Дослідження екосистеми AI Layer1: пошук родючих ґрунтів 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 небачені можливості в різних галузях, значно розширюючи людську уяву, а в деяких випадках навіть показують потенціал заміни людської праці. Проте, основа цих технологій залишається міцно в руках небагатьох централізованих технологічних гігантів. Завдяки потужному капіталу та контролю над дорогими ресурсами обчислень, ці компанії створили непереборні бар'єри, які ускладнюють більшості розробників і інноваційних команд з ними конкурувати.

У той же час, на початковому етапі швидкого розвитку ШІ, суспільна думка часто зосереджується на прориві та зручностях, які приносить технологія, тоді як увага до таких ключових питань, як захист приватності, прозорість та безпека, залишається відносно недостатньою. У довгостроковій перспективі ці питання глибоко вплинуть на здоровий розвиток індустрії ШІ та суспільну прийнятність. Якщо їх не вирішити належним чином, суперечки щодо "доброго" чи "поганого" ШІ ставитимуться все більш гостро, а централізовані гіганти, керуючись інстинктом прибутку, часто не мають достатньої мотивації для активного реагування на ці виклики.

Технологія блокчейн, завдяки своїм децентралізованим, прозорим та антицензурним характеристикам, відкриває нові можливості для сталого розвитку індустрії ШІ. На сьогоднішній день на деяких основних блокчейнах вже з'явилося безліч "Web3 AI" додатків. Але глибокий аналіз показує, що ці проекти все ще стикаються з безліччю проблем: з одного боку, ступінь децентралізації є обмеженою, ключові етапи та інфраструктура все ще залежать від централізованих хмарних сервісів, що ускладнює підтримку справжньої відкритої екосистеми; з іншого боку, у порівнянні з AI продуктами світу Web2, у блокчейні AI все ще є обмеження в моделях можливостей, використанні даних та сценаріях застосування, глибина та ширина інновацій потребують підвищення.

Щоб насправді реалізувати бачення децентралізованого AI, зробити так, щоб блокчейн міг безпечно, ефективно та демократично підтримувати масові AI застосування та конкурувати з централізованими рішеннями в плані продуктивності, нам потрібно спроектувати Layer1 блокчейн, спеціально створений для AI. Це забезпечить міцну основу для відкритих інновацій в AI, демократичного управління та безпеки даних, сприяючи процвітанню децентралізованої AI екосистеми.

Основні характеристики AI Layer 1

AI Layer 1 як блокчейн, спеціально розроблений для AI-додатків, має архітектуру та продуктивність, які тісно пов'язані з вимогами AI-завдань, з метою ефективної підтримки сталого розвитку та процвітання AI-екосистеми у блокчейні. Зокрема, AI Layer 1 має володіти такими ключовими можливостями:

1. Ефективні стимули та децентралізований механізм консенсусу Ядро AI Layer 1 полягає в побудові відкритої мережі для спільного використання ресурсів, таких як обчислювальна потужність і 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 надавати обчислювальну потужність і завершувати навчання та інференцію AI моделей, але й вносити різноманітні ресурси, такі як зберігання, дані, пропускна здатність тощо, щоб зламати монополію централізованих гігантів на інфраструктуру AI. Це ставить вищі вимоги до основного консенсусу та механізмів стимулювання: AI Layer 1 повинен мати можливість точно оцінювати, стимулювати та перевіряти фактичний внесок вузлів у завдання інференції та навчання AI, забезпечуючи безпеку мережі та ефективний розподіл ресурсів. Тільки так можна забезпечити 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 дуже високі вимоги до обчислювальної продуктивності та можливостей паралельної обробки. Більш того, екосистема ШІ 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 на базовій архітектурі бути глибоко оптимізованим під вимоги високої пропускної здатності, низької затримки та еластичної паралелі, а також передбачати нативну підтримку гетерогенних обчислювальних ресурсів, щоб забезпечити ефективне виконання різних завдань ШІ та реалізувати плавне масштабування від "однорідних завдань" до "складних різноманітних екосистем".

3. Перевірність та гарантія надійного виходу AI Layer 1 не лише має запобігати зловживанням моделями, фальсифікаціям даних та іншим загрозам безпеці, але й забезпечувати верифікацію та узгодженість результатів, що генеруються AI, на рівні базових механізмів. Завдяки інтеграції надійних виконавчих середовищ (TEE), доказів із нульовим розголошенням (ZK), багатосторонніх безпечних обчислень (MPC) та інших передових технологій, платформа може забезпечити, щоб кожен процес інференції моделі, навчання та обробки даних міг бути незалежно перевірений, гарантуючи справедливість та прозорість системи AI. Водночас ця верифікація може допомогти користувачам зрозуміти логіку та підстави виходу AI, реалізуючи принцип "з отриманого – те, що бажане", підвищуючи довіру та задоволеність користувачів продуктами AI.

4. Захист конфіденційності даних Застосування ШІ часто пов'язане з чутливими даними користувачів, особливо у фінансовій, медичній та соціальній сферах, де захист конфіденційності даних є надзвичайно важливим. AI Layer 1 має забезпечити перевіреність, використовуючи технології обробки даних на основі шифрування, протоколи обчислень з конфіденційністю та управління правами доступу до даних, щоб гарантувати безпеку даних на всіх етапах, таких як висновки, навчання та зберігання, ефективно запобігаючи витоку та зловживанню даними, усуваючи занепокоєння користувачів щодо безпеки даних.

5. Потужна екосистема та підтримка розробки Як AI нативна інфраструктура Layer 1, платформа повинна не лише мати технологічну перевагу, але й надавати екосистемним учасникам, таким як розробники, оператори вузлів та постачальники AI послуг, повноцінні інструменти для розробки, інтегровані SDK, підтримку експлуатації та механізми стимулювання. Завдяки безперервній оптимізації доступності платформи та досвіду розробників, сприяти реалізації різноманітних AI нативних додатків, забезпечити постійне процвітання децентралізованої AI екосистеми.

Виходячи з вище наведеного контексту та очікувань, у цій статті буде детально представлено шість представницьких проектів AI Layer1, зокрема Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, системно проаналізовано останні досягнення в цій галузі, розглянуто поточний стан розвитку проектів та обговорено майбутні тенденції.

Sentient: побудова відданих відкритих децентралізованих AI моделей

Огляд проекту

Sentient є відкритою платформою протоколів, яка створює AI Layer1 у блокчейні ( на початковій стадії Layer 2, а потім перейде на Layer 1), поєднуючи AI Pipeline та технології блокчейну для створення децентралізованої економіки штучного інтелекту. Його основна мета полягає в тому, щоб за допомогою "OML" фрейму (відкритий, прибутковий, лояльний) вирішити проблеми, пов'язані з правом власності на моделі, відстеженням викликів та розподілом вартості на централізованому ринку LLM, забезпечуючи реалізацію структури власності моделей AI у блокчейні, прозорість викликів та розподіл вартості. Візія Sentient полягає в тому, щоб кожен міг створювати, співпрацювати, володіти та монетизувати продукти AI, тим самим сприяючи створенню справедливої, відкритої екосистеми AI Agent.

Команда Sentient Foundation об'єднала провідних академічних експертів, підприємців у сфері блокчейну та інженерів з усього світу, прагнучи створити спільнотний, відкритий та перевіряємий платформу AGI. До основних учасників належать професор Принстонського університету Pramod Viswanath та професор Індійського інституту науки Himanshu Tyagi, які відповідальні за безпеку та захист приватності AI, а стратегія блокчейну та екосистема очолюється співзасновником Polygon Sandeep Nailwal. 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 такі сфери, як AI/ML, NLP, комп'ютерне бачення та спільно працюючи над реалізацією проекту.

Як другий проект засновника Polygon Sandeep Nailwal, Sentient з моменту свого заснування мав певну ауру, володіючи багатими ресурсами, зв'язками та ринковою обізнаністю, що забезпечило потужну підтримку для розвитку проекту. У середині 2024 року Sentient завершив раунд фінансування в розмірі 85 мільйонів доларів США, який очолили Founders Fund, Pantera та Framework Ventures, а також кілька десятків відомих венчурних капіталів, таких як Delphi, Hashkey та Spartan.

Проектування архітектури та рівень застосування

Інфраструктурний рівень

Ядро архітектури

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

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

• Планування даних (Data Curation): процес вибору даних, що керується спільнотою, для вирівнювання моделей.
• Тренування лояльності (Loyalty Training): забезпечення відповідності процесу навчання намірам спільноти.

Блокчейн-система забезпечує прозорість та децентралізований контроль для протоколу, гарантуючи власність на AI артефакти, відстеження використання, розподіл доходів та справедливе управління. Конкретна архітектура поділяється на чотири рівні:

• Сховище: зберігання ваг моделей та інформації про реєстрацію відбитків пальців;
• Розподільчий шар: вхід для виклику моделі контролю договору на авторизацію;
• Шар доступу: перевірка авторизації користувача через підтвердження прав.
• Ін Incentive Layer: Контракт маршрутизації доходів розподіляє плату під час кожного виклику між тренерами, розробниками та валідаторами.

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. Поєднуючи у блокчейні технології та AI рідну криптографію, він має такі характеристики:

• Відкритість: Модель повинна бути з відкритим кодом, код і структура даних мають бути прозорими, що полегшує відтворення, аудит і покращення з боку спільноти.
• Монетизація: кожен виклик моделі буде ініціювати потік доходів, у блокчейні контракт буде розподіляти доходи між тренерами, розробниками та перевіряючими.
• Вірність: Модель належить спільноті внесків, напрямок оновлень і управління визначається DAO, використання та зміни контролюються криптографічним механізмом.

AI-родна криптографія (AI-native Cryptography)

AI нативне шифрування використовує безперервність моделей AI, структуру низьковимірного маніфольду та диференційовані характеристики моделей для розробки "верифікованого, але незнімного" легкого механізму безпеки. Його основна технологія така:

• Вбудовування відбитків пальців: під час навчання вставляється набір прихованих пар запит-відповідь для формування унікального підпису моделі;
• Протокол перевірки власності: перевірка, чи зберігається відбиток пальця, за допомогою запитів до стороннього детектора (Prover);
• Механізм дозволу на виклик: перед викликом потрібно отримати "дозвіл" від власника моделі, після чого система надає дозвіл моделі декодувати цей ввід і повернути точну відповідь.

Цей спосіб дозволяє реалізувати "авторизаційний виклик на основі поведінки + перевірка приналежності" без витрат на повторну криптографію.

Модель підтвердження прав і безпечного виконання

Sentient наразі використовує Melange змішану безпеку: поєднання підтвердження особи за допомогою відбитків пальців, виконання в TEE та розподіл прибутку за контрактами у блокчейні. При цьому метод відбитків пальців реалізується за допомогою OML 1.0, підкреслюючи ідею "оптимістичної безпеки (Optimistic Security)", тобто за замовчуванням вважається, що все відповідає вимогам, 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 моделей можуть перевіряти приналежність, запобігаючи несанкціонованому копіюванню та комерціалізації. Цей механізм не лише захищає права розробників моделей, але й надає відслідковувані записи використання моделей у блокчейні.

Крім того, Sentient представила обчислювальну платформу Enclave TEE, яка використовує довірене середовище виконання (таке як AWS Nitro Enclaves), щоб забезпечити відповідь моделі лише на авторизовані запити, запобігаючи несанкціонованому доступу та використанню. Хоча TEE залежить від апаратного забезпечення і має певні ризики безпеки, його висока продуктивність і