AI Layer1 дослідження: пошук родючих ґрунтів для DeAI у блокчейні
Огляд
У останні роки провідні технологічні компанії, такі як OpenAI, Anthropic, Google, Meta, постійно сприяють стрімкому розвитку великих мовних моделей (LLM). LLM демонструють безпрецедентні можливості у різних сферах, значно розширюючи людське уявлення, навіть у деяких випадках проявляючи потенціал заміни людської праці. Однак ядро цих технологій надійно контролюється невеликою кількістю централізованих технологічних гігантів. Завдяки великим капіталам і контролю над дорогими ресурсами обчислень ці компанії створили непереборні бар'єри, що ускладнює більшості розробників та інноваційних команд з ними конкурувати.
Одночасно, на початку швидкого розвитку штучного інтелекту, суспільна думка часто зосереджується на прориві та зручностях, які приносить технологія, тоді як увага до таких ключових питань, як захист приватності, прозорість, безпека, є відносно недостатньою. У довгостроковій перспективі ці проблеми глибоко вплинуть на здоровий розвиток індустрії штучного інтелекту та її прийняття в суспільстві. Якщо їх не буде належним чином вирішено, суперечка про те, чи «добрий» чи «злий» штучний інтелект, буде все більше загострюватися, а централізовані гіганти, керуючись своєю природною прагматичністю, часто не мають достатньої мотивації для активного вирішення цих викликів.
Технологія блокчейн, завдяки своїм децентралізованим, прозорим і антицензурним характеристикам, забезпечує нові можливості для сталого розвитку індустрії штучного інтелекту. Наразі на деяких провідних блокчейнах з'явилося безліч "Web3 AI" додатків. Але глибокий аналіз показує, що ці проекти все ще мають численні проблеми: з одного боку, рівень децентралізації обмежений, ключові етапи та інфраструктура все ще залежать від централізованих хмарних сервісів, що ускладнює підтримку справжньої відкритої екосистеми; з іншого боку, в порівнянні з AI-продуктами світу Web2, AI в у блокчейні все ще має обмеження в можливостях моделей, використанні даних та сценаріях застосування, глибина та ширина інновацій потребують підвищення.
Щоб справді реалізувати бачення децентралізованого ШІ, необхідно, щоб у блокчейні безпечно, ефективно та демократично розміщувалися масштабні AI-додатки, а також щоб він міг конкурувати за продуктивністю з централізованими рішеннями, нам потрібно спроектувати Layer1 блокчейн, спеціально розроблений для AI. Це забезпечить міцну основу для відкритих інновацій в AI, демократичного управління та безпеки даних, сприяючи процвітанню децентралізованої екосистеми AI.
Основні характеристики AI Layer 1
AI Layer 1 як блокчейн, спеціально розроблений для AI-застосувань, має архітектуру та характеристики продуктивності, які тісно пов'язані з вимогами AI-завдань, з метою ефективної підтримки сталого розвитку та процвітання екосистеми AI у блокчейні. Зокрема, AI Layer 1 має мати такі основні можливості:
Ефективні стимули та децентралізований механізм консенсусу Основою AI Layer 1 є створення відкритої мережі для спільного використання ресурсів, таких як обчислювальна потужність та зберігання. На відміну від традиційних блокчейн-вузлів, які здебільшого зосереджуються на веденні бухгалтерії, вузли AI Layer 1 повинні виконувати більш складні завдання, не лише надаючи обчислювальну потужність, виконуючи навчання та інференцію AI-моделей, а також вносячи різноманітні ресурси, такі як зберігання, дані, пропускна здатність, тим самим руйнуючи монополію централізованих гігантів у інфраструктурі AI. Це ставить вищі вимоги до базового консенсусу та механізму стимулювання: AI Layer 1 повинен мати змогу точно оцінювати, стимулювати та перевіряти фактичний внесок вузлів у завдання інференції, навчання AI тощо, щоб забезпечити безпеку мережі та ефективний розподіл ресурсів. Тільки так можна гарантувати стабільність та процвітання мережі, а також ефективно знизити загальні витрати на обчислювальну потужність.
Висока продуктивність та підтримка гетерогенних завдань AI завдання, зокрема навчання та інференції LLM, висувають дуже високі вимоги до обчислювальної продуктивності та паралельної обробки. Більше 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 бути глибоко оптимізований на базовій архітектурі для вимог високої пропускної спроможності, низької затримки та еластичної паралельності, а також передбачати рідну підтримку гетерогенних обчислювальних ресурсів, щоб забезпечити ефективне виконання всіх AI завдань та реалізувати плавне розширення від "одиночних завдань" до "складної різноманітної екосистеми".
Верифікація та забезпечення надійного виходу AI Layer 1 має не лише запобігати зловживанням моделлю, змінам даних та іншим загрозам безпеці, але й забезпечувати верифікацію та узгодженість виходу AI з основних механізмів. Завдяки інтеграції надійного середовища виконання (TEE), нульових знань (ZK), багатосторонньої безпечної обробки (MPC) та інших передових технологій, платформа може дозволити незалежну верифікацію кожного процесу інференції моделі, навчання та обробки даних, забезпечуючи справедливість і прозорість системи AI. Одночасно ця верифікація може допомогти користувачам зрозуміти логіку та обґрунтування виходу AI, досягти "отриманого бажаного", підвищуючи довіру та задоволеність користувачів від продуктів AI.
Захист конфіденційності даних AI-додатки часто пов'язані з чутливими даними користувачів, у фінансовій, медичній, соціальній та інших сферах захист конфіденційності даних є особливо важливим. AI Layer 1 має забезпечити перевірність, використовуючи криптографічні технології обробки даних, протоколи обчислень конфіденційності та управління правами на дані, щоб забезпечити безпеку даних на всіх етапах: під час інференції, навчання та зберігання, ефективно запобігаючи витоку та зловживанню даними, усуваючи занепокоєння користувачів щодо безпеки даних.
Потужна екосистема підтримки та розробки Як AI-орієнтована інфраструктура рівня 1, платформа повинна не лише мати технологічні переваги, але й надавати розробникам, операторам вузлів, постачальникам AI послуг та іншим учасникам екосистеми повноцінні інструменти розробки, інтегровані SDK, підтримку експлуатації та механізми заохочення. Через постійне оптимізування доступності платформи та досвіду розробників, сприяти реалізації різноманітних AI-орієнтованих застосувань, досягти стійкого процвітання децентралізованої AI-екосистеми.
Виходячи з вищезазначеного контексту та очікувань, у цій статті буде детально представлено шість представницьких проектів AI Layer1, включаючи Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, систематизовано останні досягнення в цій галузі, проаналізовано сучасний стан розвитку проектів та обговорено майбутні тенденції.
Sentient: побудова вірного відкритого децентралізованого AI моделі
Огляд проекту
Sentient є відкритою платформою протоколів, яка створює AI Layer1 у блокчейні ( на початковій стадії Layer 2, після чого буде перенесена на Layer 1). Завдяки поєднанню AI Pipeline та технології блокчейн, будується децентралізована економіка штучного інтелекту. Її основна мета полягає в розв'язанні проблеми належності моделей, відстеження викликів та розподілу цінності на централізованому ринку LLM за допомогою рамки "OML" (відкритий, прибутковий, лояльний), що дозволяє реалізувати структуру власності моделей AI в у блокчейні, прозорість викликів та прибутковість цінності. Візія Sentient полягає в тому, щоб кожен міг створювати, співпрацювати, володіти та монетизувати продукти AI, що сприяє розвитку справедливого та відкритого екологічного середовища мережі AI Agent.
Команда Sentient Foundation об'єднала провідних академічних експертів, підприємців у сфері блокчейну та інженерів з усього світу, щоб створити платформи AGI, що керується спільнотою, є відкритим і верифікованим. До складу основних учасників входять професор Принстонського університету Pramod Viswanath та професор Інституту індійських наук Himanshu Tyagi, які відповідають за безпеку та конфіденційність ШІ, а також співзасновник Polygon Sandeep Nailwal, який веде стратегію блокчейну та екосистеми. Фон учасників команди охоплює такі відомі компанії, як Meta, Coinbase, Polygon, а також провідні університети, такі як Принстонський університет та Індійський технологічний інститут, покриваючи такі сфери, як AI/ML, NLP, комп'ютерне зору, спільно працюючи над реалізацією проекту.
Як другий проект підприємництва співзасновника Polygon Sandeep Nailwal, Sentient з самого початку мав ауру, володіючи багатими ресурсами, зв'язками та ринковою впізнаваністю, що забезпечило потужну підтримку розвитку проекту. У середині 2024 року Sentient завершив раунд фінансування на суму 85 мільйонів доларів США, очолюваний Founders Fund, Pantera та Framework Ventures, а також з участю десятків відомих VC, таких як Delphi, Hashkey та Spartan.
Проектування архітектури та рівня застосунків
Інфраструктурний рівень
Основна архітектура
Основна архітектура 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 основні процеси:
Планування даних (Data Curation): процес вибору даних, що керується спільнотою, для вирівнювання моделей.
Тренування лояльності (Loyalty Training): забезпечити, щоб модель підтримувала процес навчання, узгоджений з намірами спільноти.
Блокчейн-система забезпечує прозорість та децентралізований контроль для протоколу, гарантує власність на AI-артефакти, відстеження використання, розподіл доходів та справедливе управління. Конкретна архітектура ділиться на чотири рівні:
Складова зберігання: зберігання ваг моделей та інформації про реєстрацію відбитків пальців;
Розподільчий рівень: вхід для виклику моделі контролю за уповноваженими контрактами;
Доступний рівень: перевірка авторизації користувача шляхом підтвердження прав.
Стимулюючий рівень: Контракт маршрутизації доходів буде виплачувати винагороду тренерам, розробникам та валідаторам за кожен виклик.
OML модельна структура
OML фреймворк (Відкритий Open, Можливий для монетизації Monetizable, Лояльний Loyal) є основною концепцією, запропонованою Sentient, яка має на меті забезпечити чіткий захист прав власності та економічні стимули для відкритих AI моделей. Завдяки поєднанню у блокчейні технологій та AI рідної криптографії, має такі характеристики:
Відкритість: Модель повинна бути відкритою, код і структура даних повинні бути прозорими, щоб спростити відтворення, аудит та покращення з боку спільноти.
Монетизація: Кожен виклик моделі запускає потік доходу, у блокчейні контракт розподілить прибуток між тренерами, розгортальниками та валідаторами.
Вірність: Модель належить спільноті внесків, напрямок оновлення та управління визначається DAO, використання та модифікація контролюються криптомеханізмом.
AI рідна криптографія (AI-native Cryptography)
AI-нативне шифрування використовує безперервність AI-моделей, структуру низьковимірних маніфолдів та диференційовані характеристики моделей для розробки "перевіряємих, але незнищуваних" легковагових механізмів безпеки. Його ключова технологія:
Вбудовування відбитків пальців: під час навчання встраюється набір прихованих пар запит-відповідь для формування унікального підпису моделі;
Протокол верифікації власності: перевірка, чи збережено відбиток пальця, за допомогою запитів через сторонній детектор (Prover);
Механізм виклику дозволів: перед викликом потрібно отримати "дозвільний документ", 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 належності" без витрат на повторне шифрування.
Модель підтвердження прав власності та безпечна виконавча структура
Sentient наразі використовує Melange змішану безпеку: поєднання прав власності за допомогою відбитків пальців, виконання TEE та розподіл прибутків за контрактами у блокчейні. При цьому метод відбитків пальців реалізує основну лінію OML 1.0, підкреслюючи концепцію "оптимістичної безпеки (Optimistic Security)", тобто за замовчуванням дотримання норм, а порушення може бути виявлено та покарано.
Механізм відбитка пальця є ключовою реалізацією OML, він дозволяє моделі генерувати унікальний підпис на етапі навчання через вбудовані специфічні "питання-відповіді". Завдяки цим підписам, 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 представила обчислювальну платформу Enclave TEE, яка використовує довірене середовище виконання (таке як AWS Nitro Enclaves) для забезпечення того, щоб модель відповідала лише на авторизовані запити, запобігаючи несанкціонованому доступу та використанню. Хоча TEE залежить від апаратного забезпечення і має певні ризики безпеки, її висока продуктивність і переваги в реальному часі роблять її основою для розгортання поточних моделей.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
11 лайків
Нагородити
11
5
Поділіться
Прокоментувати
0/400
ProofOfNothing
· 5год тому
Капіталісти контролюють ШІ, трішки лякає.
Переглянути оригіналвідповісти на0
NoodlesOrTokens
· 6год тому
Не дозволяйте цим великим компаніям поглинути ШІ!
Переглянути оригіналвідповісти на0
Anon4461
· 6год тому
Ще одна хвиля обману для дурнів за допомогою AI прийшла
Переглянути оригіналвідповісти на0
OPsychology
· 6год тому
Хто зможе об'єднатися, щоб зламати монополію гігантів? Справді, паніка.
AI Layer1 нові змагання: аналіз Sentient та ще шести проектів, які формують Децентралізацію AI екосистему
AI Layer1 дослідження: пошук родючих ґрунтів для DeAI у блокчейні
Огляд
У останні роки провідні технологічні компанії, такі як OpenAI, Anthropic, Google, Meta, постійно сприяють стрімкому розвитку великих мовних моделей (LLM). LLM демонструють безпрецедентні можливості у різних сферах, значно розширюючи людське уявлення, навіть у деяких випадках проявляючи потенціал заміни людської праці. Однак ядро цих технологій надійно контролюється невеликою кількістю централізованих технологічних гігантів. Завдяки великим капіталам і контролю над дорогими ресурсами обчислень ці компанії створили непереборні бар'єри, що ускладнює більшості розробників та інноваційних команд з ними конкурувати.
Одночасно, на початку швидкого розвитку штучного інтелекту, суспільна думка часто зосереджується на прориві та зручностях, які приносить технологія, тоді як увага до таких ключових питань, як захист приватності, прозорість, безпека, є відносно недостатньою. У довгостроковій перспективі ці проблеми глибоко вплинуть на здоровий розвиток індустрії штучного інтелекту та її прийняття в суспільстві. Якщо їх не буде належним чином вирішено, суперечка про те, чи «добрий» чи «злий» штучний інтелект, буде все більше загострюватися, а централізовані гіганти, керуючись своєю природною прагматичністю, часто не мають достатньої мотивації для активного вирішення цих викликів.
Технологія блокчейн, завдяки своїм децентралізованим, прозорим і антицензурним характеристикам, забезпечує нові можливості для сталого розвитку індустрії штучного інтелекту. Наразі на деяких провідних блокчейнах з'явилося безліч "Web3 AI" додатків. Але глибокий аналіз показує, що ці проекти все ще мають численні проблеми: з одного боку, рівень децентралізації обмежений, ключові етапи та інфраструктура все ще залежать від централізованих хмарних сервісів, що ускладнює підтримку справжньої відкритої екосистеми; з іншого боку, в порівнянні з AI-продуктами світу Web2, AI в у блокчейні все ще має обмеження в можливостях моделей, використанні даних та сценаріях застосування, глибина та ширина інновацій потребують підвищення.
Щоб справді реалізувати бачення децентралізованого ШІ, необхідно, щоб у блокчейні безпечно, ефективно та демократично розміщувалися масштабні AI-додатки, а також щоб він міг конкурувати за продуктивністю з централізованими рішеннями, нам потрібно спроектувати Layer1 блокчейн, спеціально розроблений для AI. Це забезпечить міцну основу для відкритих інновацій в AI, демократичного управління та безпеки даних, сприяючи процвітанню децентралізованої екосистеми AI.
Основні характеристики AI Layer 1
AI Layer 1 як блокчейн, спеціально розроблений для AI-застосувань, має архітектуру та характеристики продуктивності, які тісно пов'язані з вимогами AI-завдань, з метою ефективної підтримки сталого розвитку та процвітання екосистеми AI у блокчейні. Зокрема, AI Layer 1 має мати такі основні можливості:
Ефективні стимули та децентралізований механізм консенсусу Основою AI Layer 1 є створення відкритої мережі для спільного використання ресурсів, таких як обчислювальна потужність та зберігання. На відміну від традиційних блокчейн-вузлів, які здебільшого зосереджуються на веденні бухгалтерії, вузли AI Layer 1 повинні виконувати більш складні завдання, не лише надаючи обчислювальну потужність, виконуючи навчання та інференцію AI-моделей, а також вносячи різноманітні ресурси, такі як зберігання, дані, пропускна здатність, тим самим руйнуючи монополію централізованих гігантів у інфраструктурі AI. Це ставить вищі вимоги до базового консенсусу та механізму стимулювання: AI Layer 1 повинен мати змогу точно оцінювати, стимулювати та перевіряти фактичний внесок вузлів у завдання інференції, навчання AI тощо, щоб забезпечити безпеку мережі та ефективний розподіл ресурсів. Тільки так можна гарантувати стабільність та процвітання мережі, а також ефективно знизити загальні витрати на обчислювальну потужність.
Висока продуктивність та підтримка гетерогенних завдань AI завдання, зокрема навчання та інференції LLM, висувають дуже високі вимоги до обчислювальної продуктивності та паралельної обробки. Більше 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 бути глибоко оптимізований на базовій архітектурі для вимог високої пропускної спроможності, низької затримки та еластичної паралельності, а також передбачати рідну підтримку гетерогенних обчислювальних ресурсів, щоб забезпечити ефективне виконання всіх AI завдань та реалізувати плавне розширення від "одиночних завдань" до "складної різноманітної екосистеми".
Верифікація та забезпечення надійного виходу AI Layer 1 має не лише запобігати зловживанням моделлю, змінам даних та іншим загрозам безпеці, але й забезпечувати верифікацію та узгодженість виходу AI з основних механізмів. Завдяки інтеграції надійного середовища виконання (TEE), нульових знань (ZK), багатосторонньої безпечної обробки (MPC) та інших передових технологій, платформа може дозволити незалежну верифікацію кожного процесу інференції моделі, навчання та обробки даних, забезпечуючи справедливість і прозорість системи AI. Одночасно ця верифікація може допомогти користувачам зрозуміти логіку та обґрунтування виходу AI, досягти "отриманого бажаного", підвищуючи довіру та задоволеність користувачів від продуктів AI.
Захист конфіденційності даних AI-додатки часто пов'язані з чутливими даними користувачів, у фінансовій, медичній, соціальній та інших сферах захист конфіденційності даних є особливо важливим. AI Layer 1 має забезпечити перевірність, використовуючи криптографічні технології обробки даних, протоколи обчислень конфіденційності та управління правами на дані, щоб забезпечити безпеку даних на всіх етапах: під час інференції, навчання та зберігання, ефективно запобігаючи витоку та зловживанню даними, усуваючи занепокоєння користувачів щодо безпеки даних.
Потужна екосистема підтримки та розробки Як AI-орієнтована інфраструктура рівня 1, платформа повинна не лише мати технологічні переваги, але й надавати розробникам, операторам вузлів, постачальникам AI послуг та іншим учасникам екосистеми повноцінні інструменти розробки, інтегровані SDK, підтримку експлуатації та механізми заохочення. Через постійне оптимізування доступності платформи та досвіду розробників, сприяти реалізації різноманітних AI-орієнтованих застосувань, досягти стійкого процвітання децентралізованої AI-екосистеми.
Виходячи з вищезазначеного контексту та очікувань, у цій статті буде детально представлено шість представницьких проектів AI Layer1, включаючи Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, систематизовано останні досягнення в цій галузі, проаналізовано сучасний стан розвитку проектів та обговорено майбутні тенденції.
Sentient: побудова вірного відкритого децентралізованого AI моделі
Огляд проекту
Sentient є відкритою платформою протоколів, яка створює AI Layer1 у блокчейні ( на початковій стадії Layer 2, після чого буде перенесена на Layer 1). Завдяки поєднанню AI Pipeline та технології блокчейн, будується децентралізована економіка штучного інтелекту. Її основна мета полягає в розв'язанні проблеми належності моделей, відстеження викликів та розподілу цінності на централізованому ринку LLM за допомогою рамки "OML" (відкритий, прибутковий, лояльний), що дозволяє реалізувати структуру власності моделей AI в у блокчейні, прозорість викликів та прибутковість цінності. Візія Sentient полягає в тому, щоб кожен міг створювати, співпрацювати, володіти та монетизувати продукти AI, що сприяє розвитку справедливого та відкритого екологічного середовища мережі AI Agent.
Команда Sentient Foundation об'єднала провідних академічних експертів, підприємців у сфері блокчейну та інженерів з усього світу, щоб створити платформи AGI, що керується спільнотою, є відкритим і верифікованим. До складу основних учасників входять професор Принстонського університету Pramod Viswanath та професор Інституту індійських наук Himanshu Tyagi, які відповідають за безпеку та конфіденційність ШІ, а також співзасновник Polygon Sandeep Nailwal, який веде стратегію блокчейну та екосистеми. Фон учасників команди охоплює такі відомі компанії, як Meta, Coinbase, Polygon, а також провідні університети, такі як Принстонський університет та Індійський технологічний інститут, покриваючи такі сфери, як AI/ML, NLP, комп'ютерне зору, спільно працюючи над реалізацією проекту.
Як другий проект підприємництва співзасновника Polygon Sandeep Nailwal, Sentient з самого початку мав ауру, володіючи багатими ресурсами, зв'язками та ринковою впізнаваністю, що забезпечило потужну підтримку розвитку проекту. У середині 2024 року Sentient завершив раунд фінансування на суму 85 мільйонів доларів США, очолюваний Founders Fund, Pantera та Framework Ventures, а також з участю десятків відомих VC, таких як Delphi, Hashkey та Spartan.
Проектування архітектури та рівня застосунків
Інфраструктурний рівень
Основна архітектура
Основна архітектура 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 основні процеси:
Блокчейн-система забезпечує прозорість та децентралізований контроль для протоколу, гарантує власність на AI-артефакти, відстеження використання, розподіл доходів та справедливе управління. Конкретна архітектура ділиться на чотири рівні:
OML модельна структура
OML фреймворк (Відкритий Open, Можливий для монетизації Monetizable, Лояльний Loyal) є основною концепцією, запропонованою Sentient, яка має на меті забезпечити чіткий захист прав власності та економічні стимули для відкритих AI моделей. Завдяки поєднанню у блокчейні технологій та AI рідної криптографії, має такі характеристики:
AI рідна криптографія (AI-native Cryptography)
AI-нативне шифрування використовує безперервність AI-моделей, структуру низьковимірних маніфолдів та диференційовані характеристики моделей для розробки "перевіряємих, але незнищуваних" легковагових механізмів безпеки. Його ключова технологія:
Цей спосіб дозволяє реалізувати "авторизаційний виклик на основі поведінки + верифікацію належності" без витрат на повторне шифрування.
Модель підтвердження прав власності та безпечна виконавча структура
Sentient наразі використовує Melange змішану безпеку: поєднання прав власності за допомогою відбитків пальців, виконання TEE та розподіл прибутків за контрактами у блокчейні. При цьому метод відбитків пальців реалізує основну лінію OML 1.0, підкреслюючи концепцію "оптимістичної безпеки (Optimistic Security)", тобто за замовчуванням дотримання норм, а порушення може бути виявлено та покарано.
Механізм відбитка пальця є ключовою реалізацією OML, він дозволяє моделі генерувати унікальний підпис на етапі навчання через вбудовані специфічні "питання-відповіді". Завдяки цим підписам, 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 представила обчислювальну платформу Enclave TEE, яка використовує довірене середовище виконання (таке як AWS Nitro Enclaves) для забезпечення того, щоб модель відповідала лише на авторизовані запити, запобігаючи несанкціонованому доступу та використанню. Хоча TEE залежить від апаратного забезпечення і має певні ризики безпеки, її висока продуктивність і переваги в реальному часі роблять її основою для розгортання поточних моделей.