Rapport de recherche sur AI Layer1 : à la recherche d'un sol fertile pour DeAI off-chain
Aperçu
arrière-plan
Ces dernières années, des entreprises technologiques de premier plan telles qu'OpenAI, Anthropic, Google et Meta ont continuellement propulsé le développement rapide des modèles de langage (LLM). Les LLM ont montré des capacités sans précédent dans divers secteurs, élargissant considérablement l'espace d'imagination humaine et, dans certaines situations, montrant un potentiel pour remplacer le travail humain. Cependant, le cœur de ces technologies est fermement contrôlé par quelques géants technologiques centralisés. Grâce à un capital solide et à un contrôle des ressources de calcul coûteuses, ces entreprises ont établi des barrières difficiles à franchir, rendant la concurrence pour la grande majorité des développeurs et des équipes d'innovation extrêmement difficile.
Dans le même temps, au début de l'évolution rapide de l'IA, l'opinion publique se concentre souvent sur les percées et les commodités apportées par la technologie, tandis que l'attention accordée à des questions centrales telles que la protection de la vie privée, la transparence et la sécurité est relativement insuffisante. À long terme, ces problèmes auront un impact profond sur le développement sain de l'industrie de l'IA et son acceptation sociale. Si ces enjeux ne sont pas résolus de manière appropriée, le débat sur le fait de savoir si l'IA est "bienveillante" ou "malveillante" deviendra de plus en plus prononcé, tandis que les géants centralisés, poussés par leur instinct de profit, manquent souvent de motivation suffisante pour faire face à ces défis de manière proactive.
La technologie blockchain, grâce à ses caractéristiques de décentralisation, de transparence et de résistance à la censure, offre de nouvelles possibilités pour le développement durable de l'industrie de l'IA. Actuellement, de nombreuses applications "Web3 AI" ont déjà émergé sur certaines blockchains majeures. Cependant, une analyse approfondie révèle que ces projets rencontrent encore de nombreux problèmes : d'une part, le degré de décentralisation est limité, les étapes clés et les infrastructures dépendent encore des services cloud centralisés, ce qui rend difficile le soutien d'un écosystème véritablement ouvert ; d'autre part, par rapport aux produits d'IA du monde Web2, l'IA on-chain est encore limitée en termes de capacité des modèles, d'utilisation des données et de scénarios d'application, et la profondeur et la largeur de l'innovation doivent être améliorées.
Pour réaliser véritablement la vision d'une IA décentralisée, permettant à la blockchain d'héberger des applications AI à grande échelle de manière sécurisée, efficace et démocratique, tout en rivalisant en performance avec des solutions centralisées, nous devons concevoir une blockchain Layer1 spécialement conçue pour l'IA. Cela fournira une base solide pour l'innovation ouverte de l'IA, la gouvernance démocratique et la sécurité des données, favorisant le développement prospère d'un écosystème d'IA décentralisée.
Les caractéristiques fondamentales de AI Layer 1
AI Layer 1, en tant que blockchain spécialement conçue pour les applications d'IA, a une architecture sous-jacente et une conception de performance étroitement axées sur les besoins des tâches d'IA, visant à soutenir efficacement le développement durable et la prospérité de l'écosystème d'IA off-chain. Plus précisément, AI Layer 1 devrait posséder les capacités centrales suivantes :
Mécanisme d'incitation efficace et de consensus décentralisé Le cœur de AI Layer 1 réside dans la construction d'un réseau partagé de ressources telles que la puissance de calcul, le stockage, etc. Contrairement aux nœuds de blockchain traditionnels qui se concentrent principalement sur la tenue des livres, les nœuds de AI Layer 1 doivent assumer des tâches plus complexes, non seulement en fournissant de la puissance de calcul, en réalisant l'entraînement et l'inférence des modèles d'IA, mais aussi en contribuant à des ressources diversifiées telles que le stockage, les données et la bande passante, afin de briser le monopole des géants centralisés sur l'infrastructure de l'IA. Cela impose des exigences plus élevées aux mécanismes de consensus et d'incitation sous-jacents : AI Layer 1 doit être capable d'évaluer, d'inciter et de vérifier avec précision la contribution réelle des nœuds dans les tâches d'inférence et d'entraînement de l'IA, réalisant ainsi la sécurité du réseau et l'allocation efficace des ressources. Ce n'est qu'ainsi que l'on peut garantir la stabilité et la prospérité du réseau, tout en réduisant efficacement le coût global de la puissance de calcul.
Performance élevée exceptionnelle et capacité de support des tâches hétérogènes Les tâches d'IA, en particulier l'entraînement et l'inférence des LLM, imposent des exigences très élevées en termes de performances de calcul et de capacité de traitement parallèle. De plus, l'écosystème IA off-chain doit souvent prendre en charge des types de tâches diversifiés et hétérogènes, y compris différentes structures de modèles, traitement des données, inférence, stockage et d'autres scénarios variés. La couche IA Layer 1 doit être profondément optimisée au niveau de l'architecture sous-jacente pour répondre aux exigences de haut débit, de faible latence et de parallélisme élastique, tout en prévoyant une prise en charge native des ressources de calcul hétérogènes, garantissant ainsi que toutes les tâches d'IA peuvent fonctionner efficacement, permettant une extension fluide des "tâches simples" aux "écosystèmes complexes et diversifiés".
Vérifiabilité et garantie de sortie fiable La couche AI Layer 1 doit non seulement prévenir les comportements malveillants des modèles et les risques de falsification des données, mais aussi garantir la vérifiabilité et l'alignement des résultats de sortie de l'IA au niveau des mécanismes de base. En intégrant des technologies de pointe telles que l'environnement d'exécution fiable (TEE), la preuve à divulgation nulle de connaissance (ZK) et le calcul sécurisé multipartite (MPC), la plateforme permet à chaque processus d'inférence de modèle, d'entraînement et de traitement des données d'être vérifié indépendamment, garantissant l'équité et la transparence du système d'IA. En même temps, cette vérifiabilité aide également les utilisateurs à clarifier la logique et les bases des sorties de l'IA, réalisant "ce qui est obtenu est ce qui est souhaité", augmentant ainsi la confiance et la satisfaction des utilisateurs envers les produits d'IA.
Protection de la vie privée des données Les applications d'IA impliquent souvent des données sensibles des utilisateurs. Dans les domaines financier, médical et social, la protection de la vie privée des données est particulièrement cruciale. AI Layer 1 doit garantir la vérifiabilité tout en utilisant des technologies de traitement des données basées sur le cryptage, des protocoles de calcul de confidentialité et des moyens de gestion des droits des données, afin d'assurer la sécurité des données tout au long du processus d'inférence, d'entraînement et de stockage, empêchant efficacement les fuites de données et les abus, et éliminant les inquiétudes des utilisateurs concernant la sécurité des données.
Capacité puissante de soutien et de développement de l'écosystème En tant qu'infrastructure de base Layer 1 native à l'IA, la plateforme doit non seulement posséder un leadership technologique, mais également fournir aux développeurs, aux opérateurs de nœuds, aux fournisseurs de services d'IA et autres participants de l'écosystème des outils de développement complets, des SDK intégrés, un soutien opérationnel et des mécanismes d'incitation. En optimisant continuellement la disponibilité de la plateforme et l'expérience des développeurs, elle favorise la réalisation d'applications AI natives riches et diversifiées, réalisant la prospérité continue d'un écosystème AI décentralisé.
Sur la base du contexte et des attentes ci-dessus, cet article présentera en détail six projets représentatifs de l'IA Layer 1, y compris Sentient, Sahara AI, Ritual, Gensyn, Bittensor et 0G, en examinant les derniers développements du secteur, en analysant l'état actuel des projets et en explorant les tendances futures.
Sentient : Construire un modèle d'IA décentralisé open source fidèle
Aperçu du projet
Sentient est une plateforme de protocole open source qui construit une blockchain AI Layer1 (. La phase initiale est Layer 2, puis elle sera migrée vers Layer 1). En combinant AI Pipeline et technologie blockchain, elle construit une économie d'intelligence artificielle décentralisée. Son objectif principal est de résoudre les problèmes d'appartenance aux modèles, de traçage des appels et de répartition de la valeur sur le marché LLM centralisé grâce au cadre "OML" (, ouvert, rentable et loyal, permettant aux modèles AI de réaliser une structure de propriété sur la chaîne, une transparence des appels et une répartition de la valeur. La vision de Sentient est de permettre à quiconque de construire, collaborer, posséder et monétiser des produits AI, contribuant ainsi à un écosystème de réseau d'agents AI équitable et ouvert.
L'équipe de la Sentient Foundation regroupe des experts académiques de premier plan, des entrepreneurs en blockchain et des ingénieurs du monde entier, et s'engage à construire une plateforme AGI communautaire, open source et vérifiable. Les membres clés incluent le professeur Pramod Viswanath de l'Université de Princeton et le professeur Himanshu Tyagi de l'Institut indien de science, respectivement responsables de la sécurité et de la protection de la vie privée de l'IA, tandis que Sandeep Nailwal, co-fondateur de Polygon, dirige la stratégie blockchain et le déploiement écologique. Les membres de l'équipe ont des antécédents dans des entreprises renommées telles que Meta, Coinbase, Polygon, ainsi que dans des universités de premier plan comme l'Université de Princeton et l'Institut indien de technologie, couvrant des domaines tels que l'IA/ML, le NLP et la vision par ordinateur, et collaborent pour faire avancer le projet.
En tant que projet de seconde entreprise de Sandeep Nailwal, co-fondateur de Polygon, Sentient est dès sa création doté d'une aura, bénéficiant de ressources riches, de réseaux et d'une reconnaissance sur le marché, ce qui offre un fort soutien au développement du projet. À la mi-2024, Sentient a complété un financement de série seed de 85 millions de dollars, dirigé par Founders Fund, Pantera et Framework Ventures, d'autres investisseurs incluent des dizaines de VC renommés tels que Delphi, Hashkey et Spartan.
![Biteye et PANews publient conjointement un rapport de recherche sur l'AI Layer1 : à la recherche d'un terrain fertile pour DeAI off-chain])https://img-cdn.gateio.im/webp-social/moments-f4a64f13105f67371db1a93a52948756.webp(
) architecture de conception et couche d'application
Infrastructure de base
Architecture principale
L'architecture principale de Sentient est composée de deux parties : le pipeline AI ### AI Pipeline ( et le système de off-chain.
Le pipeline d'IA est la base du développement et de l'entraînement des artefacts "IA fidèle", comprenant deux processus clés :
Données de planification ) Data Curation ( : un processus de sélection de données piloté par la communauté, utilisé pour l'alignement des modèles.
Formation de fidélité)Loyalty Training(: assurer que le modèle maintienne un processus d'entraînement conforme aux intentions de la communauté.
Le système blockchain offre transparence et contrôle décentralisé aux protocoles, garantissant la propriété, le suivi d'utilisation, la distribution des revenus et la gouvernance équitable des artefacts d'IA. L'architecture spécifique est divisée en quatre couches :
Couche de stockage : stocker les poids du modèle et les informations d'enregistrement des empreintes digitales ;
Couche de distribution : point d'entrée de l'appel du modèle contrôlé par le contrat d'autorisation ;
Couche d'accès : vérifier si l'utilisateur est autorisé par la preuve d'autorisation ;
Couche d'incitation : le contrat de routage des revenus attribue chaque appel de paiement aux formateurs, déployeurs et validateurs.
![Biteye et PANews publient conjointement un rapport de recherche sur l'IA Layer1 : à la recherche d'un sol fertile pour DeAI off-chain])https://img-cdn.gateio.im/webp-social/moments-a70b0aca9250ab65193d0094fa9b5641.webp(
)## Cadre de modèle OML
Le cadre OML ### ouvert, monétisable, loyal ( est le concept central proposé par Sentient, visant à fournir une protection claire de la propriété et des mécanismes d'incitation économique pour les modèles d'IA open source. En combinant la technologie off-chain et la cryptographie native de l'IA, il présente les caractéristiques suivantes :
Ouvert: Le modèle doit être open source, le code et la structure des données doivent être transparents, permettant à la communauté de reproduire, d'auditer et d'améliorer.
Monétisation : Chaque appel au modèle déclenche un flux de revenus, le contrat off-chain répartit les revenus entre les formateurs, les déployeurs et les validateurs.
Loyauté : Le modèle appartient à la communauté des contributeurs, la direction de la mise à jour et la gouvernance sont décidées par le DAO, et l'utilisation et la modification sont contrôlées par un mécanisme cryptographique.
)## AI natif de cryptographie###AI-native Cryptography(
La cryptographie native à l'IA utilise la continuité des modèles d'IA, la structure de variété de faible dimension et les caractéristiques différentiables des modèles pour développer un mécanisme de sécurité léger "vérifiable mais non amovible". Sa technologie clé est :
Empreinte digitale: insérer un ensemble de paires clé-valeur de requête-réponse dissimulées lors de l'entraînement pour former une signature unique du modèle;
Protocole de vérification de la propriété : vérifier si l'empreinte digitale est conservée par le biais de l'outil tiers )Prover( sous forme de question query;
Mécanisme d'appel autorisé : Avant l'appel, il est nécessaire d'obtenir le "certificat d'autorisation" délivré par le propriétaire du modèle, le système autorisera ensuite le modèle à décoder cette entrée et à renvoyer une réponse précise.
Cette méthode permet de réaliser "appels autorisés basés sur le comportement + vérification d'appartenance" sans coût de re-chiffrement.
![Biteye et PANews publient un rapport de recherche sur AI Layer1 : à la recherche d'un terrain fertile pour DeAI off-chain])https://img-cdn.gateio.im/webp-social/moments-cf5f43c63b7ab154e2201c8d3531be8c.webp(
)## Cadre de certification de modèle et d'exécution sécurisée
Sentient adopte actuellement la sécurité mixte Melange : combinaison de la vérification par empreinte digitale, de l'exécution TEE et du partage des bénéfices des contrats off-chain. La méthode par empreinte digitale est mise en œuvre par OML 1.0, soulignant la pensée "Sécurité Optimiste###Optimistic Security(", c'est-à-dire une conformité par défaut, avec détection et punition en cas de non-conformité.
Le mécanisme d'empreinte digitale est une réalisation clé de l'OML, il permet d'incorporer des paires "question-réponse" spécifiques, afin que le modèle génère une signature unique lors de la phase d'entraînement. Grâce à ces signatures, le propriétaire du modèle peut vérifier la propriété, empêchant ainsi la reproduction et la commercialisation non autorisées. Ce mécanisme protège non seulement les droits des développeurs de modèles, mais fournit également un enregistrement traçable off-chain des comportements d'utilisation du modèle.
De plus, Sentient a lancé le cadre de calcul Enclave TEE, utilisant des environnements d'exécution de confiance ) comme AWS Nitro Enclaves ( pour s'assurer que les modèles ne répondent qu'aux demandes autorisées, empêchant ainsi tout accès et utilisation non autorisés. Bien que TEE dépende du matériel et présente certains risques de sécurité, ses avantages en termes de performance et de réactivité en font le cœur du déploiement actuel des modèles.
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
20 J'aime
Récompense
20
5
Partager
Commentaire
0/400
SundayDegen
· 07-24 20:44
Encore un bon plan pour profiter des avantages de la centralisation.
Voir l'originalRépondre0
GasOptimizer
· 07-24 13:59
Puissance de calcul bouteille 0x5f3 est encore bloquée.
Voir l'originalRépondre0
RektRecorder
· 07-24 13:57
Trouver la prochaine chaîne centuple
Voir l'originalRépondre0
MEVHunterBearish
· 07-24 13:50
Monopole des géants ? La révolution doit commencer par la base !
Voir l'originalRépondre0
probably_nothing_anon
· 07-24 13:29
Encore des choses vides, parlons de comment faire.
Analyse approfondie de la piste Layer1 AI : six projets pour construire une infrastructure AI décentralisée.
Rapport de recherche sur AI Layer1 : à la recherche d'un sol fertile pour DeAI off-chain
Aperçu
arrière-plan
Ces dernières années, des entreprises technologiques de premier plan telles qu'OpenAI, Anthropic, Google et Meta ont continuellement propulsé le développement rapide des modèles de langage (LLM). Les LLM ont montré des capacités sans précédent dans divers secteurs, élargissant considérablement l'espace d'imagination humaine et, dans certaines situations, montrant un potentiel pour remplacer le travail humain. Cependant, le cœur de ces technologies est fermement contrôlé par quelques géants technologiques centralisés. Grâce à un capital solide et à un contrôle des ressources de calcul coûteuses, ces entreprises ont établi des barrières difficiles à franchir, rendant la concurrence pour la grande majorité des développeurs et des équipes d'innovation extrêmement difficile.
Dans le même temps, au début de l'évolution rapide de l'IA, l'opinion publique se concentre souvent sur les percées et les commodités apportées par la technologie, tandis que l'attention accordée à des questions centrales telles que la protection de la vie privée, la transparence et la sécurité est relativement insuffisante. À long terme, ces problèmes auront un impact profond sur le développement sain de l'industrie de l'IA et son acceptation sociale. Si ces enjeux ne sont pas résolus de manière appropriée, le débat sur le fait de savoir si l'IA est "bienveillante" ou "malveillante" deviendra de plus en plus prononcé, tandis que les géants centralisés, poussés par leur instinct de profit, manquent souvent de motivation suffisante pour faire face à ces défis de manière proactive.
La technologie blockchain, grâce à ses caractéristiques de décentralisation, de transparence et de résistance à la censure, offre de nouvelles possibilités pour le développement durable de l'industrie de l'IA. Actuellement, de nombreuses applications "Web3 AI" ont déjà émergé sur certaines blockchains majeures. Cependant, une analyse approfondie révèle que ces projets rencontrent encore de nombreux problèmes : d'une part, le degré de décentralisation est limité, les étapes clés et les infrastructures dépendent encore des services cloud centralisés, ce qui rend difficile le soutien d'un écosystème véritablement ouvert ; d'autre part, par rapport aux produits d'IA du monde Web2, l'IA on-chain est encore limitée en termes de capacité des modèles, d'utilisation des données et de scénarios d'application, et la profondeur et la largeur de l'innovation doivent être améliorées.
Pour réaliser véritablement la vision d'une IA décentralisée, permettant à la blockchain d'héberger des applications AI à grande échelle de manière sécurisée, efficace et démocratique, tout en rivalisant en performance avec des solutions centralisées, nous devons concevoir une blockchain Layer1 spécialement conçue pour l'IA. Cela fournira une base solide pour l'innovation ouverte de l'IA, la gouvernance démocratique et la sécurité des données, favorisant le développement prospère d'un écosystème d'IA décentralisée.
Les caractéristiques fondamentales de AI Layer 1
AI Layer 1, en tant que blockchain spécialement conçue pour les applications d'IA, a une architecture sous-jacente et une conception de performance étroitement axées sur les besoins des tâches d'IA, visant à soutenir efficacement le développement durable et la prospérité de l'écosystème d'IA off-chain. Plus précisément, AI Layer 1 devrait posséder les capacités centrales suivantes :
Mécanisme d'incitation efficace et de consensus décentralisé Le cœur de AI Layer 1 réside dans la construction d'un réseau partagé de ressources telles que la puissance de calcul, le stockage, etc. Contrairement aux nœuds de blockchain traditionnels qui se concentrent principalement sur la tenue des livres, les nœuds de AI Layer 1 doivent assumer des tâches plus complexes, non seulement en fournissant de la puissance de calcul, en réalisant l'entraînement et l'inférence des modèles d'IA, mais aussi en contribuant à des ressources diversifiées telles que le stockage, les données et la bande passante, afin de briser le monopole des géants centralisés sur l'infrastructure de l'IA. Cela impose des exigences plus élevées aux mécanismes de consensus et d'incitation sous-jacents : AI Layer 1 doit être capable d'évaluer, d'inciter et de vérifier avec précision la contribution réelle des nœuds dans les tâches d'inférence et d'entraînement de l'IA, réalisant ainsi la sécurité du réseau et l'allocation efficace des ressources. Ce n'est qu'ainsi que l'on peut garantir la stabilité et la prospérité du réseau, tout en réduisant efficacement le coût global de la puissance de calcul.
Performance élevée exceptionnelle et capacité de support des tâches hétérogènes Les tâches d'IA, en particulier l'entraînement et l'inférence des LLM, imposent des exigences très élevées en termes de performances de calcul et de capacité de traitement parallèle. De plus, l'écosystème IA off-chain doit souvent prendre en charge des types de tâches diversifiés et hétérogènes, y compris différentes structures de modèles, traitement des données, inférence, stockage et d'autres scénarios variés. La couche IA Layer 1 doit être profondément optimisée au niveau de l'architecture sous-jacente pour répondre aux exigences de haut débit, de faible latence et de parallélisme élastique, tout en prévoyant une prise en charge native des ressources de calcul hétérogènes, garantissant ainsi que toutes les tâches d'IA peuvent fonctionner efficacement, permettant une extension fluide des "tâches simples" aux "écosystèmes complexes et diversifiés".
Vérifiabilité et garantie de sortie fiable La couche AI Layer 1 doit non seulement prévenir les comportements malveillants des modèles et les risques de falsification des données, mais aussi garantir la vérifiabilité et l'alignement des résultats de sortie de l'IA au niveau des mécanismes de base. En intégrant des technologies de pointe telles que l'environnement d'exécution fiable (TEE), la preuve à divulgation nulle de connaissance (ZK) et le calcul sécurisé multipartite (MPC), la plateforme permet à chaque processus d'inférence de modèle, d'entraînement et de traitement des données d'être vérifié indépendamment, garantissant l'équité et la transparence du système d'IA. En même temps, cette vérifiabilité aide également les utilisateurs à clarifier la logique et les bases des sorties de l'IA, réalisant "ce qui est obtenu est ce qui est souhaité", augmentant ainsi la confiance et la satisfaction des utilisateurs envers les produits d'IA.
Protection de la vie privée des données Les applications d'IA impliquent souvent des données sensibles des utilisateurs. Dans les domaines financier, médical et social, la protection de la vie privée des données est particulièrement cruciale. AI Layer 1 doit garantir la vérifiabilité tout en utilisant des technologies de traitement des données basées sur le cryptage, des protocoles de calcul de confidentialité et des moyens de gestion des droits des données, afin d'assurer la sécurité des données tout au long du processus d'inférence, d'entraînement et de stockage, empêchant efficacement les fuites de données et les abus, et éliminant les inquiétudes des utilisateurs concernant la sécurité des données.
Capacité puissante de soutien et de développement de l'écosystème En tant qu'infrastructure de base Layer 1 native à l'IA, la plateforme doit non seulement posséder un leadership technologique, mais également fournir aux développeurs, aux opérateurs de nœuds, aux fournisseurs de services d'IA et autres participants de l'écosystème des outils de développement complets, des SDK intégrés, un soutien opérationnel et des mécanismes d'incitation. En optimisant continuellement la disponibilité de la plateforme et l'expérience des développeurs, elle favorise la réalisation d'applications AI natives riches et diversifiées, réalisant la prospérité continue d'un écosystème AI décentralisé.
Sur la base du contexte et des attentes ci-dessus, cet article présentera en détail six projets représentatifs de l'IA Layer 1, y compris Sentient, Sahara AI, Ritual, Gensyn, Bittensor et 0G, en examinant les derniers développements du secteur, en analysant l'état actuel des projets et en explorant les tendances futures.
Sentient : Construire un modèle d'IA décentralisé open source fidèle
Aperçu du projet
Sentient est une plateforme de protocole open source qui construit une blockchain AI Layer1 (. La phase initiale est Layer 2, puis elle sera migrée vers Layer 1). En combinant AI Pipeline et technologie blockchain, elle construit une économie d'intelligence artificielle décentralisée. Son objectif principal est de résoudre les problèmes d'appartenance aux modèles, de traçage des appels et de répartition de la valeur sur le marché LLM centralisé grâce au cadre "OML" (, ouvert, rentable et loyal, permettant aux modèles AI de réaliser une structure de propriété sur la chaîne, une transparence des appels et une répartition de la valeur. La vision de Sentient est de permettre à quiconque de construire, collaborer, posséder et monétiser des produits AI, contribuant ainsi à un écosystème de réseau d'agents AI équitable et ouvert.
L'équipe de la Sentient Foundation regroupe des experts académiques de premier plan, des entrepreneurs en blockchain et des ingénieurs du monde entier, et s'engage à construire une plateforme AGI communautaire, open source et vérifiable. Les membres clés incluent le professeur Pramod Viswanath de l'Université de Princeton et le professeur Himanshu Tyagi de l'Institut indien de science, respectivement responsables de la sécurité et de la protection de la vie privée de l'IA, tandis que Sandeep Nailwal, co-fondateur de Polygon, dirige la stratégie blockchain et le déploiement écologique. Les membres de l'équipe ont des antécédents dans des entreprises renommées telles que Meta, Coinbase, Polygon, ainsi que dans des universités de premier plan comme l'Université de Princeton et l'Institut indien de technologie, couvrant des domaines tels que l'IA/ML, le NLP et la vision par ordinateur, et collaborent pour faire avancer le projet.
En tant que projet de seconde entreprise de Sandeep Nailwal, co-fondateur de Polygon, Sentient est dès sa création doté d'une aura, bénéficiant de ressources riches, de réseaux et d'une reconnaissance sur le marché, ce qui offre un fort soutien au développement du projet. À la mi-2024, Sentient a complété un financement de série seed de 85 millions de dollars, dirigé par Founders Fund, Pantera et Framework Ventures, d'autres investisseurs incluent des dizaines de VC renommés tels que Delphi, Hashkey et Spartan.
![Biteye et PANews publient conjointement un rapport de recherche sur l'AI Layer1 : à la recherche d'un terrain fertile pour DeAI off-chain])https://img-cdn.gateio.im/webp-social/moments-f4a64f13105f67371db1a93a52948756.webp(
) architecture de conception et couche d'application
Infrastructure de base
Architecture principale
L'architecture principale de Sentient est composée de deux parties : le pipeline AI ### AI Pipeline ( et le système de off-chain.
Le pipeline d'IA est la base du développement et de l'entraînement des artefacts "IA fidèle", comprenant deux processus clés :
Le système blockchain offre transparence et contrôle décentralisé aux protocoles, garantissant la propriété, le suivi d'utilisation, la distribution des revenus et la gouvernance équitable des artefacts d'IA. L'architecture spécifique est divisée en quatre couches :
![Biteye et PANews publient conjointement un rapport de recherche sur l'IA Layer1 : à la recherche d'un sol fertile pour DeAI off-chain])https://img-cdn.gateio.im/webp-social/moments-a70b0aca9250ab65193d0094fa9b5641.webp(
)## Cadre de modèle OML
Le cadre OML ### ouvert, monétisable, loyal ( est le concept central proposé par Sentient, visant à fournir une protection claire de la propriété et des mécanismes d'incitation économique pour les modèles d'IA open source. En combinant la technologie off-chain et la cryptographie native de l'IA, il présente les caractéristiques suivantes :
)## AI natif de cryptographie###AI-native Cryptography(
La cryptographie native à l'IA utilise la continuité des modèles d'IA, la structure de variété de faible dimension et les caractéristiques différentiables des modèles pour développer un mécanisme de sécurité léger "vérifiable mais non amovible". Sa technologie clé est :
Cette méthode permet de réaliser "appels autorisés basés sur le comportement + vérification d'appartenance" sans coût de re-chiffrement.
![Biteye et PANews publient un rapport de recherche sur AI Layer1 : à la recherche d'un terrain fertile pour DeAI off-chain])https://img-cdn.gateio.im/webp-social/moments-cf5f43c63b7ab154e2201c8d3531be8c.webp(
)## Cadre de certification de modèle et d'exécution sécurisée
Sentient adopte actuellement la sécurité mixte Melange : combinaison de la vérification par empreinte digitale, de l'exécution TEE et du partage des bénéfices des contrats off-chain. La méthode par empreinte digitale est mise en œuvre par OML 1.0, soulignant la pensée "Sécurité Optimiste###Optimistic Security(", c'est-à-dire une conformité par défaut, avec détection et punition en cas de non-conformité.
Le mécanisme d'empreinte digitale est une réalisation clé de l'OML, il permet d'incorporer des paires "question-réponse" spécifiques, afin que le modèle génère une signature unique lors de la phase d'entraînement. Grâce à ces signatures, le propriétaire du modèle peut vérifier la propriété, empêchant ainsi la reproduction et la commercialisation non autorisées. Ce mécanisme protège non seulement les droits des développeurs de modèles, mais fournit également un enregistrement traçable off-chain des comportements d'utilisation du modèle.
De plus, Sentient a lancé le cadre de calcul Enclave TEE, utilisant des environnements d'exécution de confiance ) comme AWS Nitro Enclaves ( pour s'assurer que les modèles ne répondent qu'aux demandes autorisées, empêchant ainsi tout accès et utilisation non autorisés. Bien que TEE dépende du matériel et présente certains risques de sécurité, ses avantages en termes de performance et de réactivité en font le cœur du déploiement actuel des modèles.