Исследовательский отчет AI Layer1: Поиск плодородной почвы для DeAI в блокчейне

Обзор

В последние годы ведущие технологические компании, такие как OpenAI, Anthropic, Google и Meta, активно способствуют стремительному развитию больших языковых моделей (LLM). LLM демонстрируют беспрецедентные возможности в различных отраслях, значительно расширяя человеческое воображение и даже показывая потенциал замены человеческого труда в некоторых сценариях. Тем не менее, ядро этих технологий прочно удерживается в руках немногих централизованных технологических гигантов. Обладая мощным капиталом и контролем над дорогостоящими вычислительными ресурсами, эти компании создали непреодолимые барьеры, которые затрудняют большинству разработчиков и инновационных команд конкурировать с ними.

В то же время, на ранних этапах быстрого развития ИИ общественное мнение часто сосредотачивается на прорывах и удобствах, которые приносит технология, в то время как вопросы конфиденциальности, прозрачности и безопасности остаются относительно недостаточно обсуждаемыми. В долгосрочной перспективе эти проблемы будут глубоко влиять на здоровое развитие индустрии ИИ и степень его принятия в обществе. Если их не удастся должным образом решить, споры о том, будет ли ИИ "направлен на добро" или "направлен на зло", будут становиться все более острыми, а централизованные гиганты, движимые инстинктом получения прибыли, часто не имеют достаточной мотивации для активного реагирования на эти вызовы.

Технология блокчейна, благодаря своим характеристикам децентрализации, прозрачности и устойчивости к цензуре, открыла новые возможности для устойчивого развития отрасли ИИ. В настоящее время на основных блокчейнах уже возникло множество приложений "Web3 AI". Однако при более глубоком анализе можно обнаружить, что у этих проектов все еще есть множество проблем: с одной стороны, степень децентрализации ограничена, ключевые элементы и инфраструктура по-прежнему зависят от централизованных облачных сервисов, что затрудняет поддержку по-настоящему открытой экосистемы; с другой стороны, по сравнению с ИИ-продуктами мира Web2, ИИ на блокчейне по таким параметрам, как способность моделей, использование данных и сценарии применения, все еще имеет ограничения, глубина и широта инноваций требуют улучшения.

Чтобы действительно реализовать концепцию децентрализованного ИИ, необходимо обеспечить, чтобы в блокчейне можно было безопасно, эффективно и демократично размещать крупномасштабные приложения ИИ, а также чтобы его производительность могла конкурировать с централизованными решениями, нам нужно разработать Layer1 блокчейн, созданный специально для ИИ. Это создаст прочную основу для открытых инноваций в ИИ, демократического управления и безопасности данных, способствуя процветанию децентрализованной экосистемы ИИ.

Основные характеристики AI Layer 1

AI Layer 1 как блокчейн, специально разработанный для AI-приложений, его базовая архитектура и проектирование производительности тесно связаны с потребностями AI-задач, направлены на эффективную поддержку устойчивого развития и процветания экосистемы AI в блокчейне. В частности, AI Layer 1 должен обладать следующими ключевыми возможностями:

1. Эффективные стимулы и децентрализованный механизм консенсуса Ядро AI Layer 1 заключается в построении открытой сети для совместного использования ресурсов, таких как вычислительная мощность и хранилище. В отличие от традиционных узлов блокчейна, которые сосредоточены на ведении учета в реестре, узлы AI Layer 1 должны выполнять более сложные задачи: они не только должны предоставлять вычислительную мощность, завершать обучение и вывод AI-моделей, но также должны вносить разнообразные ресурсы, такие как хранилище, данные и пропускная способность, тем самым разрушая монополию централизованных гигантов в инфраструктуре AI. Это выдвигает более высокие требования к базовому консенсусу и механизму стимулов: AI Layer 1 должен быть способен точно оценивать, стимулировать и проверять фактический вклад узлов в задачи AI-вывода и обучения, обеспечивая безопасность сети и эффективное распределение ресурсов. Только так можно гарантировать стабильность и процветание сети, а также эффективно снизить общие затраты на вычислительную мощность.

2. Превосходная высокая производительность и поддержка гетерогенных задач AI задачи, особенно обучение и вывод LLM, предъявляют очень высокие требования к вычислительной производительности и возможностям параллельной обработки. Более того, экосистема AI в блокчейне часто должна поддерживать разнообразные и гетерогенные типы задач, включая различные структуры моделей, обработку данных, вывод, хранение и другие многообразные сценарии. AI Layer 1 должен глубоко оптимизироваться на уровне архитектуры для удовлетворения потребностей высокой пропускной способности, низкой задержки и эластичной параллельности, и предусмотреть нативную поддержку гетерогенных вычислительных ресурсов, чтобы гарантировать эффективное выполнение всех AI задач и обеспечить плавное расширение от "однородных задач" до "сложной многообразной экосистемы".

3. Проверяемость и гарантии надежного вывода AI Layer 1 не только должен предотвращать злоупотребления моделями, подделку данных и другие угрозы безопасности, но и обеспечивать верифицируемость и согласованность результатов AI на уровне базового механизма. Благодаря интеграции доверенной вычислительной среды (TEE), доказательства с нулевым разглашением (ZK), безопасные многопартнерские вычисления (MPC) и другим передовым технологиям, платформа позволяет каждому этапу вывода модели, обучения и обработки данных быть независимо проверяемым, обеспечивая справедливость и прозрачность системы AI. В то же время, такая верифицируемость помогает пользователям четко понимать логику и обоснования вывода AI, достигая "что получено, то и желаемо", повышая доверие и удовлетворенность пользователей к продуктам AI.

4. Защита конфиденциальности данных Приложения ИИ часто связаны с чувствительными данными пользователей, и в таких областях, как финансы, здравоохранение и социальные сети, защита конфиденциальности данных особенно важна. AI Layer 1 должен обеспечивать проверяемость, одновременно применяя технологии обработки данных на основе шифрования, протоколы приватных вычислений и управление правами на данные, чтобы гарантировать безопасность данных на всех этапах, включая вывод, обучение и хранение, эффективно предотвращая утечку и злоупотребление данными, устраняя беспокойство пользователей по поводу безопасности данных.

5. Мощные возможности поддержки экосистемы и разработки В качестве инфраструктуры Layer 1, родной для AI, платформа должна не только обладать технологическим преимуществом, но и предоставлять разработчикам, операторам узлов, поставщикам AI-услуг и другим участникам экосистемы полноценные инструменты для разработки, интегрированные SDK, поддержку эксплуатации и механизмы стимулирования. Оптимизируя доступность платформы и опыт разработчиков, мы способствуем внедрению разнообразных приложений, родных для AI, и обеспечиваем устойчивое процветание децентрализованной экосистемы AI.

Исходя из вышеизложенного фона и ожиданий, в данной статье подробно рассматриваются шесть представительных проектов AI Layer1, включая Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематически анализируется последнее развитие в данной области, исследуется текущее состояние проектов и обсуждаются будущие тенденции.

Sentient: Создание преданного открытого децентрализованного AI модели

Обзор проекта

Sentient является платформой с открытым исходным кодом, которая создает AI Layer1 в блокчейне (. На начальном этапе это будет Layer 2, после чего будет произведена миграция на Layer 1). Объединив AI Pipeline и технологии блокчейна, мы строим децентрализованную экономику искусственного интеллекта. Основная цель заключается в решении проблем принадлежности моделей, отслеживания вызовов и распределения ценности на централизованном рынке LLM с помощью структуры "OML" (открытая, прибыльная, лояльная), что позволит моделям AI реализовать структуру собственности в блокчейне, прозрачность вызовов и распределение ценности. Видение Sentient заключается в том, чтобы любой мог строить, сотрудничать, владеть и монетизировать AI продукты, тем самым способствуя созданию справедливой и открытой экосистемы сети AI Agents.

Команда Sentient Foundation объединила ведущих мировых академических экспертов, предпринимателей в области блокчейна и инженеров, стремясь создать платформу AGI, управляемую сообществом, с открытым исходным кодом и возможностью верификации. В состав ключевых участников входят профессор Принстонского университета Прамод Висванат и профессор Индийского института науки Химаншу Тяги, которые отвечают за безопасность и защиту конфиденциальности ИИ, в то время как соучредитель Polygon Сандип Найлвал возглавляет стратегию блокчейна и экосистемную архитектуру. Члены команды имеют опыт работы в таких известных компаниях, как Meta, Coinbase, Polygon, а также в ведущих университетах, таких как Принстонский университет и Индийский институт технологий, охватывая области ИИ/МЛ, НЛП, компьютерного зрения и совместно способствуя реализации проекта.

Как второй стартап соучредителя Polygon Sandeep Nailwal, Sentient с самого начала имела ауру успеха, обладая обширными ресурсами, связями и рыночной известностью, что обеспечивало мощную поддержку для развития проекта. В середине 2024 года Sentient завершила раунд посевного финансирования на сумму 85 миллионов долларов, в котором основными инвесторами стали Founders Fund, Pantera и Framework Ventures, а также ряд других известных венчурных капитальных компаний, включая Delphi, Hashkey и Spartan.

Проектирование архитектуры и уровень приложений

Инфраструктурный уровень

Основная архитектура

Ядро Sentient состоит из двух частей: AI Pipeline и в блокчейне.

AI пайплайн является основой для разработки и обучения артефактов "лояльного ИИ" и включает два основных процесса:

• Планирование данных (Data Curation): процесс выбора данных, управляемый сообществом, для согласования модели.
• Обучение лояльности (Loyalty Training): обеспечение соответствия процесса обучения модели намерениям сообщества.

Системы в блокчейне обеспечивают прозрачность и децентрализованный контроль для протоколов, гарантируя право собственности на AI-артефакты, отслеживание использования, распределение доходов и справедливое управление. Конкретная архитектура делится на четыре уровня:

• Уровень хранения: хранение весов модели и информации о регистрации отпечатков.
• Уровень распределения: контрольный вход для вызова модели авторизационного контракта;
• Уровень доступа: проверка правомочности пользователя через подтверждение прав.
• Уровень стимуляции: Контракт маршрутизации доходов будет распределять платежи между тренерами, развертывателями и валидаторами при каждом вызове.

OML модельная рамка

OML фреймворк (Открытый Open, Монетизируемый Monetizable, Лояльный Loyal) является основной идеей, предложенной Sentient, и предназначен для предоставления четкой защиты прав собственности и экономических стимулов для открытых AI моделей. Он имеет следующие характеристики, благодаря сочетанию технологий в блокчейне и AI нативной криптографии:

• Открытость: Модель должна быть с открытым исходным кодом, код и структура данных должны быть прозрачными, чтобы сообщество могло воспроизводить, аудитировать и улучшать.
• Монетизация: Каждый вызов модели будет запускать поток доходов, в блокчейне контракт будет распределять доходы между тренером, развертывателем и валидатором.
• Верность: Модель принадлежит сообществу вкладчиков, направление обновления и управление определяются DAO, использование и изменение контролируются криптографическим механизмом.

Искусственный интеллект, основанный на криптографии (AI-native Cryptography)

AI-нативное шифрование использует непрерывность AI-моделей, структуру низкоразмерных многообразий и дифференцируемые свойства моделей для разработки легковесного механизма безопасности "проверяемого, но не подлежащего удалению". Его ключевая технология:

• Встраивание отпечатков пальцев: во время обучения вставляется набор скрытых пар ключ-значение запрос-ответ для формирования уникальной подписи модели;
• Протокол верификации прав собственности: проверка сохранения отпечатков пальцев в форме запроса через третью сторону (Prover);
• Механизм разрешения вызова: перед вызовом необходимо получить "доказательство полномочий", выданное владельцем модели, после чего система предоставляет модели разрешение на декодирование данного ввода и возврат точного ответа.

Этот метод позволяет реализовать "авторизованный вызов на основе поведения + проверка принадлежности" без дополнительных затрат на пере-кодирование.

Модель прав на интеллектуальную собственность и безопасная исполнительная рамка

Sentient в настоящее время использует Melange смешанную безопасность: комбинация подтверждения прав собственности по отпечаткам пальцев, выполнения TEE и распределения прибыли по смарт-контрактам в блокчейне. При этом метод отпечатков пальцев реализован в OML 1.0 как основная линия, подчеркивая идею "оптимистичной безопасности (Optimistic Security)", то есть по умолчанию считается, что все соответствует требованиям, а нарушения могут быть обнаружены и наказаны.

Механизм отпечатков пальцев является ключевой реализацией OML, он позволяет модели генерировать уникальные подписи на этапе обучения, встраивая определенные пары "вопрос-ответ". С помощью этих подписей владелец модели может подтвердить право собственности, предотвращая несанкционированное копирование и коммерциализацию. Этот механизм не только защищает права разработчиков моделей, но и предоставляет отслеживаемую запись использования моделей в блокчейне.

Кроме того, Sentient представила вычислительную платформу Enclave TEE, использующую доверенные среды выполнения (такие как AWS Nitro Enclaves), чтобы гарантировать, что модель реагирует только на авторизованные запросы, предотвращая несанкционированный доступ и использование. Хотя TEE зависит от аппаратного обеспечения и имеет определенные риски безопасности, его высокая производительность и преимущества в реальном времени делают его актуальным для развертывания моделей.