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 terus mendorong perkembangan pesat model bahasa besar (LLM). LLM menunjukkan kemampuan yang belum pernah terjadi 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 dikuasai oleh segelintir raksasa teknologi terpusat. Dengan modal yang kuat dan penguasaan terhadap sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun batasan yang sulit untuk dilampaui, membuat sebagian besar pengembang dan tim inovasi sulit untuk bersaing.
Pada awal evolusi 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-masalah ini akan berdampak mendalam pada perkembangan sehat industri AI dan tingkat penerimaan masyarakat. Jika tidak dapat diselesaikan dengan baik, kontroversi apakah AI akan "menuju kebaikan" atau "menuju kejahatan" akan semakin mencolok, sementara raksasa terpusat yang didorong oleh naluri mencari keuntungan sering kali kurang memiliki motivasi yang cukup untuk secara proaktif menghadapi tantangan-tantangan ini.
Teknologi blockchain, dengan karakteristik desentralisasi, transparansi, dan ketahanan terhadap sensor, memberikan kemungkinan baru untuk perkembangan 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 memiliki banyak masalah: di satu sisi, tingkat desentralisasi yang terbatas, bagian penting dan infrastruktur masih bergantung pada layanan cloud terpusat, sifat meme yang terlalu kuat, 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 hal kemampuan model, pemanfaatan data, dan skenario aplikasi, kedalaman dan luas inovasi masih perlu ditingkatkan.
Untuk benar-benar mewujudkan visi AI yang terdesentralisasi, agar blockchain dapat dengan aman, efisien, dan demokratis menampung aplikasi AI berskala 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 pemerintahan, dan keamanan data, mendorong perkembangan yang makmur dari ekosistem AI terdesentralisasi.
Fitur Inti dari 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 di链上. Secara khusus, AI Layer 1 harus memiliki kemampuan inti berikut:
Insentif yang Efisien dan Mekanisme Konsensus Terdesentralisasi Inti dari AI Layer 1 adalah membangun jaringan berbagi sumber daya terbuka seperti daya komputasi dan penyimpanan. 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, sehingga dapat memecahkan monopoli raksasa terpusat dalam infrastruktur AI. Ini menuntut konsensus dan mekanisme insentif yang lebih tinggi: AI Layer 1 harus mampu menilai, memberikan insentif, dan memverifikasi kontribusi nyata node dalam tugas inferensi dan pelatihan AI, untuk mencapai keamanan jaringan dan distribusi sumber daya yang efisien. Hanya dengan cara ini jaringan dapat menjamin stabilitas dan kemakmuran, serta secara efektif mengurangi biaya daya komputasi secara keseluruhan.
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 jauh lagi, ekosistem AI on-chain sering kali perlu mendukung jenis tugas yang beragam dan heterogen, termasuk struktur model yang berbeda, pemrosesan data, inferensi, penyimpanan, dan berbagai skenario lainnya. AI Layer 1 harus mengoptimalkan secara mendalam untuk kebutuhan throughput tinggi, latensi rendah, dan paralelisme elastis di arsitektur dasar, serta menyediakan dukungan asli untuk sumber daya komputasi heterogen, memastikan bahwa berbagai tugas AI dapat berjalan dengan efisien, mencapai perluasan yang mulus dari "tugas tunggal" menjadi "ekosistem kompleks dan beragam."
Verifiabilitas dan Jaminan Output Tepercaya AI Layer 1 tidak hanya harus mencegah model berbuat jahat, pemalsuan data, dan risiko keamanan lainnya, tetapi juga harus memastikan verifiabilitas dan keselarasan hasil keluaran AI dari mekanisme dasar. Dengan mengintegrasikan lingkungan pelaksanaan tepercaya (TEE), bukti nol pengetahuan (ZK), komputasi aman multi-pihak (MPC), dan teknologi mutakhir lainnya, platform dapat memastikan bahwa setiap proses inferensi model, pelatihan, dan pemrosesan data dapat diverifikasi secara independen, memastikan keadilan dan transparansi sistem AI. Selain itu, verifiabilitas ini juga dapat membantu pengguna memahami logika dan dasar keluaran AI, mewujudkan "apa yang didapat sesuai harapan", serta meningkatkan kepercayaan dan kepuasan pengguna terhadap produk AI.
Perlindungan Privasi Data Aplikasi AI sering kali melibatkan data sensitif pengguna, di bidang keuangan, kesehatan, sosial, dan lainnya, perlindungan privasi data sangat penting. AI Layer 1 harus memastikan verifikasi sambil menggunakan teknologi pemrosesan data berbasis enkripsi, protokol komputasi privasi, dan manajemen hak data, untuk memastikan keamanan data selama seluruh proses inferensi, pelatihan, dan penyimpanan, secara efektif mencegah kebocoran dan penyalahgunaan data, serta menghilangkan kekhawatiran pengguna terkait keamanan data.
Kemampuan dukungan pengembangan dan kapasitas penyangga ekosistem yang kuat Sebagai infrastruktur Layer 1 yang asli AI, platform tidak hanya harus memiliki keunggulan teknologi, 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 penerapan aplikasi asli AI yang kaya dan beragam, serta mewujudkan keberlanjutan kemakmuran ekosistem AI terdesentralisasi.
Berdasarkan latar belakang dan harapan di atas, artikel ini akan secara rinci memperkenalkan enam proyek perwakilan AI Layer1 termasuk Sentient, Sahara AI, Ritual, Gensyn, Bittensor, dan 0G, menyusun kemajuan terbaru di jalur ini, menganalisis keadaan perkembangan proyek, dan membahas tren masa depan.
Sentient: Membangun model AI terdesentralisasi open source yang loyal
Ringkasan Proyek
Sentient adalah platform protokol sumber terbuka yang sedang membangun blockchain AI Layer1 ( pada fase awal sebagai Layer 2, kemudian akan bermigrasi ke Layer 1). Dengan menggabungkan AI Pipeline dan teknologi blockchain, dibangunlah ekonomi kecerdasan buatan yang terdesentralisasi. Tujuan inti adalah untuk menyelesaikan masalah kepemilikan model, pelacakan panggilan, dan distribusi nilai dalam pasar LLM terpusat melalui kerangka "OML" (terbuka, menguntungkan, loyal), sehingga model AI dapat mencapai struktur kepemilikan on-chain, transparansi panggilan, dan distribusi nilai. Visi Sentient adalah memungkinkan siapa pun untuk membangun, berkolaborasi, memiliki, dan memonetisasi produk AI, sehingga mendorong ekosistem jaringan AI Agent yang adil dan terbuka.
Tim Sentient Foundation mengumpulkan para ahli akademis terkemuka, pengusaha blockchain, dan insinyur dari seluruh dunia, yang berkomitmen untuk membangun platform AGI yang didorong oleh komunitas, sumber terbuka, dan dapat diverifikasi. Anggota inti termasuk profesor Pramod Viswanath dari Universitas Princeton dan profesor Himanshu Tyagi dari Indian Institute of Science, yang masing-masing bertanggung jawab atas keamanan dan perlindungan privasi AI, sementara strategi blockchain dan pengaturan ekosistem dipimpin oleh co-founder Polygon Sandeep Nailwal. Latar belakang anggota tim mencakup perusahaan terkenal seperti Meta, Coinbase, Polygon, serta universitas terkemuka seperti Universitas Princeton dan Indian Institute of Technology, mencakup bidang AI/ML, NLP, visi komputer, dan bekerja sama untuk mendorong proyek ke depan.
Sebagai proyek kewirausahaan kedua Sandeep Nailwal, salah satu pendiri Polygon, Sentient sudah memiliki aura sejak awal berdirinya, dengan sumber daya yang kaya, jaringan, dan kesadaran pasar, memberikan dukungan yang kuat untuk pengembangan proyek. Pada pertengahan tahun 2024, Sentient menyelesaikan pendanaan putaran benih sebesar 85 juta dolar AS, dipimpin oleh Founders Fund, Pantera, dan Framework Ventures, dengan lembaga investasi lain termasuk Delphi, Hashkey, dan Spartan serta puluhan VC terkenal lainnya.
arsitektur desain 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 (Loyalty Training): memastikan model tetap konsisten dengan proses pelatihan yang sejalan dengan niat komunitas.
Sistem blockchain memberikan transparansi dan kontrol terdesentralisasi 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: Pintu masuk panggilan model kontrol kontrak otorisasi;
Lapisan akses: memverifikasi apakah pengguna telah diberi wewenang melalui bukti izin;
Lapisan insentif: Kontrak rute pendapatan akan membayar setiap panggilan kepada pelatih, penyebar, dan validator.
Kerangka Model OML
Kerangka OML (Open, Monetizable, 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, memudahkan komunitas untuk mereproduksi, mengaudit, dan memperbaiki.
Monetisasi: Setiap panggilan model akan memicu aliran pendapatan, kontrak on-chain akan mendistribusikan pendapatan kepada pelatih, penyebar, dan validator.
Loyalitas: Model ini dimiliki oleh komunitas kontributor, arah peningkatan dan tata kelola ditentukan oleh DAO, penggunaan dan modifikasi dikendalikan oleh mekanisme kripto.
Kriptografi Asli AI (AI-native Cryptography)
Kriptografi asli AI adalah mekanisme keamanan ringan yang "dapat diverifikasi tetapi tidak dapat dihapus" yang dikembangkan dengan memanfaatkan kontinuitas model AI, struktur manifold berdimensi rendah, dan sifat dapat diferensiasi model. 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 dipertahankan melalui detektor pihak ketiga (Prover) dalam bentuk pertanyaan query;
Mekanisme pemanggilan izin: Sebelum memanggil, perlu mendapatkan "sertifikat izin" yang dikeluarkan oleh pemilik model, dan sistem kemudian memberikan otorisasi kepada model untuk mendekode input tersebut dan mengembalikan jawaban yang akurat.
Metode ini dapat mewujudkan "panggilan otorisasi berbasis perilaku + verifikasi kepemilikan" tanpa biaya re-enkripsi.
Kerangka Penegasan Model dan Eksekusi Aman
Sentient saat ini menggunakan Melange Mixed Security: kombinasi dari pengakuan sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari diimplementasikan dengan OML 1.0 sebagai garis utama, menekankan pemikiran "Keamanan Optimis (Optimistic Security)", yaitu secara default mematuhi aturan, dan dapat dideteksi serta dihukum jika melanggar.
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 tanpa izin. Mekanisme ini tidak hanya melindungi hak pengembang model, tetapi juga menyediakan catatan yang dapat dilacak di blockchain untuk perilaku penggunaan model.
Selain itu, Sentient telah meluncurkan kerangka kerja komputasi Enclave TEE, yang memanfaatkan lingkungan eksekusi terpercaya (seperti AWS Nitro Enclaves) untuk memastikan bahwa model hanya merespons permintaan yang diotorisasi, mencegah akses dan penggunaan yang tidak sah. Meskipun TEE bergantung pada perangkat keras dan memiliki risiko keamanan tertentu, keunggulan kinerja tinggi dan real-timenya menjadikannya teknologi inti untuk penerapan model saat ini.
Di masa depan, Sentient berencana untuk memperkenalkan teknologi bukti nol pengetahuan (ZK) dan enkripsi homomorfik sepenuhnya (FHE) untuk lebih meningkatkan perlindungan privasi dan verifikasi untuk model AI.
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
13 Suka
Hadiah
13
3
Bagikan
Komentar
0/400
MagicBean
· 07-13 19:52
Para raksasa tidak bisa bermain lagi!
Lihat AsliBalas0
BoredApeResistance
· 07-13 19:47
Sekali lagi cerita baru tentang web3 yang dianggap bodoh
Kebangkitan AI Layer1: Infrastruktur baru untuk ekosistem AI desentralisasi
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 terus mendorong perkembangan pesat model bahasa besar (LLM). LLM menunjukkan kemampuan yang belum pernah terjadi 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 dikuasai oleh segelintir raksasa teknologi terpusat. Dengan modal yang kuat dan penguasaan terhadap sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun batasan yang sulit untuk dilampaui, membuat sebagian besar pengembang dan tim inovasi sulit untuk bersaing.
Pada awal evolusi 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-masalah ini akan berdampak mendalam pada perkembangan sehat industri AI dan tingkat penerimaan masyarakat. Jika tidak dapat diselesaikan dengan baik, kontroversi apakah AI akan "menuju kebaikan" atau "menuju kejahatan" akan semakin mencolok, sementara raksasa terpusat yang didorong oleh naluri mencari keuntungan sering kali kurang memiliki motivasi yang cukup untuk secara proaktif menghadapi tantangan-tantangan ini.
Teknologi blockchain, dengan karakteristik desentralisasi, transparansi, dan ketahanan terhadap sensor, memberikan kemungkinan baru untuk perkembangan 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 memiliki banyak masalah: di satu sisi, tingkat desentralisasi yang terbatas, bagian penting dan infrastruktur masih bergantung pada layanan cloud terpusat, sifat meme yang terlalu kuat, 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 hal kemampuan model, pemanfaatan data, dan skenario aplikasi, kedalaman dan luas inovasi masih perlu ditingkatkan.
Untuk benar-benar mewujudkan visi AI yang terdesentralisasi, agar blockchain dapat dengan aman, efisien, dan demokratis menampung aplikasi AI berskala 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 pemerintahan, dan keamanan data, mendorong perkembangan yang makmur dari ekosistem AI terdesentralisasi.
Fitur Inti dari 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 di链上. Secara khusus, AI Layer 1 harus memiliki kemampuan inti berikut:
Insentif yang Efisien dan Mekanisme Konsensus Terdesentralisasi Inti dari AI Layer 1 adalah membangun jaringan berbagi sumber daya terbuka seperti daya komputasi dan penyimpanan. 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, sehingga dapat memecahkan monopoli raksasa terpusat dalam infrastruktur AI. Ini menuntut konsensus dan mekanisme insentif yang lebih tinggi: AI Layer 1 harus mampu menilai, memberikan insentif, dan memverifikasi kontribusi nyata node dalam tugas inferensi dan pelatihan AI, untuk mencapai keamanan jaringan dan distribusi sumber daya yang efisien. Hanya dengan cara ini jaringan dapat menjamin stabilitas dan kemakmuran, serta secara efektif mengurangi biaya daya komputasi secara keseluruhan.
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 jauh lagi, ekosistem AI on-chain sering kali perlu mendukung jenis tugas yang beragam dan heterogen, termasuk struktur model yang berbeda, pemrosesan data, inferensi, penyimpanan, dan berbagai skenario lainnya. AI Layer 1 harus mengoptimalkan secara mendalam untuk kebutuhan throughput tinggi, latensi rendah, dan paralelisme elastis di arsitektur dasar, serta menyediakan dukungan asli untuk sumber daya komputasi heterogen, memastikan bahwa berbagai tugas AI dapat berjalan dengan efisien, mencapai perluasan yang mulus dari "tugas tunggal" menjadi "ekosistem kompleks dan beragam."
Verifiabilitas dan Jaminan Output Tepercaya AI Layer 1 tidak hanya harus mencegah model berbuat jahat, pemalsuan data, dan risiko keamanan lainnya, tetapi juga harus memastikan verifiabilitas dan keselarasan hasil keluaran AI dari mekanisme dasar. Dengan mengintegrasikan lingkungan pelaksanaan tepercaya (TEE), bukti nol pengetahuan (ZK), komputasi aman multi-pihak (MPC), dan teknologi mutakhir lainnya, platform dapat memastikan bahwa setiap proses inferensi model, pelatihan, dan pemrosesan data dapat diverifikasi secara independen, memastikan keadilan dan transparansi sistem AI. Selain itu, verifiabilitas ini juga dapat membantu pengguna memahami logika dan dasar keluaran AI, mewujudkan "apa yang didapat sesuai harapan", serta meningkatkan kepercayaan dan kepuasan pengguna terhadap produk AI.
Perlindungan Privasi Data Aplikasi AI sering kali melibatkan data sensitif pengguna, di bidang keuangan, kesehatan, sosial, dan lainnya, perlindungan privasi data sangat penting. AI Layer 1 harus memastikan verifikasi sambil menggunakan teknologi pemrosesan data berbasis enkripsi, protokol komputasi privasi, dan manajemen hak data, untuk memastikan keamanan data selama seluruh proses inferensi, pelatihan, dan penyimpanan, secara efektif mencegah kebocoran dan penyalahgunaan data, serta menghilangkan kekhawatiran pengguna terkait keamanan data.
Kemampuan dukungan pengembangan dan kapasitas penyangga ekosistem yang kuat Sebagai infrastruktur Layer 1 yang asli AI, platform tidak hanya harus memiliki keunggulan teknologi, 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 penerapan aplikasi asli AI yang kaya dan beragam, serta mewujudkan keberlanjutan kemakmuran ekosistem AI terdesentralisasi.
Berdasarkan latar belakang dan harapan di atas, artikel ini akan secara rinci memperkenalkan enam proyek perwakilan AI Layer1 termasuk Sentient, Sahara AI, Ritual, Gensyn, Bittensor, dan 0G, menyusun kemajuan terbaru di jalur ini, menganalisis keadaan perkembangan proyek, dan membahas tren masa depan.
Sentient: Membangun model AI terdesentralisasi open source yang loyal
Ringkasan Proyek
Sentient adalah platform protokol sumber terbuka yang sedang membangun blockchain AI Layer1 ( pada fase awal sebagai Layer 2, kemudian akan bermigrasi ke Layer 1). Dengan menggabungkan AI Pipeline dan teknologi blockchain, dibangunlah ekonomi kecerdasan buatan yang terdesentralisasi. Tujuan inti adalah untuk menyelesaikan masalah kepemilikan model, pelacakan panggilan, dan distribusi nilai dalam pasar LLM terpusat melalui kerangka "OML" (terbuka, menguntungkan, loyal), sehingga model AI dapat mencapai struktur kepemilikan on-chain, transparansi panggilan, dan distribusi nilai. Visi Sentient adalah memungkinkan siapa pun untuk membangun, berkolaborasi, memiliki, dan memonetisasi produk AI, sehingga mendorong ekosistem jaringan AI Agent yang adil dan terbuka.
Tim Sentient Foundation mengumpulkan para ahli akademis terkemuka, pengusaha blockchain, dan insinyur dari seluruh dunia, yang berkomitmen untuk membangun platform AGI yang didorong oleh komunitas, sumber terbuka, dan dapat diverifikasi. Anggota inti termasuk profesor Pramod Viswanath dari Universitas Princeton dan profesor Himanshu Tyagi dari Indian Institute of Science, yang masing-masing bertanggung jawab atas keamanan dan perlindungan privasi AI, sementara strategi blockchain dan pengaturan ekosistem dipimpin oleh co-founder Polygon Sandeep Nailwal. Latar belakang anggota tim mencakup perusahaan terkenal seperti Meta, Coinbase, Polygon, serta universitas terkemuka seperti Universitas Princeton dan Indian Institute of Technology, mencakup bidang AI/ML, NLP, visi komputer, dan bekerja sama untuk mendorong proyek ke depan.
Sebagai proyek kewirausahaan kedua Sandeep Nailwal, salah satu pendiri Polygon, Sentient sudah memiliki aura sejak awal berdirinya, dengan sumber daya yang kaya, jaringan, dan kesadaran pasar, memberikan dukungan yang kuat untuk pengembangan proyek. Pada pertengahan tahun 2024, Sentient menyelesaikan pendanaan putaran benih sebesar 85 juta dolar AS, dipimpin oleh Founders Fund, Pantera, dan Framework Ventures, dengan lembaga investasi lain termasuk Delphi, Hashkey, dan Spartan serta puluhan VC terkenal lainnya.
arsitektur desain 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:
Sistem blockchain memberikan transparansi dan kontrol terdesentralisasi untuk protokol, memastikan kepemilikan artefak AI, pelacakan penggunaan, distribusi pendapatan, dan tata kelola yang adil. Arsitektur spesifik dibagi menjadi empat lapisan:
Kerangka Model OML
Kerangka OML (Open, Monetizable, 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:
Kriptografi Asli AI (AI-native Cryptography)
Kriptografi asli AI adalah mekanisme keamanan ringan yang "dapat diverifikasi tetapi tidak dapat dihapus" yang dikembangkan dengan memanfaatkan kontinuitas model AI, struktur manifold berdimensi rendah, dan sifat dapat diferensiasi model. Teknologi intinya adalah:
Metode ini dapat mewujudkan "panggilan otorisasi berbasis perilaku + verifikasi kepemilikan" tanpa biaya re-enkripsi.
Kerangka Penegasan Model dan Eksekusi Aman
Sentient saat ini menggunakan Melange Mixed Security: kombinasi dari pengakuan sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari diimplementasikan dengan OML 1.0 sebagai garis utama, menekankan pemikiran "Keamanan Optimis (Optimistic Security)", yaitu secara default mematuhi aturan, dan dapat dideteksi serta dihukum jika melanggar.
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 tanpa izin. Mekanisme ini tidak hanya melindungi hak pengembang model, tetapi juga menyediakan catatan yang dapat dilacak di blockchain untuk perilaku penggunaan model.
Selain itu, Sentient telah meluncurkan kerangka kerja komputasi Enclave TEE, yang memanfaatkan lingkungan eksekusi terpercaya (seperti AWS Nitro Enclaves) untuk memastikan bahwa model hanya merespons permintaan yang diotorisasi, mencegah akses dan penggunaan yang tidak sah. Meskipun TEE bergantung pada perangkat keras dan memiliki risiko keamanan tertentu, keunggulan kinerja tinggi dan real-timenya menjadikannya teknologi inti untuk penerapan model saat ini.
Di masa depan, Sentient berencana untuk memperkenalkan teknologi bukti nol pengetahuan (ZK) dan enkripsi homomorfik sepenuhnya (FHE) untuk lebih meningkatkan perlindungan privasi dan verifikasi untuk model AI.