AI Layer1 дослідження: пошук у блокчейні DeAI родючих земель

Огляд

В останні роки провідні технологічні компанії, такі як OpenAI, Anthropic, Google, Meta, активно сприяють стрімкому розвитку великих мовних моделей (LLM). LLM демонструють безпрецедентні можливості в різних сферах, значно розширюючи людську уяву, а в деяких випадках навіть мають потенціал замінити людську працю. Однак ядро цих технологій знаходиться в руках небагатьох централізованих технологічних гігантів. Завдяки потужному капіталу та контролю над дорогими обчислювальними ресурсами ці компанії встановили непереборні бар'єри, що ускладнює абсолютній більшості розробників та інноваційних команд конкуренцію з ними.

Водночас, на початковому етапі швидкого розвитку AI, суспільна думка часто зосереджується на прориві та зручностях, які приносить технологія, тоді як питання захисту приватності, прозорості, безпеки та інших ключових проблем залишається відносно недостатньо обговорюваним. У довгостроковій перспективі ці проблеми глибоко вплинуть на здоровий розвиток індустрії AI та соціальну прийнятність. Якщо їх не вирішити належним чином, спори про те, чи AI "на добро", чи "на зло", стануть дедалі більш виразними, а централізовані гіганти, керуючись інстинктом отримання прибутку, часто не мають достатньої мотивації для активного реагування на ці виклики.

Технологія блокчейн, завдяки своїм децентралізованим, прозорим та антицензурним характеристикам, відкриває нові можливості для сталого розвитку галузі штучного інтелекту. На сьогоднішній день на деяких основних блокчейнах вже виникло безліч застосувань "Web3 AI". Але глибокий аналіз показує, що ці проекти все ще мають багато проблем: з одного боку, рівень децентралізації обмежений, ключові етапи та інфраструктура все ще залежать від централізованих хмарних сервісів, що ускладнює підтримку справжньої відкритої екосистеми; з іншого боку, у порівнянні з продуктами штучного інтелекту світу Web2, AI у блокчейні має обмеження в моделях можливостей, використанні даних і сферах застосування, глибина та ширина інновацій потребують покращення.

Щоб насправді реалізувати бачення децентралізованого ШІ, необхідно, щоб блокчейн міг безпечно, ефективно та демократично підтримувати великомасштабні AI-додатки та конкурувати з централізованими рішеннями за продуктивністю, нам потрібно спроектувати Layer1 блокчейн, спеціально розроблений для AI. Це забезпечить міцну основу для відкритих інновацій в AI, демократичного управління та безпеки даних, сприяючи процвітанню екосистеми децентралізованого AI.

Основні характеристики AI Layer 1

AI Layer 1 як блокчейн, спеціально розроблений для AI-додатків, має архітектуру та продуктивність, які тісно пов'язані з потребами AI-завдань, з метою ефективної підтримки сталого розвитку та процвітання AI-екосистеми у блокчейні. Конкретно, AI Layer 1 повинен мати такі ключові можливості:

1. Ефективні стимули та децентралізований механізм консенсусу. Основна мета AI Layer 1 полягає в створенні відкритої мережі для спільного використання ресурсів, таких як обчислювальна потужність і зберігання. На відміну від традиційних вузлів блокчейну, які в основному зосереджені на веденні обліку в книзі, вузли AI Layer 1 повинні виконувати більш складні завдання: вони не тільки повинні забезпечувати обчислювальну потужність, завершувати навчання та висновок AI моделей, але також повинні вносити різноманітні ресурси, такі як зберігання, дані, пропускна здатність, щоб розірвати монополію централізованих гігантів на інфраструктуру AI. Це ставить вищі вимоги до базового консенсусу та механізму стимулювання: AI Layer 1 повинен точно оцінювати, заохочувати та перевіряти фактичний внесок вузлів у завдання, пов'язані з AI висновком і навчанням, досягаючи безпеки мережі та ефективного розподілу ресурсів. Лише так можна забезпечити стабільність і процвітання мережі та ефективно знизити загальні витрати на обчислювальну потужність.

2. Висока продуктивність та підтримка гетерогенних завдань Завдання AI, зокрема навчання та висновки LLM, висувають дуже високі вимоги до обчислювальної продуктивності та паралельної обробки. Більше того, у блокчейні AI екосистема часто повинна підтримувати різноманітні, гетерогенні типи завдань, що включають різні структури моделей, обробку даних, висновки, зберігання та інші різноманітні сценарії. AI Layer 1 повинен глибоко оптимізувати свою базову архітектуру під вимоги високої пропускної здатності, низької затримки та еластичної паралельності, а також передбачити рідну підтримку гетерогенних обчислювальних ресурсів, щоб забезпечити ефективну роботу всіх завдань AI та реалізувати плавне розширення від "однобічних завдань" до "складних різноманітних екосистем".

3. Перевіряність та гарантія надійного виходу AI Layer 1 не лише має запобігати зловживанням моделей, підробці даних та іншим загрозам безпеці, але й з механізмів на базовому рівні гарантувати перевіряність та узгодженість виходу AI. Завдяки інтеграції надійного середовища виконання (TEE), нульових знань (ZK), багатосторонніх безпечних обчислень (MPC) та інших передових технологій, платформа може забезпечити, щоб кожен процес інференції моделі, навчання та обробки даних міг бути незалежно перевірений, гарантувати справедливість та прозорість системи AI. Водночас, ця перевіряність також може допомогти користувачам чітко зрозуміти логіку та підстави виходу AI, реалізуючи "те, що отримуєш, те і бажаєш", підвищуючи довіру та задоволеність користувачів продуктами AI.

4. Захист конфіденційності даних Застосування ШІ часто включає чутливі дані користувачів, особливо у фінансовій, медичній, соціальній сферах захист конфіденційності даних є надзвичайно важливим. AI Layer 1 повинен забезпечити верифікацію, використовуючи технології обробки даних на основі шифрування, протоколи обчислення конфіденційності та управління правами доступу до даних, щоб гарантувати безпеку даних на всіх етапах, таких як інференція, навчання та зберігання, ефективно запобігаючи витоку та зловживанню даними, усуваючи побоювання користувачів щодо безпеки даних.

5. Потужна екосистема та підтримка розробки Як AI-орієнтована інфраструктура Layer 1, платформа повинна не тільки мати технічну перевагу, але й надавати розробникам, операторам вузлів, постачальникам AI-послуг та іншим учасникам екосистеми повноцінні інструменти для розробки, інтегровані SDK, підтримку експлуатації та механізми стимулювання. Через постійне вдосконалення доступності платформи та досвіду розробників сприяти впровадженню різноманітних AI-орієнтованих додатків, щоб забезпечити сталий розвиток децентралізованої AI-екосистеми.

Виходячи з вищезазначеного контексту та сподівань, у цій статті буде детально представлено шість представницьких проектів AI Layer1, зокрема Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, систематизовано останні досягнення в цій сфері, проаналізовано сучасний стан проектів і обговорено майбутні тенденції.

Sentient: побудова відданої відкритої децентралізованої AI моделі

Огляд проекту

Sentient є відкритою платформою протоколів, яка створює AI Layer1 у блокчейні (. На початковій стадії він є Layer 2, а згодом буде переведений на Layer 1). Поєднуючи AI Pipeline та технології блокчейну, він будує децентралізовану економіку штучного інтелекту. Його основна мета полягає в тому, щоб за допомогою "OML" фрейму (відкритий, прибутковий, лояльний) вирішити проблеми, пов'язані з приналежністю моделей, відстеженням викликів та розподілом вартості на централізованому ринку LLM, забезпечуючи структуру власності моделей AI на ланцюзі, прозорість викликів та розподіл вартості. Бачення Sentient полягає в тому, щоб будь-хто міг створювати, співпрацювати, володіти та монетизувати продукти AI, тим самим сприяючи справедливій та відкритій екосистемі мережі AI Agent.

Команда Sentient Foundation об'єднала провідних академічних експертів, підприємців у сфері блокчейну та інженерів з усього світу, щоб створити спільнотно керовану, відкриту та перевірену платформу AGI. До складу основних учасників входять професор Принстонського університету Pramod Viswanath та професор Індійського інституту науки Himanshu Tyagi, які відповідають за безпеку штучного інтелекту та захист приватності, а стратегію блокчейну та екосистему очолює співзасновник Polygon Sandeep Nailwal. Члени команди мають досвід роботи в таких відомих компаніях, як Meta, Coinbase, Polygon, а також у провідних університетах, таких як Принстонський університет та Індійський інститут технологій, охоплюючи такі сфери, як AI/ML, NLP, комп'ютерне зір, спільно просуваючи реалізацію проєкту.

Як другий стартап співзасновника Polygon Sandeep Nailwal, Sentient з самого початку мав ореол слави, володіючи багатими ресурсами, зв'язками та ринковою впізнаваністю, що забезпечило потужну підтримку розвитку проєкту. У середині 2024 року Sentient завершив раунд фінансування на 85 мільйонів доларів, лідерами якого стали Founders Fund, Pantera та Framework Ventures, а також десятки інших відомих VC, таких як Delphi, Hashkey та Spartan.

Проектування архітектури та прикладного рівня

Інфраструктурний рівень

Ядро архітектури

Ядро архітектури Sentient складається з двох частин: AI Pipeline та у блокчейні.

AI трубопровід є основою для розробки та навчання "лояльного AI" артефактів, що містить два основні 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 у блокчейні забезпечують прозорість та децентралізований контроль протоколів, що гарантує право власності на AI-артефакти, відстеження використання, розподіл доходів та справедливе управління. Конкретна архітектура поділяється на чотири рівні:

• Зберігання: зберігання ваг моделей та інформації про реєстрацію відбитків.
• Розподільчий шар: вхід для виклику моделі контролюється контрактом на авторизацію;
• Доступний рівень: перевірка прав доступу для підтвердження авторизації користувача;
• Мотиваційний рівень: контракт маршрутизації доходів буде виплачувати винагороду тренерам, розробникам та валідаціям при кожному виклику.

OML модельна структура

OML фреймворк (Відкритий Open, Можливий для монетизації Monetizable, Лояльний Loyal) є основною концепцією, запропонованою Sentient, і має на меті забезпечити чіткий захист прав власності та економічні стимули для відкритих AI моделей. Завдяки поєднанню технологій у блокчейні та AI рідної криптографії, він має такі характеристики:

• Відкритість: Модель повинна бути з відкритим кодом, код і структура даних мають бути прозорими, щоб спростити відтворення, аудит і вдосконалення з боку спільноти.
• Монетизація: Кожен виклик моделі генерує потік доходу, у блокчейні контракт розподіляє прибуток між тренерами, розробниками та валідаторами.
• Вірність: Модель належить спільноті внесків, напрямок оновлення та управління визначається DAO, використання та зміна контролюються криптомеханізмом.

AI рідна криптографія (AI-native Cryptography)

AI нативне шифрування використовує безперервність моделей AI, структуру низьковимірних маніфолдів та диференційованість моделей для розробки "перевіряємого, але незнімного" легкого механізму безпеки. Його основна технологія:

• Вбудовування відбитків пальців: під час навчання вносять набір прихованих пар запит-відповідь для формування унікального підпису моделі;
• Протокол перевірки власності: перевірка збереження відбитків пальців через сторонній детектор (Prover) у формі запиту;
• Механізм дозволеного виклику: перед викликом необхідно отримати "дозвільний документ", виданий власником моделі, після чого система надає дозвіл моделі на декодування цього введення та повернення точного відповіді.

Цей спосіб дозволяє реалізувати "авторизований виклик на основі поведінки + верифікацію належності" без витрат на повторне шифрування.

Модель підтвердження прав власності та безпечна виконуюча структура

Sentient наразі використовує Melange змішану безпеку: підтвердження за допомогою відбитків пальців, виконання TEE, комісійні за контрактами у блокчейні. Серед методів підтвердження відбитків пальців основна лінія реалізована OML 1.0, що підкреслює ідею "оптимістичної безпеки (Optimistic Security)", тобто за замовчуванням відповідності, 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 пар "питання-відповідь". Завдяки цим підписам, власники моделі можуть перевіряти приналежність, запобігаючи несанкціонованому копіюванню та комерціалізації. Цей механізм не лише захищає права розробників моделей, але й надає можливість відстежувати поведінку використання моделі через запис у блокчейні.

Крім того, Sentient представила обчислювальну платформу Enclave TEE, яка використовує довірену середу виконання (таку як AWS Nitro Enclaves), щоб забезпечити, що моделі реагують лише на авторизовані запити, запобігаючи несанкціонованому доступу та використанню. Хоча TEE залежить від апаратного забезпечення та має певні проблеми з безпекою, її висока продуктивність і реальний час роблять її основною технологією для розгортання моделей сьогодні.

У майбутньому Sentient планує впровадити технології нульових знань (ZK) та гомоморфного шифрування (FHE), щоб ще більше посилити захист конфіденційності та перевіряємості, забезпечуючи більш зрілу децентралізовану реалізацію моделей ШІ.