Звіт про AI Layer1: пошук родючих земель для DeAI у блокчейні

Огляд

Останніми роками провідні технологічні компанії, такі як OpenAI, Anthropic, Google, Meta, постійно сприяють стрімкому розвитку великих мовних моделей (LLM). LLM демонструють безпрецедентні можливості в різних сферах, значно розширюючи людську уяву, і навіть в деяких випадках виявляють потенціал заміни людської праці. Проте, ядро цих технологій міцно утримується в руках кількох централізованих технологічних гігантів. Завдяки значному капіталу та контролю над дорогими обчислювальними ресурсами ці компанії створили непереборні бар'єри, які ускладнюють більшості розробників і інноваційних команд конкурентоспроможність.

Водночас, на початковому етапі швидкого розвитку ШІ, суспільна думка часто зосереджена на прориві та зручності, які приносить технологія, тоді як увага до таких ключових питань, як захист конфіденційності, прозорість, безпека, є відносно недостатньою. У довгостроковій перспективі ці проблеми глибоко вплинуть на здоровий розвиток галузі ШІ та соціальну прийнятність. Якщо їх не вдасться належним чином вирішити, суперечка про те, чи "направити ШІ на добро" чи "на зло", стане все більш виразною, тоді як централізовані гіганти, під впливом інстинкту до отримання прибутку, часто не мають достатньої мотивації, щоб активно реагувати на ці виклики.

Технологія блокчейн, завдяки своїм децентралізованим, прозорим та антицензурним характеристикам, відкриває нові можливості для сталого розвитку індустрії ШІ. Наразі на основних блокчейнах вже з'явилося безліч додатків "Web3 AI". Проте, при детальному аналізі можна виявити, 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, що ускладнює підтримку по-справжньому відкритої екосистеми; з іншого боку, в порівнянні з AI-продуктами світу Web2, AI у блокчейні все ще має обмеження в моделях, використанні даних та сценаріях застосування, глибина та ширина інновацій потребують покращення.

Щоб дійсно реалізувати бачення децентралізованого ШІ, щоб блокчейн міг безпечно, ефективно та демократично підтримувати масштабні AI-додатки та конкурувати з централізованими рішеннями за продуктивністю, нам потрібно спроектувати Layer1 блокчейн, спеціально розроблений 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 розроблений для AI-додатків, має архітектуру та дизайн продуктивності, які тісно пов'язані з вимогами AI-завдань, з метою ефективної підтримки сталого розвитку та процвітання AI-екосистеми у блокчейні. Конкретно, AI Layer 1 повинен мати такі ключові можливості:

1. Ефективні стимули та децентралізований механізм консенсусу. Ядро AI Layer 1 полягає у створенні відкритої мережі для спільного використання ресурсів, таких як обчислювальна потужність та зберігання. На відміну від традиційних вузлів блокчейну, які в основному зосереджені на веденні обліку, вузли AI Layer 1 повинні виконувати більш складні завдання, не лише надаючи обчислювальну потужність та виконуючи навчання і інференцію AI-моделей, а й сприяючи зберіганню, даним, пропускній здатності та іншим різноманітним ресурсам, тим самим розриваючи монополію централізованих гігантів на інфраструктуру AI. Це ставить вищі вимоги до базового консенсусу та механізму стимулювання: AI Layer 1 повинен бути здатним точно оцінювати, заохочувати та перевіряти внесок вузлів у завдання інференції, навчання AI тощо, забезпечуючи безпеку мережі та ефективний розподіл ресурсів. Лише так можна забезпечити стабільність та процвітання мережі, а також ефективно знизити загальні витрати на обчислювальну потужність.

2. Висока продуктивність та підтримка гетерогенних завдань AI-завдань, особливо навчання та інференції LLM, висувають надвисокі вимоги до обчислювальної продуктивності та можливостей паралельної обробки. Більш того, у блокчейні AI-екосистема 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 оптимізувати потреби в високій пропускній здатності, низькій затримці та еластичній паралельності, а також передбачити рідну підтримку гетерогенних обчислювальних ресурсів, щоб забезпечити ефективне виконання різних AI-завдань, реалізуючи плавне розширення від "однорідних завдань" до "складної різноманітної екосистеми".

3. Перевірність та гарантія надійного виходу AI Layer 1 не лише повинна запобігти зловживанням моделлю, змінам даних та іншим загрозам безпеці, але й забезпечити перевірність та узгодженість виходу AI на рівні базових механізмів. Завдяки інтеграції надійного середовища виконання (TEE), доказів нульового знання (ZK), безпечних обчислень множини учасників (MPC) та інших передових технологій, платформа може забезпечити незалежну перевірку кожного процесу інференції моделі, навчання та обробки даних, гарантуючи справедливість і прозорість системи AI. Крім того, ця перевірність також допоможе користувачам чітко усвідомлювати логіку та підстави виходу AI, реалізуючи "отримане - це бажане", підвищуючи довіру та задоволеність користувачів продуктами AI.

4. Захист конфіденційності даних Застосування ШІ часто пов'язані з чутливими даними користувачів, особливо в фінансовій, медичній, соціальній та інших сферах, де захист конфіденційності даних є надзвичайно важливим. AI Layer 1 має забезпечити перевірність, одночасно використовуючи технології обробки даних на основі шифрування, протоколи обчислення конфіденційності та управління правами на дані, щоб гарантувати безпеку даних на всіх етапах - під час інференції, навчання та зберігання, ефективно запобігаючи витоку та зловживанню даними, знімаючи занепокоєння користувачів щодо безпеки даних.

5. Потужна екосистема та підтримка розробки Як корінна інфраструктура Layer 1 для AI, платформа повинна не лише мати технологічну перевагу, але й надавати розробникам, операторам вузлів, постачальникам AI послуг та іншим учасникам екосистеми повноцінні інструменти для розробки, інтегровані SDK, підтримку експлуатації та механізми стимулювання. Через постійне оптимізування доступності платформи та досвіду розробників, сприяти реалізації різноманітних корінних AI додатків та забезпечити сталий розвиток децентралізованої AI екосистеми.

Виходячи з вищезазначеного фону 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 стан розвитку проєктів та обговорено майбутні тенденції.

Sentient: побудова лояльної відкритої децентралізованої AI моделі

Огляд проекту

Sentient є платформою з відкритим кодом, яка створює AI Layer1 у блокчейні (. Початкова стадія - Layer 2, яка згодом буде перенесена на Layer 1). Поєднуючи AI Pipeline та технології блокчейну, вона будує децентралізовану економіку штучного інтелекту. Її основна мета - вирішити проблеми володіння моделями, трасування викликів та розподілу вартості на централізованому ринку LLM за допомогою "OML" (відкритий, прибутковий, відданий) фреймворку, щоб реалізувати структуру власності на моделі AI, прозорість викликів та розподіл вартості в блокчейні. Візія Sentient полягає в тому, щоб будь-хто міг створювати, співпрацювати, володіти та монетизувати продукти AI, тим самим сприяючи розвитку справедливої та відкритої екосистеми мережі AI Agent.

Команда Sentient Foundation об'єднала провідних академічних експертів, блокчейн-підприємців та інженерів з усього світу, щоб створити спільнотне, з відкритим кодом та перевірене AGI платформа. Основні учасники включають професора Принстонського університету Pramod Viswanath та професора Інституту індійських наук Himanshu Tyagi, які відповідають за безпеку AI та захист приватності, а також керівника стратегічного розвитку блокчейну та екологічного дизайну Sandeep Nailwal, співзасновника Polygon. Члени команди мають досвід роботи в таких відомих компаніях, як Meta, Coinbase, Polygon, а також у провідних університетах, таких як Принстонський університет та Індійський технологічний інститут, охоплюючи сфери AI/ML, NLP, комп'ютерного зору та інші, спільно сприяючи реалізації проекту.

Як другий проект підприємця Sandeep Nailwal, співзасновника Polygon, Sentient з моменту свого заснування мав ореол, володіючи багатими ресурсами, зв'язками та ринковою впізнаваністю, що забезпечувало потужну підтримку розвитку проекту. У середині 2024 року Sentient завершив раунд фінансування на суму 85 мільйонів доларів США, який очолили Founders Fund, Pantera та Framework Ventures, а також десятки інших відомих венчурних компаній, таких як Delphi, Hashkey та Spartan.

Проектування архітектури та прикладного рівня

Інфраструктурний рівень

Основна архітектура

Ядро архітектури Sentient складається з двох частин: AI Pipeline (AI Pipeline) та у блокчейні.

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

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

Система блокчейн забезпечує прозорість і децентралізований контроль для протоколів, гарантує право власності на AI артефакти, відстеження використання, розподіл доходів та справедливе управління. Конкретна архітектура поділяється на чотири шари:

• Зберігання: зберігання ваг моделей та інформації про реєстрацію відбитків.
• Розподільчий рівень: вхід для виклику моделей контролю за контрактом на авторизацію;
• Рівень доступу: перевірка правомірності користувача через підтвердження прав.
• Інсентивна ланка: Контракт маршрутизації доходів буде розподіляти виплати між тренерами, розробниками та валідаторами при кожному виклику.

OML модельна рамка

OML фреймворк (Відкритість Open, Монетизованість Monetizable, Лояльність Loyal) є основною концепцією, запропонованою Sentient, яка має на меті забезпечити чіткий захист прав власності та економічні стимули для відкритих AI моделей. Завдяки поєднанню технологій у блокчейні та рідної криптографії AI, має такі характеристики:

• Відкритість: Модель повинна бути відкритим кодом, код і структура даних повинні бути прозорими, щоб спростити відтворення, аудит та вдосконалення з боку спільноти.
• Монетизація: кожен виклик моделі буде викликати потік доходів, у блокчейні контракт буде розподіляти доходи між тренерами, розробниками та валідаційниками.
• Вірність: Модель належить спільноті внесків, напрямок оновлень і управління визначається DAO, використання та зміна контролюються криптографічним механізмом.

AI рідної криптографії (AI-native Cryptography)

AI-нативне шифрування використовує безперервність моделей AI, структуру низьковимірних маніфолдів та диференційовані характеристики моделей для розробки "перевіряємого, але незнімного" легкого безпечного механізму. Його основна технологія:

• Вбудовування відбитків пальців: під час навчання вставляється набір прихованих пар запит-відповідь для формування унікального підпису моделі;
• Протокол верифікації власності: верифікація збереження відбитків пальців у формі запитання через третій детектор (Prover);
• Механізм ліцензійного виклику: перед викликом необхідно отримати "дозвільний сертифікат", виданий власником моделі, після чого система надає дозвіл моделі декодувати цей вхід і повернути точну відповідь.

Цей спосіб дозволяє реалізувати "авторизовані виклики на основі поведінки + перевірку приналежності" без витрат на повторне шифрування.

Модель підтвердження прав та безпечна виконавча рамка

Sentient наразі використовує Melange змішану безпеку: поєднання підтвердження особи за допомогою відбитків пальців, виконання TEE та розподіл прибутку за контрактами у блокчейні. При цьому метод підтвердження особи за допомогою відбитків пальців реалізується через OML 1.0, що підкреслює ідею "оптимістичної безпеки (Optimistic Security)", тобто за замовчуванням відповідність, а порушення можуть бути виявлені і покарані.

Механізм відбитків пальців є ключовою реалізацією OML, він працює через вбудовування специфічних пар «питання-відповідь», що дозволяє моделі генерувати унікальний підпис на етапі навчання. За допомогою цих підписів власники моделей можуть перевіряти приналежність, запобігаючи несанкціонованому копіюванню та комерціалізації. Цей механізм не лише захищає права розробників моделей, але й надає можливість відстежувати поведінку використання моделей у 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, його висока продуктивність і реальний час роблять його основною технологією для розгортання сучасних моделей.