AI Layer1 исследование: поиск благодатной почвы для DeAI в блокчейне

Обзор

В последние годы ведущие технологические компании, такие как OpenAI, Anthropic, Google и Meta, продолжают активно развивать большие языковые модели (LLM). LLM демонстрируют беспрецедентные возможности в различных отраслях, значительно расширяя границы человеческого воображения и даже показывая потенциал замещения человеческого труда в некоторых сценариях. Однако ядро этих технологий по-прежнему крепко удерживается в руках немногих централизованных технологических гигантов. Обладая мощным капиталом и контролем над дорогостоящими вычислительными ресурсами, эти компании создали непреодолимые барьеры, что делает для подавляющего большинства разработчиков и инновационных команд сложным соперничество с ними.

В то же время, на ранних этапах быстрого развития ИИ общественное мнение часто сосредоточено на прорывах и удобствах, которые приносит технология, в то время как внимание к таким ключевым вопросам, как защита конфиденциальности, прозрачность и безопасность, относительно недостаточно. В долгосрочной перспективе эти проблемы глубоко повлияют на здоровое развитие индустрии ИИ и общественное восприятие. Если их не решить должным образом, дискуссия о том, будет ли ИИ "добрым" или "злым", станет все более актуальной, в то время как централизованные гиганты, движимые инстинктом получения прибыли, часто не имеют достаточной мотивации для активного реагирования на эти вызовы.

Технология блокчейна благодаря своим децентрализованным, прозрачным и устойчивым к цензуре характеристикам открывает новые возможности для устойчивого развития отрасли ИИ. В настоящее время на некоторых основных блокчейнах уже появилось множество приложений "Web3 AI". Однако глубокий анализ показывает, что у этих проектов все еще есть множество проблем: с одной стороны, степень децентрализации ограничена, ключевые этапы и инфраструктура все еще зависят от централизованных облачных сервисов, что затрудняет поддержку поистине открытой экосистемы; с другой стороны, по сравнению с продуктами ИИ в мире Web2, цепочечный ИИ все еще ограничен в возможностях моделей, использовании данных и областях применения, глубина и широта инноваций нуждаются в улучшении.

Чтобы по-настоящему реализовать видение децентрализованного ИИ, необходимо создать Layer1 блокчейн, специально разработанный для ИИ, который позволит блокчейну безопасно, эффективно и демократично поддерживать крупномасштабные приложения ИИ и конкурировать по производительности с централизованными решениями. Это обеспечит прочную основу для открытых инноваций в области 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 производительность тесно связаны с потребностями AI-задач, с целью эффективно поддерживать устойчивое развитие и процветание AI-экосистемы в блокчейне. Конкретно, AI Layer 1 должен обладать следующими ключевыми возможностями:

1. Эффективные механизмы стимулирования и децентрализованного консенсуса Ядро AI Layer 1 заключается в создании открытой сети для совместного использования ресурсов, таких как вычислительная мощность и хранилище. В отличие от традиционных узлов блокчейна, которые в основном сосредоточены на ведении учета в реестре, узлы AI Layer 1 должны выполнять более сложные задачи, предоставляя вычислительную мощность, завершая обучение и вывод AI моделей, а также внося разнообразные ресурсы, такие как хранилище, данные и пропускная способность, тем самым разрушая монополию централизованных гигантов в области инфраструктуры AI. Это предъявляет более высокие требования к базовому консенсусу и механизмам стимулов: AI Layer 1 должен точно оценивать, поощрять и проверять фактический вклад узлов в задачи AI вывода, обучения и т.д., 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 производительность и поддержка гетерогенных задач Задачи ИИ, особенно обучение и вывод LLM, предъявляют высокие требования к вычислительной производительности и параллельной обработке. Более того, экосистема AI в блокчейне часто требует поддержки разнообразных и гетерогенных типов задач, включая различные структуры моделей, обработку данных, вывод, хранение и другие многообразные сценарии. AI Layer 1 должен быть глубоко оптимизирован на уровне архитектуры для удовлетворения требований высокой пропускной способности, низкой задержки и эластичной параллельной обработки, а также предусматривать нативную поддержку гетерогенных вычислительных ресурсов, чтобы гарантировать эффективное выполнение различных задач ИИ и обеспечить плавное масштабирование от "единичных задач" до "сложной многообразной экосистемы".

3. Проверяемость и гарантии надежного вывода AI Layer 1 не только должен предотвращать злоупотребления моделью и искажение данных, но и обеспечивать проверяемость и согласованность результатов, исходящих от AI, на уровне базовых механизмов. Интегрируя передовые технологии, такие как доверенные вычислительные среды (TEE), нулевые знания (ZK) и безопасные многопартнерские вычисления (MPC), платформа может обеспечить независимую проверку каждого процесса вывода, обучения и обработки данных модели, что гарантирует справедливость и прозрачность AI-системы. В то же время такая проверяемость может помочь пользователям понять логику и обоснование вывода AI, реализуя принцип "что получено, то и желаем", увеличивая доверие и удовлетворенность пользователей к продуктам AI.

4. Защита конфиденциальности данных Приложения ИИ часто связаны с конфиденциальными данными пользователей, и в таких областях, как финансы, медицина и социальные сети, защита конфиденциальности данных особенно важна. AI Layer 1 должен обеспечивать проверяемость и одновременно использовать основанные на шифровании технологии обработки данных, протоколы конфиденциальных вычислений и управление правами доступа к данным, чтобы гарантировать безопасность данных на всех этапах, включая вывод, обучение и хранение, эффективно предотвращая утечку и злоупотребление данными и устраняя беспокойство пользователей по поводу безопасности данных.

5. Мощные возможности поддержки экосистемы и разработки В качестве инфраструктуры первого уровня, родной для AI, платформа должна не только обладать техническим превосходством, но и предоставлять полные инструменты разработки, интегрированные SDK, поддержку эксплуатации и механизмы стимулирования для участников экосистемы, таких как разработчики, операторы узлов и поставщики AI-услуг. Постоянно оптимизируя доступность платформы и опыт разработчиков, мы способствуем реализации разнообразных AI-родных приложений и обеспечиваем устойчивое процветание децентрализованной AI-экосистемы.

Исходя из вышеизложенного контекста и ожиданий, в данной статье будет подробно рассмотрено шесть представительных проектов AI Layer1, включая Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематически проанализированы последние достижения в данной области, изучено текущее состояние развития проектов и обсуждены будущие тенденции.

Sentient: Создание преданного открытого децентрализованного AI модели

Обзор проекта

Sentient является открытой платформой протоколов, которая разрабатывает AI Layer1 в блокчейне (. На начальном этапе это Layer 2, затем будет перенесено на Layer 1). Объединив AI Pipeline и технологии блокчейна, создается децентрализованная экономика искусственного интеллекта. Его основной целью является решение проблем принадлежности моделей, отслеживания вызовов и распределения стоимости на централизованном рынке LLM через "OML" (открытый, прибыльный, лояльный), чтобы AI модели реализовали структуру собственности в блокчейне, прозрачность вызовов и распределение стоимости. Видение Sentient заключается в том, чтобы любой мог создавать, сотрудничать, владеть и монетизировать AI-продукты, тем самым продвигая справедливую и открытую экосистему сети AI Agent.

Команда Sentient Foundation объединила ведущих академических экспертов, предпринимателей в области блокчейна и инженеров со всего мира, стремясь создать сообществом управляемую, открытое и проверяемую платформу AGI. Ключевые участники включают профессора Принстонского университета Прамода Вишваната и профессора Индийского института науки Химаншу Тяги, которые отвечают за безопасность и защиту конфиденциальности ИИ, а стратегию блокчейна и экосистемы возглавляет соучредитель Polygon Сандип Найлвал. 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, охватывающие области AI/ML, NLP, компьютерного зрения и совместно способствуют реализации проекта.

В качестве второго стартапа соучредителя Polygon Sandeep Nailwal, Sentient изначально имела ауру успеха, обладая богатым ресурсом, сетью контактов и рыночной осведомленностью, что предоставило проекту мощную поддержку для его развития. В середине 2024 года Sentient завершила раунд посевного финансирования на сумму 85 миллионов долларов, в котором приняли участие Founders Fund, Pantera и Framework Ventures, а также десятки известных венчурных компаний, включая Delphi, Hashkey и Spartan.

проектирование архитектуры и уровень приложений

Инфраструктурный уровень

Ядро архитектуры

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

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

• Планирование данных (Data Curation): процесс выбора данных, управляемый сообществом, для выравнивания модели.
• Обучение лояльности (Loyalty Training): обеспечение того, чтобы модель проходила тренировочный процесс, соответствующий намерениям сообщества.

Система блокчейна обеспечивает прозрачность и децентрализованный контроль для протокола, гарантируя право собственности на искусственные объекты, отслеживание использования, распределение доходов и справедливое управление. Конкретная архитектура разделена на четыре уровня:

• Слой хранения: хранение весов модели и информации о регистрации отпечатков.
• Уровень распределения: точка входа в модель управления контрактом авторизации;
• Уровень доступа: проверка правомочности пользователя через подтверждение разрешения;
• Уровень стимулов: Контракт маршрутизации доходов будет распределять платежи при каждом вызове между тренерами, развертывателями и валидаторами.

OML модельная структура

OML фреймворк (Открытый Open, Монетизируемый Monetizable, Лояльный Loyal) является основной концепцией, предложенной Sentient, и направлен на обеспечение четкой защиты прав собственности и экономических стимулов для открытых AI моделей. Объединив технологии в блокчейне и криптографию, родную для AI, он обладает следующими характеристиками:

• Открытость: модель должна быть с открытым исходным кодом, код и структура данных должны быть прозрачными, что облегчает воспроизведение, аудит и улучшение сообществом.
• Монетизация: каждый вызов модели будет генерировать поток доходов, в блокчейне контракт будет распределять доходы между тренерами, развертывателями и валидаторами.
• Лояльность: Модель принадлежит сообществу участников, направление обновлений и управление определяются DAO, использование и изменения контролируются криптомеханизмом.

AI нативная криптография (AI-native Cryptography)

AI-родная криптография использует непрерывность моделей AI, структуры низкоразмерных многообразий и свойства дифференцируемости моделей для разработки "проверяемого, но неснимаемого" легковесного механизма безопасности. Ее ключевая технология заключается в:

• Встраивание отпечатка: во время обучения вставляется набор скрытых пар запрос-ответ для формирования уникальной подписи модели;
• Протокол проверки прав собственности: проверка, сохранен ли отпечаток пальца, с помощью третьего лица-детектора (Prover) в форме запроса.
• Механизм разрешения вызовов: перед вызовом необходимо получить "удостоверение полномочий", выданное владельцем модели, после чего система предоставляет разрешение модели декодировать данный ввод и вернуть точный ответ.

Этот способ позволяет реализовать "авторизационные вызовы на основе поведения + верификация принадлежности" без затрат на повторное шифрование.

Модель правоприменения и безопасного выполнения

Sentient в настоящее время использует Melange смешанную безопасность: комбинация подтверждения прав собственности по отпечатку пальца, выполнения в TEE и распределения прибыли по смарт-контрактам в блокчейне. Метод отпечатка пальца реализован в OML 1.0 как основная линия, подчеркивающая идею "оптимистичной безопасности (Optimistic Security)", то есть по умолчанию соблюдение правил, а в случае нарушений - возможность обнаружения и наказания.

Механизм отпечатков пальцев является ключевой реализацией OML, который позволяет модели генерировать уникальные подписи на этапе обучения, внедряя специфические "вопрос-ответ" пары. С помощью этих подписей владелец модели может проверять принадлежность, предотвращая несанкционированное копирование и коммерциализацию. Этот механизм не только защищает права разработчиков модели, но и предоставляет отслеживаемую запись использования модели в блокчейне.

Кроме того, Sentient представила вычислительную платформу Enclave TEE, использующую доверенные среды выполнения (например, AWS Nitro Enclaves), чтобы гарантировать, что модель отвечает 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 ключевой технологией для развертывания моделей.

В будущем Sentient планирует внедрить технологии нулевых знаний (ZK) и полностью однородного шифрования (FHE), чтобы дополнительно улучшить защиту конфиденциальности и проверяемость, обеспечивая более децентрализованное развертывание AI моделей.