Звіт про дослідження AI Layer1: пошук родючого ґрунту для DeAI у блокчейні

Огляд

Останніми роками провідні технологічні компанії, такі як OpenAI, Anthropic, Google, Meta, продовжують активно сприяти швидкому розвитку великих мовних моделей (LLM). LLM демонструє безпрецедентні можливості в різних галузях, значно розширюючи людську уяву і навіть у деяких ситуаціях виявляючи потенціал заміни людської праці. Однак ці ключові технології залишаються під контролем невеликої кількості централізованих технологічних гігантів. Завдяки потужному капіталу та контролю за дорогими ресурсами обчислень, ці компанії створюють непереборні бар'єри, які ускладнюють абсолютній більшості розробників та інноваційних команд конкуренцію з ними.

Водночас, на початковому етапі швидкого розвитку штучного інтелекту суспільна думка часто зосереджується на прориві та зручності, які приносить технологія, тоді як увага до таких ключових питань, як захист приватності, прозорість та безпека, є відносно недостатньою. У довгостроковій перспективі ці проблеми глибоко вплинуть на здоровий розвиток індустрії штучного інтелекту та соціальну прийнятність. Якщо їх не вдасться належним чином вирішити, суперечки про те, чи "доброчинний" чи "зловмисний" штучний інтелект, стануть ще більш виразними, а централізовані гіганти, керуючись інстинктом прибутку, часто не мають достатньої мотивації, щоб активно протистояти цим викликам.

Технологія блокчейн завдяки своїм характеристикам децентралізації, прозорості та стійкості до цензури відкриває нові можливості для сталого розвитку індустрії ШІ. В даний час на таких основних блокчейнах, як Solana, Base, вже з'явилося безліч додатків "Web3 AI". Але глибокий аналіз показує, що ці проекти все ще мають безліч проблем: з одного боку, рівень децентралізації обмежений, ключові етапи та інфраструктура все ще залежать від централізованих хмарних сервісів, властивості мемів надмірні, що ускладнює підтримку справжньої відкритої екосистеми; з іншого боку, порівняно з продуктами ШІ світу Web2, у блокчейні ШІ все ще є обмеження в моделях можливостей, використанні даних та сценаріях застосування, глибина та ширина інновацій потребують підвищення.

Щоб дійсно реалізувати бачення децентралізованого ШІ, який дозволяє блокчейну безпечно, ефективно та демократично підтримувати масштабні AI-додатки, і щоб він міг конкурувати з централізованими рішеннями за показниками продуктивності, нам потрібно розробити Layer1 блокчейн, спеціально створений для ШІ. 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 створений для AI-додатків, має архітектуру та продуктивність, які тісно пов'язані з вимогами AI-завдань, з метою ефективної підтримки стійкого розвитку та процвітання екосистеми AI у блокчейні. Конкретно, AI Layer 1 має володіти такими основними можливостями:

1. Ефективний механізм стимулювання та децентралізованого консенсусу Основна суть AI Layer 1 полягає в створенні відкритої мережі для спільного використання ресурсів, таких як обчислювальна потужність і сховище. На відміну від традиційних вузлів блокчейну, які в основному зосереджені на веденні обліку в реєстрі, вузли AI Layer 1 повинні виконувати більш складні завдання: не тільки надавати обчислювальну потужність і завершувати навчання та інференцію AI моделей, але й вносити різноманітні ресурси, такі як сховище, дані, пропускна здатність, щоб зламати монополію централізованих гігантів у інфраструктурі AI. Це ставить вищі вимоги до базового консенсусу та механізмів стимулювання: AI Layer 1 повинен мати можливість точно оцінювати, стимулювати та перевіряти фактичний внесок вузлів у завдання, пов'язані з інференцією та навчанням AI, щоб забезпечити безпеку мережі та ефективний розподіл ресурсів. Тільки так можна забезпечити стабільність і процвітання мережі, а також ефективно знизити загальні витрати на обчислювальну потужність.

2. Видатна висока продуктивність та підтримка гетерогенних завдань Завдання штучного інтелекту, особливо навчання та висновування LLM, висувають надзвичайно високі вимоги до продуктивності обчислень та можливостей паралельної обробки. Крім того, екосистеми штучного інтелекту в ланцюжку часто повинні підтримувати різноманітні та різнорідні типи завдань, включаючи кілька сценаріїв, таких як різні структури моделей, обробка даних, висновки та зберігання. AI Layer 1 має бути глибоко оптимізований для високої пропускної здатності, низької затримки та еластичного паралелізму на базовій архітектурі, а також попередньо встановлено власні можливості підтримки гетерогенних обчислювальних ресурсів, щоб гарантувати, що всі види завдань штучного інтелекту можуть працювати ефективно та досягати плавного розширення від «одного завдання» до «складної та різноманітної екології».

3. Перевірність і гарантія надійного виходу AI Layer 1 не лише має запобігти зловживанню моделями, підробці даних та іншим загрозам безпеці, але й має забезпечити верифікацію та узгодженість результатів, які видає AI, з самого базового механізму. Завдяки інтеграції надійних виконавчих середовищ (TEE), доказів з нульовим розголошенням (ZK), багатостороннього захищеного обчислення (MPC) та інших передових технологій, платформа дозволяє незалежно верифікувати кожен процес висновку моделі, навчання та обробки даних, забезпечуючи справедливість та прозорість системи AI. Водночас така верифікація може допомогти користувачам зрозуміти логіку та підстави виходу AI, реалізуючи принцип "одержане - це бажане", підвищуючи довіру та задоволеність користувачів продуктами AI.

4. Захист приватності даних Застосування штучного інтелекту часто пов'язане з чутливими даними користувачів, у фінансовій, медичній, соціальній та інших сферах захист конфіденційності даних є особливо важливим. AI Layer 1 має забезпечувати верифікацію, одночасно використовуючи технології обробки даних на основі шифрування, протоколи обчислень з конфіденційністю та управління правами доступу до даних, щоб гарантувати безпеку даних протягом всього процесу, включаючи інференцію, навчання та зберігання, ефективно запобігаючи витоку та зловживанню даними, усуваючи занепокоєння користувачів щодо безпеки даних.

5. Потужна екосистема підтримки та розвитку Як AI-орієнтована інфраструктура Layer 1, платформа повинна не лише мати технологічну перевагу, але й забезпечувати екосистемних учасників, таких як розробники, оператори вузлів, постачальники AI-послуг, повноцінними інструментами для розробки, інтегрованими SDK, підтримкою експлуатації та механізмами стимулювання. Через постійне вдосконалення доступності платформи та досвіду розробників, сприяти реалізації різноманітних AI-орієнтованих додатків та досягати сталого процвітання децентралізованої AI-екосистеми.

На основі вищезазначеного контексту та очікувань, ця стаття детально представить шість представницьких проєктів AI Layer1, зокрема Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, систематизує останні досягнення в цій галузі, аналізує стан розвитку проєктів та обговорює майбутні тенденції.

Sentient: побудова вірних відкритих децентралізованих AI моделей

Огляд проекту

Sentient є відкритою платформою протоколів, яка створює AI Layer1 у блокчейні ( на початковому етапі як Layer 2, а потім буде перенесена до Layer 1), поєднуючи AI Pipeline та технології блокчейну, щоб побудувати децентралізовану економіку штучного інтелекту. Її основна мета полягає в тому, щоб через "OML" фреймворк ( вирішити питання моделі власності, відстеження викликів та розподілу вартості на централізованому ринку LLM, забезпечуючи реалізацію структури власності AI моделей у блокчейні, прозорість викликів і 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, прагнучи створити платформу AGI, що керується спільнотою, є відкритою та підлягає перевірці. Основні учасники включають професора Принстонського університету Pramod Viswanath та професора Індійського інституту науки Himanshu Tyagi, які відповідно займаються безпекою AI та захистом конфіденційності, а також стратегією блокчейн та екосистемою, яку очолює співзасновник Polygon Sandeep Nailwal. Фон учасників охоплює відомі компанії, такі як Meta, Coinbase, Polygon, а також провідні університети, такі як Принстонський університет та Індійський інститут технологій, охоплюючи такі сфери, як AI/ML, NLP, комп'ютерне зору, спільно просуваючи реалізацію проекту.

Як другий стартап співзасновника Polygon Sandeep Nailwal, Sentient з моменту свого заснування вже мав ауру успіху, володіючи багатими ресурсами, контактами та ринковою обізнаністю, що забезпечило потужну підтримку розвитку проекту. У середині 2024 року Sentient завершив раунд початкового фінансування на суму 85 мільйонів доларів, який очолили Founders Fund, Pantera та Framework Ventures, а інші інвестиційні установи включали Delphi, Hashkey та десятки інших відомих венчурних капіталістів.

![Biteye та PANews спільно випустили дослідження 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 системи у блокчейні.

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

• Планування даних ( Data Curation ): процес вибору даних, що керується спільнотою, для вирівнювання моделі.
• Тренування лояльності(Loyalty Training): забезпечити, щоб модель підтримувала процес навчання, що відповідає намірам спільноти.

Система у блокчейні забезпечує прозорість та децентралізований контроль для протоколів, гарантуючи право власності на штучні артефакти, відстеження використання, розподіл доходів та справедливе управління. Конкретна архітектура поділяється на чотири рівні:

• Зберігання: зберігання ваг моделей та інформації про реєстрацію відбитків.
• Розподільчий рівень: вхід для виклику моделі контролю авторизації контракту;
• Доступний рівень: перевірка авторизації користувача через підтвердження прав.
• Стимулюючий рівень: контракт маршрутизації доходів буде виплачувати винагороду тренерам, розробникам та валідаторам з кожного виклику.

(## OML модельна рамка

OML фреймворк ) відкритий Open, монетизований Monetizable, лояльний Loyal ### є основною концепцією, 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 покращення з боку спільноти.
• Монетизація: Кожен виклик моделі буде генерувати потік доходу, у блокчейні контракт розподілить доходи між тренерами, розробниками та валідаторами.
• Лояльність: Модель належить спільноті учасників, напрямок оновлень та управління визначається DAO, використання та модифікація контролюються криптомеханізмами.

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

AI-оригінальне шифрування є використанням безперервності AI моделей, низьковимірної маніфольдної структури та диференційованих характеристик моделей для розробки "перевіряємого, але незнімного" легкого механізму безпеки. Його основна технологія полягає в:

• Вбудовування відбитків пальців: під час навчання вставляється набір прихованих пар ключ-значення запит-відповідь, що формує унікальний підпис моделі;
• Протокол перевірки прав власності: перевірка збереження відбитка пальця у формі запиту через третій детектор (Prover);
• Механізм виклику дозволів: перед викликом потрібно отримати "сертифікат дозволу", виданий власником моделі, після чого система надає моделі дозвіл декодувати цей вхід і повернути точну відповідь.

Цей спосіб дозволяє реалізувати "авторизаційний виклик на основі поведінки + перевірка належності" без витрат на повторне шифрування.

(## Модель підтвердження прав власності та безпечна виконавча рамка

Sentient наразі використовує Melange змішану безпеку: поєднання підтвердження за допомогою відбитка пальця, виконання TEE та розподіл прибутку за контрактами у блокчейні. Метод відбитка пальця реалізовано через OML 1.0, підкреслюючи ідею "оптимістичної безпеки )Optimistic Security###", тобто за замовчуванням відповідність, а у випадку порушення - можливість виявлення та покарання.

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

Крім того, Sentient запустила обчислювальну платформу Enclave TEE, використовуючи надійні середовища виконання (, такі 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 основною технологією для розгортання поточних моделей.

У майбутньому Sentient планує впровадити нульові докази (ZK) та гомоморфне шифрування (FHE), щоб ще більше посилити захист приватності та перевіряємості, забезпечуючи більш зріле децентралізоване розгортання AI-моделей.