AI Layer1 дослідження: пошук родючих ґрунтів для DeAI у блокчейні

В 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 людський простір уяви, а в деяких випадках навіть показують потенціал заміни людської праці. Проте, ядро цих технологій міцно контролюється лише кількома централізованими технологічними гігантами. Завдяки потужному капіталу та контролю над дорогими обчислювальними ресурсами, ці компанії створили непереборні бар'єри, що ускладнює для більшості розробників і інноваційних команд конкуренцію з ними.

Водночас, на початку швидкого розвитку ШІ суспільна думка часто зосереджується на прориві та зручності, які надає 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 ШІ та соціальну прийнятність. Якщо їх не вдасться належним чином вирішити, суперечка про те, чи буде ШІ "на благо", чи "на зло", стане все більш очевидною, а централізовані гіганти, керуючись інстинктом отримання прибутку, часто не мають достатньої мотивації для активного реагування на ці виклики.

Технологія блокчейн, завдяки своїм децентралізованим, прозорим і стійким до цензури характеристикам, відкриває нові можливості для сталого розвитку індустрії ШІ. Наразі на деяких основних блокчейнах вже з'явилося безліч "Web3 AI" додатків. Але при більш детальному аналізі можна виявити, що ці проекти все ще стикаються з багатьма проблемами: з одного боку, ступінь децентралізації обмежена, ключові етапи та інфраструктура все ще залежать від централізованих хмарних сервісів, меми мають надмірну вагу, що ускладнює підтримку справжньої відкритої екосистеми; з іншого боку, порівняно з AI продуктами світу Web2, AI у блокчейні все ще має обмеження в моделях, використанні даних та сценаріях застосування, глибина та ширина інновацій потребують покращення.

Щоб дійсно реалізувати бачення децентралізованого ШІ, щоб блокчейн міг безпечно, ефективно та демократично підтримувати масштабні застосування ШІ і конкурувати за продуктивністю з централізованими рішеннями, нам потрібно спроектувати Layer1 блокчейн, спеціально створений для ШІ. Це надасть міцну основу для відкритих інновацій у 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 архітектуру та дизайн продуктивності, які тісно пов'язані з вимогами AI-завдань, з метою ефективної підтримки стійкого розвитку та процвітання AI-екосистеми в у блокчейні. Конкретно, AI Layer 1 повинен мати такі ключові можливості:

1. Ефективні стимули та децентралізований механізм консенсусу Ядро AI Layer 1 полягає у створенні відкритої мережі для спільного використання ресурсів, таких як обчислювальна потужність та зберігання. На відміну від традиційних вузлів блокчейну, які зосереджені головним чином на веденні обліку в бухгалтерській книзі, 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 спроможність, щоб зламати монополію централізованих гігантів на інфраструктуру AI. Це ставить вищі вимоги до базового консенсусу та механізму стимулювання: AI Layer 1 має бути здатним точно оцінювати, стимулювати та перевіряти фактичний внесок вузлів у завдання, такі як інференція та навчання AI, забезпечуючи безпеку мережі та ефективний розподіл ресурсів. Тільки так можна забезпечити стабільність та процвітання мережі, а також ефективно знизити загальні витрати на обчислювальну потужність.

2. Висока продуктивність та підтримка гетерогенних завдань Завдання ШІ, особливо навчання та виведення LLM, висувають дуже високі вимоги до обчислювальної продуктивності та можливостей паралельної обробки. Більш того, екосистема AI у блокчейні часто повинна підтримувати різноманітні, гетерогенні типи завдань, включаючи різні структури моделей, обробку даних, виведення, зберігання та інші різноманітні сценарії. AI Layer 1 повинен бути глибоко оптимізований на рівні архітектури для задоволення вимог високої пропускної здатності, низької затримки та еластичної паралельності, а також заздалегідь передбачати рідну підтримку гетерогенних обчислювальних ресурсів, щоб забезпечити ефективне виконання різних завдань ШІ та реалізувати плавне розширення від "одиничних завдань" до "складної різноманітної екосистеми".

3. Перевіряність та гарантія надійного виходу AI Layer 1 не лише має запобігати зловживанням моделей, підробці даних та іншим загрозам безпеці, а й забезпечувати з самого низу механізмів перевірку результатів, що генеруються AI, та їх відповідність. Завдяки інтеграції надійних виконавчих середовищ (TEE), доказів з нульовим знанням (ZK), багатосторонніх безпечних обчислень (MPC) та інших передових технологій платформа може забезпечити, щоб кожен процес міркування моделі, навчання та обробки даних міг бути незалежно перевірений, що гарантує справедливість та прозорість системи AI. Одночасно така перевірка може допомогти користувачам чітко зрозуміти логіку та підстави виходу AI, досягати "отриманого - бажаного", підвищуючи довіру та задоволеність користувачів продуктами AI.

4. Захист конфіденційності даних Застосування штучного інтелекту часто пов'язане з чутливими даними користувачів, особливо в фінансовій, медичній, соціальній та інших сферах, де захист конфіденційності даних є особливо важливим. AI Layer 1 повинен, забезпечуючи можливість верифікації, використовувати технології обробки даних на основі шифрування, протоколи обчислень з конфіденційністю та управління правами доступу до даних, щоб забезпечити безпеку даних на всіх етапах, включаючи інференцію, навчання та зберігання, ефективно запобігаючи витоку та зловживанню даними, усуваючи побоювання користувачів щодо безпеки даних.

5. Потужна екосистема підтримки та розвитку Як AI-оригінальна Layer 1 інфраструктура, платформа повинна не тільки мати технологічну перевагу, але й забезпечити екосистемним учасникам, таким як розробники, оператори вузлів, постачальники AI-послуг, повноцінні інструменти для розробки, інтегровані SDK, підтримку операційного управління та механізми стимулювання. Через постійну оптимізацію доступності платформи та досвіду розробників, сприяти реалізації різноманітних AI-оригінальних застосунків, досягти постійного процвітання децентралізованої AI-екосистеми.

Виходячи з вищезазначеного фону та очікувань, у цій статті буде детально представлено шість代表них проектів AI Layer1, включаючи Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, систематично розглянуто останні досягнення в цій сфері, проаналізовано сучасний стан проектів та обговорено майбутні тенденції.

Sentient: побудова лояльної відкритої децентралізованої AI моделі

Огляд проекту

Sentient є платформою з відкритим вихідним кодом, яка створює блокчейн AI Layer1 ( на початковій стадії Layer 2, після чого буде перенесена на Layer 1). Об'єднуючи AI Pipeline та технології блокчейн, вона створює децентралізовану економіку штучного інтелекту. Її основною метою є вирішення проблеми власності моделей, відстеження викликів та розподілу вартості на централізованому ринку LLM через "OML" рамки (відкритий, прибутковий, лояльний), що дозволяє AI моделям досягти структури власності у блокчейні, прозорості викликів та розподілу вартості. Візія Sentient полягає в тому, щоб будь-хто міг створювати, співпрацювати, володіти та монетизувати AI продукти, просуваючи справедливу та відкриту екосистему AI Agent.

Команда Sentient Foundation об'єднала провідних академічних експертів, підприємців у сфері блокчейну та інженерів з усього світу, які прагнуть створити спільноту, керовану платформу AGI з відкритим кодом та перевіркою. До складу команди входять професор Принстонського університету Pramod Viswanath та професор Індійського наукового інституту Himanshu Tyagi, які відповідно займаються безпекою AI та захистом конфіденційності, а також співзасновник Polygon Sandeep Nailwal, який очолює стратегію блокчейну та екосистемне планування. Члени команди мають досвід роботи в таких відомих компаніях, як Meta, Coinbase, Polygon, а також в таких провідних університетах, як Принстонський університет та Інститут індійських технологій, охоплюючи такі сфери, як AI/ML, NLP, комп'ютерне зору та спільно працюють над реалізацією проекту.

Як другий підприємницький проект співзасновника Polygon Sandeep Nailwal, Sentient з моменту свого заснування мав ореол, володіючи багатими ресурсами, зв'язками та ринковою впізнаваністю, що забезпечує потужну підтримку для розвитку проекту. У середині 2024 року Sentient завершив раунд фінансування на суму 85 мільйонів доларів США, який очолили Founders Fund, Pantera та Framework Ventures, а серед інших інвестиційних компаній – Delphi, Hashkey та десятки інших відомих венчурних капіталістів.

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 "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 того, щоб модель підтримувала процес навчання, що відповідає намірам спільноти.

Системи блокчейн забезпечують прозорість і децентралізований контроль для протоколів, гарантуючи власність на артефакти AI, відстеження використання, розподіл доходів та справедливе управління. Конкретна архітектура поділяється на чотири рівні:

• Зберігання: зберігання ваг моделей та інформації про реєстрацію відбитків.
• Розподільчий рівень: вхід для виклику моделі контролю за контрактом на авторизацію;
• Доступний рівень: перевірка правомочності користувача через підтвердження прав.
• Слой стимулювання: контракт маршрутизації доходів буде виплачувати винагороду під час кожного виклику тренерам, розробникам та валідаційним учасникам.

OML модельна рамка

OML фрейм (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. Об'єднуючи у блокчейні технології та AI нативну криптографію, має такі характеристики:

• Відкритість: Модель повинна бути з відкритим вихідним кодом, код та структура даних повинні бути прозорими, щоб спростити відтворення, аудит і покращення з боку спільноти.
• Монетизація: кожен виклик моделі викликає 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 зміни контролюються криптомеханізмом.

AI рідна криптографія (AI-native Cryptography)

AI-роджена криптографія використовує безперервність моделей AI, структуру низько вимірного багатоагентного простору та диференційовані характеристики моделей для розробки "перевіряємого, але незнищуваного" легкого механізму безпеки. Її основна технологія:

• Вбудовування відбитків пальців: під час навчання вставляється набір прихованих пар ключ-значення запит-відповідь для формування унікального підпису моделі;
• Протокол перевірки власності: перевірка збереження відбитків пальців через запит у третього учасника (Prover);
• Механізм ліцензованого виклику: перед викликом необхідно отримати "дозвільний сертифікат", виданий власником моделі, після чого система надає дозвіл моделі декодувати цей вхід і повернути точну відповідь.

Цей спосіб дозволяє реалізувати "авторизацію викликів 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 підтвердження особи за допомогою відбитків пальців, виконання TEE та розподіл прибутку за контрактами у блокчейні. Серед методів підтвердження особи основним є OML 1.0, який підкреслює 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 конкретних "питань-відповідей". Завдяки цим підписам, власник моделі може перевірити належність, запобігти несанкціонованому копіюванню та комерціалізації. Цей механізм не тільки захищає права розробників моделей, але й надає можливість відстежувати поведінку використання моделі у блокчейні.

Крім того, Sentient запровадив обчислювальну рамку Enclave TEE, яка використовує надійне середовище виконання (таке як AWS Nitro Enclaves), щоб забезпечити, що моделі відповідають лише на авторизовані запити, запобігаючи несанкціонованому доступу та використанню. Хоча TEE залежить від апаратного забезпечення і має певні ризики безпеки, його переваги в продуктивності та реальному часі роблять його актуальним для поточних моделей.