Laporan Penelitian AI Layer1: Mencari Tanah Subur DeAI di on-chain

Ikhtisar

Dalam beberapa tahun terakhir, perusahaan teknologi terkemuka seperti OpenAI, Anthropic, Google, dan Meta telah mendorong perkembangan cepat model bahasa besar (LLM). LLM menunjukkan kemampuan yang belum pernah ada sebelumnya di berbagai industri, secara signifikan memperluas ruang imajinasi manusia, bahkan dalam beberapa skenario menunjukkan potensi untuk menggantikan tenaga kerja manusia. Namun, inti dari teknologi ini tetap berada di tangan sejumlah raksasa teknologi terdesentralisasi. Dengan modal yang kuat dan penguasaan terhadap sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun batasan yang sulit dilampaui, sehingga sebagian besar pengembang dan tim inovasi kesulitan untuk bersaing.

Pada awal kemajuan cepat AI, opini publik sering kali terfokus pada terobosan dan kenyamanan yang dibawa oleh teknologi, sementara perhatian terhadap masalah inti seperti perlindungan privasi, transparansi, dan keamanan relatif kurang. Dalam jangka panjang, masalah ini akan mempengaruhi dengan mendalam perkembangan sehat industri AI dan tingkat penerimaan masyarakat. Jika tidak dapat diselesaikan dengan baik, perdebatan mengenai apakah AI "menuju kebaikan" atau "menuju kejahatan" akan semakin menonjol, sementara raksasa terpusat yang didorong oleh naluri mencari keuntungan sering kali kekurangan dorongan yang cukup untuk secara proaktif menghadapi tantangan ini.

Teknologi blockchain, dengan sifat desentralisasi, transparansi, dan ketahanan terhadap sensor, memberikan kemungkinan baru untuk pengembangan berkelanjutan industri AI. Saat ini, banyak aplikasi "Web3 AI" telah muncul di blockchain utama seperti Solana dan Base. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih menghadapi banyak masalah: di satu sisi, tingkat desentralisasi yang terbatas, bagian penting dan infrastruktur masih bergantung pada layanan cloud terpusat, atribut meme yang terlalu berat, sulit untuk mendukung ekosistem terbuka yang benar-benar; di sisi lain, dibandingkan dengan produk AI di dunia Web2, AI on-chain masih memiliki keterbatasan dalam kemampuan model, pemanfaatan data, dan skenario aplikasi, kedalaman dan luas inovasi masih perlu ditingkatkan.

Untuk benar-benar mewujudkan visi AI terdesentralisasi, sehingga blockchain dapat dengan aman, efisien, dan demokratis mendukung aplikasi AI skala besar, serta bersaing dalam kinerja dengan solusi terpusat, kita perlu merancang blockchain Layer 1 yang dirancang khusus untuk AI. Ini akan memberikan dasar yang kuat untuk inovasi terbuka AI, demokrasi pengelolaan, dan keamanan data, serta mendorong perkembangan ekosistem AI terdesentralisasi yang makmur.

Fitur Utama AI Layer 1

AI Layer 1 sebagai blockchain yang dirancang khusus untuk aplikasi AI, arsitektur dan desain kinerjanya erat terkait dengan kebutuhan tugas AI, bertujuan untuk mendukung secara efisien perkembangan dan kemakmuran ekosistem AI yang berkelanjutan di atas rantai. Secara spesifik, AI Layer 1 harus memiliki kemampuan inti berikut:

1. Mekanisme insentif yang efisien dan konsensus terdesentralisasi Inti dari AI Layer 1 adalah membangun jaringan berbagi sumber daya terbuka seperti daya komputasi, penyimpanan, dan lainnya. Berbeda dengan node blockchain tradisional yang lebih fokus pada pencatatan buku besar, node AI Layer 1 perlu menjalankan tugas yang lebih kompleks, tidak hanya menyediakan daya komputasi, menyelesaikan pelatihan dan inferensi model AI, tetapi juga menyumbangkan penyimpanan, data, bandwidth, dan sumber daya beragam lainnya, untuk memecahkan monopoli raksasa terpusat dalam infrastruktur AI. Ini menuntut konsensus dan mekanisme insentif yang lebih tinggi: AI Layer 1 harus mampu mengevaluasi, memberi insentif, dan memverifikasi kontribusi nyata node dalam tugas inferensi dan pelatihan AI, untuk memastikan keamanan jaringan dan distribusi sumber daya yang efisien. Hanya dengan cara ini dapat menjamin stabilitas dan kemakmuran jaringan, serta secara efektif mengurangi biaya daya komputasi secara keseluruhan.

2. Kinerja tinggi yang luar biasa dan kemampuan dukungan tugas heterogen Tugas AI, terutama pelatihan dan inferensi LLM, menuntut kinerja komputasi dan kemampuan pemrosesan paralel yang sangat tinggi. Lebih lanjut, ekosistem AI on-chain sering kali perlu mendukung jenis tugas yang beragam dan heterogen, termasuk berbagai struktur model, pemrosesan data, inferensi, penyimpanan, dan berbagai skenario lainnya. AI Layer 1 harus melakukan optimasi mendalam pada arsitektur dasar untuk memenuhi kebutuhan throughput tinggi, latensi rendah, dan paralelisme elastis, serta mempersiapkan kemampuan dukungan asli untuk sumber daya komputasi heterogen, memastikan berbagai tugas AI dapat berjalan dengan efisien, mewujudkan perluasan yang mulus dari "tugas tunggal" ke "ekosistem kompleks dan beragam."

3. Verifiabilitas dan jaminan keluaran yang dapat dipercaya AI Layer 1 tidak hanya harus mencegah model berbuat jahat, penyimpangan data dan risiko keamanan lainnya, tetapi juga harus memastikan dari mekanisme dasar bahwa hasil keluaran AI dapat diverifikasi dan selaras. Dengan mengintegrasikan lingkungan eksekusi terpercaya (TEE), bukti nol pengetahuan (ZK), dan komputasi aman multipihak (MPC) serta teknologi-teknologi terdepan lainnya, platform dapat memastikan bahwa setiap inferensi model, pelatihan, dan proses pengolahan data dapat diverifikasi secara independen, menjamin keadilan dan transparansi sistem AI. Selain itu, verifikasi ini juga dapat membantu pengguna memahami logika dan dasar keluaran AI, mewujudkan "apa yang didapat adalah apa yang diinginkan", dan meningkatkan kepercayaan serta kepuasan pengguna terhadap produk AI.

4. Perlindungan Privasi Data Aplikasi AI seringkali melibatkan data sensitif pengguna, di bidang keuangan, kesehatan, sosial, dan lain-lain, perlindungan privasi data sangat penting. AI Layer 1 harus memastikan verifikasi sambil menerapkan teknologi pemrosesan data berbasis kriptografi, protokol komputasi privasi, dan manajemen izin data, untuk memastikan keamanan data selama seluruh proses inferensi, pelatihan, dan penyimpanan, secara efektif mencegah kebocoran dan penyalahgunaan data, serta menghilangkan kekhawatiran pengguna tentang keamanan data.

5. Kemampuan dukungan pengembangan dan pengangkutan ekosistem yang kuat Sebagai infrastruktur Layer 1 yang asli AI, platform tidak hanya harus memiliki keunggulan teknis, tetapi juga harus menyediakan alat pengembangan yang lengkap, SDK terintegrasi, dukungan operasi dan mekanisme insentif untuk pengembang, operator node, penyedia layanan AI, dan peserta ekosistem lainnya. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong peluncuran aplikasi AI yang kaya dan beragam, serta mewujudkan keberlangsungan kemakmuran ekosistem AI terdesentralisasi.

Berdasarkan latar belakang dan harapan di atas, artikel ini akan menyajikan secara rinci enam proyek AI Layer1 yang diwakili oleh Sentient, Sahara AI, Ritual, Gensyn, Bittensor, dan 0G, merangkum kemajuan terbaru di jalur ini, menganalisis keadaan pengembangan proyek, dan membahas tren masa depan.

Sentient: Membangun Model AI Terdesentralisasi Sumber Terbuka yang Loyal

Ringkasan Proyek

Sentient adalah platform protokol sumber terbuka yang sedang membangun blockchain AI Layer1 ( pada tahap awal sebagai Layer 2, dan kemudian akan bermigrasi ke Layer 1), dengan menggabungkan AI Pipeline dan teknologi blockchain, membangun ekonomi kecerdasan buatan terdesentralisasi. Tujuan inti adalah untuk menyelesaikan masalah kepemilikan model, pelacakan pemanggilan, dan distribusi nilai di pasar LLM terpusat melalui kerangka "OML" ( yang terbuka, menguntungkan, dan loyal ), sehingga model AI dapat mewujudkan struktur kepemilikan on-chain, transparansi pemanggilan, dan pembagian nilai. Visi Sentient adalah memungkinkan siapa saja untuk membangun, berkolaborasi, memiliki, dan memonetisasi produk AI, dengan demikian mendorong ekosistem jaringan AI Agent yang adil dan terbuka.

Tim Sentient Foundation mengumpulkan para ahli akademis terkemuka, pengusaha blockchain, dan insinyur dari seluruh dunia, berkomitmen untuk membangun platform AGI yang didorong oleh komunitas, sumber terbuka, dan dapat diverifikasi. Anggota inti termasuk profesor Princeton University Pramod Viswanath dan profesor Indian Institute of Science Himanshu Tyagi, yang masing-masing bertanggung jawab atas keamanan dan perlindungan privasi AI, sementara strategi blockchain dan tata ekosistem dipimpin oleh salah satu pendiri Polygon, Sandeep Nailwal. Anggota tim memiliki latar belakang dari perusahaan-perusahaan terkenal seperti Meta, Coinbase, Polygon, serta universitas terkemuka seperti Princeton University dan Indian Institute of Technology, mencakup bidang AI/ML, NLP, dan visi komputer, bekerja sama untuk mendorong implementasi proyek.

Sebagai proyek kewirausahaan kedua dari salah satu pendiri Polygon, Sandeep Nailwal, Sentient sejak awal didirikan sudah memiliki aura tersendiri, dengan sumber daya yang melimpah, jaringan yang luas, dan pengakuan pasar yang tinggi, yang memberikan dukungan kuat untuk perkembangan proyek. Pada pertengahan tahun 2024, Sentient menyelesaikan pendanaan putaran awal sebesar 85 juta dolar AS, dipimpin oleh Founders Fund, Pantera, dan Framework Ventures, dengan lembaga investasi lainnya termasuk Delphi, Hashkey, dan Spartan serta puluhan VC terkenal lainnya.

Desain Arsitektur dan Lapisan Aplikasi

Infrastruktur

Arsitektur Inti

Arsitektur inti Sentient terdiri dari dua bagian: AI Pipeline ( dan sistem blockchain.

AI pipeline adalah dasar untuk mengembangkan dan melatih artefak "loyal AI", yang mencakup dua proses inti:

• Perencanaan Data ) Data Curation (: Proses pemilihan data yang didorong oleh komunitas, digunakan untuk penyelarasan model.
• Pelatihan Loyalitas ): memastikan model tetap selaras dengan proses pelatihan yang sesuai dengan niat komunitas.

Sistem blockchain menyediakan transparansi dan kontrol desentralisasi untuk protokol, memastikan kepemilikan artefak AI, pelacakan penggunaan, distribusi pendapatan, dan tata kelola yang adil. Arsitektur spesifik dibagi menjadi empat lapisan:

• Lapisan penyimpanan: menyimpan bobot model dan informasi pendaftaran sidik jari;
• Lapisan distribusi: model kontrol kontrak otorisasi untuk titik masuk pemanggilan.
• Lapisan Akses: Memverifikasi apakah pengguna telah diberi wewenang melalui bukti izin;
• Lapisan insentif: Kontrak rute pendapatan akan membayar distribusi kepada pelatih, penyebar, dan validator setiap kali dipanggil.

(## Kerangka Model OML

Kerangka OML ) terbuka Open, dapat dimonetisasi Monetizable, dan setia Loyal ### adalah konsep inti yang diajukan oleh Sentient, bertujuan untuk memberikan perlindungan kepemilikan yang jelas dan mekanisme insentif ekonomi untuk model AI sumber terbuka. Dengan menggabungkan teknologi on-chain dan kriptografi asli AI, memiliki karakteristik berikut:

• Keterbukaan: Model harus bersifat open source, kode dan struktur data harus transparan, sehingga memudahkan komunitas untuk mereproduksi, mengaudit, dan meningkatkan.
• Monetisasi: Setiap kali model dipanggil, aliran pendapatan akan terpicu, kontrak on-chain akan mendistribusikan pendapatan kepada pelatih, penyebar, dan verifier.
• Loyalitas: Model milik komunitas kontributor, arah peningkatan dan tata kelola ditentukan oleh DAO, penggunaan dan modifikasi dikendalikan oleh mekanisme kripto.

(## Kriptografi Asli AI)

Kriptografi asli AI adalah menggunakan kontinuitas model AI, struktur manifold berdimensi rendah, dan sifat diferensial model untuk mengembangkan mekanisme keamanan ringan yang "dapat diverifikasi tetapi tidak dapat dihapus". Teknologi intinya adalah:

• Penyematan sidik jari: menyisipkan sekelompok pasangan kunci-nilai query-response yang tersembunyi selama pelatihan untuk membentuk tanda tangan unik model;
• Protokol Verifikasi Kepemilikan: Memverifikasi apakah sidik jari tetap ada melalui detektor pihak ketiga ###Prover( dalam bentuk pertanyaan query;
• Mekanisme pemanggilan yang diizinkan: Sebelum memanggil, perlu mendapatkan "sertifikat izin" yang diterbitkan oleh pemilik model, kemudian sistem akan memberikan otorisasi kepada model untuk mendekode input tersebut dan mengembalikan jawaban yang akurat.

Metode ini dapat mencapai "panggilan otorisasi berbasis perilaku + verifikasi kepemilikan" tanpa biaya re-enkripsi.

)## Kerangka Penegasan Model dan Eksekusi Aman

Sentient saat ini menggunakan Melange mixed security: menggabungkan verifikasi sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari adalah implementasi OML 1.0 sebagai jalur utama, menekankan pemikiran "Optimistic Security(" yaitu default kepatuhan, dan dapat terdeteksi serta dihukum setelah pelanggaran.

Mekanisme sidik jari adalah implementasi kunci dari OML, yang memungkinkan model untuk menghasilkan tanda tangan unik selama fase pelatihan dengan menyematkan pasangan "pertanyaan-jawaban" tertentu. Melalui tanda tangan ini, pemilik model dapat memverifikasi kepemilikan, mencegah penyalinan dan komersialisasi yang tidak sah. Mekanisme ini tidak hanya melindungi hak pengembang model, tetapi juga menyediakan catatan on-chain yang dapat dilacak untuk perilaku penggunaan model.

Selain itu, Sentient telah meluncurkan kerangka komputasi Enclave TEE, memanfaatkan lingkungan eksekusi tepercaya ) seperti AWS Nitro Enclaves ### untuk memastikan bahwa model hanya merespons permintaan yang berwenang, mencegah akses dan penggunaan yang tidak sah. Meskipun TEE bergantung pada perangkat keras dan memiliki beberapa risiko keamanan, keunggulan kinerja tinggi dan real-timenya menjadikannya teknologi inti dalam penerapan model saat ini.

Di masa depan, Sentient berencana untuk memperkenalkan teknologi pembuktian nol pengetahuan (ZK) dan enkripsi homomorfik penuh (FHE), untuk lebih meningkatkan perlindungan privasi dan verifikasi, serta menyediakan solusi yang lebih matang untuk penyebaran terdesentralisasi model AI.

(# Lapisan aplikasi

Saat ini, produk Sentient terutama mencakup platform obrolan terdesentralisasi Sentient Chat, seri model sumber terbuka Dobby, serta kerangka AI Agent.

)## Seri Dobby