AI Layer1 исследование: поиск плодородной почвы для DeAI в блокчейне

Обзор

В последние годы ведущие технологические компании, такие как OpenAI, Anthropic, Google и Meta, постоянно способствуют стремительному развитию больших языковых моделей (LLM). LLM демонстрируют беспрецедентные возможности в различных отраслях, значительно расширяя пространство человеческого воображения и даже показывая потенциал замены человеческого труда в некоторых сценариях. Тем не менее, ядро этих технологий сосредоточено в руках немногих централизованных технологических гигантов. Обладая мощным капиталом и контролем над высокими вычислительными ресурсами, эти компании создали непреодолимые барьеры, что затрудняет большинству разработчиков и инновационных команд конкурировать с ними.

В то же время, на ранних этапах быстрого развития ИИ общественное мнение часто сосредотачивается на прорывах и удобствах, которые приносит технология, в то время как внимание к таким ключевым вопросам, как защита конфиденциальности, прозрачность и безопасность, остается относительно недостаточным. В долгосрочной перспективе эти проблемы будут глубоко влиять на здоровое развитие отрасли ИИ и социальную приемлемость. Если их не удастся должным образом решить, спор о том, будет ли ИИ "на благо" или "на зло", станет все более актуальным, в то время как централизованные гиганты, движимые инстинктом наживы, часто не имеют достаточной мотивации для активного решения этих вызовов.

Технология блокчейн, благодаря своим децентрализованным, прозрачным и устойчивым к цензуре характеристикам, открывает новые возможности для устойчивого развития AI-индустрии. В настоящее время на некоторых основных блокчейнах уже появились многочисленные приложения "Web3 AI". Однако при глубоком анализе можно обнаружить, что у этих проектов все еще есть много проблем: с одной стороны, степень децентрализации ограничена, ключевые этапы и инфраструктура все еще зависят от централизованных облачных сервисов, что затрудняет создание действительно открытой экосистемы; с другой стороны, по сравнению с AI-продуктами мира Web2, AI на блокчейне все еще ограничен в модели возможностей, использовании данных и сценариях применения, и глубина и широта инноваций требуют улучшения.

Чтобы действительно реализовать видение децентрализованного ИИ, необходимо, чтобы в блокчейне безопасно, эффективно и демократично размещались масштабные приложения ИИ, а по производительности он соперничал с централизованными решениями. Нам необходимо разработать Layer1 блокчейн, специально созданный для ИИ. Это обеспечит прочную основу для открытых инноваций в ИИ, демократического управления и безопасности данных, способствуя процветанию децентрализованной экосистемы ИИ.

Основные характеристики AI Layer 1

AI Layer 1 как блокчейн, специально разработанный для AI-приложений, его базовая архитектура и производительность проектируются с учетом потребностей AI-задач, с целью эффективной поддержки устойчивого развития и процветания AI-экосистемы в блокчейне. Конкретно, AI Layer 1 должен обладать следующими ключевыми возможностями:

1. Эффективные стимулы и механизм децентрализованного консенсуса. Ядро AI Layer 1 заключается в создании открытой сети для совместного использования ресурсов, таких как вычислительная мощность и хранение. В отличие от традиционных узлов блокчейна, которые в основном сосредоточены на ведении бухгалтерского учета, узлы AI Layer 1 должны выполнять более сложные задачи: не только предоставлять вычислительную мощность, завершать обучение и вывод AI-моделей, но и вносить разнообразные ресурсы, такие как хранение, данные и пропускная способность, чтобы разрушить монополию централизованных гигантов в инфраструктуре AI. Это выдвигает более высокие требования к основному консенсусу и механизму стимулов: AI Layer 1 должен точно оценивать, поощрять и проверять фактический вклад узлов в задачи AI-вывода, обучения и т.д., обеспечивая безопасность сети и эффективное распределение ресурсов. Только так можно гарантировать стабильность и процветание сети, а также эффективно снизить общие затраты на вычислительную мощность.

2. Превосходная высокая производительность и поддержка гетерогенных задач. Задачи ИИ, особенно обучение и вывод LLM, предъявляют очень высокие требования к вычислительной производительности и параллельной обработке. Более того, экосистема AI в блокчейне часто должна поддерживать разнообразные, гетерогенные типы задач, включая различные модели, обработку данных, вывод, хранение и другие многообразные сценарии. AI Layer 1 должен глубоко оптимизировать свою базовую архитектуру для удовлетворения требований к высокой пропускной способности, низкой задержке и эластичной параллельной обработке, а также предусмотреть нативную поддержку гетерогенных вычислительных ресурсов, чтобы обеспечить эффективное выполнение различных задач ИИ и плавное расширение от "однородных задач" к "сложной многообразной экосистеме".

3. Проверяемость и гарантия надежного вывода AI Layer 1 не только должны предотвращать злонамеренные действия моделей, подделку данных и другие угрозы безопасности, но и обеспечивать проверяемость и согласованность результатов вывода AI с помощью механизмов на нижнем уровне. Интегрируя такие передовые технологии, как защищенная вычислительная среда (TEE), нулевые знания (ZK) и безопасные многосторонние вычисления (MPC), платформа может обеспечить независимую проверку каждого процесса вывода модели, обучения и обработки данных, гарантируя справедливость и прозрачность системы AI. В то же время такая проверяемость помогает пользователям четко понять логику и обоснования выводов AI, достигая "что получено, то и пожелано", повышая доверие и удовлетворенность пользователей к продуктам AI.

4. Защита конфиденциальности данных Приложения ИИ часто связаны с чувствительными данными пользователей, особенно в таких областях, как финансы, здравоохранение и социальные сети, защита конфиденциальности данных имеет особое значение. AI Layer 1 должен обеспечивать верифицируемость, одновременно используя технологии обработки данных на основе шифрования, протоколы конфиденциальных вычислений и управление правами на данные, чтобы гарантировать безопасность данных на всех этапах, таких как вывод, обучение и хранение, эффективно предотвращая утечку и несанкционированное использование данных, устраняя беспокойство пользователей о безопасности данных.

5. Мощные возможности поддержки экосистемы и разработки В качестве инфраструктуры Layer 1, родной для ИИ, платформа должна обладать не только техническим превосходством, но и предоставлять разработчикам, операторам узлов, поставщикам ИИ-услуг и другим участникам экосистемы полные инструменты разработки, интегрированные SDK, поддержку эксплуатации и механизмы поощрения. Путем постоянной оптимизации доступности платформы и опыта разработчиков, способствовать внедрению разнообразных приложений, родных для ИИ, и обеспечивать постоянное процветание децентрализованной экосистемы ИИ.

На основе вышеизложенного фона и ожиданий, в данной статье будет подробно представлено шесть代表项目 AI Layer1, включая Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематически рассмотрены последние достижения в сфере, проанализировано текущее состояние развития проектов и обсуждены будущие тенденции.

Sentient: создание преданного открытого децентрализованного AI-модели

Обзор проекта

Sentient является платформой с открытым исходным кодом, которая разрабатывает AI Layer1 в блокчейне( на начальной стадии как Layer 2, а затем будет перенесена на Layer 1). Объединяя AI Pipeline и технологии блокчейна, она создает децентрализованную экономику искусственного интеллекта. Ее основная цель — решить проблемы принадлежности моделей, отслеживания вызовов и распределения ценности на централизованном рынке LLM с помощью "OML" фреймворка (открытый, прибыльный, лояльный), обеспечив структуру владения моделями AI в блокчейне, прозрачность вызовов и распределение ценности. Видение Sentient заключается в том, чтобы любой мог создавать, сотрудничать, владеть и монетизировать AI-продукты, способствуя созданию справедливой и открытой экосистемы сети AI Agent.

Команда Sentient Foundation объединила ведущих мировых академических экспертов, предпринимателей в области блокчейна и инженеров, стремясь создать сообщество, ориентированное на открытые и проверяемые платформы AGI. Важные участники включают профессора Принстонского университета Прамода Висваната и профессора Индийского института науки Химаншу Тяги, которые отвечают за безопасность ИИ и защиту конфиденциальности. Стратегия блокчейна и экосистемы курируется соучредителем Polygon Сандипом Найлвалом. Члены команды имеют опыт работы в таких известных компаниях, как Meta, Coinbase, Polygon, а также в ведущих университетах, таких как Принстонский университет и Индийский институт технологий, охватывая области AI/ML, NLP, компьютерного зрения и совместно продвигая реализацию проекта.

Как второй стартап соучредителя Polygon Sandeep Nailwal, Sentient с самого начала имела ореол, обладая богатым ресурсом, связями и рыночной осведомленностью, что обеспечило мощную поддержку для развития проекта. В середине 2024 года Sentient завершила раунд посевного финансирования на 85 миллионов долларов, в котором приняли участие Founders Fund, Pantera и Framework Ventures, а также десятки известных венчурных капиталистов, таких как Delphi, Hashkey и Spartan.

Проектирование архитектуры и прикладного уровня

Инфраструктурный уровень

Основная архитектура

Ядро архитектуры Sentient состоит из двух частей: AI Pipeline и системы в блокчейне.

AI-пipeline является основой для разработки и обучения артефактов "лояльного AI" и включает в себя два основных процесса:​

• Планирование данных (Data Curation): процесс выбора данных, управляемый сообществом, для выравнивания модели.
• Обучение лояльности (Loyalty Training): обеспечение того, чтобы модель сохраняла процесс обучения, соответствующий намерениям сообщества.

Система в блокчейне обеспечивает прозрачность и децентрализованный контроль над протоколом, гарантируя право собственности на ИИ-артефакты, отслеживание использования, распределение доходов и справедливое управление. Конкретная архитектура разделена на четыре уровня:

• Уровень хранения: хранение весов модели и информации о регистрации отпечатков.
• Уровень распределения: точка входа для вызова модели управления контрактом авторизации;
• Уровень доступа: проверка полномочий для подтверждения того, что пользователь авторизован;
• Уровень стимулов: контракт маршрутизации доходов будет распределять выплаты между тренерами, развертывателями и валидаторами при каждом вызове.

OML модельная рамка

OML фреймворк (Открытый Open, Монетизируемый Monetizable, Лояльный Loyal) является ключевой концепцией, предложенной Sentient, целью которой является обеспечение четкой защиты прав собственности и экономических стимулов для открытых AI моделей. Объединяя технологии в блокчейне и нативную криптографию AI, он имеет следующие характеристики:

• Открытость: модель должна быть с открытым исходным кодом, код и структура данных должны быть прозрачными, чтобы сообщество могло легко воспроизводить, проверять и улучшать.
• Монетизация: каждый вызов модели будет генерировать поток доходов, в блокчейне контракт будет распределять доход между тренерами, развертывателями и валидаторами.
• Преданность: Модель принадлежит сообществу участников, направление обновления и управление определяются DAO, использование и модификация контролируются криптографическим механизмом.

AI-родная криптография (AI-native Cryptography)

AI-родное шифрование использует непрерывность моделей AI, структуры низкоразмерных многообразий и дифференцируемые характеристики моделей для разработки "проверяемого, но не удаляемого" легковесного механизма безопасности. Его ключевая технология заключается в:

• Встраивание отпечатка: во время обучения вставляется набор скрытых пар ключ-значение запрос-ответ для формирования уникальной подписи модели;
• Протокол проверки прав собственности: проверка сохранения отпечатков пальцев в форме запроса через сторонний детектор (Prover);
• Механизм разрешений: перед вызовом необходимо получить "удостоверение полномочий", выданное владельцем модели, после чего система предоставит модели разрешение декодировать этот ввод и вернуть точный ответ.

Этот способ позволяет осуществить "авторизацию вызова на основе поведения + верификацию принадлежности" без затрат на повторное шифрование.

Модель правопорядка и безопасного выполнения

Sentient в настоящее время использует Melange смешанную безопасность: с использованием подтверждения по отпечаткам пальцев, выполнения TEE и распределения доходов по смарт-контрактам в блокчейне. При этом метод отпечатков пальцев реализован по OML 1.0 как основная линия, подчеркивающая идею "оптимистической безопасности (Optimistic Security)", что подразумевает автоматическую соответствие, а в случае нарушения - возможность обнаружения и наказания.

Механизм отпечатков пальцев является ключевой реализацией OML, который позволяет модели генерировать уникальную подпись на этапе обучения, встраивая определённые пары "вопрос-ответ". С помощью этих подписей владелец модели может подтвердить право собственности, предотвращая несанкционированное копирование и коммерциализацию. Этот механизм не только защищает права разработчиков модели, но и предоставляет отслеживаемую запись о действиях с моделью в блокчейне.

Кроме того, Sentient представила вычислительную платформу Enclave TEE, использующую доверенные среды выполнения (такие как AWS Nitro Enclaves), чтобы гарантировать, что модель отвечает только на авторизованные запросы, предотвращая несанкционированный доступ и использование. Несмотря на то, что TEE зависит от аппаратного обеспечения и имеет определенные риски безопасности, его высокая производительность и преимущества в реальном времени делают его ключевой технологией для развертывания современных моделей.

В будущем Sentient планирует внедрить технологии нулевых знаний (ZK) и полностью однородного шифрования (FHE), чтобы дополнительно повысить защиту конфиденциальности и проверяемость, обеспечивая более зрелое развертывание децентрализованных AI моделей.