Penelitian Lintasan AI Layer1: Mencari Tanah Subur AI Desentralisasi on-chain

Dalam beberapa tahun terakhir, dengan perusahaan teknologi terkemuka seperti OpenAI, Anthropic, Google, dan Meta yang terus mendorong, model bahasa besar (LLM) menunjukkan kemampuan yang belum pernah ada sebelumnya di berbagai industri, sangat memperluas ruang imajinasi manusia, bahkan dalam beberapa skenario menunjukkan potensi untuk menggantikan kerja manusia. Namun, inti dari teknologi ini tetap berada di tangan sedikit raksasa teknologi terpusat. Dengan modal yang kuat dan penguasaan sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun penghalang yang sulit dilalui, membuat sebagian besar pengembang dan tim inovasi sulit untuk bersaing.

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

Teknologi blockchain, dengan karakteristik desentralisasi, transparan, dan tahan sensor, memberikan kemungkinan baru untuk perkembangan berkelanjutan industri AI. Saat ini, banyak aplikasi "Web3 AI" telah muncul di beberapa blockchain utama. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih memiliki banyak masalah: di satu sisi, tingkat desentralisasi terbatas, bagian kunci dan infrastruktur masih bergantung pada layanan cloud terpusat, atribut meme terlalu berat, sehingga sulit untuk mendukung ekosistem terbuka yang sebenarnya; di sisi lain, dibandingkan dengan produk AI di dunia Web2, AI on-chain masih terbatas dalam kemampuan model, pemanfaatan data, dan skenario aplikasi, kedalaman dan luas inovasi masih perlu ditingkatkan.

Untuk benar-benar mewujudkan visi AI desentralisasi, memungkinkan blockchain untuk menampung aplikasi AI berskala besar dengan aman, efisien, dan demokratis, serta bersaing dalam kinerja dengan solusi terpusat, kita perlu merancang blockchain Layer1 yang dirancang khusus untuk AI. Ini akan memberikan dasar yang kokoh untuk inovasi terbuka AI, demokrasi dalam tata kelola, dan keamanan data, mendorong perkembangan yang makmur dari ekosistem AI desentralisasi.

Fitur Inti dari AI Layer 1

AI Layer 1 sebagai sebuah blockchain yang dirancang khusus untuk aplikasi AI, arsitektur dan desain kinerjanya erat terkait dengan kebutuhan tugas AI, bertujuan untuk mendukung secara efisien perkembangan dan kemakmuran ekosistem AI yang berkelanjutan. Secara spesifik, AI Layer 1 harus memiliki kemampuan inti berikut:

1. Insentif yang efisien dan mekanisme konsensus Desentralisasi Inti dari AI Layer 1 adalah membangun jaringan berbagi sumber daya seperti komputasi, penyimpanan, dan lainnya yang terbuka. Berbeda dengan node blockchain tradisional yang fokus pada pencatatan buku besar, node AI Layer 1 perlu menjalankan tugas yang lebih kompleks, tidak hanya menyediakan komputasi, menyelesaikan pelatihan dan inferensi model AI, tetapi juga menyumbangkan penyimpanan, data, bandwidth, dan sumber daya beragam lainnya, sehingga dapat memecahkan monopoli raksasa terpusat dalam infrastruktur AI. Ini memunculkan tuntutan yang lebih tinggi terhadap konsensus dasar dan mekanisme insentif: AI Layer 1 harus mampu mengevaluasi, memberi insentif, dan memverifikasi kontribusi nyata node dalam tugas-tugas seperti inferensi dan pelatihan AI, untuk memastikan keamanan jaringan dan distribusi sumber daya yang efisien. Hanya dengan cara ini dapat menjamin stabilitas dan kemakmuran jaringan, serta secara efektif mengurangi biaya 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 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 memenuhi kebutuhan throughput tinggi, latensi rendah, dan paralelisme elastis, serta mempersiapkan kemampuan dukungan asli terhadap sumber daya komputasi heterogen, untuk memastikan berbagai tugas AI dapat berjalan secara efisien, mewujudkan perluasan yang mulus dari "tugas tunggal" ke "ekosistem kompleks yang beragam."

3. Verifikasi dan jaminan keluaran yang dapat 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 Trusted Execution Environment (TEE), Zero-Knowledge Proof (ZK), Multi-Party Computation (MPC), dan teknologi canggih lainnya, platform dapat memungkinkan setiap inferensi model, pelatihan, dan proses pengolahan data untuk diverifikasi secara independen, 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 diterima adalah apa yang diinginkan", serta meningkatkan kepercayaan dan kepuasan pengguna terhadap produk AI.

4. 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 memastikan verifikasi sambil menerapkan teknologi pemrosesan data berbasis enkripsi, protokol komputasi privasi, dan manajemen izin 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 pengembangan dan pengangkutan 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 terintegrasi, dukungan operasional, dan mekanisme insentif untuk para peserta ekosistem seperti pengembang, operator node, dan penyedia layanan AI. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong implementasi aplikasi asli AI yang beragam dan kaya, serta mewujudkan keberlanjutan dan kemakmuran ekosistem AI desentralisasi.

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

Sentient: Membangun Model AI Desentralisasi Sumber Terbuka yang Setia

Ringkasan Proyek

Sentient adalah platform protokol sumber terbuka yang sedang membangun blockchain AI Layer1 ( pada tahap awal sebagai Layer 2, kemudian akan bermigrasi ke Layer 1), dengan menggabungkan AI Pipeline dan teknologi blockchain, membangun ekonomi kecerdasan buatan yang desentralisasi. Tujuan inti adalah untuk menyelesaikan masalah kepemilikan model, pelacakan panggilan, dan distribusi nilai di pasar LLM terpusat melalui kerangka "OML" ( yang terbuka, menguntungkan, dan setia ), sehingga model AI dapat mencapai struktur kepemilikan on-chain, transparansi panggilan, dan pembagian nilai. Visi Sentient adalah memungkinkan siapa saja untuk membangun, berkolaborasi, memiliki, dan memonetisasi produk AI, sehingga mendorong ekosistem jaringan AI Agent yang adil dan terbuka.

Tim Sentient Foundation mengumpulkan para ahli akademis terkemuka, pengusaha blockchain, dan insinyur dari seluruh dunia, yang berkomitmen untuk membangun sebuah 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 Indian Institute of Science, yang masing-masing bertanggung jawab atas keamanan dan perlindungan privasi AI, sementara strategi blockchain dan pengaturan ekosistem dipimpin oleh pendiri bersama dari suatu platform perdagangan, Sandeep Nailwal. Latar belakang anggota tim mencakup perusahaan-perusahaan terkenal seperti Meta, Coinbase, dan suatu platform perdagangan, serta universitas terkemuka seperti Universitas Princeton dan Indian Institute of Technology, mencakup bidang AI/ML, NLP, dan visi komputer, bekerja sama untuk mendorong proyek ini.

Sebagai proyek kewirausahaan kedua dari co-founder platform perdagangan Sandeep Nailwal, Sentient sejak awal sudah memiliki aura, dilengkapi dengan banyak sumber daya, jaringan, dan pengenalan pasar, 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 lain termasuk Delphi, Hashkey, dan Spartan serta puluhan VC terkenal lainnya.

Desain Arsitektur dan Lapisan Aplikasi

Infrastruktur

Arsitektur Inti

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

AI pipeline adalah dasar untuk mengembangkan dan melatih artefak "loyal AI", yang mencakup dua proses inti:

• Perencanaan Data ) Data Curation (: Proses pemilihan data yang dipimpin oleh komunitas, digunakan untuk penyesuaian model.
• Pelatihan Loyalitas ): memastikan model tetap konsisten dengan proses pelatihan yang sejalan dengan niat komunitas.

Sistem blockchain menyediakan transparansi dan kontrol desentralisasi untuk protokol, memastikan kepemilikan, pelacakan penggunaan, distribusi pendapatan, dan pemerintahan yang adil dari artefak AI. Struktur spesifik dibagi menjadi empat lapisan:

• Lapisan penyimpanan: menyimpan bobot model dan informasi pendaftaran sidik jari;
• Lapisan distribusi: model kontrol kontrak otorisasi untuk titik masuk panggilan;
• Tingkat akses: Memverifikasi apakah pengguna telah diberi otorisasi melalui pembuktian izin;
• Lapisan insentif: Kontrak rute pendapatan akan membayar alokasi setiap kali dipanggil kepada pelatih, penyebar, dan verifier.

(## Kerangka Model OML

Kerangka OML ) terbuka Open, dapat dimonetisasi Monetizable, dan loyal Loyal### adalah inti dari gagasan 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 fitur-fitur berikut:

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

(## AI-native Cryptography)

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

• Penyematan sidik jari: Menyisipkan sekelompok pasangan kunci nilai 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 melakukan panggilan, perlu mendapatkan "sertifikat izin" yang dikeluarkan oleh pemilik model, sistem kemudian memberikan izin kepada model untuk mendekode input tersebut dan mengembalikan jawaban yang akurat.

Cara ini dapat mewujudkan "panggilan otorisasi berbasis perilaku + verifikasi afiliasi" tanpa biaya re-enkripsi.

)## Kerangka Penegasan Model dan Eksekusi Aman

Sentient saat ini menggunakan Melange campuran keamanan: menggabungkan pengakuan sidik jari, pelaksanaan TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari adalah implementasi OML 1.0 sebagai garis utama, menekankan pemikiran "Keamanan Optimis(Optimistic Security)", yaitu secara default mematuhi aturan, dan dapat terdeteksi dan dihukum setelah pelanggaran.

Mekanisme sidik jari adalah implementasi kunci dari OML, yang memungkinkan model untuk 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 telah meluncurkan kerangka perhitungan Enclave TEE, yang memanfaatkan lingkungan eksekusi tepercaya ### seperti AWS Nitro Enclaves ( untuk memastikan model hanya merespons permintaan yang terotorisasi, mencegah akses dan penggunaan yang tidak sah. Meskipun TEE bergantung pada perangkat keras dan memiliki beberapa risiko keamanan, keunggulan kinerja tinggi dan real-time menjadikannya teknologi inti untuk penerapan model saat ini.

Di masa depan, Sentient berencana untuk memperkenalkan bukti nol pengetahuan )ZK( dan enkripsi homomorfik penuh )FHE(, untuk lebih meningkatkan perlindungan privasi dan verifikasi, serta menyediakan penerapan terdesentralisasi yang lebih matang untuk model AI.