AI Layer1 дослідження: дослідження Децентралізації AI

Огляд

В останні роки провідні технологічні компанії, такі як OpenAI, Anthropic, Google, Meta, продовжують активно сприяти швидкому розвитку великих мовних моделей (LLM). LLM демонструють безпрецедентні можливості в різних сферах, значно розширюючи людську уяву, а в деяких ситуаціях навіть проявляючи потенціал заміни людської праці. Однак ядро цих технологій міцно контролюється невеликою кількістю централізованих технологічних гігантів. Завдяки потужному капіталу та контролю за дорогими обчислювальними ресурсами ці компанії створюють непереборні бар'єри, що ускладнює для більшості розробників і інноваційних команд конкуренцію з ними.

Водночас, на початку швидкого розвитку ШІ суспільна думка часто зосереджується на прориві та зручностях, які приносить технологія, тоді як увага до таких ключових питань, як захист конфіденційності, прозорість, безпека, залишається відносно недостатньою. У довгостроковій перспективі ці проблеми глибоко вплинуть на здоровий розвиток галузі ШІ та її прийнятність у суспільстві. Якщо їх не вдасться належним чином вирішити, суперечки про те, чи "направлений" ШІ на добро чи зло, стануть все більш виразними, а децентралізовані гіганти, керуючись інстинктом отримання прибутку, часто не мають достатньої мотивації для активного реагування на ці виклики.

Технологія блокчейн, завдяки своїм характеристикам децентралізації, прозорості та стійкості до цензури, відкриває нові можливості для сталого розвитку індустрії штучного інтелекту. Наразі на таких основних блокчейнах, як Solana та Base, вже з'явилося безліч застосувань "Web3 AI". Але при детальному аналізі можна виявити, що ці проекти все ще мають безліч проблем: з одного боку, ступінь децентралізації обмежена, ключові етапи та інфраструктура все ще залежать від централізованих хмарних сервісів, мемна природа занадто домінує, що ускладнює підтримку справжньої відкритої екосистеми; з іншого боку, у порівнянні з продуктами штучного інтелекту у світі Web2, ланцюговий штучний інтелект все ще має обмеження в моделях можливостей, використанні даних і сценаріях застосування, глибина та широта інновацій потребують підвищення.

Щоб справді реалізувати бачення децентралізованого ШІ, зробити блокчейн безпечним, ефективним і демократичним для підтримки масштабних AI-додатків і забезпечити його продуктивність на рівні централізованих рішень, нам потрібно спроектувати Layer1 блокчейн, спеціально розроблений 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 створений для AI-додатків, має базову архітектуру та проектування продуктивності, які тісно пов'язані з потребами AI-завдань, з метою ефективної підтримки стійкого розвитку та процвітання AI-екосистеми на ланцюгу. Конкретно, AI Layer 1 має володіти такими основними можливостями:

1. Ефективні стимули та децентралізований механізм консенсусу Основою AI Layer 1 є створення відкритої мережі для спільного використання обчислювальних потужностей, сховищ та інших ресурсів. На відміну від традиційних блокчейн-вузлів, які в основному зосереджені на веденні бухгалтерії, вузли AI Layer 1 повинні виконувати більш складні завдання: не тільки надавати обчислювальні потужності, виконувати навчання та інференцію AI-моделей, але й вносити різноманітні ресурси, такі як сховище, дані, пропускна здатність, для зламу монополії централізованих гігантів у інфраструктурі AI. Це ставить вищі вимоги до базового консенсусу та механізму стимулювання: AI Layer 1 повинен мати можливість точно оцінювати, стимулювати та перевіряти фактичний внесок вузлів у завданнях інференції та навчання AI, забезпечуючи безпеку мережі та ефективний розподіл ресурсів. Лише так можна гарантувати стабільність та процвітання мережі, а також ефективно знижувати загальні витрати на обчислювальні потужності.

2. Висока продуктивність та підтримка гетерогенних завдань Завдання AI, особливо навчання та висновки LLM, ставлять дуже високі вимоги до обчислювальної продуктивності та можливостей паралельної обробки. Крім того, AI-екосистема на блокчейні часто повинна підтримувати різноманітні, гетерогенні типи завдань, включаючи різні структури моделей, обробку даних, висновки, зберігання та інші різноманітні сценарії. AI Layer 1 повинен бути глибоко оптимізований для запитів на високу пропускну спроможність, низьку затримку та еластичну паралельність на рівні базової архітектури, а також передбачити рідну підтримку гетерогенних обчислювальних ресурсів, щоб забезпечити ефективне виконання різних завдань AI та реалізувати плавне розширення від "однотипних завдань" до "складних різноманітних екосистем".

3. Перевірність та надійність виходу AI Layer 1 не лише має запобігати зловживанням моделей, підробці даних та іншим загрозам безпеці, але й має забезпечити перевірність та узгодженість результатів AI на базовому рівні. Завдяки інтеграції надійних виконавчих середовищ (TEE), нульових знань (ZK), безпечних обчислень з багатьох сторін (MPC) та інших передових технологій, платформа дозволяє кожен процес моделювання, навчання та обробки даних незалежно перевіряти, забезпечуючи справедливість та прозорість системи AI. Водночас така перевірність також допомагає користувачам чітко розуміти логіку та підстави виходу AI, реалізуючи "отримане - це бажане", підвищуючи довіру та задоволеність користувачів продуктами AI.

4. Захист конфіденційності даних Застосування ШІ 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, одночасно використовуючи технології обробки даних на основі шифрування, протоколи конфіденційних обчислень та управління правами на дані, щоб забезпечити безпеку даних на всіх етапах, таких як інференція, навчання та зберігання, ефективно запобігаючи витоку та зловживанню даними, усуваючи побоювання користувачів щодо безпеки даних.

5. Потужна екосистема підтримки та розробки Як AI-оригінальна інфраструктура рівня 1, платформа повинна не лише мати технологічну перевагу, але й надавати розробникам, операторам вузлів, постачальникам AI-послуг та іншим учасникам екосистеми повний набір інструментів для розробки, інтегрований SDK, підтримку експлуатації та механізми мотивації. Через постійну оптимізацію доступності платформи та досвіду розробників, сприяти реалізації різноманітних AI-оригінальних застосунків, досягти постійного процвітання децентралізованої AI-екосистеми.

Виходячи з наведеного фону та очікувань, у цій статті детально розглядаються шість представницьких проєктів AI Layer1, включаючи Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, систематизуються останні досягнення в цій галузі, аналізується поточний стан розвитку проєктів та обговорюються майбутні тенденції.

Sentient: побудова вірного відкритого децентралізованого AI моделі

Огляд проекту

Sentient є відкритою платформою протоколів, яка створює AI Layer1 блокчейн ( на початковому етапі Layer 2, а потім буде перенесена на Layer 1), шляхом поєднання AI Pipeline та технології блокчейн, будує децентралізовану економіку штучного інтелекту. Його основною метою є вирішення проблеми власності на моделі, відстеження викликів і розподілу вартості на централізованому ринку LLM за допомогою "OML" фрейму (відкритий, прибутковий, лояльний), що дозволяє AI моделям реалізувати структуру власності на 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, щоб створити спільнотно керовану, відкриту та перевірену платформу AGI. Основними учасниками є професор Принстонського університету Pramod Viswanath і професор Індійського наукового інституту Himanshu Tyagi, які відповідають за безпеку AI та захист приватності, а також співзасновник Polygon Sandeep Nailwal, який веде стратегію блокчейн та екосистему. Фон учасників команди охоплює такі відомі компанії, як Meta, Coinbase, Polygon, а також провідні університети, такі як Принстонський університет та Індійський інститут технологій, що охоплює такі сфери, як AI/ML, NLP, комп'ютерне зору, спільно сприяючи реалізації проекту.

Як другий стартап співзасновника Polygon Sandeep Nailwal, Sentient з моменту свого заснування має ауру успіху, володіючи багатим набором ресурсів, зв'язків та ринкової впізнаваності, що забезпечує потужну підтримку розвитку проекту. У середині 2024 року Sentient завершив раунд фінансування на суму 85 мільйонів доларів, який очолили Founders Fund, Pantera та Framework Ventures, а також десятки відомих венчурних капітальних компаній, таких як Delphi, Hashkey та Spartan.

Проектування архітектури та прикладного рівня

Інфраструктурний рівень

Ядро архітектури

Ядро архітектури Sentient складається з двох частин: AI Pipeline (AI Pipeline) та Децентралізація системи.

AI трубопровід є основою для розробки та навчання "вірного AI" артефактів, що включає два основні процеси:​

• Планування даних (Data Curation): процес вибору даних, керований спільнотою, що використовується для вирівнювання моделей.
• Тренування лояльності (Loyalty Training): забезпечення того, щоб модель підтримувала навчальний процес, що відповідає намірам спільноти.

Блокчейн-система забезпечує прозорість і децентралізований контроль для протоколу, гарантує право власності на AI-артефакти, відстеження використання, розподіл доходів та справедливе управління. Конкретна архітектура складається з чотирьох рівнів:

• Зберігання: зберігання ваг моделей та інформації про реєстрацію відбитків.
• Розподільчий рівень: вхід для виклику моделей контролю контрактів авторизації;
• Рівень доступу: перевірка авторизації користувача за допомогою доказів прав.
• Інcentivний шар: Контракт на маршрутизацію доходів буде розподіляти плату при кожному виклику між тренерами, розробниками та валідарами.

OML модельний фрейм

OML фреймворк (Відкритий Open, Можливий для монетизації Monetizable, Вірний Loyal) є основною концепцією, запропонованою Sentient, що має на меті забезпечити чіткий захист прав власності та економічні стимули для відкритих AI моделей. Поєднуючи технології блокчейн і нативну криптографію AI, має такі характеристики:

• Відкритість: Модель повинна бути з відкритим вихідним кодом, код і структура даних мають бути прозорими, щоб спільнота могла відтворювати, перевіряти та вдосконалювати.
• Монетизація: кожен виклик моделі викликає потік доходів, смарт-контракт на блокчейні розподіляє доходи між тренерами, розробниками та валідаторами.
• Вірність: Модель належить спільноті внесків, напрямок оновлення та управління визначається DAO, використання та зміни контролюються криптомеханізмом.

AI рідна криптографія (AI-native Cryptography)

AI-оригінальне шифрування - це використання безперервності AI-моделів, структур низько вимірності та диференційованих характеристик моделей для розробки "перевірного, але незнімного" легкого механізму безпеки. Його основна технологія:

• Вбудовування відбитків пальців: під час навчання вставляється набір прихованих пар запит-відповідь для формування унікального підпису моделі;
• Протокол верифікації власності: перевірка, чи зберігається відбиток пальця за допомогою запитів через сторонній детектор (Prover);
• Механізм дозволу на виклик: перед викликом потрібно отримати "дозвільний сертифікат", виданий власником моделі, після чого система надає дозвіл моделі декодувати цей вхід і повернути точну відповідь.

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

Модель підтвердження прав та безпека виконання

Sentient наразі використовує Melange змішану безпеку: поєднання підтвердження особи за допомогою відбитків пальців, виконання TEE та розподіл прибутку через смарт-контракти. Серед методів підтвердження особи основним є OML 1.0, що підкреслює ідею "оптимістичної безпеки (Optimistic Security)", тобто за замовчуванням вважається, що все відповідає нормам, а порушення можуть бути виявлені та покарані.

Механізм відбитка пальців є ключовою реалізацією OML, він дозволяє шляхом вбудовування специфічних пар «питання-відповідь» моделі генерувати унікальний підпис на етапі навчання. Завдяки цим підписам, власники моделі можуть перевіряти приналежність, запобігаючи неавторизованому копіюванню та комерціалізації. Цей механізм не лише захищає права розробників моделей, а й забезпечує можливість відстеження поведінки використання моделей через запис на блокчейні.

Крім того, Sentient запустила обчислювальну платформу Enclave TEE, яка використовує довірене середовище виконання (таке як AWS Nitro Enclaves), щоб забезпечити, що модель відповідає лише на авторизовані запити, запобігаючи несанкціонованому доступу та використанню. Хоча TEE залежить від апаратного забезпечення і має певні ризики безпеки, але її висока продуктивність та реальний час роботи роблять її актуальною для поточного розгортання моделей.