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

Ringkasan

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, sangat memperluas ruang imajinasi manusia, dan bahkan menunjukkan potensi untuk menggantikan tenaga kerja manusia dalam beberapa skenario. Namun, inti dari teknologi ini tetap dipegang erat oleh beberapa raksasa teknologi terpusat. Dengan modal yang kuat dan penguasaan terhadap sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun penghalang yang sulit untuk dilalui, membuat sebagian besar pengembang dan tim inovasi kesulitan untuk bersaing.

Pada saat yang sama, di awal evolusi cepat AI, opini publik sering kali berfokus pada terobosan dan kenyamanan yang dihadirkan oleh teknologi, sementara perhatian terhadap masalah inti seperti perlindungan privasi, transparansi, dan keamanan relatif kurang. Dalam jangka panjang, masalah-masalah ini akan mempengaruhi secara mendalam perkembangan sehat industri AI dan tingkat penerimaan masyarakat. Jika tidak dapat diatasi dengan baik, kontroversi tentang apakah AI "menuju kebaikan" atau "menuju kejahatan" akan semakin mencolok, sedangkan raksasa terpusat yang didorong oleh naluri mencari keuntungan sering kali kurang memiliki motivasi yang cukup untuk secara proaktif menghadapi tantangan ini.

Teknologi blockchain, dengan karakteristik desentralisasi, transparansi, dan ketahanan terhadap sensor, memberikan kemungkinan baru untuk pengembangan berkelanjutan industri AI. Saat ini, sejumlah aplikasi "Web3 AI" telah muncul di berbagai blockchain utama. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih memiliki banyak masalah: di satu sisi, tingkat desentralisasi yang terbatas, bagian kunci dan infrastruktur masih bergantung pada layanan cloud terpusat, atribut meme yang terlalu berat, sulit mendukung ekosistem terbuka yang sesungguhnya; 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 perlu ditingkatkan.

Untuk benar-benar mewujudkan visi AI terdesentralisasi, agar blockchain dapat menampung aplikasi AI berskala besar dengan aman, efisien, dan demokratis, serta bersaing dalam kinerja dengan solusi terpusat, kita perlu merancang blockchain Layer 1 yang khusus dibuat untuk AI. Ini akan memberikan dasar yang kokoh untuk inovasi terbuka AI, demokrasi pemerintahan, dan keamanan data, serta mendorong perkembangan ekosistem AI terdesentralisasi yang makmur.

Fitur inti dari AI Layer 1

AI Layer 1 sebagai sebuah blockchain yang dirancang khusus untuk aplikasi AI, arsitektur dan desain performanya erat kaitannya dengan kebutuhan tugas AI, bertujuan untuk mendukung secara efisien pengembangan 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 pada pencatatan buku besar, node AI Layer 1 harus 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 memutus monopoli raksasa terpusat pada infrastruktur AI. Ini menuntut persyaratan yang lebih tinggi terhadap konsensus dan mekanisme insentif di tingkat dasar: AI Layer 1 harus mampu mengevaluasi, memberikan insentif, dan memverifikasi kontribusi nyata node dalam tugas inferensi dan pelatihan AI, untuk mencapai keamanan jaringan dan alokasi sumber daya yang efisien. Hanya dengan cara ini jaringan dapat dijamin stabilitas dan kemakmurannya, 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, memiliki tuntutan yang sangat tinggi terhadap kinerja komputasi dan kemampuan pemrosesan paralel. Lebih jauh lagi, 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 mempersiapkan kemampuan dukungan asli untuk sumber daya komputasi heterogen, memastikan berbagai tugas AI dapat berjalan dengan efisien dan mencapai perluasan yang mulus dari "tugas tunggal" ke "ekosistem yang kompleks dan beragam."

3. Verifikasi dan Jaminan Output Tepercaya AI Layer 1 tidak hanya harus mencegah model dari perilaku jahat, pemalsuan data, dan risiko keamanan lainnya, tetapi juga harus memastikan verifikasi dan keselarasan hasil output AI dari mekanisme dasar. Dengan mengintegrasikan lingkungan eksekusi tepercaya (TEE), pembuktian tanpa pengetahuan (ZK), perhitungan aman multi pihak (MPC), dan teknologi mutakhir lainnya, platform dapat memastikan bahwa setiap inferensi model, pelatihan, dan proses pengolahan data dapat diverifikasi secara independen, memastikan keadilan dan transparansi sistem AI. Selain itu, verifikasi ini juga dapat membantu pengguna memahami logika dan dasar dari output AI, mewujudkan "apa yang didapat adalah apa yang diinginkan", serta meningkatkan kepercayaan dan kepuasan pengguna terhadap produk AI.

4. Perlindungan Privasi Data Aplikasi AI sering melibatkan data sensitif pengguna, terutama di bidang keuangan, kesehatan, dan sosial, perlindungan privasi data sangat penting. AI Layer 1 harus memastikan verifikasi sambil menerapkan teknologi pengolahan 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 tentang keamanan data.

5. Kemampuan dukungan dan pengembangan ekosistem yang kuat Sebagai infrastruktur Layer 1 yang berasal dari AI, platform tidak hanya harus memiliki keunggulan teknis, tetapi juga harus menyediakan alat pengembangan yang lengkap, SDK terintegrasi, dukungan operasi, dan mekanisme insentif bagi para pengembang, operator node, penyedia layanan AI, dan peserta ekosistem lainnya. Dengan terus mengoptimalkan kegunaan platform dan pengalaman pengembang, mendorong penerapan aplikasi AI yang kaya dan beragam, mewujudkan keberlanjutan ekosistem AI yang terdesentralisasi.

Berdasarkan latar belakang dan harapan di atas, artikel ini akan secara rinci memperkenalkan enam proyek AI Layer1 yang menjadi perwakilan, termasuk Sentient, Sahara AI, Ritual, Gensyn, Bittensor, dan 0G, menguraikan perkembangan terbaru di jalur ini, menganalisis keadaan perkembangan proyek, dan membahas tren masa depan.

Sentient: Membangun model AI desentralisasi sumber terbuka yang setia

Ringkasan Proyek

Sentient adalah platform protokol open-source yang sedang membangun blockchain AI Layer1 ( yang pada tahap awalnya merupakan Layer 2, kemudian akan berpindah ke Layer 1). Dengan menggabungkan AI Pipeline dan teknologi blockchain, tujuan utama adalah membangun ekonomi kecerdasan buatan yang terdesentralisasi. Tujuan inti mereka adalah untuk menyelesaikan masalah kepemilikan model, pelacakan panggilan, dan distribusi nilai di pasar LLM terpusat melalui kerangka kerja "OML" (terbuka, menguntungkan, setia), 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, mendorong ekosistem jaringan AI Agent yang adil dan terbuka.

Tim Sentient Foundation mengumpulkan para ahli akademis, pengusaha blockchain, dan insinyur terkemuka 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 Sandeep Nailwal, salah satu pendiri Polygon. Latar belakang anggota tim mencakup perusahaan-perusahaan terkenal seperti Meta, Coinbase, Polygon, serta universitas terkemuka seperti Universitas Princeton dan Institut Teknologi India, mencakup bidang AI/ML, NLP, visi komputer, dan bekerja sama untuk mendorong proyek ini.

Sebagai proyek kewirausahaan kedua dari Sandeep Nailwal, salah satu pendiri Polygon, Sentient sudah membawa aura sejak awal berdirinya, dengan sumber daya, jaringan, dan pengakuan pasar yang kaya, memberikan dukungan kuat untuk pengembangan proyek. Pada pertengahan 2024, Sentient menyelesaikan pendanaan putaran benih sebesar 85 juta dolar AS, dipimpin oleh Founders Fund, Pantera, dan Framework Ventures, dengan lembaga investasi lainnya termasuk Delphi, Hashkey, dan Spartan serta puluhan VC terkenal lainnya.

Arsitektur Desain dan Lapisan Aplikasi

Lapisan Infrastruktur

Arsitektur Inti

Arsitektur inti Sentient terdiri dari dua bagian: AI Pipeline dan sistem blockchain.

Pipa AI adalah dasar pengembangan dan pelatihan artefak "AI setia", yang terdiri dari dua proses inti:

• Perencanaan Data (Data Curation): Proses pemilihan data yang didorong oleh komunitas, digunakan untuk penyelarasan model.
• Pelatihan Loyalitas (Loyalty Training): memastikan model mempertahankan proses pelatihan yang konsisten dengan niat komunitas.

Sistem blockchain menyediakan 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: Model kontrol kontrak otorisasi untuk pintu masuk panggilan.
• Lapisan akses: memverifikasi apakah pengguna telah memberikan izin 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, Loyal Loyal) adalah konsep inti yang diusulkan 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 sebagai berikut:

• Keterbukaan: Model harus bersifat open source, dengan kode dan struktur data yang transparan, memudahkan komunitas untuk mereproduksi, mengaudit, dan meningkatkan.
• Monetisasi: Setiap pemanggilan model akan memicu aliran pendapatan, kontrak on-chain akan mendistribusikan pendapatan kepada pelatih, penyebar, dan validator.
• Loyalitas: Model ini milik komunitas kontributor, arah peningkatan dan tata kelola ditentukan oleh DAO, penggunaan dan modifikasi dikendalikan oleh mekanisme kripto.

Kriptografi Asli AI (AI-native Cryptography)

Keamanan kripto asli AI adalah mekanisme keamanan ringan "dapat diverifikasi tetapi tidak dapat dihapus" yang dikembangkan dengan memanfaatkan kontinuitas model AI, struktur manifold berdimensi rendah, dan sifat model yang dapat berbeda. Teknologi inti adalah:

• Penanaman 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 disimpan melalui detektor pihak ketiga (Prover) dalam bentuk pertanyaan query;
• Mekanisme pemanggilan 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 mencapai "panggilan otorisasi berbasis perilaku + verifikasi kepemilikan" tanpa biaya re-enkripsi.

Kerangka Penegasan Model dan Eksekusi Aman

Sentient saat ini menggunakan keamanan campuran Melange: kombinasi hak kepemilikan dengan sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari adalah implementasi OML 1.0 sebagai jalur utama, menekankan pemikiran "Keamanan Optimis (Optimistic Security)", yaitu secara default mematuhi, dan pelanggaran dapat terdeteksi dan dihukum.

Mekanisme sidik jari adalah implementasi kunci dari OML, yang memungkinkan model untuk menghasilkan tanda tangan unik selama fase pelatihan dengan meng嵌入 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 pengembang model, tetapi juga memberikan catatan yang dapat dilacak tentang perilaku penggunaan model di dalam rantai.

Selain itu, Sentient telah meluncurkan kerangka kerja komputasi Enclave TEE, yang memanfaatkan lingkungan eksekusi tepercaya (seperti AWS Nitro Enclaves) untuk memastikan model hanya merespons permintaan yang berwenang, mencegah akses dan penggunaan yang tidak sah. Meskipun TEE bergantung pada perangkat keras dan memiliki beberapa risiko keamanan, keunggulan kinerja tinggi dan real-time-nya menjadikannya teknologi inti untuk penyebaran 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, serta menyediakan solusi yang lebih matang untuk penerapan model AI secara terdesentralisasi.

![Biteye dan PANews merilis laporan penelitian AI Layer1: Mencari tanah subur untuk DeAI on-chain](