Laporan Penelitian AI Layer1: Menjelajahi Tanah Subur AI Desentralisasi

Ringkasan

Dalam beberapa tahun terakhir, perusahaan teknologi terkemuka seperti OpenAI, Anthropic, Google, dan Meta terus mendorong perkembangan cepat model bahasa besar (LLM). LLM menunjukkan kemampuan yang belum pernah terjadi sebelumnya di berbagai industri, sangat memperluas ruang imajinasi manusia, bahkan dalam beberapa skenario menunjukkan potensi untuk menggantikan tenaga kerja manusia. Namun, inti dari teknologi ini tetap dikuasai oleh segelintir raksasa teknologi yang terpusat. Dengan modal yang kuat dan penguasaan 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.

Sementara itu, pada awal evolusi cepat AI, opini publik sering kali berfokus pada terobosan dan kenyamanan yang dibawa oleh teknologi, sementara perhatian terhadap masalah inti seperti perlindungan privasi, transparansi, dan keamanan relatif kurang. Dalam jangka panjang, masalah ini akan memengaruhi perkembangan sehat industri AI dan tingkat penerimaan sosial. Jika tidak dapat diatasi dengan baik, kontroversi mengenai apakah AI "menuju kebaikan" atau "menuju keburukan" akan semakin mencolok, dan raksasa terpusat yang didorong oleh naluri mencari keuntungan biasanya kekurangan motivasi yang cukup untuk secara proaktif menghadapi tantangan ini.

Teknologi blockchain, dengan karakteristik Desentralisasi, transparansi, dan ketahanan terhadap sensor, memberikan kemungkinan baru untuk pengembangan berkelanjutan industri AI. Saat ini, banyak aplikasi "Web3 AI" telah muncul di blockchain utama seperti Solana dan Base. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih menghadapi banyak masalah: di satu sisi, tingkat Desentralisasi yang terbatas, tahap kunci dan infrastruktur masih bergantung pada layanan cloud terpusat, atribut meme yang berlebihan, sulit untuk mendukung ekosistem terbuka yang benar-benar; 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 luasnya inovasi perlu ditingkatkan.

Untuk benar-benar mewujudkan visi AI desentralisasi, agar 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 kuat untuk inovasi terbuka AI, demokrasi dalam tata kelola, dan keamanan data, mendorong perkembangan yang makmur dari ekosistem AI desentralisasi.

Fitur Utama AI Layer 1

AI Layer 1 sebagai blockchain yang dirancang khusus untuk aplikasi AI, arsitektur dan desain kinerjanya sangat terkait dengan kebutuhan tugas AI, bertujuan untuk mendukung secara efisien perkembangan dan kemakmuran ekosistem AI di atas rantai secara berkelanjutan. Secara khusus, AI Layer 1 harus memiliki kemampuan inti berikut:

1. Insentif yang efisien dan mekanisme konsensus desentralisasi Inti dari AI Layer 1 terletak pada pembangunan 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 harus menjalankan tugas yang lebih kompleks, tidak hanya menyediakan daya komputasi, menyelesaikan pelatihan dan inferensi model AI, tetapi juga menyumbangkan penyimpanan, data, bandwidth, dan sumber daya beragam lainnya, sehingga memecahkan monopoli raksasa terpusat dalam infrastruktur AI. Ini menuntut persyaratan lebih tinggi untuk konsensus dan mekanisme insentif di lapisan dasar: AI Layer 1 harus dapat menilai, memberi insentif, dan memverifikasi kontribusi nyata node dalam tugas inferensi dan pelatihan AI, mewujudkan keamanan jaringan dan alokasi 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 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 jauh lagi, ekosistem AI di blockchain sering kali 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 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 secara efisien, mewujudkan perluasan yang mulus dari "tugas tunggal" ke "ekosistem kompleks dan beragam."

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

4. Perlindungan Privasi Data Aplikasi AI sering melibatkan data sensitif pengguna, di bidang keuangan, kesehatan, sosial, dan lain-lain, 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 dalam seluruh proses inferensi, pelatihan, dan penyimpanan, secara efektif mencegah kebocoran dan penyalahgunaan data, serta menghilangkan kekhawatiran pengguna mengenai keamanan data.

5. Kemampuan dukungan dan pengembangan ekosistem yang kuat Sebagai infrastruktur Layer 1 yang berasal dari AI, platform tidak hanya harus memiliki keunggulan teknis, tetapi juga harus menyediakan alat pengembangan yang lengkap, SDK terintegrasi, dukungan operasional, dan mekanisme insentif bagi para pengembang, operator node, penyedia layanan AI, dan peserta ekosistem lainnya. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong implementasi aplikasi AI yang kaya dan beragam, serta mencapai kemakmuran berkelanjutan dari ekosistem AI Desentralisasi.

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, menyusun kemajuan terbaru di jalur tersebut, menganalisis status perkembangan proyek, dan membahas tren masa depan.

Sentient: Membangun Model AI Desentralisasi Sumber Terbuka yang Setia

Ringkasan Proyek

Sentient adalah platform protokol sumber terbuka yang sedang membangun blockchain AI Layer1 ( yang pada tahap awal merupakan Layer 2, kemudian akan bermigrasi ke Layer 1). Dengan menggabungkan AI Pipeline dan teknologi blockchain, platform ini membangun ekonomi kecerdasan buatan yang desentralisasi. Tujuan intinya adalah untuk menyelesaikan masalah kepemilikan model, pelacakan pemanggilan, dan distribusi nilai di pasar LLM yang terpusat melalui kerangka "OML" (Terbuka, Menguntungkan, Loyal) agar model AI dapat memiliki struktur kepemilikan di rantai, transparansi pemanggilan, dan pembagian nilai. Visi Sentient adalah untuk memungkinkan siapa saja 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, 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 Sains India, masing-masing bertanggung jawab atas keamanan dan perlindungan privasi AI, sementara strategi dan ekosistem blockchain dipimpin oleh salah satu pendiri Polygon, Sandeep Nailwal. Latar belakang anggota tim mencakup perusahaan-perusahaan terkenal seperti Meta, Coinbase, Polygon, serta universitas-universitas terkemuka seperti Universitas Princeton dan Institut Teknologi India, mencakup bidang AI/ML, NLP, visi komputer, dan bekerja sama untuk mewujudkan proyek.

Sebagai proyek kewirausahaan kedua dari salah satu pendiri Polygon, Sandeep Nailwal, Sentient sudah membawa aura sejak awal pendiriannya, memiliki sumber daya, jaringan, dan tingkat pengenalan pasar yang kaya, memberikan dukungan kuat untuk pengembangan proyek. Pada pertengahan 2024, Sentient menyelesaikan putaran pendanaan awal sebesar 85 juta dolar, 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

Infrastruktur

Arsitektur Inti

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

Pipa AI adalah dasar untuk mengembangkan dan melatih artefak "AI Setia", 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 tetap konsisten dengan niat komunitas selama proses pelatihan.

Sistem blockchain menyediakan transparansi dan kontrol desentralisasi untuk protokol, memastikan kepemilikan, pelacakan penggunaan, distribusi 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 panggilan masuk;
• Lapisan akses: Memverifikasi apakah pengguna telah memberikan izin melalui bukti izin;
• Lapisan insentif: Kontrak jalur pendapatan akan membayar setiap pemanggilan kepada pelatih, penyebar, dan validator.

Kerangka Model OML

Kerangka OML (Terbuka Open, Dapat Dimonetisasi Monetizable, Loyal 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 kali pemanggilan model dilakukan, aliran pendapatan akan dipicu, kontrak di blockchain akan membagikan pendapatan kepada pelatih, penyebar, dan verifier.
• Loyalitas: Model dimiliki oleh komunitas kontributor, arah peningkatan dan tata kelola 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 dibedakan dari model. Teknologi inti nya adalah:

• Penyematan sidik jari: Menyisipkan serangkaian 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 melakukan panggilan, perlu mendapatkan "sertifikat izin" yang diterbitkan oleh pemilik model, sistem kemudian akan memberikan izin kepada model untuk mendekode input tersebut dan mengembalikan jawaban yang akurat.

Cara ini dapat mewujudkan "panggilan otorisasi berbasis perilaku + verifikasi kepemilikan" tanpa biaya re-enkripsi.

Kerangka Penegakan dan Keamanan Model

Sentient saat ini menggunakan Melange campuran keamanan: menggabungkan pengakuan sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak di blockchain. Metode sidik jari adalah implementasi OML 1.0 sebagai jalur utama, menekankan pemikiran "Keamanan Optimis (Optimistic Security)", yaitu secara default dianggap patuh, dan jika melanggar dapat terdeteksi dan dihukum.

Mekanisme sidik jari adalah implementasi kunci dari OML, yang memungkinkan model untuk menghasilkan tanda tangan unik selama tahap pelatihan dengan menyematkan "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 memberikan catatan on-chain yang dapat dilacak untuk perilaku penggunaan model.

Selain itu, Sentient meluncurkan kerangka komputasi Enclave TEE, 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, namun keunggulan kinerja tinggi dan real-timenya menjadikannya sebagai inti dari penyebaran model saat ini.