Дослідження AI Layer1 сектору: пошук земель для децентралізованого AI у блокчейні

В останні роки, завдяки постійному просуванню провідних технологічних компаній, таких як OpenAI, Anthropic, Google, Meta, великі мовні моделі (LLM) демонструють безпрецедентні можливості у різних сферах, значно розширюючи простір людської уяви, а в деяких випадках навіть виявляючи потенціал для заміни людської праці. Однак, ядро цих технологій впевнено контролюється невеликою кількістю централізованих технологічних гігантів. Завдяки міцному капіталу та контролю над дорогими обчислювальними ресурсами, ці компанії створили непереборні бар'єри, які ускладнюють життя більшості розробникам та інноваційним командам.

Водночас, на початкових етапах швидкого розвитку ШІ, суспільна думка часто зосереджується на проривних технологіях і зручностях, тоді як увага до таких ключових питань, як захист приватності, прозорість, безпека, залишається відносно недостатньою. У довгостроковій перспективі ці проблеми суттєво вплинуть на здоровий розвиток індустрії ШІ та суспільну прийнятність. Якщо їх не вдасться належним чином вирішити, суперечки про те, чи має ШІ "направлятися до добра", чи "до зла", будуть дедалі більш помітними, а децентралізовані гіганти, керуючись інстинктом прибутку, часто не мають достатньої мотивації, щоб активно протистояти цим викликам.

Технологія блокчейн завдяки своїй Децентралізації, прозорості та стійкості до цензури відкриває нові можливості для сталого розвитку галузі ШІ. Наразі на деяких основних блокчейнах вже з'явилося безліч додатків "Web3 AI". Але при глибшому аналізі можна виявити, що ці проекти все ще мають багато проблем: з одного боку, ступінь децентралізації обмежена, ключові етапи та інфраструктура все ще залежать від централізованих хмарних сервісів, мемні властивості надто виражені, важко підтримувати справжню відкриту екосистему; з іншого боку, у порівнянні з продуктами ШІ світу Web2, у блокчейні ШІ все ще є обмеження в модельних можливостях, використанні даних і сценаріях застосування, глибина та ширина інновацій потребують покращення.

Щоб насправді реалізувати бачення децентралізованого ШІ, зробити так, щоб у блокчейні безпечно, ефективно та демократично могли розміщуватися масштабні AI-застосунки, і за показниками продуктивності протистояти централізованим рішенням, нам потрібно спроектувати Layer1 блокчейн, спеціально розроблений для AI. Це забезпечить міцну основу для відкритих інновацій у сфері ШІ, демократичного управління та безпеки даних, сприяючи процвітанню децентралізованої екосистеми ШІ.

Основні характеристики AI Layer 1

AI Layer 1 як блокчейн, спеціально розроблений для AI-додатків, його підкладка та проектування продуктивності тісно пов'язані з вимогами AI-завдань, що має на меті ефективну підтримку стійкого розвитку та процвітання AI-екосистеми у блокчейні. Конкретно, AI Layer 1 повинен мати наступні ключові можливості:

1. Ефективні стимули та децентралізований механізм 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 зосереджені на веденні обліку в книгах, вузли AI Layer 1 повинні виконувати більш складні завдання: не лише надавати обчислювальну потужність, завершувати навчання та інференцію AI-моделей, але й вносити різноманітні ресурси, такі як зберігання, дані, пропускна здатність, що дозволяє розірвати монополію централізованих гігантів на інфраструктуру AI. Це висуває вищі вимоги до базового консенсусу та механізмів стимулювання: AI Layer 1 повинен бути здатним точно оцінювати, стимулювати та перевіряти фактичний внесок вузлів у завдання інференції та навчання AI, забезпечуючи безпеку мережі та ефективний розподіл ресурсів. Лише так можна гарантувати стабільність і процвітання мережі, а також ефективно знизити загальні витрати на обчислювальну потужність.

2. Висока продуктивність та підтримка гетерогенних завдань Завдання ШІ, особливо навчання та інференція LLM, висувають дуже високі вимоги до обчислювальної продуктивності та можливостей паралельної обробки. Більш того, екосистема AI у блокчейні часто повинна підтримувати різноманітні, гетерогенні типи завдань, включаючи різні структури моделей, обробку даних, інференцію, зберігання та інші різноманітні сценарії. AI Layer 1 повинен на глибокому рівні оптимізувати свою архітектуру для задоволення вимог високої пропускної здатності, низької затримки та еластичної паралельності, а також попередньо налаштувати рідну підтримку гетерогенно обчислювальних ресурсів, щоб забезпечити ефективне виконання різних завдань ШІ, реалізуючи плавне розширення від "однорідних завдань" до "складної різноманітної екосистеми".

3. Перевірність та гарантія надійного виходу AI Layer 1 не лише має запобігати зловживанням моделлю, зміні даних та іншим загрозам безпеці, але й забезпечити перевірність та узгодженість результатів, що видаються AI, через механізми на базовому рівні. Завдяки інтеграції надійного виконуваного середовища (TEE), нульових знань (ZK), багатосторонніх безпечних обчислень (MPC) та інших передових технологій, платформа може гарантувати, що кожен процес моделювання, навчання та обробки даних може бути незалежно перевірений, забезпечуючи справедливість та прозорість системи AI. У той же час, ця перевірність може допомогти користувачам зрозуміти логіку та підґрунтя результатів AI, досягти "отриманого бажаного", підвищуючи довіру та задоволеність користувачів продуктами AI.

4. Захист конфіденційності даних Застосування ШІ часто пов'язано з чутливими даними користувачів; в фінансовій, медичній, соціальній та інших сферах захист конфіденційності даних є особливо важливим. AI Layer 1 має забезпечити перевірність, одночасно використовуючи засоби обробки даних на основі шифрування, протоколи приватних обчислень та управління правами на дані, щоб гарантувати безпеку даних у всіх етапах, таких як інференція, навчання та зберігання, ефективно запобігаючи витоку та зловживанню даними, усуваючи занепокоєння користувачів щодо безпеки даних.

5. Потужна екосистема підтримки та розробки Як AI-орієнтована інфраструктура рівня 1, платформа повинна не лише мати технологічну перевагу, але й забезпечити екосистемних учасників, таких як розробники, оператори вузлів та постачальники AI послуг, повноцінними інструментами для розробки, інтегрованими SDK, підтримкою експлуатації та механізмами стимулювання. Шляхом постійної оптимізації доступності платформи та досвіду розробників, сприяти впровадженню різноманітних AI-орієнтованих застосувань, реалізуючи стійке процвітання децентралізованої AI-екосистеми.

Виходячи з вищезазначеного контексту та очікувань, у цій статті буде детально розглянуто шість представницьких проектів AI Layer1, включаючи Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, систематизовано останні досягнення в цій сфері, проаналізовано поточний стан розвитку проектів і обговорено майбутні тенденції.

Sentient: Будування вірного відкритого децентралізованого AI моделі

Огляд проєкту

Sentient є відкритою платформою протоколу, яка розробляє AI Layer1 у блокчейні( на початковій стадії Layer 2, а потім буде перенесена до Layer 1), поєднуючи AI Pipeline та технології блокчейну, щоб створити децентралізовану економіку штучного інтелекту. Його основною метою є вирішення проблеми належності моделей, відстеження викликів та розподілу вартості на централізованому ринку LLM через рамки "OML"(, відкритих, прибуткових та лояльних), щоб реалізувати структуру прав власності моделей AI в у блокчейні, прозорість викликів та розподіл вартості. Візія Sentient полягає в тому, щоб кожен міг створювати, співпрацювати, володіти та монетизувати AI-продукти, сприяючи справедливій та відкритій екосистемі мережі AI Agent.

Команда Sentient Foundation об'єднала провідних академічних експертів, підприємців у сфері блокчейну та інженерів з усього світу, що прагнуть створити децентралізовану, відкриту та перевірену платформу AGI, керовану спільнотою. До складу основних учасників входять професор Принстонського університету Pramod Viswanath та професор Інституту індійських наук Himanshu Tyagi, які відповідають за безпеку та конфіденційність ШІ, а також співзасновник певної торгової платформи Sandeep Nailwal, який очолює стратегію блокчейну та екосистеми. Члени команди мають досвід роботи в таких відомих компаніях, як Meta, Coinbase, певна торговельна платформа, а також в провідних університетах, таких як Принстонський університет та Інститут індійських технологій, охоплюючи такі сфери, як AI/ML, NLP, комп'ютерне зору та спільно працюють над реалізацією проекту.

Як другий стартап спільно засновника платформи торгівлі Sandeep Nailwal, Sentient з самого початку була оточена ореолом, маючи багатий ресурс, зв'язки та ринкову впізнаваність, що забезпечує потужну підтримку для розвитку проекту. У середині 2024 року Sentient завершила раунд фінансування на 85 мільйонів доларів, який очолили Founders Fund, Pantera та Framework Ventures, а також десятки відомих венчурних капіталістів, таких як Delphi, Hashkey та Spartan.

Проектування архітектури та рівень застосування

Інфраструктурний рівень

Ядро архітектури

Ядро архітектури Sentient складається з двох частин: AI Pipeline( та системи блокчейн.

AI трубопровід є основою для розробки та навчання "вірного AI" артефактів, що містить два основних процеси:

• Дані планування ) Data Curation (: процес вибору даних, керований спільнотою, для узгодження моделі.
• Дослідження лояльності)Loyalty Training(: забезпечити, щоб модель підтримувала процес навчання, що відповідає намірам спільноти.

Блокчейн система забезпечує прозорість та Децентралізацію контролю для протоколу, гарантуючи право власності, відстеження використання, розподіл доходів та справедливе управління AI артефактами. Конкретна архітектура поділяється на чотири шари:

• Зберігаючий рівень: зберігання ваг моделей та інформації про реєстрацію відбитків пальців;
• Розподільчий рівень: вхід для виклику моделі контролю контракту авторизації;
• Доступний рівень: перевірка авторизації користувача через підтвердження прав.
• Шар стимулювання: контракт маршрутизації доходів буде виплачувати доходи під час кожного виклику тренерам, розробникам та валідаторам.

![Biteye та PANews спільно опублікували дослідження AI Layer1: пошук沃ту для DeAI у блокчейні])https://img-cdn.gateio.im/webp-social/moments-a70b0aca9250ab65193d0094fa9b5641.webp(

)## OML модельна рамка

OML фрейм ### відкритий Open, монетизований Monetizable, лояльний Loyal ( є основною концепцією, запропонованою Sentient, метою якої є забезпечення чіткої захисту прав власності та економічних стимулів для відкритих AI моделей. Поєднуючи децентралізацію та AI рідну криптографію, він має такі характеристики:

• Відкритість: Модель повинна бути з відкритим вихідним кодом, код та структура даних мають бути прозорими, щоб спростити відтворення, аудит і вдосконалення з боку спільноти.
• Монетизація: Кожен виклик моделі викликає потік доходу, у блокчейні контракт розподіляє доходи між тренерами, розробниками та валідаторами.
• Вірність: Модель належить спільноті учасників, напрямок оновлення та управління визначається DAO, використання та зміна контролюється криптомеханізмом.

)## AI рідна криптографія###AI-native Cryptography(

AI-індегенна криптографія використовує безперервність моделей AI, структуру низьковимірних маніфолдів та диференційованість моделей для розробки "перевірних, але невидалних" легковагових механізмів безпеки. Її основна технологія:

• Вбудовування відбитків пальців: під час навчання вставляється набір прихованих пар запит-відповідь для формування унікального підпису моделі;
• Протокол перевірки прав власності: перевірка збереження відбитка пальця через запит у формі запитань за допомогою стороннього детектора )Prover(;
• Механізм ліцензованого виклику: перед викликом потрібно отримати "дозвіл" від власника моделі, після чого система надає дозвіл моделі декодувати цей вхід і повернути точну відповідь.

Цей спосіб дозволяє реалізувати "авторизацію виклику на основі поведінки + верифікацію належності" без витрат на повторне шифрування.

)## Модель підтвердження прав власності та безпечна виконавча рамка

Sentient наразі використовує Melange змішану безпеку: поєднання підтвердження особистості за допомогою відбитків пальців, виконання TEE та розподіл прибутку через у блокчейні контракти. При цьому метод відбитків пальців реалізується за допомогою OML 1.0, підкреслюючи ідею "оптимістичної безпеки ###Optimistic Security(", тобто за замовчуванням відповідність, а порушення можуть бути виявлені та покарані.

Механізм відбитків пальців є ключовою реалізацією OML, він дозволяє моделі генерувати унікальний підпис на етапі навчання шляхом вбудовування конкретних "питань-відповідей". Завдяки цим підписам власники моделі можуть перевіряти приналежність, запобігаючи несанкціонованому копіюванню та комерціалізації. Цей механізм не лише захищає права розробників моделей, але й надає відстежувані записи використання у блокчейні.

Крім того, Sentient запустила обчислювальну платформу Enclave TEE, яка використовує довірене середовище виконання ), таке як AWS Nitro Enclaves (, щоб забезпечити, що моделі відповідають лише на авторизовані запити, запобігаючи несанкціонованому доступу та використанню. Хоча TEE залежить від апаратного забезпечення і має певні ризики безпеки, його висока продуктивність і реальний час роблять його ключовою технологією для розгортання сучасних моделей.

В майбутньому Sentient планує впровадити нульові докази )ZK( та повну гомоморфну криптографію )FHE(, щоб ще більше зміцнити захист конфіденційності та перевірюваність, забезпечуючи більш зріле децентралізоване розгортання AI моделей.