Исследование плодородной почвы DeAI в блокчейне: текущее состояние и будущее развитие AI Layer1

Обзор

В последние годы такие ведущие технологические компании, как OpenAI, Anthropic, Google и Meta, активно способствуют стремительному развитию больших языковых моделей (LLM). LLM проявляют беспрецедентные способности в различных отраслях, значительно расширяя человеческое воображение и даже демонстрируя потенциал замены человеческого труда в некоторых сценариях. Однако ядро этих технологий надежно контролируется немногими централизованными технологическими гигантами. Обладая мощным капиталом и контролем над дорогими вычислительными ресурсами, эти компании создали непреодолимые барьеры, что делает для подавляющего большинства разработчиков и инновационных команд трудным соперничать с ними.

В то же время, на ранних этапах быстрого развития ИИ общественное мнение часто сосредоточено на прорывах и удобствах, которые приносит технология, в то время как внимание к таким основным вопросам, как защита конфиденциальности, прозрачность и безопасность, остается относительно недостаточным. В долгосрочной перспективе эти проблемы будут иметь глубокое влияние на здоровое развитие отрасли ИИ и ее социальную приемлемость. Если их не удастся надлежаще решить, спор о том, будет ли ИИ "на благо" или "во зло", станет все более явным, а централизованные гиганты, движимые инстинктом извлечения прибыли, обычно имеют недостаточную мотивацию для активного решения этих вызовов.

Технология блокчейн, благодаря своим децентрализованным, прозрачным и антикоррупционным характеристикам, открывает новые возможности для устойчивого развития AI-индустрии. В настоящее время на таких главных блокчейнах, как Solana и Base, появилось множество приложений "Web3 AI". Однако при глубоком анализе можно заметить, что у этих проектов все еще есть множество проблем: с одной стороны, степень децентрализации ограничена, ключевые этапы и инфраструктура по-прежнему зависят от централизованных облачных услуг, мемные свойства слишком выражены, что затрудняет поддержку по-настоящему открытой экосистемы; с другой стороны, по сравнению с AI-продуктами мира Web2, AI в блокчейне все еще ограничен в аспектах возможностей моделей, использования данных и сценариев применения, глубина и широта инноваций требуют улучшения.

Чтобы действительно реализовать видение децентрализованного ИИ, необходимо, чтобы в блокчейне безопасно, эффективно и демократично размещались масштабные приложения ИИ и чтобы он мог конкурировать с централизованными решениями по производительности, нам нужно спроектировать блокчейн Layer1, специально созданный для ИИ. Это создаст прочную основу для открытых инноваций в ИИ, демократического управления и безопасности данных, что будет способствовать процветанию децентрализованной экосистемы ИИ.

Основные характеристики AI Layer 1

AI Layer 1 как блокчейн, специально созданный для AI-приложений, его базовая архитектура и дизайн производительности тесно связаны с требованиями AI-задач, направленными на эффективную поддержку устойчивого развития и процветания AI-экосистемы в блокчейне. В частности, AI Layer 1 должен обладать следующими ключевыми возможностями:

1. Эффективные стимулы и децентрализованный механизм консенсуса. Основная цель AI Layer 1 заключается в создании открытой сети для совместного использования ресурсов вычислительной мощности, хранения и т.д. В отличие от традиционных узлов блокчейна, которые в основном сосредоточены на ведении учета в книге, узлы AI Layer 1 должны выполнять более сложные задачи: не только предоставлять вычислительную мощность, завершать обучение и вывод моделей ИИ, но и вносить разнообразные ресурсы, такие как хранение, данные, пропускная способность, тем самым разрушая монополию централизованных гигантов в инфраструктуре ИИ. Это требует более высоких стандартов для базового консенсуса и механизма стимулов: AI Layer 1 должен быть способен точно оценивать, поощрять и проверять фактический вклад узлов в задачи вывода и обучения ИИ, 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 производительность и поддержка гетерогенных задач. Задачи ИИ, особенно обучение и вывод LLM, предъявляют высокие требования к вычислительной производительности и параллельной обработке. Более того, экосистема AI в блокчейне часто должна поддерживать разнообразные и гетерогенные типы задач, включая различные структуры моделей, обработку данных, вывод, хранение и другие многообразные сценарии. AI Layer 1 должен глубоко оптимизировать нижний уровень архитектуры для удовлетворения требований высокой пропускной способности, низкой задержки и эластичной параллельной обработки, а также предусмотреть нативную поддержку гетерогенных вычислительных ресурсов, чтобы обеспечить эффективное выполнение различных задач ИИ и плавное расширение от "единичных задач" до "сложных многообразных экосистем".

3. Проверяемость и гарантии надежного вывода AI Уровень 1 должен не только предотвращать злоупотребления моделями, подделку данных и другие угрозы безопасности, но также на уровне базовой механики обеспечивать проверяемость и согласованность выводов AI. Интегрируя такие передовые технологии, как надежные исполняемые среды (TEE), нулевые доказательства (ZK), многопартитные безопасные вычисления (MPC), платформа позволяет независимо проверять каждый процесс вывода модели, обучения и обработки данных, что обеспечивает справедливость и прозрачность системы AI. В то же время такая проверяемость помогает пользователям четко понять логику и обоснование выводов AI, реализуя принцип "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, и в таких областях, как финансы, медицина и социальные сети, защита конфиденциальности данных имеет особое значение. AI Layer 1 должен обеспечивать проверяемость, используя технологии обработки данных на основе шифрования, протоколы вычислений с конфиденциальностью и управление правами на данные, чтобы гарантировать безопасность данных на всех этапах, таких как вывод, обучение и хранение, эффективно предотвращая утечки и злоупотребления данными, устраняя опасения пользователей по поводу безопасности данных.

5. Мощные возможности поддержки экосистемы и разработки. В качестве инфраструктуры Layer 1, основанной на ИИ, платформа должна не только обладать техническим лидерством, но и предоставлять полноценные инструменты разработки, интегрированные SDK, поддержку операций и механизмы стимулов для участников экосистемы, таких как разработчики, операторы узлов и поставщики ИИ-услуг. Путем постоянной оптимизации доступности платформы и опыта разработчиков, способствовать реализации разнообразных приложений, основанных на ИИ, и обеспечивать устойчивое процветание децентрализованной экосистемы ИИ.

В связи с вышеописанным фоном и ожиданиями, в данной статье подробно рассматриваются шесть проектов AI Layer1, включая Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематически анализируются последние достижения в этой области, рассматривается текущее состояние проектов и обсуждаются будущие тенденции.

Sentient: Создание преданного открытого децентрализованного AI-модели

Обзор проекта

Sentient – это платформа с открытым исходным кодом, которая разрабатывает AI Layer1 в блокчейне (, начальная стадия – Layer 2, затем будет мигрировать на Layer 1). Объединив AI Pipeline и технологии блокчейна, она создает децентрализованную экономику искусственного интеллекта. Основная цель – решить проблемы принадлежности моделей, отслеживания вызовов и распределения ценности на централизованном рынке LLM с помощью структуры "OML" (открытая, прибыльная, лояльная), чтобы обеспечить структуру собственности на модели ИИ в блокчейне, прозрачность вызовов и распределение ценности. Видение Sentient – позволить каждому строить, сотрудничать, владеть и монетизировать продукты ИИ, способствуя созданию справедливой и открытой экосистемы сети AI Agent.

Команда Sentient Foundation объединила ведущих мировых академических экспертов, предпринимателей в области блокчейна и инженеров, стремящихся создать сообществом управляемую, открытое и проверяемую платформу AGI. Ключевые участники включают профессора Принстонского университета Прамода Висваната и профессора Индийского института науки Химаншу Тяги, которые отвечают за безопасность ИИ и защиту конфиденциальности, а также соучредителя одной из торговых платформ Сандиипа Найлвала, который возглавляет стратегию блокчейна и экосистемное развитие. Члены команды имеют опыт работы в таких известных компаниях, как Meta, Coinbase и лучших университетах, таких как Принстонский университет и Индийский институт технологий, охватывая области AI/ML, NLP, компьютерного зрения и совместно работая над реализацией проекта.

Как вторичный проект соучредителя торговой платформы Sandeep Nailwal, Sentient с самого начала имел ореол, обладая богатыми ресурсами, связями и рыночной осведомленностью, что обеспечивало мощную поддержку для развития проекта. В середине 2024 года Sentient завершил раунд посевного финансирования в 85 миллионов долларов, который возглавили Founders Fund, Pantera и Framework Ventures, а также другие инвестиционные компании, включая Delphi, Hashkey и Spartan, и десятки других известных венчурных капиталистов.

проектирование архитектуры и уровень приложений

Инфраструктурный слой

Ядро архитектуры

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

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

• Планирование данных (Data Curation): процесс выбора данных, управляемый сообществом, для настройки модели.
• Обучение лояльности (Loyalty Training): обеспечение того, чтобы модель проходила процесс обучения в соответствии с намерениями сообщества.

Блокчейн-система обеспечивает прозрачность и децентрализованное управление для протокола, гарантируя права собственности на AI-артефакты, отслеживание использования, распределение доходов и справедливое управление. Конкретная архитектура делится на четыре уровня:

• Уровень хранения: хранение весов модели и информации о регистрации отпечатков.
• Уровень распределения: точка входа для вызова моделей, контролируемая контрактом на авторизацию;
• Уровень доступа: проверка полномочий для подтверждения авторизации пользователя;
• Уровень стимулов: контракт маршрутизации дохода будет распределять платежи между тренерами, развертывателями и валидаторами при каждом вызове.

OML модельная структура

OML фреймворк (Открытый Open, Монетизируемый Monetizable, Лояльный Loyal) является основной концепцией, предложенной Sentient, направленной на обеспечение четкой защиты прав собственности и экономических стимулов для открытых AI моделей. Объединяя технологии в блокчейне и нативную криптографию AI, он обладает следующими характеристиками:

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

AI-родная криптография (AI-native Cryptography)

AI-родная криптография использует непрерывность моделей AI, структуру низкоразмерных многообразий и дифференцируемые свойства моделей для разработки "проверяемого, но не подлежащего удалению" легковесного механизма безопасности. Основная технология заключается в следующем:

• Встраивание отпечатков пальцев: во время обучения вставляется набор скрытых пар ключ-значение запрос-ответ, формирующий уникальную подпись модели;
• Протокол проверки прав собственности: проверка сохранения отпечатков пальцев с помощью третьего лица (Prover) в форме запроса (query);
• Механизм разрешения вызовов: перед вызовом необходимо получить "удостоверение полномочий", выданное владельцем модели, на основании которого система предоставляет модели разрешение на декодирование данного ввода и возвращение точного ответа.

Этот способ позволяет реализовать "авторизованный вызов на основе поведения + проверка принадлежности" без затрат на повторное шифрование.

Модель правовой защиты и безопасного выполнения

Sentient в настоящее время использует Melange смешанную безопасность: комбинация подтверждения прав собственности по отпечаткам пальцев, выполнения TEE и распределения прибыли по смарт-контрактам в блокчейне. При этом метод отпечатков пальцев реализуется через OML 1.0, подчеркивая идею "оптимистичной безопасности (Optimistic Security)", то есть по умолчанию считается соответствующим, а нарушение может быть обнаружено и наказано.

Механизм отпечатков пальцев является ключевой реализацией OML, который позволяет модели генерировать уникальные подписи на этапе обучения, внедряя определенные пары "вопрос-ответ". С помощью этих подписей владельцы модели могут проверять принадлежность, предотвращая несанкционированное копирование и коммерциализацию. Этот механизм не только защищает права разработчиков модели, но и предоставляет отслеживаемую запись в блокчейне о поведении использования модели.

Кроме того, Sentient представила вычислительную платформу Enclave TEE, использующую защищенные среды выполнения (например, AWS Nitro Enclaves), чтобы гарантировать, что модели отвечают только на авторизованные запросы, предотвращая несанкционированный доступ и использование. Хотя TEE зависит от оборудования и имеет определенные риски безопасности, его высокая производительность и преимущества в реальном времени делают его привлекательным.