AI Layer1 дослідження: пошук родючих ґрунтів для DeAI у блокчейні

Огляд

В останні роки провідні технологічні компанії, такі як OpenAI, Anthropic, Google, Meta, сприяли стрімкому розвитку великих мовних моделей (LLM). LLM продемонстрували небачені можливості в різних галузях, значно розширивши людський простір уяви, а в деяких сценаріях навіть продемонстрували потенціал для заміни людської праці. Проте ядро цих технологій залишається під контролем лише кількох централізованих технологічних гігантів. Завдяки потужному капіталу та контролю над дорогими обчислювальними ресурсами ці компанії створили непереборні бар'єри, що ускладнюють більшості розробників і інноваційних команд конкуренцію з ними.

Водночас, на ранніх етапах швидкої еволюції ШІ, громадська думка часто зосереджується на прориві та зручностях, які приносить технологія, водночас недостатньо уваги приділяючи таким ключовим питанням, як захист конфіденційності, прозорість, безпека тощо. У довгостроковій перспективі ці питання суттєво вплинуть на здоровий розвиток галузі ШІ та її прийнятність у суспільстві. Якщо ці питання не будуть належним чином вирішені, суперечка про те, чи буде ШІ "на добробут" чи "на зло", стане все більш помітною, а централізовані гіганти, керуючись інстинктом наживи, часто не мають достатнього стимулу для активного реагування на ці виклики.

Технологія блокчейн завдяки своїм децентралізованим, прозорим та антицензурним характеристикам відкриває нові можливості для сталого розвитку галузі штучного інтелекту. На сьогодні на таких провідних блокчейнах, як Solana, Base, вже з'явилося безліч застосувань "Web3 AI". Але глибокий аналіз показує, що ці проекти все ще мають безліч проблем: з одного боку, рівень децентралізації є обмеженим, ключові етапи та інфраструктура все ще залежать від централізованих хмарних сервісів, меми переважають, що ускладнює створення справжньої відкритої екосистеми; з іншого боку, у порівнянні з AI-продуктами світу Web2, AI на блокчейні має обмеження у модульних можливостях, використанні даних та застосуванні в різних сценаріях, глибина та широта інновацій потребують покращення.

Щоб справді реалізувати бачення децентралізованого ШІ, зробити так, щоб у блокчейні безпечно, ефективно й демократично здійснювалися масштабні AI-додатки, і щоб за продуктивністю він міг конкурувати з централізованими рішеннями, нам потрібно спроектувати Layer1 блокчейн, спеціально створений для AI. Це забезпечить міцну основу для відкритих інновацій у сфері AI, демократичного управління та безпеки даних, сприяючи процвітанню децентралізованої екосистеми AI.

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, з метою ефективної підтримки стійкого розвитку та процвітання AI-екосистеми у блокчейні. Конкретно кажучи, AI Layer 1 повинен мати такі основні можливості:

1. Ефективний механізм стимулювання та децентралізованого консенсусу Основна мета AI Layer 1 полягає у створенні відкритої мережі для спільного використання ресурсів, таких як обчислювальна потужність, зберігання тощо. На відміну від традиційних вузлів блокчейна, які в основному зосереджені на веденні бухгалтерії, вузли AI Layer 1 повинні виконувати більш складні завдання: не лише надавати обчислювальну потужність, завершувати тренування та висновки AI моделей, але й вносити різноманітні ресурси, такі як зберігання, дані, ширина каналу тощо, щоб зламати монополію централізованих гігантів у базовій інфраструктурі AI. Це ставить вищі вимоги до базового консенсусу та механізмів заохочення: AI Layer 1 повинен бути здатний точно оцінювати, заохочувати та перевіряти фактичний внесок вузлів у завданнях, таких як висновки, навчання AI тощо, забезпечуючи безпеку мережі та ефективний розподіл ресурсів. Тільки так можна забезпечити стабільність та процвітання мережі, а також ефективно знизити загальні витрати на обчислювальну потужність.

2. Висока продуктивність та підтримка гетерогенних завдань Завдання ШІ, особливо навчання та інференція великих мовних моделей (LLM), висувають надзвичайно високі вимоги до обчислювальної продуктивності та можливостей паралельної обробки. Більш того, екосистема ШІ 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 базовій архітектурі глибоко оптимізуватися для задоволення вимог високої пропускної здатності, низької затримки та еластичної паралельної обробки, а також заздалегідь передбачити здатність до нативної підтримки гетерогенних обчислювальних ресурсів, щоб забезпечити ефективну роботу всіх завдань ШІ, реалізуючи плавне масштабування від "одиничного завдання" до "складної різноманітної екосистеми".

3. Можливість перевірки та гарантія надійного виходу AI Layer 1 не лише має запобігати зловживанням моделі, фальсифікації даних та іншим загрозам безпеці, але й повинна забезпечити верифікацію та узгодженість результатів, що генеруються AI, з основних механізмів. Завдяки інтеграції надійних середовищ виконання (TEE), нульових знань (ZK), багатосторонніх обчислень (MPC) та інших передових технологій, платформа може забезпечити незалежну верифікацію кожного процесу висновку моделі, навчання та обробки даних, гарантуючи справедливість і прозорість системи AI. Крім того, така верифікація може допомогти користувачам краще зрозуміти логіку та обґрунтування виходу AI, реалізуючи "отримане - це бажане", підвищуючи довіру та задоволеність користувачів продуктами AI.

4. Захист приватності даних AI-додатки часто містять чутливі дані користувачів, у фінансовій, медичній, соціальній та інших сферах захист конфіденційності даних є особливо важливим. AI Layer 1 має забезпечувати перевірність, одночасно використовуючи технології обробки даних на основі шифрування, протоколи приватних обчислень та управління правами на дані, щоб гарантувати безпеку даних у процесах інфери, навчання та зберігання, ефективно запобігаючи витоку даних та їх зловживанню, усуваючи побоювання користувачів щодо безпеки даних.

5. Потужна екосистема для підтримки та розробки Як інфраструктура Layer 1, що базується на ШІ, платформа повинна не тільки мати технологічну перевагу, але й забезпечувати екосистемних учасників, таких як розробники, оператори вузлів, постачальники послуг ІІ, повноцінними інструментами для розробки, інтегрованими SDK, підтримкою експлуатації та механізмами заохочення. Оптимізуючи доступність платформи та досвід розробників, ми сприяємо реалізації різноманітних додатків на базі ІІ та досягненню сталого процвітання децентралізованої екосистеми ІІ.

На основі вищезазначеного контексту та очікувань, у цій статті буде детально представлено шість представницьких проєктів AI Layer1, включаючи Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, систематизовано останні досягнення в цій галузі, проаналізовано сучасний стан розвитку проєктів та обговорено майбутні тенденції.

Sentient: побудова вірного відкритого децентралізованого AI моделі

Огляд проекту

Sentient є платформою з відкритим протоколом, яка створює AI Layer1 у блокчейні ( на початковій стадії як Layer 2, а потім мігрує до Layer 1), об'єднуючи AI Pipeline та технології блокчейну для створення децентралізованої економіки штучного інтелекту. Його основна мета полягає в тому, щоб за допомогою "OML" фреймворку ( вирішити проблеми належності моделей, відстеження викликів та розподілу вартості на централізованому ринку LLM, дозволяючи AI моделям реалізувати структуру власності у блокчейні, прозорість викликів та розподіл вартості. Візія Sentient полягає в тому, щоб будь-хто 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 блокчейн та інженерів з усього світу, які прагнуть створити спільноту, що керується, з відкритим кодом та перевіряється платформу AGI. До основних членів команди належать професор Принстонського університету Pramod Viswanath та професор Індійського наукового інституту Himanshu Tyagi, які відповідають за безпеку AI та захист приватності, а також співзасновник Polygon Sandeep Nailwal, який очолює стратегію блокчейну та екосистемну розробку. Фон членів команди охоплює відомі компанії, такі як Meta, Coinbase, Polygon, а також провідні університети, такі як Принстонський університет та Індійський технологічний інститут, охоплюючи області AI/ML, NLP, комп'ютерного зору та спільно працюючи для реалізації проекту.

Як другий стартап співзасновника Polygon Sandeep Nailwal, Sentient спочатку мала ореол, володіючи багатими ресурсами, зв'язками та ринковою впізнаваністю, що забезпечило потужну підтримку розвитку проекту. У середині 2024 року Sentient завершила фінансування на стадії насіння в розмірі 85 мільйонів доларів, яке очолили Founders Fund, Pantera та Framework Ventures, а іншими інвесторами стали десятки відомих VC, включаючи Delphi, Hashkey та Spartan.

![Biteye та PANews спільно випустили дослідження AI Layer1: пошук у блокчейні DeAI родючих земель])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.

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

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

Системи у блокчейні забезпечують прозорість та децентралізований контроль за протоколом, гарантують право власності на AI артефакти, відстеження використання, розподіл доходів та справедливе управління. Конкретна архітектура поділяється на чотири рівні:

• Зберігання: зберігання ваг моделі та інформації про реєстрацію відбитків.
• Розподільчий шар: вхід для виклику моделі контролю контракту на авторизацію;
• Доступний рівень: перевірка авторизації користувача через підтвердження прав.
• Інсентивний рівень: контракт маршрутизації доходів буде розподіляти плату під час кожного виклику між тренерами, розробниками та валідаторами.

(## OML модельна структура

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

• Відкритість: Модель повинна бути з відкритим вихідним кодом, код і структура даних повинні бути прозорими, щоб спільнота могла відтворювати, проводити аудит і покращувати.
• Монетизація: кожен виклик моделі викликає потік доходу, у блокчейні контракт розподіляє прибуток між тренерами, розгортачами та валідаторами.
• Вірність: Модель належить спільноті внесків, напрямок оновлення та управління визначається DAO, використання та модифікація контролюються крипто-механізмом.

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

AI-роджена криптографія – це використання безперервності AI-моделей, низьковимірної маніфольдної структури та диференційованих характеристик моделей для розробки "перевіряльного, але незнімного" легкого безпечного механізму. Її ключова технологія:

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

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

(## Модель підтвердження прав власності та безпечна виконавча рамка

Sentient зараз використовує Melange змішану безпеку: поєднання підтвердження особи за допомогою відбитків пальців, виконання TEE та розподіл прибутку за допомогою контрактів у блокчейні. Серед методів підтвердження особи основним є OML 1.0, що підкреслює ідею "оптимістичної безпеки )Optimistic Security###", тобто за замовчуванням дотримання правил, а в разі порушення - виявлення та покарання.

Механізм відбитків пальців є ключовим впровадженням OML, він забезпечує вбудовування специфічних пар "питання-відповідь", що дозволяє моделі генерувати унікальний підпис на етапі навчання. Завдяки цим підписам, власники моделі можуть перевіряти приналежність, запобігаючи несанкціонованому копіюванню та комерціалізації. Цей механізм не лише захищає права розробників моделей, але й забезпечує можливість відстеження поведінки використання моделі в у блокчейні.

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

У майбутньому Sentient планує впровадити нульові знання (ZK) та повну гомоморфну криптографію (FHE), щоб ще більше покращити захист приватності та перевіряність, надаючи більш зрілі рішення для децентралізованого розгортання AI моделей.

(# рівень застосувань

Наразі продукти Sentient в основному включають децентралізовану платформу чату Sentient Chat, серію відкритих моделей Dobby та фреймворк AI Agent.

)## Серія Dobby