AI Layer1 Арена: знаходження родючих земель DeAI у блокчейні

У останні роки 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 людське уявлення, і навіть у деяких випадках показують потенціал заміни людської праці. Проте, ядро цих технологій залишилося у руках небагатьох централізованих технологічних гігантів. Завдяки значному капіталу та контролю над дорогими обчислювальними ресурсами, ці компанії встановили непереборні бар'єри, що ускладнює більшості розробників та інноваційних команд з ними змагатися.

В той же час, на початковій стадії швидкого розвитку ШІ суспільна думка часто зосереджується на прориві та зручностях, які приносить технологія, тоді як увага до таких ключових проблем, як захист конфіденційності, прозорість, безпека, є відносно недостатньою. У довгостроковій перспективі ці проблеми глибоко вплинуть на здоровий розвиток індустрії ШІ та суспільну прийнятність. Якщо їх не вирішити належним чином, суперечка про те, чи буде ШІ "на благо", чи "на зло", стане ще більш вираженою, тоді як централізовані гіганти, керуючись інстинктом отримання прибутку, зазвичай не мають достатньої мотивації для активного реагування на ці виклики.

Технологія блокчейн, завдяки своїм децентралізованим, прозорим та антицензурним характеристикам, надає нові можливості для сталого розвитку індустрії ШІ. Наразі на деяких основних блокчейнах вже з'явилася безліч застосувань "Web3 AI". Але при глибокому аналізі можна виявити, що ці проекти все ще мають безліч проблем: з одного боку, ступінь 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 у блокчейні все ще має обмеження в можливостях моделей, використанні даних та сценаріях застосування, глибина та ширина інновацій потребують підвищення.

Щоб дійсно реалізувати бачення децентралізованого ШІ, щоб блокчейн міг безпечно, ефективно і демократично підтримувати масштабні AI-додатки та конкурувати з централізованими рішеннями за продуктивністю, нам потрібно спроектувати Layer1 блокчейн, спеціально розроблений для AI. 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 базову архітектуру та продуктивність, що тісно пов'язані з потребами AI-завдань, з метою ефективної підтримки сталого розвитку та процвітання AI-екосистеми у блокчейні. Конкретно, AI Layer 1 повинна мати такі основні можливості:

1. Ефективні стимули та децентралізований механізм консенсусу Ядро AI Layer 1 полягає у створенні відкритої мережі для спільного використання ресурсів обчислювальної потужності, зберігання тощо. На відміну від традиційних вузлів блокчейну, які переважно зосереджуються на веденні облікових книг, вузли AI Layer 1 повинні виконувати більш складні завдання: вони не лише повинні надавати обчислювальну потужність, проводити навчання та інференцію AI-моделей, але й вносити різноманітні ресурси, такі як зберігання, дані, пропускна здатність, щоб зламати монополію централізованих гігантів на інфраструктуру AI. Це ставить вищі вимоги до базового консенсусу та механізму стимулювання: AI Layer 1 повинен бути здатний точно оцінювати, винагороджувати та перевіряти реальний внесок вузлів у завдання інференції, навчання AI тощо, забезпечуючи безпеку мережі та ефективний розподіл ресурсів. Тільки так можна гарантувати стабільність і процвітання мережі, а також ефективно знизити загальні витрати на обчислювальну потужність.

2. Висока продуктивність та підтримка гетерогенних завдань Завдання ШІ, особливо навчання та інференція LLM, висувають надзвичайно високі вимоги до обчислювальної продуктивності та можливостей паралельної обробки. Більше того, екосистема AI у блокчейні 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 рівні базової архітектури для задоволення вимог до високої пропускної здатності, низької затримки та еластичної паралельності, а також передбачити рідну підтримку гетерогенних обчислювальних ресурсів, щоб забезпечити ефективне виконання різних завдань ШІ, реалізуючи плавне розширення від "однорідних завдань" до "складної різноманітної екосистеми".

3. Перевірність та забезпечення надійного виходу AI Layer 1 не лише повинен запобігати зловживанням моделлю, підробці даних та іншим загрозам безпеці, але й забезпечувати перевірність та узгодженість виходу AI з основних механізмів. Завдяки інтеграції надійних середовищ виконання (TEE), нульових знань (ZK), багатопартійних безпечних обчислень (MPC) та інших передових технологій, платформа дозволяє кожен процес інференції моделі, навчання та обробки даних бути незалежно перевіреним, забезпечуючи справедливість та прозорість системи AI. Водночас ця перевірність також допомагає користувачам чітко зрозуміти логіку та підстави виходу AI, реалізуючи "одержане - це бажане", підвищуючи довіру та задоволеність користувачів продуктами AI.

4. Захист конфіденційності даних AI-застосунки 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, водночас використовуючи криптографічні технології обробки даних, протоколи конфіденційних обчислень та управління правами доступу до даних, щоб гарантувати безпеку даних протягом всього процесу - від інференції, навчання до зберігання, ефективно запобігаючи витоку та зловживанню даними, усуваючи занепокоєння користувачів щодо безпеки даних.

5. Потужна екосистема підтримки та розробки 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-сервісів, повними інструментами для розробки, інтегрованими SDK, підтримкою експлуатації та механізмами стимулювання. Через постійне оптимізування доступності платформи та досвіду розробників, сприяти впровадженню різноманітних AI-орієнтованих застосунків і забезпечити безперервне процвітання децентралізованої AI-екосистеми.

На основі вищезазначеного контексту та очікувань, у цій статті буде детально представлено шість代表 проектів AI Layer1, включаючи Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, систематизовано останні досягнення в цій галузі, проаналізовано поточний стан розвитку проектів та обговорено майбутні тенденції.

Sentient: побудова відданих відкритих децентралізованих AI моделей

Огляд проекту

Sentient є відкритою платформою протоколів, яка будує AI Layer1 у блокчейні ( на початковій стадії Layer 2, а потім мігрує до Layer 1). Поєднуючи AI Pipeline та технології блокчейну, вона створює децентралізовану економіку штучного інтелекту. Її основна мета полягає в тому, щоб вирішити проблеми власності моделей, відстеження викликів та розподілу вартості на централізованому ринку LLM через "OML" фреймворк (відкритий, прибутковий, лояльний), що дозволяє AI моделям реалізувати структуру власності у блокчейні, прозорість викликів та поділ вартості. Візія Sentient полягає в тому, щоб будь-хто міг створювати, співпрацювати, володіти та монетизувати AI продукти, тим самим сприяючи справедливій та відкритій екосистемі мережі AI Agent.

Команда Sentient Foundation об'єднала провідних академічних експертів, підприємців у сфері блокчейну та інженерів з усього світу, яка прагне створити спільнотно керовану, відкриту та перевірну платформу AGI. Основні учасники включають професора Принстонського університету Pramod Viswanath та професора Індійського наукового інституту Himanshu Tyagi, які відповідають за безпеку та захист приватності AI, а також під керівництвом співзасновника Polygon Sandeep Nailwal, який веде стратегію блокчейну та екосистему. Фон учасників команди охоплює відомі компанії, такі як Meta, Coinbase, Polygon, а також провідні університети, такі як Принстонський університет та Індійський технологічний інститут, що охоплюють сфери AI/ML, NLP, комп'ютерного зору та спільно працюють над реалізацією проекту.

Як другий стартап спільно засновника Polygon Sandeep Nailwal, Sentient з моменту свого створення мав ауру успіху, володіючи багатими ресурсами, контактами та ринковою впізнаваністю, що надало проекту потужну підтримку для розвитку. У середині 2024 року Sentient завершив раунд фінансування на суму 85 мільйонів доларів США, який очолили Founders Fund, Pantera та Framework Ventures, інші інвестиційні установи включають Delphi, Hashkey та Spartan та десятки інших відомих венчурних капіталістів.

Дизайн архітектури та рівень застосування

Інфраструктурний рівень

Основна архітектура

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

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

• Дані планування (Data Curation): процес вибору даних, що керується спільнотою, для узгодження моделей.
• Тренування лояльності (Loyalty Training): забезпечення того, щоб модель зберігала процес навчання, який відповідає намірам спільноти.

Система у блокчейні забезпечує прозорість і децентралізоване управління для протоколу, що гарантує право власності, відстеження використання, розподіл доходів та справедливе управління AI артефактами. Конкретна архітектура поділяється на чотири шари:

• Зберігання: зберігання ваг моделей та інформації про реєстрацію відбитків пальців;
• Розподільчий рівень: вхід для виклику моделі контролю за контрактом авторизації;
• Доступний рівень: перевірка правомірності дозволу користувача через підтвердження прав.
• Інсентивний рівень: Контракт маршрутизації доходів буде виплачувати винагороду кожного разу, коли він викликається, тренерам, розробникам та валідаціям.

OML модельна структура

OML фреймворк (Відкритий Open, Можливий для монетизації Monetizable, Вірний Loyal) є основною концепцією, запропонованою Sentient, яка має на меті забезпечення чіткої захисту прав власності та економічних стимулів для відкритих AI моделей. Поєднуючи технології у блокчейні та нативну криптографію AI, має такі особливості:

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

AI рідна криптографія (AI-native Cryptography)

AI-оригінальне шифрування використовує безперервність моделей AI, структуру низьковимірних маніфолдів та диференційованість моделей для розробки "перевірного, але незнімного" легковагового механізму безпеки. Його ключова технологія:

• Вбудовування відбитка пальця: під час навчання вставляється набір прихованих пар запит-відповідь, що формує унікальний підпис моделі;
• Протокол перевірки права власності: перевірка збереження відбитка пальця за допомогою запиту до стороннього детектора (Prover);
• Механізм виклику дозволів: перед викликом потрібно отримати "сертифікат дозволу", виданий власником моделі, а система на його основі надає моделі дозвіл декодувати цей вхід і повернути точну відповідь.

Цей спосіб дозволяє реалізувати "авторизаційні виклики на основі поведінки + верифікацію належності" без витрат на повторне шифрування.

Модель підтвердження прав і безпечного виконання

Sentient наразі використовує Melange змішану безпеку: поєднання підтвердження особи за допомогою відбитків пальців, виконання TEE, та розподіл прибутку за контрактами у блокчейні. Метод підтвердження особи за допомогою відбитків пальців реалізовано у OML 1.0, підкреслюючи ідею "оптимістичної безпеки (Optimistic Security)", тобто за замовчуванням вважається, що все відповідає нормам, а порушення можуть бути виявлені та покарані.

Механізм відбитків пальців є ключовою реалізацією OML, він дозволяє моделі генерувати унікальний підпис на етапі навчання шляхом вбудовування певних "питань-відповідей". Завдяки цим підписам власники моделі можуть підтверджувати власність, запобігаючи несанкціонованому копіюванню та комерціалізації. Цей механізм не лише захищає права розробників моделі, а й надає можливість відстежувати поведінку використання моделі 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 реагувала лише на авторизовані запити, запобігаючи несанкціонованому доступу та використанню. Хоча TEE покладається на апаратне забезпечення і має певні ризики безпеки, його високі показники продуктивності та переваги в режимі реального часу роблять його основною технологією для розгортання моделей.

У майбутньому Sentient планує впровадити технології нульових знань (ZK) та повної гомоморфної криптографії (FHE), щоб ще більше посилити захист конфіденційності та верифікацію, забезпечуючи децентралізоване розгортання AI моделей.