AI Layer1 дослідження: пошук родючих ґрунтів для DeAI у блокчейні

Огляд

В останні роки стрімкий розвиток великих мовних моделей (LLM) значно розширив людське уявлення, навіть в деяких сферах продемонструвавши потенціал заміни людської праці. Однак, ці технології залишаються в руках лише кількох централізованих технологічних гігантів. Завдяки потужному капіталу та контролю над дорогими обчислювальними ресурсами, ці компанії створили непереборні бар'єри, що ускладнює більшості розробників та інноваційних команд з ними змагатися.

У той же час, на початковому етапі швидкого розвитку ШІ, суспільна думка часто зосереджена на прориві та зручностях, які приносить технологія, тоді як увага до таких ключових питань, як захист приватності, прозорість, безпека, є відносно недостатньою. У довгостроковій перспективі ці проблеми глибоко вплинуть на здоровий розвиток індустрії ШІ та її сприйняття суспільством. Якщо ці питання не будуть належним чином вирішені, суперечка про те, чи ШІ "на благо", чи "на зло", стане ще більш виразною, тоді як централізовані гіганти, керуючись своїм інстинктом отримання прибутку, часто не мають достатньої мотивації, щоб активно вирішувати ці виклики.

Технологія блокчейн, завдяки своїм децентралізованим, прозорим та антикорупційним властивостям, відкриває нові можливості для сталої розробки в індустрії ШІ. Наразі на багатьох провідних блокчейнах вже з'явилися численні "Web3 AI" додатки. Але при глибшому аналізі можна виявити, що ці проекти все ще стикаються з багатьма проблемами: з одного боку, ступінь децентралізації обмежена, ключові етапи та інфраструктура все ще залежать від централізованих хмарних сервісів, що ускладнює підтримку по-справжньому відкритої екосистеми; з іншого боку, у порівнянні з продуктами ШІ з світу Web2, ланцюговий ШІ все ще має обмеження в моделях можливостей, використанні даних та сценаріях застосування, глибина та широта інновацій потребують підвищення.

Щоб справді реалізувати бачення децентралізованого ШІ, зробити так, щоб у блокчейні безпечно, ефективно та демократично могли розміщуватися масштабні застосування ШІ, і щоб за продуктивністю він міг конкурувати з централізованими рішеннями, нам потрібно спроектувати Layer1 блокчейн, спеціально створений для ШІ. Це забезпечить міцну основу для відкритих інновацій у 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, має архітектуру та продуктивність, які тісно пов'язані з вимогами AI-завдань, і має на меті ефективно підтримувати стійкий розвиток і процвітання AI-екосистеми у блокчейні. Конкретно, AI Layer 1 повинен володіти такими ключовими можливостями:

1. Ефективні стимули та децентралізований механізм консенсусу

Ядро AI Layer 1 полягає в створенні відкритої мережі для спільного використання ресурсів, таких як обчислювальна потужність і зберігання. На відміну від традиційних вузлів блокчейну, які зосереджуються на веденні бухгалтерського обліку, 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, щоб зламати монополію централізованих гігантів на інфраструктуру AI. Це висуває вищі вимоги до базового консенсусу та механізмів стимулювання: AI Layer 1 повинен 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 та ефективно знизити загальні витрати на обчислювальну потужність.

2. Видатна висока продуктивність і підтримка гетерогенних завдань

AI завдання, особливо навчання та інференція LLM, висувають дуже високі вимоги до обчислювальної продуктивності та можливостей паралельної обробки. Більше того, у блокчейні AI екосистема часто повинна підтримувати різноманітні, гетерогенні типи завдань, включаючи різні структури моделей, обробку даних, інференцію, зберігання та інші різноманітні сценарії. AI Layer 1 повинен бути глибоко оптимізований на базовій архітектурі для задоволення вимог високої пропускної здатності, низької затримки та еластичної паралельності, а також мати попередню підтримку для гетерогенних обчислювальних ресурсів, щоб забезпечити ефективну роботу різних AI завдань і реалізувати плавне розширення від "однорідного завдання" до "складної різноманітної екосистеми".

3. Можливість перевірки та забезпечення надійного виходу

AI Layer 1 не лише має запобігати зловживанням моделей, підробці даних та іншим загрозам безпеці, але й повинен забезпечити перевірність та відповідність результатів, що видаються AI, з основних механізмів. Завдяки інтеграції надійних середовищ виконання (TEE), нульових знань (ZK), багатосторонніх безпечних обчислень (MPC) та інших передових технологій, платформа дозволяє незалежно перевіряти кожен процес моделювання, навчання та обробки даних, що забезпечує справедливість та прозорість системи AI. Одночасно ця перевірність також допомагає користувачам зрозуміти логіку та основу виходу AI, реалізуючи "отримане - це бажане", підвищуючи довіру та задоволеність користувачів продуктами AI.

4. Захист конфіденційності даних

Застосування штучного інтелекту часто пов'язане з чутливими даними користувачів; в фінансовій, медичній, соціальній та інших сферах захист конфіденційності даних є особливо важливим. AI Layer 1 має забезпечити верифікацію, використовуючи технології обробки даних на основі шифрування, протоколи конфіденційних обчислень і управління правами доступу до даних, щоб гарантувати безпеку даних на всіх етапах, включаючи інференцію, навчання та зберігання, ефективно запобігаючи витоку та зловживанню даними, а також 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 надавати повноцінні інструменти для розробників, операторів вузлів, постачальників AI-сервісів та інших учасників екосистеми. Постійно оптимізуючи доступність платформи та досвід розробників, платформа сприяє впровадженню різноманітних AI-орієнтованих застосунків, забезпечуючи стійке процвітання децентралізованої AI-екосистеми.

З огляду на вищезазначений контекст і очікування, ця стаття детально представить шість представницьких проектів AI Layer1, включаючи Sentient, Sahara AI, Ritual, Gensyn, Bittensor і 0G, системно проаналізує останні досягнення в цій сфері, розгляне поточний стан розвитку проектів і обговорить майбутні тенденції.

Sentient: побудова лояльної відкритої децентралізованої AI моделі

Огляд проекту

Sentient є платформою з відкритим кодом, яка створює AI Layer1 у блокчейні (, на початковому етапі працюючи як Layer 2, а згодом перейде на Layer 1). Поєднуючи AI Pipeline та технології блокчейн, вона будує децентралізовану економіку штучного інтелекту. Її основна мета полягає в тому, щоб за допомогою "OML" фреймворку ( вирішити проблеми моделі власності, трасування викликів та розподілу вартості на централізованому ринку LLM, щоб забезпечити структуру власності AI моделей на у блокчейні, прозорість викликів та розподіл вартості. Візія Sentient полягає в тому, щоб дозволити кожному створювати, співпрацювати, володіти та монетизувати AI продукти, що сприятиме розвитку справедливої та відкритої екосистеми AI Agent.

Команда Sentient Foundation об'єднала провідних академічних експертів, підприємців у сфері блокчейн та інженерів з усього світу, зосередившись на створенні спільноти, що керується, відкритої та перевірної платформи AGI. До складу ключових учасників входять професор Принстонського університету Pramod Viswanath та професор Індійського інституту науки Himanshu Tyagi, які відповідають за безпеку AI та захист приватності, а також співзасновник Polygon Sandeep Nailwal, який очолює стратегію блокчейн та екосистему. Члени команди мають досвід роботи в таких відомих компаніях, як Meta, Coinbase, Polygon, а також в провідних університетах, таких як Принстонський університет, Індійський технологічний інститут, охоплюючи сфери AI/ML, NLP, комп'ютерного зору та спільно працюють над реалізацією проекту.

Як другий стартап співзасновника Polygon Sandeep Nailwal, Sentient з моменту свого заснування відзначається особливим статусом, має багатий ресурсний потенціал, зв’язки та ринкову обізнаність, що забезпечує потужну підтримку розвитку проєкту. У середині 2024 року Sentient завершила раунд фінансування на суму 85 мільйонів доларів, який очолили Founders Fund, Pantera та Framework Ventures, а також десятки інших відомих венчурних компаній, таких як Delphi, Hashkey та Spartan.

![Biteye та PANews спільно опублікували звіт про AI Layer1: пошук родючих ґрунтів для DeAI у блокчейні])https://img-cdn.gateio.im/webp-social/moments-f4a64f13105f67371db1a93a52948756.webp(

) Проектування архітектури та прикладного рівня

Інфраструктурний рівень

Основна архітектура

Ядро архітектури Sentient складається з двох частин: AI Pipeline### та у блокчейні системи.

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

• Дані планування ( Data Curation ): процес вибору даних, що керується спільнотою, для вирівнювання моделей. *忠诚度 тренування ( Loyalty Training ): забезпечити, щоб модель підтримувала процес навчання, що відповідає намірам спільноти.

Блокчейн-система забезпечує прозорість і децентралізоване управління для протоколу, гарантує право власності на AI-артефакти, відстеження використання, розподіл доходів та справедливе управління. Конкретна архітектура ділиться на чотири рівні:

• Зберігання: зберігання ваг моделей та інформації про реєстрацію відбитків.
• Розподільчий рівень: вхід для виклику моделей контролю контракту авторизації;
• Доступний рівень: перевірка авторизації користувача через підтвердження прав.
• Стимулюючий рівень: контракт маршрутизації доходу буде виплачувати винагороду тренерам, розробникам та перевіряльникам за кожен виклик.

(## OML модельна структура

OML фреймворк) відкритий Open, монетизований Monetizable, лояльний Loyal### є основною ідеєю, запропонованою Sentient, що має на меті забезпечити чіткий захист прав власності та економічні стимули для відкритих AI моделей. Поєднуючи технології у блокчейні та AI рідну криптографію, має такі характеристики:

• Відкритість: Модель повинна бути з відкритим кодом, код і структура даних повинні бути прозорими, щоб спростити відтворення, аудит і вдосконалення спільнотою.
• Монетизація: Кожен виклик моделі викликає потік доходу, у блокчейні контракт розподілить доходи між тренерами, розробниками та перевіряючими.
• Вірність: Модель належить спільноті внесків, напрямок оновлення та управління визначається DAO, використання та зміна контролюються криптомеханізмом.

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

AI-оригінальне шифрування використовує безперервність моделей AI, структуру низьковимірних многовидів та властивість диференційованості моделей для розробки "перевіряємого, але не видимого" легкого механізму безпеки. Його основна технологія:

• Вбудовування відбитка пальця: під час навчання вставляється набір прихованих пар запит-відповідь для формування унікального підпису моделі;
• Протокол перевірки власності: перевірка збереження відбитка пальця у формі запиту через третій детектор (Prover);
• Механізм виклику дозволів: перед викликом потрібно отримати "дозвільний сертифікат", виданий власником моделі, система потім на його основі надає моделі право декодувати цей вхід і повертати точну відповідь.

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

(## Модель підтвердження прав та безпечна виконавча структура

Sentient наразі використовує Melange змішану безпеку: поєднання підтвердження за відбитками пальців, виконання TEE та розподіл прибутку з контрактів у блокчейні. При цьому метод відбитків пальців реалізує OML 1.0 як основну лінію, підкреслюючи ідею "оптимістичної безпеки)Optimistic Security###", тобто за замовчуванням відповідність, порушення можна виявити і покарати.

Механізм відбитків пальців є ключовою реалізацією OML, він дозволяє моделі генерувати унікальний підпис на етапі навчання, вбудовуючи певні "питання-відповіді". Завдяки цим підписам, власники моделі можуть перевіряти належність, запобігаючи несанкціонованому копіюванню та комерціалізації. Цей механізм не лише захищає права розробників моделі, але й забезпечує можливість відстеження поведінки використання моделі у блокчейні.

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

У майбутньому Sentient планує впровадити нульові докази (ZK) та повну гомоморфну криптографію (FHE), щоб ще більше зміцнити захист конфіденційності та верифікацію, забезпечуючи більш зрілі рішення для децентралізованого розгортання AI моделей.

( рівень застосування

Наразі продукти Sentient в основному включають децентралізовану платформу для чатів Sentient Chat та відкриту модель Dobby.