Laporan Penelitian AI Layer1: Mencari Tanah Subur DeAI On-Chain

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, secara signifikan memperluas ruang imajinasi manusia, bahkan di beberapa situasi menunjukkan potensi untuk menggantikan tenaga kerja manusia. Namun, teknologi inti ini dikuasai oleh segelintir raksasa teknologi terpusat. Berkat modal yang kuat dan penguasaan terhadap sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun penghalang yang sulit ditembus, membuat sebagian besar pengembang dan tim inovasi sulit untuk bersaing.

Pada saat yang sama, di awal evolusi cepat AI, opini publik sering kali terfokus 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-masalah ini akan mempengaruhi secara mendalam perkembangan sehat industri AI dan tingkat penerimaan masyarakat. Jika tidak dapat diselesaikan dengan baik, kontroversi tentang apakah AI "menuju kebaikan" atau "menuju kejahatan" akan semakin mencolok, sementara raksasa terpusat yang didorong oleh naluri mencari keuntungan sering kali 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 terbatas, dan tahap kunci serta infrastruktur masih bergantung pada layanan cloud terpusat, dengan sifat meme yang terlalu berat, sehingga sulit untuk mendukung ekosistem terbuka yang sebenarnya; di sisi lain, dibandingkan dengan produk AI di dunia Web2, AI on-chain masih memiliki keterbatasan dalam hal kemampuan model, pemanfaatan data, dan skenario aplikasi, dengan kedalaman dan luas inovasi yang perlu ditingkatkan.

Untuk benar-benar mewujudkan visi AI terdesentralisasi, agar blockchain dapat secara 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 pemerintahan, dan keamanan data, serta mendorong perkembangan ekosistem AI terdesentralisasi yang makmur.

Fitur Inti dari AI Layer 1

AI Layer 1 sebagai blockchain yang dirancang khusus untuk aplikasi AI, arsitektur dan desain kinerjanya erat terfokus pada kebutuhan tugas AI, bertujuan untuk secara efisien mendukung pengembangan dan kemakmuran ekosistem AI yang berkelanjutan. Secara khusus, AI Layer 1 harus memiliki kemampuan inti berikut:

1. Insentif yang efisien dan mekanisme konsensus terdesentralisasi Inti dari AI Layer 1 adalah membangun jaringan berbagi sumber daya seperti komputasi, penyimpanan, dan lainnya yang terbuka. Berbeda dengan node blockchain tradisional yang terutama fokus pada pencatatan buku besar, node AI Layer 1 perlu menjalankan tugas yang lebih kompleks, tidak hanya menyediakan komputasi, menyelesaikan pelatihan dan inferensi model AI, tetapi juga berkontribusi pada penyimpanan, data, bandwidth, dan sumber daya beragam lainnya, sehingga dapat memecahkan monopolisasi raksasa terpusat dalam infrastruktur AI. Ini menuntut persyaratan yang lebih tinggi untuk konsensus dan mekanisme insentif dasar: AI Layer 1 harus mampu menilai, menginsentifkan, dan memverifikasi kontribusi nyata node dalam tugas inferensi, pelatihan AI, dan lainnya, untuk mencapai keamanan jaringan dan distribusi sumber daya yang efisien. Hanya dengan cara ini jaringan dapat dijamin stabil dan makmur, serta secara efektif mengurangi biaya 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 lanjut, ekosistem AI on-chain sering kali perlu mendukung beragam dan heterogen jenis tugas, 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 paralel yang elastis, serta menyediakan dukungan asli untuk sumber daya komputasi heterogen, memastikan berbagai tugas AI dapat berjalan dengan efisien, mewujudkan ekspansi yang mulus dari "tugas tunggal" menjadi "ekosistem kompleks dan beragam."

3. Verifikasi dan jaminan keluaran yang dapat dipercaya AI Layer 1 tidak hanya harus mencegah model berbuat jahat, pemalsuan data, dan risiko keamanan lainnya, tetapi juga harus memastikan verifikasi dan keselarasan hasil keluaran AI dari mekanisme dasar. Dengan mengintegrasikan lingkungan eksekusi terpercaya (TEE), bukti nol pengetahuan (ZK), dan komputasi aman multi-pihak (MPC) serta teknologi mutakhir lainnya, platform dapat memungkinkan setiap proses inferensi model, pelatihan, dan pengolahan data untuk diverifikasi secara independen, memastikan keadilan dan transparansi sistem AI. Selain itu, verifikasi ini juga dapat membantu pengguna memahami logika dan dasar keluaran AI, mewujudkan "apa yang didapat adalah apa yang diinginkan", meningkatkan kepercayaan dan kepuasan pengguna terhadap produk AI.

4. Perlindungan Privasi Data Aplikasi AI sering melibatkan data sensitif pengguna, di bidang keuangan, medis, sosial, dan lainnya, perlindungan privasi data sangat penting. AI Layer 1 harus menjaga verifikasi sambil menggunakan teknologi pengolahan data berbasis enkripsi, protokol komputasi privasi, dan manajemen hak data, untuk memastikan keamanan data selama proses inferensi, pelatihan, dan penyimpanan, secara efektif mencegah kebocoran dan penyalahgunaan data, menghilangkan kekhawatiran pengguna mengenai keamanan data.

5. Kemampuan dukungan pengembangan dan pemeliharaan ekosistem yang kuat Sebagai infrastruktur Layer 1 yang berbasis AI, platform tidak hanya harus memiliki keunggulan teknologi, tetapi juga harus menyediakan alat pengembangan yang lengkap, SDK terintegrasi, dukungan operasional, dan mekanisme insentif bagi para peserta ekosistem seperti pengembang, operator node, dan penyedia layanan AI. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong implementasi aplikasi AI yang kaya dan beragam, serta mewujudkan keberlanjutan ekosistem AI yang terdesentralisasi.

Berdasarkan latar belakang dan harapan di atas, artikel ini akan memperkenalkan secara rinci enam proyek AI Layer1 yang mewakili, termasuk Sentient, Sahara AI, Ritual, Gensyn, Bittensor, dan 0G, menguraikan kemajuan terbaru di jalur ini, menganalisis keadaan perkembangan proyek, dan membahas tren masa depan.

Sentient: Membangun Model AI Terdesentralisasi Sumber Terbuka yang Loyal

Ringkasan Proyek

Sentient adalah platform protokol sumber terbuka yang sedang membangun blockchain AI Layer1 ( pada tahap awal sebagai Layer 2, kemudian akan bermigrasi ke Layer 1), melalui kombinasi AI Pipeline dan teknologi blockchain, membangun ekonomi kecerdasan buatan yang terdesentralisasi. Tujuan inti adalah melalui kerangka "OML" ( untuk menyelesaikan masalah kepemilikan model, pelacakan panggilan, dan distribusi nilai dalam pasar LLM terpusat dengan cara yang terbuka, menguntungkan, dan setia ), sehingga model AI dapat mencapai struktur kepemilikan on-chain, transparansi panggilan, dan pembagian nilai. Visi Sentient adalah memungkinkan siapa saja untuk membangun, berkolaborasi, memiliki, dan memonetisasi produk AI, sehingga mendorong ekosistem jaringan AI Agent yang adil dan terbuka.

Tim Sentient Foundation mengumpulkan para ahli akademis terkemuka, pengusaha blockchain, dan insinyur dari seluruh dunia, yang 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 Indian Institute of Science, yang masing-masing bertanggung jawab untuk keamanan AI dan perlindungan privasi, sementara strategi blockchain dan pengaturan ekosistem dipimpin oleh co-founder Polygon, Sandeep Nailwal. Latar belakang anggota tim mencakup perusahaan-perusahaan terkenal seperti Meta, Coinbase, Polygon, serta universitas-universitas terkemuka seperti Universitas Princeton dan Indian Institute of Technology, mencakup bidang AI/ML, NLP, dan visi komputer, bekerja sama untuk mendorong proyek ini.

Sebagai proyek kewirausahaan kedua dari salah satu pendiri Polygon, Sandeep Nailwal, Sentient sejak awal sudah memiliki daya tarik, dilengkapi dengan sumber daya, jaringan, dan tingkat kesadaran pasar yang kaya, memberikan dukungan kuat untuk pengembangan proyek. Pada pertengahan tahun 2024, Sentient berhasil menyelesaikan pendanaan putaran benih sebesar 85 juta USD, yang dipimpin oleh Founders Fund, Pantera, dan Framework Ventures, dengan lembaga investasi lainnya termasuk Delphi, Hashkey, dan Spartan serta puluhan VC terkenal lainnya.

Arsitektur Desain dan Lapisan Aplikasi

Infrastruktur

Arsitektur Inti

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

Pipa AI adalah dasar untuk mengembangkan dan melatih artefak "Loyalty AI", yang mencakup dua proses inti:

• Perencanaan Data ) Data Curation (: Proses pemilihan data yang dipimpin 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 artefak AI, pelacakan penggunaan, pembagian manfaat, dan tata kelola yang adil. Arsitektur spesifik dibagi menjadi empat lapisan:

• Lapisan penyimpanan: menyimpan bobot model dan informasi pendaftaran sidik jari;
• Lapisan distribusi: model kontrol kontrak otorisasi untuk titik masuk pemanggilan;
• Tingkat akses: memverifikasi apakah pengguna telah diberi izin melalui bukti izin;
• Lapisan insentif: Kontrak rute pendapatan akan membayar alokasi kepada pelatih, penyebar, dan verifier setiap kali dipanggil.

![Biteye dan PANews merilis laporan penelitian AI Layer1 bersama: Mencari tanah subur untuk DeAI on-chain])https://img-cdn.gateio.im/webp-social/moments-a70b0aca9250ab65193d0094fa9b5641.webp(

)## Kerangka Model OML

Kerangka OML ### terbuka Open, dapat dimonetisasi Monetizable, dan setia Loyal( adalah konsep inti yang diajukan oleh Sentient, bertujuan untuk menyediakan perlindungan kepemilikan yang jelas dan mekanisme insentif ekonomi untuk model AI sumber terbuka. Dengan menggabungkan teknologi on-chain dan kriptografi asli AI, memiliki fitur-fitur berikut:

• Keterbukaan: Model harus open source, kode dan struktur data transparan, memudahkan komunitas untuk mereproduksi, mengaudit, dan meningkatkan.
• Monetisasi: Setiap kali model dipanggil, akan memicu aliran pendapatan, kontrak on-chain akan mendistribusikan pendapatan kepada pelatih, penyebar, dan validator.
• 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 yang asli 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 diferensiasi model. Teknologi intinya adalah:

• Penyisipan sidik jari: menyisipkan sekelompok pasangan kunci nilai query-response yang tersembunyi selama 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 memberikan izin kepada model untuk mendekode input tersebut dan mengembalikan jawaban yang akurat.

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

)## Kerangka Penegasan Model dan Eksekusi Aman

Sentient saat ini menggunakan keamanan campuran Melange: menggabungkan penegasan sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari diimplementasikan sebagai OML 1.0 sebagai jalur utama, menekankan pemikiran "Optimistic Security###", yaitu default kepatuhan, dan dapat terdeteksi serta dihukum setelah pelanggaran.

Mekanisme sidik jari adalah implementasi kunci dari OML, yang melalui penyisipan pasangan "pertanyaan-jawaban" tertentu, memungkinkan model untuk menghasilkan tanda tangan yang unik pada tahap pelatihan. 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 menyediakan catatan on-chain yang dapat dilacak untuk perilaku penggunaan model.

Selain itu, Sentient telah meluncurkan kerangka komputasi Enclave TEE, yang memanfaatkan lingkungan eksekusi tepercaya ( seperti AWS Nitro Enclaves ) untuk memastikan bahwa model hanya merespons permintaan yang berwenang, mencegah akses dan penggunaan yang tidak sah. Meskipun TEE bergantung pada perangkat keras dan memiliki beberapa risiko keamanan, keunggulan kinerja tinggi dan real-time menjadikannya teknologi inti untuk penyebaran model saat ini.

Di masa depan, Sentient berencana untuk memperkenalkan bukti nol pengetahuan (ZK) dan enkripsi homomorfik penuh (FHE), untuk lebih meningkatkan perlindungan privasi dan verifikasi, serta menyediakan penyebaran terdesentralisasi model AI yang lebih matang.