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

Ringkasan

Latar belakang

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 ada sebelumnya di berbagai sektor, sangat 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 sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun batasan yang sulit dilampaui, membuat sebagian besar pengembang dan tim inovasi sulit untuk bersaing.

Pada awal evolusi cepat AI, opini publik sering kali terfokus pada terobosan dan kemudahan yang dibawa oleh teknologi, sementara perhatian terhadap isu inti seperti perlindungan privasi, transparansi, dan keamanan relatif kurang. Dalam jangka panjang, masalah ini akan berdampak mendalam pada perkembangan sehat industri AI dan tingkat penerimaan sosial. Jika tidak dapat diselesaikan dengan baik, perdebatan 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 beberapa blockchain utama. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih memiliki banyak masalah: di satu sisi, tingkat desentralisasi masih terbatas, dan bagian-bagian kunci serta infrastruktur masih bergantung pada layanan cloud terpusat, sehingga sulit untuk mendukung ekosistem terbuka yang sebenarnya; 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, sehingga kedalaman dan luas inovasi perlu ditingkatkan.

Untuk benar-benar mewujudkan visi AI yang terdesentralisasi, agar blockchain dapat dengan aman, efisien, dan demokratis menangani 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 kokoh untuk inovasi terbuka AI, demokrasi dalam tata kelola, dan keamanan data, serta mendorong perkembangan pesat 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 kaitannya dengan kebutuhan tugas AI, bertujuan untuk mendukung secara efisien perkembangan dan kemakmuran ekosistem AI on-chain yang berkelanjutan. Secara spesifik, AI Layer 1 harus memiliki kemampuan inti berikut:

1. 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 fokus utama pada pencatatan buku besar, node AI Layer 1 harus menghadapi 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 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 aktual node dalam tugas inferensi dan pelatihan AI, mewujudkan keamanan jaringan dan distribusi sumber daya yang efisien. Hanya dengan cara ini jaringan dapat dipastikan stabil dan makmur, 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 berbagai 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 mengatur dukungan asli untuk sumber daya komputasi heterogen, memastikan berbagai tugas AI dapat berjalan secara efisien, mewujudkan perluasan yang mulus dari "tugas tunggal" ke "ekosistem kompleks dan beragam".

3. Verifiabilitas dan Jaminan Hasil yang Dapat Dipercaya AI Layer 1 tidak hanya harus mencegah model berperilaku jahat, pemalsuan data, dan risiko keamanan lainnya, tetapi juga harus memastikan verifiabilitas dan keselarasan hasil keluaran AI dari mekanisme dasar. Dengan mengintegrasikan lingkungan eksekusi tepercaya (TEE), bukti nol pengetahuan (ZK), dan komputasi aman multipihak (MPC), platform dapat memungkinkan setiap inferensi model, pelatihan, dan proses pengolahan data untuk 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 diperoleh adalah apa yang diinginkan", meningkatkan kepercayaan dan kepuasan pengguna terhadap produk AI.

4. Perlindungan Privasi Data Aplikasi AI sering 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, efektif mencegah kebocoran dan penyalahgunaan data, serta menghilangkan kekhawatiran pengguna mengenai keamanan data.

5. Kemampuan dukungan pengembangan dan ekosistem yang kuat Sebagai infrastruktur Layer 1 yang berbasis AI, platform tidak hanya harus memiliki keunggulan teknis, tetapi juga harus menyediakan alat pengembangan yang lengkap, SDK terintegrasi, dukungan operasional, dan mekanisme insentif bagi pengembang, operator node, penyedia layanan AI, dan peserta ekosistem lainnya. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong penerapan aplikasi AI yang beragam dan kaya, serta mewujudkan keberlanjutan 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, menguraikan kemajuan terbaru di bidang ini, menganalisis status perkembangan proyek, dan membahas tren masa depan.

Sentient: Membangun Model AI Terdesentralisasi Sumber Terbuka yang Setia

Ringkasan Proyek

Sentient adalah platform protokol sumber terbuka, sedang membangun sebuah blockchain AI Layer1 ( tahap awal sebagai Layer 2, kemudian akan berpindah ke Layer 1), dengan menggabungkan AI Pipeline dan teknologi blockchain, membangun ekonomi kecerdasan buatan terdesentralisasi. Tujuan inti adalah melalui kerangka "OML" ( yang terbuka, menguntungkan, dan setia ) menyelesaikan masalah kepemilikan model, pelacakan panggilan, dan distribusi nilai di pasar LLM terpusat, sehingga model AI dapat mencapai struktur kepemilikan on-chain, transparansi pemanggilan, dan pembagian nilai. Visi Sentient adalah memungkinkan siapa saja untuk membangun, berkolaborasi, memiliki, dan memonetisasi produk AI, 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 Institut Ilmu Pengetahuan India, yang masing-masing bertanggung jawab atas keamanan dan perlindungan privasi AI, sementara strategi dan ekosistem blockchain dipimpin oleh salah satu pendiri Polygon, Sandeep Nailwal. Latar belakang anggota tim mencakup perusahaan-perusahaan terkenal seperti Meta, Coinbase, Polygon, serta universitas-universitas terkemuka seperti Universitas Princeton dan Indian Institute of Technology, mencakup bidang AI/ML, NLP, dan visi komputer, bekerja sama untuk mendorong proyek ini ke depan.

Sebagai proyek kewirausahaan kedua dari salah satu pendiri Polygon, Sandeep Nailwal, Sentient sejak awal didirikan sudah membawa aura yang kuat, dengan sumber daya, jaringan, dan pengakuan pasar yang kaya, memberikan dukungan yang kuat untuk pengembangan proyek. Pada pertengahan 2024, Sentient menyelesaikan pendanaan putaran benih sebesar 85 juta dolar, yang 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 dari Sentient terdiri dari dua bagian: AI Pipeline ( dan sistem blockchain.

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

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

Sistem blockchain memberikan transparansi dan kontrol desentralisasi untuk protokol, memastikan kepemilikan artefak AI, pelacakan penggunaan, distribusi pendapatan, dan pemerintahan yang adil. Struktur spesifik dibagi menjadi empat lapisan:

• Lapisan penyimpanan: menyimpan bobot model dan informasi pendaftaran sidik jari;
• Lapisan distribusi: model kontrol kontrak otorisasi titik masuk pemanggilan;
• Lapisan akses: memverifikasi apakah pengguna diotorisasi 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 Loyal Loyal### adalah konsep inti yang diajukan oleh Sentient, bertujuan untuk memberikan perlindungan kepemilikan yang jelas dan mekanisme insentif ekonomi bagi model AI sumber terbuka. Dengan menggabungkan teknologi on-chain dan kriptografi asli AI, memiliki fitur-fitur berikut:

• Keterbukaan: Model harus 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 verifier.
• Loyalitas: Model dimiliki oleh komunitas kontributor, arah peningkatan dan tata kelola ditentukan oleh DAO, penggunaan dan modifikasi dikendalikan oleh mekanisme kripto.

(## 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 diferensial model. Teknologi intinya adalah:

• Penyematan sidik jari: Menyisipkan sekelompok pasangan kunci 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 panggilan izin: Sebelum melakukan panggilan, perlu mendapatkan "sertifikat izin" yang diterbitkan oleh pemilik model, kemudian sistem 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.

![Biteye dan PANews merilis laporan penelitian AI Layer1 bersama: Mencari tanah subur untuk DeAI on-chain])https://img-cdn.gateio.im/webp-social/moments-cf5f43c63b7ab154e2201c8d3531be8c.webp(

)## Kerangka Penegasan Model dan Eksekusi Aman

Sentient saat ini menggunakan Melange campuran keamanan: menggabungkan otentikasi sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari diimplementasikan melalui OML 1.0 sebagai alur utama, menekankan pemikiran "Keamanan Optimis(Optimistic Security)", yaitu secara default patuh, dan dapat dideteksi serta dihukum setelah pelanggaran.

Mekanisme sidik jari adalah implementasi kunci dari OML, yang memungkinkan model menghasilkan tanda tangan unik selama fase pelatihan dengan menyisipkan 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-hak pengembang model, tetapi juga menyediakan catatan on-chain yang dapat dilacak untuk perilaku penggunaan model.

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