perlu ditingkatkan.

Untuk benar-benar mewujudkan visi AI terdesentralisasi, agar blockchain dapat dengan aman, efisien, dan demokratis menampung aplikasi AI skala besar, serta bersaing dalam hal kinerja dengan solusi terpusat, kita perlu merancang blockchain Layer1 yang khusus dibuat untuk AI. Ini akan memberikan dasar yang kuat untuk inovasi terbuka AI, demokrasi dalam tata kelola, dan keamanan data, 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 dan desain kinerjanya erat mengelilingi kebutuhan tugas AI, bertujuan untuk mendukung secara efisien perkembangan dan kemakmuran ekosistem AI di on-chain. Secara khusus, AI Layer 1 harus memiliki kemampuan inti berikut:

1. Insentif yang Efisien dan Mekanisme Konsensus Terdesentralisasi Inti AI Layer 1 adalah membangun jaringan berbagi sumber daya terbuka seperti daya komputasi dan penyimpanan. Berbeda dengan node blockchain tradisional yang berfokus pada pencatatan buku besar, node AI Layer 1 harus menjalankan tugas yang lebih kompleks, tidak hanya menyediakan daya komputasi, menyelesaikan pelatihan dan inferensi model AI, tetapi juga berkontribusi pada penyimpanan, data, bandwidth, dan sumber daya beragam lainnya, sehingga memecahkan monopoli raksasa terpusat pada infrastruktur AI. Ini mengajukan tuntutan yang lebih tinggi terhadap konsensus dan mekanisme insentif dasar: AI Layer 1 harus dapat mengevaluasi, memberi insentif, dan memverifikasi kontribusi aktual node dalam tugas-tugas inferensi dan pelatihan AI, untuk mencapai keamanan jaringan dan distribusi sumber daya yang efisien. Hanya dengan cara ini jaringan dapat menjamin stabilitas dan kemakmurannya, serta secara efektif mengurangi biaya daya komputasi secara keseluruhan.

2. Kinerja Tinggi yang Unggul dan Kemampuan Dukungan Tugas Heterogen Tugas AI, terutama pelatihan dan inferensi LLM, memiliki tuntutan yang sangat tinggi terhadap kinerja komputasi dan kemampuan pemrosesan paralel. Lebih jauh lagi, ekosistem AI on-chain seringkali perlu 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 bawahnya untuk memenuhi kebutuhan throughput tinggi, latensi rendah, dan paralelisme elastis, serta menetapkan kemampuan dukungan asli terhadap sumber daya komputasi heterogen, memastikan berbagai tugas AI dapat berjalan dengan efisien dan mencapai perluasan yang mulus dari "tugas tunggal" ke "ekosistem yang kompleks dan beragam."

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

4. 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 menggunakan teknologi pemrosesan data berbasis enkripsi, 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 terkait keamanan data.

5. Kemampuan Dukungan dan Pengembangan Ekosistem yang Kuat Sebagai infrastruktur Layer 1 yang berasal dari AI, platform ini tidak hanya harus memiliki keunggulan teknis, tetapi juga harus menyediakan alat pengembangan yang lengkap, SDK terintegrasi, dukungan operasional, dan mekanisme insentif bagi para peserta ekosistem seperti pengembang, operator node, dan penyedia layanan AI. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong pelaksanaan aplikasi AI yang kaya dan beragam, serta mewujudkan kemakmuran berkelanjutan dari ekosistem AI terdesentralisasi.

Berdasarkan latar belakang dan harapan di atas, artikel ini akan secara rinci memperkenalkan enam proyek AI Layer1 yang diwakili oleh Sentient, Sahara AI, Ritual, Gensyn, Bittensor, dan 0G, menguraikan kemajuan terbaru di sektor ini, menganalisis kondisi pengembangan proyek, dan membahas tren masa depan.

Sentient: Membangun model AI terdesentralisasi sumber terbuka yang setia

Ikhtisar Proyek

Sentient adalah platform protokol sumber terbuka yang sedang membangun blockchain AI Layer1 ( yang pada tahap awal merupakan Layer 2, dan kemudian akan bermigrasi ke Layer 1). Dengan menggabungkan AI Pipeline dan teknologi blockchain, dibangunlah ekonomi kecerdasan buatan yang terdesentralisasi. Tujuan inti dari proyek ini adalah untuk menyelesaikan masalah kepemilikan model, pelacakan pemanggilan, dan distribusi nilai di pasar LLM terpusat melalui kerangka "OML" (terbuka, menguntungkan, setia), sehingga model AI dapat memiliki struktur kepemilikan on-chain, transparansi pemanggilan, dan pembagian nilai. Visi Sentient adalah memungkinkan siapa saja untuk membangun, berkolaborasi, memiliki, dan mengkomersialkan 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 berdedikasi 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 atas keamanan AI dan perlindungan privasi, sementara strategi blockchain dan pengaturan ekosistem dipimpin oleh Sandeep Nailwal, salah satu pendiri Polygon. Latar belakang anggota tim mencakup perusahaan-perusahaan terkenal seperti Meta, Coinbase, Polygon, serta universitas-universitas terkemuka seperti Universitas Princeton dan Indian Institute of Technology, mencakup bidang AI/ML, NLP, visi komputer, dan bekerja sama untuk mendorong proyek ini.

Sebagai proyek wirausaha kedua Sandeep Nailwal, salah satu pendiri Polygon, Sentient sudah memiliki aura sejak awal berdirinya, dengan sumber daya, jaringan, dan kesadaran pasar yang kaya, memberikan dukungan kuat untuk pengembangan proyek. Pada pertengahan 2024, Sentient menyelesaikan pendanaan putaran awal sebesar 85 juta dolar AS, dipimpin oleh Founders Fund, Pantera, dan Framework Ventures, dengan institusi investasi lainnya termasuk Delphi, Hashkey, dan Spartan serta puluhan VC terkenal lainnya.

Desain Arsitektur dan Lapisan Aplikasi

Lapisan Infrastruktur

Arsitektur Inti

Arsitektur inti dari 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 didorong oleh komunitas, digunakan untuk penyesuaian model.
• Pelatihan Loyalitas (Loyalty Training): memastikan model tetap menjalani proses pelatihan yang sesuai dengan niat komunitas.

Sistem blockchain menyediakan transparansi dan kontrol desentralisasi untuk protokol, memastikan kepemilikan, pelacakan penggunaan, pembagian keuntungan, 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 memanggil titik masuk;
• Lapisan akses: memverifikasi apakah pengguna diberi otorisasi melalui bukti izin;
• Lapisan insentif: Kontrak rute pendapatan akan membayar distribusi setiap kali dipanggil kepada pelatih, penyebar, dan validator.

Kerangka Model OML

Kerangka OML (Terbuka Open, Dapat Dimonetisasi 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 berikut:

• Keterbukaan: Model harus 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 membagikan pendapatan kepada pelatih, penyebar, dan verifier.
• Loyalitas: Model ini milik komunitas kontributor, arah peningkatan dan pemerintahan ditentukan oleh DAO, penggunaan dan modifikasi dikendalikan oleh mekanisme kripto.

Kriptografi Asli AI (AI-native Cryptography)

Kriptografi berbasis 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 diferensial dari model tersebut. Teknologi intinya adalah:

• Penyematan sidik jari: Menyisipkan sekelompok pasangan kunci nilai query-response yang tersembunyi selama pelatihan untuk membentuk tanda tangan unik model;
• Protokol verifikasi kepemilikan: Memverifikasi apakah sidik jari dipertahankan melalui detektor pihak ketiga (Prover) dalam bentuk pertanyaan query;
• Mekanisme pemanggilan izin: Sebelum memanggil, perlu untuk 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 mewujudkan "panggilan otorisasi berbasis perilaku + verifikasi kepemilikan" tanpa biaya re-enkripsi.

Kerangka Penegasan Model dan Eksekusi Aman

Sentient saat ini menggunakan Melange kombinasi keamanan: pengakuan hak dengan sidik jari, pelaksanaan TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari diimplementasikan melalui OML 1.0 sebagai garis utama, menekankan pemikiran "Keamanan Optimis (Optimistic Security)", yaitu secara default dianggap patuh, dan dapat terdeteksi serta dihukum setelah pelanggaran.

Mekanisme sidik jari adalah implementasi kunci dari OML, yang memungkinkan model untuk menghasilkan tanda tangan unik selama tahap 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 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 bahwa model hanya merespons permintaan yang diberi otorisasi, mencegah akses dan penggunaan yang tidak sah. Meskipun TEE bergantung pada perangkat keras dan memiliki risiko keamanan tertentu, keunggulan kinerja tinggi dan real-time-nya menjadikannya teknologi inti untuk penerapan model saat ini.

Di masa depan, Sentient berencana untuk memperkenalkan teknologi bukti nol pengetahuan (ZK) dan enkripsi homomorfik penuh (FHE), untuk lebih meningkatkan perlindungan privasi dan verifikasi, untuk model AI yang去