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 ada sebelumnya di berbagai sektor, sangat memperluas ruang imajinasi manusia, bahkan dalam beberapa situasi menunjukkan potensi untuk menggantikan tenaga kerja manusia. Namun, inti dari teknologi ini tetap dikuasai oleh beberapa raksasa teknologi terdesentralisasi. Dengan modal yang kuat dan penguasaan sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun penghalang yang sulit untuk dilampaui, sehingga sebagian besar pengembang dan tim inovasi sulit untuk bersaing.
Sementara itu, pada awal evolusi cepat AI, opini publik sering kali terfokus pada terobosan dan kemudahan yang ditawarkan oleh teknologi, sedangkan perhatian terhadap masalah inti seperti perlindungan privasi, transparansi, dan keamanan relatif kurang. Dalam jangka panjang, masalah-masalah ini akan berdampak mendalam terhadap perkembangan sehat industri AI dan tingkat penerimaan masyarakat. Jika tidak dapat diatasi dengan baik, perdebatan tentang apakah AI "menuju kebaikan" atau "menuju keburukan" akan semakin menonjol, sementara raksasa terpusat yang didorong oleh naluri mencari keuntungan sering kali kekurangan motivasi yang cukup untuk secara proaktif menghadapi tantangan ini.
Teknologi blockchain, dengan karakteristik desentralisasi, transparansi, dan ketahanan terhadap sensor, menawarkan kemungkinan baru untuk keberlanjutan industri AI. Saat ini, sejumlah aplikasi "Web3 AI" telah muncul di berbagai blockchain utama. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih menghadapi banyak masalah: di satu sisi, tingkat desentralisasi yang terbatas, di mana bagian-bagian kunci dan infrastruktur masih bergantung pada layanan cloud terpusat, sehingga sulit mendukung ekosistem terbuka yang sesungguhnya; di sisi lain, dibandingkan dengan produk AI di dunia Web2, AI on-chain masih memiliki keterbatasan dalam kemampuan model, pemanfaatan data, dan skenario aplikasi, serta kedalaman dan keluasan inovasi yang perlu ditingkatkan.
Untuk benar-benar mewujudkan visi AI yang terdesentralisasi, memungkinkan blockchain untuk secara aman, efisien, dan demokratis mendukung aplikasi AI berskala besar, serta bersaing dalam kinerja dengan solusi terpusat, kita perlu merancang blockchain Layer1 yang dirancang khusus untuk AI. Ini akan menyediakan dasar yang kuat untuk inovasi terbuka AI, demokrasi pemerintahan, dan keamanan data, mendorong perkembangan yang makmur dari ekosistem AI terdesentralisasi.
Fitur Inti AI Layer 1
AI Layer 1 sebagai blockchain yang dirancang khusus untuk aplikasi AI, memiliki arsitektur dan desain kinerja yang erat berkaitan 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:
Mekanisme insentif yang efisien dan konsensus terdesentralisasi
Inti dari AI Layer 1 adalah membangun jaringan berbagi sumber daya yang terbuka seperti daya komputasi dan penyimpanan. Berbeda dengan node blockchain tradisional yang fokus pada pencatatan buku besar, node AI Layer 1 perlu menjalankan tugas yang lebih kompleks, tidak hanya menyediakan daya komputasi dan menyelesaikan pelatihan serta inferensi model AI, tetapi juga perlu menyumbangkan penyimpanan, data, bandwidth, dan sumber daya yang beragam, untuk memecahkan monopoli raksasa terpusat dalam infrastruktur AI. Ini mengajukan tuntutan yang lebih tinggi terhadap konsensus dan mekanisme insentif di lapisan dasar: AI Layer 1 harus dapat secara akurat mengevaluasi, mendorong, 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 dipastikan stabil dan makmur, serta secara efektif mengurangi biaya daya komputasi secara keseluruhan.
Kinerja tinggi yang luar biasa dan kemampuan dukungan tugas heterogen
Tugas AI, terutama pelatihan dan inferensi LLM, membutuhkan kinerja komputasi dan kemampuan pemrosesan paralel yang sangat tinggi. Lebih lanjut, ekosistem AI on-chain sering kali juga perlu mendukung berbagai jenis tugas yang beragam dan heterogen, termasuk struktur model yang berbeda, pemrosesan data, inferensi, penyimpanan, dan berbagai skenario lainnya. AI Layer 1 harus melakukan optimasi mendalam pada arsitektur dasar untuk kebutuhan throughput tinggi, latensi rendah, dan paralelisme elastis, serta menetapkan kemampuan dukungan asli untuk sumber daya komputasi heterogen, memastikan berbagai tugas AI dapat berjalan secara efisien dan mewujudkan perluasan yang mulus dari "tugas tunggal" ke "ekosistem kompleks dan beragam".
Verifikasi dan Jaminan Output yang Dipercaya
AI Layer 1 tidak hanya harus mencegah model berbuat jahat, pemalsuan data, dan risiko keamanan lainnya, tetapi juga harus memastikan verifikasi dan keselarasan hasil keluaran AI dari mekanisme dasar. Dengan mengintegrasikan lingkungan eksekusi tepercaya (TEE), bukti nol pengetahuan (ZK), dan komputasi aman multi-pihak (MPC) serta teknologi mutakhir lainnya, platform dapat memastikan bahwa setiap inferensi model, pelatihan, dan proses pengolahan data dapat diverifikasi secara independen, yang memastikan keadilan dan transparansi sistem AI. Pada saat yang sama, verifikasi ini juga dapat membantu pengguna memahami logika dan dasar keluaran AI, mewujudkan "apa yang didapat adalah apa yang diinginkan", serta meningkatkan kepercayaan dan kepuasan pengguna terhadap produk AI.
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 mengadopsi teknologi pemrosesan data berbasis enkripsi, protokol komputasi privasi, dan manajemen akses data, sambil memastikan verifikasi, untuk menjaga keamanan data selama seluruh proses inferensi, pelatihan, dan penyimpanan, secara efektif mencegah kebocoran dan penyalahgunaan data, serta menghilangkan kekhawatiran pengguna terkait keamanan data.
Kemampuan dukungan pengembangan dan penampungan ekosistem yang kuat
Sebagai infrastruktur Layer 1 yang asli AI, platform tidak hanya harus memiliki keunggulan teknis, tetapi juga harus menyediakan alat pengembangan yang lengkap, SDK yang terintegrasi, dukungan operasi dan mekanisme insentif untuk para peserta ekosistem seperti pengembang, operator node, dan penyedia layanan AI. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mempromosikan penerapan aplikasi AI yang kaya dan beragam, serta mewujudkan kemakmuran berkelanjutan dari ekosistem AI yang terdesentralisasi.
Berdasarkan latar belakang dan harapan di atas, artikel ini akan secara rinci memperkenalkan enam proyek AI Layer1 yang diwakili oleh Sentient, Sahara AI, Ritual, Gensyn, Bittensor, dan 0G, menyusun perkembangan terbaru di jalur tersebut, menganalisis keadaan perkembangan proyek, dan membahas tren masa depan.
Sentient: Membangun Model AI Terdesentralisasi Sumber Terbuka yang Loyal
Ringkasan Proyek
Sentient adalah platform protokol sumber terbuka yang sedang membangun blockchain AI Layer1 ( pada tahap awal sebagai Layer 2, kemudian akan berpindah ke Layer 1). Dengan menggabungkan AI Pipeline dan teknologi blockchain, mereka membangun ekonomi kecerdasan buatan terdesentralisasi. Tujuan inti mereka adalah untuk menyelesaikan masalah kepemilikan model, pelacakan panggilan, dan distribusi nilai dalam pasar LLM terpusat melalui kerangka "OML" (terbuka, menguntungkan, setia), memungkinkan struktur kepemilikan on-chain untuk model AI, transparansi panggilan, dan pembagian nilai. Visi Sentient adalah agar siapa pun dapat membangun, berkolaborasi, memiliki, dan memonetisasi produk AI, sehingga mendorong ekosistem jaringan AI Agent yang adil dan terbuka.
Tim Sentient Foundation mengumpulkan para ahli akademis, pengusaha blockchain, dan insinyur terkemuka dari seluruh dunia, berkomitmen untuk membangun platform AGI yang didorong oleh komunitas, sumber terbuka, dan dapat diverifikasi. Anggota inti termasuk profesor Universitas Princeton Pramod Viswanath dan profesor Institut Ilmu Pengetahuan India Himanshu Tyagi, yang 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 terkemuka seperti Universitas Princeton dan Institut Teknologi India, mencakup bidang AI/ML, NLP, penglihatan komputer, dan berkolaborasi untuk mendorong pelaksanaan proyek.
Sebagai proyek kewirausahaan kedua Sandeep Nailwal, salah satu pendiri Polygon, Sentient sudah dilengkapi dengan keunggulan sejak awal berdirinya, memiliki sumber daya, jaringan, dan pengenalan pasar yang kaya, memberikan dukungan yang kuat untuk pengembangan proyek. Pada pertengahan 2024, Sentient berhasil 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
Infrastruktur
Arsitektur Inti
Arsitektur inti Sentient terdiri dari dua bagian: AI Pipeline dan sistem blockchain.
Pipa AI adalah dasar untuk mengembangkan dan melatih artefak "AI Setia", yang mencakup dua proses inti:
Perencanaan Data (Data Curation): Proses pemilihan data yang dipimpin oleh komunitas, digunakan untuk penyelarasan model.
Pelatihan Loyalitas (Loyalty Training): memastikan model mempertahankan proses pelatihan yang konsisten dengan niat komunitas.
Sistem blockchain memberikan transparansi dan kontrol terdesentralisasi untuk protokol, memastikan kepemilikan, pelacakan penggunaan, distribusi pendapatan, dan tata kelola yang adil dari artefak AI. Arsitektur spesifik dibagi menjadi empat lapisan:
Lapisan penyimpanan: menyimpan bobot model dan informasi pendaftaran sidik jari;
Lapisan distribusi: Kontrol model panggilan kontrak otorisasi;
Lapisan akses: Memverifikasi apakah pengguna diberi wewenang melalui bukti izin;
Lapisan insentif: Kontrak pengarah 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 diajukan 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 berikut:
Keterbukaan: Model harus bersifat open source, kode dan struktur data transparan, memudahkan komunitas untuk mereproduksi, mengaudit, dan meningkatkan.
Monetisasi: Setiap kali model dipanggil, aliran pendapatan akan terpicu, kontrak on-chain akan mendistribusikan pendapatan kepada pelatih, penyebar, dan validator.
Loyalitas: Model milik komunitas kontributor, arah peningkatan dan tata kelola ditentukan oleh DAO, penggunaan dan modifikasi dikendalikan oleh mekanisme kripto.
Kriptografi Asli AI (AI-native Cryptography)
Kriptografi asli AI adalah penggunaan kontinuitas model AI, struktur manifold berdimensi rendah, dan sifat dapat dibedakan dari model untuk mengembangkan mekanisme keamanan ringan yang "dapat diverifikasi tetapi tidak dapat dihapus". Teknologi inti nya adalah:
Penyisipan 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 panggilan izin: Sebelum memanggil, perlu mendapatkan "sertifikat izin" yang dikeluarkan oleh pemilik model, sistem kemudian 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 Penegakan Hak Model dan Eksekusi Aman
Sentient saat ini menggunakan Melange campuran keamanan: menggabungkan verifikasi sidik jari, pelaksanaan TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari merupakan implementasi OML 1.0 sebagai garis utama, menekankan pemikiran "Keamanan Optimis (Optimistic Security)", yaitu secara default dianggap patuh, dan dapat terdeteksi serta dihukum setelah pelanggaran.
Mekanisme sidik jari adalah implementasi kunci dari OML, yang memungkinkan model menghasilkan tanda tangan unik selama fase pelatihan dengan menyematkan 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 menyediakan catatan on-chain yang dapat dilacak untuk perilaku penggunaan model.
Selain itu, Sentient meluncurkan kerangka kerja komputasi Enclave TEE, yang memanfaatkan lingkungan eksekusi tepercaya 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-timenya menjadikannya teknologi inti dalam penerapan model saat ini.
Di masa depan, Sentient berencana untuk memperkenalkan teknologi bukti nol pengetahuan (ZK) dan enkripsi homomorfik penuh (FHE) untuk lebih meningkatkan perlindungan privasi dan verifikasi, serta memberikan solusi yang lebih matang untuk penerapan terdesentralisasi model AI.
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
Laporan Penelitian AI Layer1: Menganalisis 6 Proyek Perwakilan DeAI di on-chain
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 ada sebelumnya di berbagai sektor, sangat memperluas ruang imajinasi manusia, bahkan dalam beberapa situasi menunjukkan potensi untuk menggantikan tenaga kerja manusia. Namun, inti dari teknologi ini tetap dikuasai oleh beberapa raksasa teknologi terdesentralisasi. Dengan modal yang kuat dan penguasaan sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun penghalang yang sulit untuk dilampaui, sehingga sebagian besar pengembang dan tim inovasi sulit untuk bersaing.
Sementara itu, pada awal evolusi cepat AI, opini publik sering kali terfokus pada terobosan dan kemudahan yang ditawarkan oleh teknologi, sedangkan perhatian terhadap masalah inti seperti perlindungan privasi, transparansi, dan keamanan relatif kurang. Dalam jangka panjang, masalah-masalah ini akan berdampak mendalam terhadap perkembangan sehat industri AI dan tingkat penerimaan masyarakat. Jika tidak dapat diatasi dengan baik, perdebatan tentang apakah AI "menuju kebaikan" atau "menuju keburukan" akan semakin menonjol, sementara raksasa terpusat yang didorong oleh naluri mencari keuntungan sering kali kekurangan motivasi yang cukup untuk secara proaktif menghadapi tantangan ini.
Teknologi blockchain, dengan karakteristik desentralisasi, transparansi, dan ketahanan terhadap sensor, menawarkan kemungkinan baru untuk keberlanjutan industri AI. Saat ini, sejumlah aplikasi "Web3 AI" telah muncul di berbagai blockchain utama. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih menghadapi banyak masalah: di satu sisi, tingkat desentralisasi yang terbatas, di mana bagian-bagian kunci dan infrastruktur masih bergantung pada layanan cloud terpusat, sehingga sulit mendukung ekosistem terbuka yang sesungguhnya; di sisi lain, dibandingkan dengan produk AI di dunia Web2, AI on-chain masih memiliki keterbatasan dalam kemampuan model, pemanfaatan data, dan skenario aplikasi, serta kedalaman dan keluasan inovasi yang perlu ditingkatkan.
Untuk benar-benar mewujudkan visi AI yang terdesentralisasi, memungkinkan blockchain untuk secara aman, efisien, dan demokratis mendukung aplikasi AI berskala besar, serta bersaing dalam kinerja dengan solusi terpusat, kita perlu merancang blockchain Layer1 yang dirancang khusus untuk AI. Ini akan menyediakan dasar yang kuat untuk inovasi terbuka AI, demokrasi pemerintahan, dan keamanan data, mendorong perkembangan yang makmur dari ekosistem AI terdesentralisasi.
Fitur Inti AI Layer 1
AI Layer 1 sebagai blockchain yang dirancang khusus untuk aplikasi AI, memiliki arsitektur dan desain kinerja yang erat berkaitan 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:
Mekanisme insentif yang efisien dan konsensus terdesentralisasi Inti dari AI Layer 1 adalah membangun jaringan berbagi sumber daya yang terbuka seperti daya komputasi dan penyimpanan. Berbeda dengan node blockchain tradisional yang fokus pada pencatatan buku besar, node AI Layer 1 perlu menjalankan tugas yang lebih kompleks, tidak hanya menyediakan daya komputasi dan menyelesaikan pelatihan serta inferensi model AI, tetapi juga perlu menyumbangkan penyimpanan, data, bandwidth, dan sumber daya yang beragam, untuk memecahkan monopoli raksasa terpusat dalam infrastruktur AI. Ini mengajukan tuntutan yang lebih tinggi terhadap konsensus dan mekanisme insentif di lapisan dasar: AI Layer 1 harus dapat secara akurat mengevaluasi, mendorong, 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 dipastikan stabil dan makmur, serta secara efektif mengurangi biaya daya komputasi secara keseluruhan.
Kinerja tinggi yang luar biasa dan kemampuan dukungan tugas heterogen Tugas AI, terutama pelatihan dan inferensi LLM, membutuhkan kinerja komputasi dan kemampuan pemrosesan paralel yang sangat tinggi. Lebih lanjut, ekosistem AI on-chain sering kali juga perlu mendukung berbagai jenis tugas yang beragam dan heterogen, termasuk struktur model yang berbeda, pemrosesan data, inferensi, penyimpanan, dan berbagai skenario lainnya. AI Layer 1 harus melakukan optimasi mendalam pada arsitektur dasar untuk kebutuhan throughput tinggi, latensi rendah, dan paralelisme elastis, serta menetapkan kemampuan dukungan asli untuk sumber daya komputasi heterogen, memastikan berbagai tugas AI dapat berjalan secara efisien dan mewujudkan perluasan yang mulus dari "tugas tunggal" ke "ekosistem kompleks dan beragam".
Verifikasi dan Jaminan Output yang Dipercaya AI Layer 1 tidak hanya harus mencegah model berbuat jahat, pemalsuan data, dan risiko keamanan lainnya, tetapi juga harus memastikan verifikasi dan keselarasan hasil keluaran AI dari mekanisme dasar. Dengan mengintegrasikan lingkungan eksekusi tepercaya (TEE), bukti nol pengetahuan (ZK), dan komputasi aman multi-pihak (MPC) serta teknologi mutakhir lainnya, platform dapat memastikan bahwa setiap inferensi model, pelatihan, dan proses pengolahan data dapat diverifikasi secara independen, yang memastikan keadilan dan transparansi sistem AI. Pada saat yang sama, verifikasi ini juga dapat membantu pengguna memahami logika dan dasar keluaran AI, mewujudkan "apa yang didapat adalah apa yang diinginkan", serta meningkatkan kepercayaan dan kepuasan pengguna terhadap produk AI.
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 mengadopsi teknologi pemrosesan data berbasis enkripsi, protokol komputasi privasi, dan manajemen akses data, sambil memastikan verifikasi, untuk menjaga keamanan data selama seluruh proses inferensi, pelatihan, dan penyimpanan, secara efektif mencegah kebocoran dan penyalahgunaan data, serta menghilangkan kekhawatiran pengguna terkait keamanan data.
Kemampuan dukungan pengembangan dan penampungan ekosistem yang kuat Sebagai infrastruktur Layer 1 yang asli AI, platform tidak hanya harus memiliki keunggulan teknis, tetapi juga harus menyediakan alat pengembangan yang lengkap, SDK yang terintegrasi, dukungan operasi dan mekanisme insentif untuk para peserta ekosistem seperti pengembang, operator node, dan penyedia layanan AI. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mempromosikan penerapan aplikasi AI yang kaya dan beragam, serta mewujudkan kemakmuran berkelanjutan dari ekosistem AI yang terdesentralisasi.
Berdasarkan latar belakang dan harapan di atas, artikel ini akan secara rinci memperkenalkan enam proyek AI Layer1 yang diwakili oleh Sentient, Sahara AI, Ritual, Gensyn, Bittensor, dan 0G, menyusun perkembangan terbaru di jalur tersebut, menganalisis keadaan perkembangan proyek, dan membahas tren masa depan.
Sentient: Membangun Model AI Terdesentralisasi Sumber Terbuka yang Loyal
Ringkasan Proyek
Sentient adalah platform protokol sumber terbuka yang sedang membangun blockchain AI Layer1 ( pada tahap awal sebagai Layer 2, kemudian akan berpindah ke Layer 1). Dengan menggabungkan AI Pipeline dan teknologi blockchain, mereka membangun ekonomi kecerdasan buatan terdesentralisasi. Tujuan inti mereka adalah untuk menyelesaikan masalah kepemilikan model, pelacakan panggilan, dan distribusi nilai dalam pasar LLM terpusat melalui kerangka "OML" (terbuka, menguntungkan, setia), memungkinkan struktur kepemilikan on-chain untuk model AI, transparansi panggilan, dan pembagian nilai. Visi Sentient adalah agar siapa pun dapat membangun, berkolaborasi, memiliki, dan memonetisasi produk AI, sehingga mendorong ekosistem jaringan AI Agent yang adil dan terbuka.
Tim Sentient Foundation mengumpulkan para ahli akademis, pengusaha blockchain, dan insinyur terkemuka dari seluruh dunia, berkomitmen untuk membangun platform AGI yang didorong oleh komunitas, sumber terbuka, dan dapat diverifikasi. Anggota inti termasuk profesor Universitas Princeton Pramod Viswanath dan profesor Institut Ilmu Pengetahuan India Himanshu Tyagi, yang 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 terkemuka seperti Universitas Princeton dan Institut Teknologi India, mencakup bidang AI/ML, NLP, penglihatan komputer, dan berkolaborasi untuk mendorong pelaksanaan proyek.
Sebagai proyek kewirausahaan kedua Sandeep Nailwal, salah satu pendiri Polygon, Sentient sudah dilengkapi dengan keunggulan sejak awal berdirinya, memiliki sumber daya, jaringan, dan pengenalan pasar yang kaya, memberikan dukungan yang kuat untuk pengembangan proyek. Pada pertengahan 2024, Sentient berhasil 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
Infrastruktur
Arsitektur Inti
Arsitektur inti Sentient terdiri dari dua bagian: AI Pipeline dan sistem blockchain.
Pipa AI adalah dasar untuk mengembangkan dan melatih artefak "AI Setia", yang mencakup dua proses inti:
Sistem blockchain memberikan transparansi dan kontrol terdesentralisasi untuk protokol, memastikan kepemilikan, pelacakan penggunaan, distribusi pendapatan, dan tata kelola yang adil dari artefak AI. Arsitektur spesifik dibagi menjadi empat lapisan:
Kerangka Model OML
Kerangka OML (Terbuka Open, Dapat Dimonetisasi Monetizable, Loyal Loyal) adalah konsep inti yang diajukan 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 berikut:
Kriptografi Asli AI (AI-native Cryptography)
Kriptografi asli AI adalah penggunaan kontinuitas model AI, struktur manifold berdimensi rendah, dan sifat dapat dibedakan dari model untuk mengembangkan mekanisme keamanan ringan yang "dapat diverifikasi tetapi tidak dapat dihapus". Teknologi inti nya adalah:
Metode ini dapat mencapai "panggilan otorisasi berbasis perilaku + verifikasi kepemilikan" tanpa biaya re-enkripsi.
Kerangka Penegakan Hak Model dan Eksekusi Aman
Sentient saat ini menggunakan Melange campuran keamanan: menggabungkan verifikasi sidik jari, pelaksanaan TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari merupakan implementasi OML 1.0 sebagai garis utama, menekankan pemikiran "Keamanan Optimis (Optimistic Security)", yaitu secara default dianggap patuh, dan dapat terdeteksi serta dihukum setelah pelanggaran.
Mekanisme sidik jari adalah implementasi kunci dari OML, yang memungkinkan model menghasilkan tanda tangan unik selama fase pelatihan dengan menyematkan 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 menyediakan catatan on-chain yang dapat dilacak untuk perilaku penggunaan model.
Selain itu, Sentient meluncurkan kerangka kerja komputasi Enclave TEE, yang memanfaatkan lingkungan eksekusi tepercaya 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-timenya menjadikannya teknologi inti dalam penerapan model saat ini.
Di masa depan, Sentient berencana untuk memperkenalkan teknologi bukti nol pengetahuan (ZK) dan enkripsi homomorfik penuh (FHE) untuk lebih meningkatkan perlindungan privasi dan verifikasi, serta memberikan solusi yang lebih matang untuk penerapan terdesentralisasi model AI.
harus