Laporan Riset AI Layer1: Mencari Tanah Subur DeAI di On-chain
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 bidang, yang secara signifikan memperluas ruang imajinasi manusia, bahkan dalam beberapa skenario menunjukkan potensi untuk menggantikan tenaga kerja manusia. Namun, inti dari teknologi ini tetap dikuasai oleh segelintir raksasa teknologi terpusat. Dengan modal yang kuat dan penguasaan terhadap sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun penghalang yang sulit dilampaui, membuat sebagian besar pengembang dan tim inovasi sulit untuk bersaing.
Sementara itu, pada tahap awal evolusi cepat AI, opini publik sering kali berfokus pada terobosan dan kenyamanan yang dibawa oleh teknologi, sementara perhatian terhadap masalah inti seperti perlindungan privasi, transparansi, dan keamanan relatif kurang. Dalam jangka panjang, masalah ini akan berdampak mendalam pada perkembangan sehat industri AI dan tingkat penerimaan masyarakat. Jika tidak dapat diatasi dengan baik, kontroversi tentang apakah AI "menuju kebaikan" atau "menuju kejahatan" akan semakin menonjol, sementara raksasa terpusat yang didorong oleh naluri mencari keuntungan sering kali kurang memiliki motivasi yang cukup untuk secara aktif menghadapi tantangan ini.
Teknologi blockchain, dengan karakteristik desentralisasi, transparansi, dan ketahanan terhadap sensor, memberikan kemungkinan baru untuk pengembangan berkelanjutan industri AI. Saat ini, beberapa 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 terbatas, dengan bagian-bagian kunci dan infrastruktur masih bergantung pada layanan cloud terpusat, sehingga sulit untuk mendukung ekosistem terbuka yang sebenarnya; di sisi lain, dibandingkan dengan produk AI di dunia Web2, AI on-chain masih memiliki keterbatasan dalam kemampuan model, pemanfaatan data, dan skenario aplikasi, dengan kedalaman dan luas inovasi yang perlu ditingkatkan.
Untuk benar-benar mewujudkan visi AI terdesentralisasi, agar blockchain dapat dengan aman, efisien, dan demokratis mendukung aplikasi AI berskala besar, serta bersaing dalam kinerja dengan solusi terpusat, kita perlu merancang sebuah blockchain Layer1 yang dirancang khusus untuk AI. Ini akan memberikan dasar yang kuat untuk inovasi terbuka AI, demokrasi dalam tata kelola, dan keamanan data, mendorong perkembangan yang makmur dari ekosistem AI terdesentralisasi.
Fitur Utama AI Layer 1
AI Layer 1 sebagai blockchain yang dirancang khusus untuk aplikasi AI, arsitektur dasar dan desain kinerjanya erat kaitannya dengan kebutuhan tugas AI, bertujuan untuk mendukung secara efisien pengembangan dan kemakmuran ekosistem AI di atas rantai yang berkelanjutan. Secara khusus, AI Layer 1 harus memiliki kemampuan inti berikut:
Mekanisme konsensus terdesentralisasi dan insentif yang efisien
Inti dari AI Layer 1 adalah membangun jaringan berbagi sumber daya seperti daya komputasi dan penyimpanan yang terbuka. Berbeda dengan node blockchain tradisional yang fokus pada pencatatan buku besar, node AI Layer 1 harus menjalankan tugas yang lebih kompleks, tidak hanya menyediakan daya komputasi dan menyelesaikan pelatihan dan inferensi model AI, tetapi juga harus menyumbangkan penyimpanan, data, bandwidth, dan sumber daya beragam lainnya, untuk mematahkan monopoli raksasa terpusat dalam infrastruktur AI. Ini menuntut konsensus dasar dan mekanisme insentif yang lebih tinggi: AI Layer 1 harus mampu menilai, memotivasi, dan memverifikasi kontribusi nyata node dalam tugas inferensi dan pelatihan AI, untuk mencapai keamanan jaringan dan distribusi sumber daya yang efisien. Hanya dengan cara ini jaringan dapat dijamin 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, menuntut kinerja komputasi dan kemampuan pengolahan paralel yang sangat tinggi. Lebih lanjut, ekosistem AI on-chain sering kali harus mendukung berbagai jenis tugas yang beragam dan heterogen, termasuk berbagai struktur model, pengolahan 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 untuk sumber daya komputasi heterogen, memastikan berbagai tugas AI dapat berjalan dengan efisien, mewujudkan perluasan yang mulus dari "tugas tunggal" ke "ekosistem kompleks yang beragam."
Verifiable dan Jaminan Output Tepercaya
AI Layer 1 tidak hanya harus mencegah model berbuat jahat, pem篡篡数据, dan risiko keamanan lainnya, tetapi juga harus memastikan verifiabilitas dan keselarasan hasil output AI dari mekanisme dasar. Dengan mengintegrasikan lingkungan eksekusi terpercaya (TEE), bukti nol pengetahuan (ZK), perhitungan aman multi-pihak (MPC), dan teknologi mutakhir lainnya, platform dapat memastikan setiap inferensi model, pelatihan, dan proses pengolahan data dapat diverifikasi secara independen, menjamin keadilan dan transparansi sistem AI. Selain itu, verifiabilitas ini juga membantu pengguna memahami logika dan dasar output AI, mewujudkan "apa yang didapat adalah apa yang diinginkan", meningkatkan kepercayaan dan kepuasan pengguna terhadap produk AI.
Perlindungan Privasi Data
Aplikasi AI sering melibatkan data sensitif pengguna, terutama di bidang keuangan, kesehatan, dan sosial, di mana 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 mengenai keamanan data.
Kemampuan dukungan dan pengembangan ekosistem yang kuat
Sebagai infrastruktur Layer 1 yang berasal dari AI, platform tidak hanya harus memiliki keunggulan teknis, tetapi juga perlu menyediakan alat pengembangan yang lengkap, SDK terintegrasi, dukungan operasional, dan mekanisme insentif bagi para peserta ekosistem seperti pengembang, operator node, dan penyedia layanan AI. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong penerapan aplikasi AI asli yang beragam dan kaya, serta mewujudkan keberlanjutan kemakmuran ekosistem AI terdesentralisasi.
Berdasarkan latar belakang dan harapan di atas, artikel ini akan secara rinci memperkenalkan enam proyek AI Layer1 perwakilan termasuk Sentient, Sahara AI, Ritual, Gensyn, Bittensor, dan 0G, secara sistematis merangkum perkembangan terbaru dari jalur tersebut, menganalisis keadaan perkembangan proyek, dan membahas tren masa depan.
Sentient: Membangun Model AI Terdesentralisasi Sumber Terbuka yang Setia
Ringkasan Proyek
Sentient adalah platform protokol sumber terbuka yang sedang membangun blockchain AI Layer1 ( yang awalnya berada di tahap Layer 2, dan kemudian akan bermigrasi ke Layer 1). Dengan menggabungkan AI Pipeline dan teknologi blockchain, mereka membangun ekonomi kecerdasan buatan yang terdesentralisasi. Tujuan inti mereka adalah untuk menyelesaikan masalah kepemilikan model, pelacakan panggilan, dan distribusi nilai di pasar LLM terpusat melalui kerangka "OML" (Terbuka, Menguntungkan, Loyal) sehingga model AI dapat memiliki struktur kepemilikan on-chain, transparansi panggilan, dan pembagian nilai. Visi Sentient adalah agar siapa pun dapat membangun, berkolaborasi, memiliki, dan memonetisasi produk AI, 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 Pramod Viswanath dari Universitas Princeton dan profesor Himanshu Tyagi dari Indian Institute of Science, yang masing-masing bertanggung jawab atas keamanan AI dan perlindungan privasi, sementara strategi blockchain dan pengaturan ekologi dipimpin oleh salah satu pendiri terkenal dari public chain. Latar belakang anggota tim mencakup perusahaan-perusahaan terkenal seperti Meta, Coinbase, serta universitas terkemuka seperti Universitas Princeton, Indian Institute of Technology, yang mencakup bidang AI/ML, NLP, dan visi komputer, bekerja sama untuk mendorong implementasi proyek.
Sebagai proyek kewirausahaan kedua dari salah satu pendiri blockchain terkenal, Sentient sudah memiliki aura sejak awal didirikan, dengan sumber daya yang kaya, jaringan yang luas, dan pengenalan pasar yang tinggi, 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 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.
AI pipeline adalah dasar untuk mengembangkan dan melatih artefak "loyal AI", yang mencakup dua proses inti:
Perencanaan Data (Data Curation): Proses pemilihan data yang digerakkan oleh komunitas, digunakan untuk penyesuaian model.
Pelatihan Loyalitas (Loyalty Training): memastikan model tetap selaras dengan proses pelatihan yang sesuai dengan niat komunitas.
Sistem blockchain memberikan transparansi dan kontrol desentralisasi untuk protokol, memastikan kepemilikan artefak AI, pelacakan penggunaan, distribusi pendapatan, dan tata kelola yang adil. Arsitektur spesifik dibagi menjadi empat lapisan:
Lapisan penyimpanan: menyimpan bobot model dan informasi pendaftaran sidik jari;
Lapisan distribusi: model kontrol kontrak otorisasi untuk pintu masuk panggilan;
Lapisan akses: memverifikasi apakah pengguna telah diotorisasi melalui bukti izin;
Lapisan insentif: Kontrak routing pendapatan akan membayar distribusi setiap kali dipanggil kepada pelatih, penyebar, dan validator.
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 fitur-fitur berikut:
Keterbukaan: Model harus bersifat open-source, dengan kode dan struktur data yang transparan, sehingga memudahkan komunitas untuk mereproduksi, mengaudit, dan memperbaiki.
Monetisasi: Setiap panggilan model akan memicu aliran pendapatan, kontrak on-chain akan mendistribusikan pendapatan kepada pelatih, penyebar, dan validator.
Loyalitas: Model ini dimiliki oleh komunitas kontributor, arah peningkatan dan tata kelola ditentukan oleh DAO, penggunaan dan modifikasi dikendalikan oleh mekanisme kripto.
Kriptografi Asli AI (AI-native Cryptography)
Kriptografi berbasis AI adalah pengembangan mekanisme keamanan ringan yang "dapat diverifikasi tetapi tidak dapat dihapus" dengan memanfaatkan kontinuitas model AI, struktur manifold berdimensi rendah, dan sifat dapat didiferensiasi dari model. Teknologi inti di sini adalah:
Penanaman 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, kemudian sistem akan 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 Keamanan dan Penegakan Hak Model
Sentient saat ini menggunakan Melange mixed security: menggabungkan penegasan hak dengan sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari adalah implementasi OML 1.0 sebagai jalur utama, menekankan pemikiran "Optimistic Security", yaitu secara default sesuai, dan dapat terdeteksi serta dihukum setelah pelanggaran.
Mekanisme fingerprint 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 yang dapat dilacak di blockchain untuk perilaku penggunaan model.
Selain itu, Sentient telah meluncurkan kerangka kerja komputasi Enclave TEE, yang memanfaatkan lingkungan eksekusi tepercaya (seperti AWS Nitro Enclaves) untuk memastikan model hanya merespons permintaan yang berwenang, mencegah akses dan penggunaan yang tidak sah. Meskipun TEE bergantung pada perangkat keras dan memiliki beberapa risiko keamanan, keunggulan kinerjanya yang tinggi dan real-time menjadikannya teknologi inti untuk penyebaran 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.
AI Layer1 eksplorasi: membuka kunci Desentralisasi paradigma baru kecerdasan buatan
Laporan Riset AI Layer1: Mencari Tanah Subur DeAI di On-chain
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 bidang, yang secara signifikan memperluas ruang imajinasi manusia, bahkan dalam beberapa skenario menunjukkan potensi untuk menggantikan tenaga kerja manusia. Namun, inti dari teknologi ini tetap dikuasai oleh segelintir raksasa teknologi terpusat. Dengan modal yang kuat dan penguasaan terhadap sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun penghalang yang sulit dilampaui, membuat sebagian besar pengembang dan tim inovasi sulit untuk bersaing.
Sementara itu, pada tahap awal evolusi cepat AI, opini publik sering kali berfokus pada terobosan dan kenyamanan yang dibawa oleh teknologi, sementara perhatian terhadap masalah inti seperti perlindungan privasi, transparansi, dan keamanan relatif kurang. Dalam jangka panjang, masalah ini akan berdampak mendalam pada perkembangan sehat industri AI dan tingkat penerimaan masyarakat. Jika tidak dapat diatasi dengan baik, kontroversi tentang apakah AI "menuju kebaikan" atau "menuju kejahatan" akan semakin menonjol, sementara raksasa terpusat yang didorong oleh naluri mencari keuntungan sering kali kurang memiliki motivasi yang cukup untuk secara aktif menghadapi tantangan ini.
Teknologi blockchain, dengan karakteristik desentralisasi, transparansi, dan ketahanan terhadap sensor, memberikan kemungkinan baru untuk pengembangan berkelanjutan industri AI. Saat ini, beberapa 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 terbatas, dengan bagian-bagian kunci dan infrastruktur masih bergantung pada layanan cloud terpusat, sehingga sulit untuk mendukung ekosistem terbuka yang sebenarnya; di sisi lain, dibandingkan dengan produk AI di dunia Web2, AI on-chain masih memiliki keterbatasan dalam kemampuan model, pemanfaatan data, dan skenario aplikasi, dengan kedalaman dan luas inovasi yang perlu ditingkatkan.
Untuk benar-benar mewujudkan visi AI terdesentralisasi, agar blockchain dapat dengan aman, efisien, dan demokratis mendukung aplikasi AI berskala besar, serta bersaing dalam kinerja dengan solusi terpusat, kita perlu merancang sebuah blockchain Layer1 yang dirancang khusus untuk AI. Ini akan memberikan dasar yang kuat untuk inovasi terbuka AI, demokrasi dalam tata kelola, dan keamanan data, mendorong perkembangan yang makmur dari ekosistem AI terdesentralisasi.
Fitur Utama AI Layer 1
AI Layer 1 sebagai blockchain yang dirancang khusus untuk aplikasi AI, arsitektur dasar dan desain kinerjanya erat kaitannya dengan kebutuhan tugas AI, bertujuan untuk mendukung secara efisien pengembangan dan kemakmuran ekosistem AI di atas rantai yang berkelanjutan. Secara khusus, AI Layer 1 harus memiliki kemampuan inti berikut:
Inti dari AI Layer 1 adalah membangun jaringan berbagi sumber daya seperti daya komputasi dan penyimpanan yang terbuka. Berbeda dengan node blockchain tradisional yang fokus pada pencatatan buku besar, node AI Layer 1 harus menjalankan tugas yang lebih kompleks, tidak hanya menyediakan daya komputasi dan menyelesaikan pelatihan dan inferensi model AI, tetapi juga harus menyumbangkan penyimpanan, data, bandwidth, dan sumber daya beragam lainnya, untuk mematahkan monopoli raksasa terpusat dalam infrastruktur AI. Ini menuntut konsensus dasar dan mekanisme insentif yang lebih tinggi: AI Layer 1 harus mampu menilai, memotivasi, dan memverifikasi kontribusi nyata node dalam tugas inferensi dan pelatihan AI, untuk mencapai keamanan jaringan dan distribusi sumber daya yang efisien. Hanya dengan cara ini jaringan dapat dijamin stabil dan makmur, serta secara efektif mengurangi biaya daya komputasi secara keseluruhan.
Tugas AI, terutama pelatihan dan inferensi LLM, menuntut kinerja komputasi dan kemampuan pengolahan paralel yang sangat tinggi. Lebih lanjut, ekosistem AI on-chain sering kali harus mendukung berbagai jenis tugas yang beragam dan heterogen, termasuk berbagai struktur model, pengolahan 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 untuk sumber daya komputasi heterogen, memastikan berbagai tugas AI dapat berjalan dengan efisien, mewujudkan perluasan yang mulus dari "tugas tunggal" ke "ekosistem kompleks yang beragam."
AI Layer 1 tidak hanya harus mencegah model berbuat jahat, pem篡篡数据, dan risiko keamanan lainnya, tetapi juga harus memastikan verifiabilitas dan keselarasan hasil output AI dari mekanisme dasar. Dengan mengintegrasikan lingkungan eksekusi terpercaya (TEE), bukti nol pengetahuan (ZK), perhitungan aman multi-pihak (MPC), dan teknologi mutakhir lainnya, platform dapat memastikan setiap inferensi model, pelatihan, dan proses pengolahan data dapat diverifikasi secara independen, menjamin keadilan dan transparansi sistem AI. Selain itu, verifiabilitas ini juga membantu pengguna memahami logika dan dasar output AI, mewujudkan "apa yang didapat adalah apa yang diinginkan", meningkatkan kepercayaan dan kepuasan pengguna terhadap produk AI.
Aplikasi AI sering melibatkan data sensitif pengguna, terutama di bidang keuangan, kesehatan, dan sosial, di mana 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 mengenai keamanan data.
Sebagai infrastruktur Layer 1 yang berasal dari AI, platform tidak hanya harus memiliki keunggulan teknis, tetapi juga perlu menyediakan alat pengembangan yang lengkap, SDK terintegrasi, dukungan operasional, dan mekanisme insentif bagi para peserta ekosistem seperti pengembang, operator node, dan penyedia layanan AI. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong penerapan aplikasi AI asli yang beragam dan kaya, serta mewujudkan keberlanjutan kemakmuran ekosistem AI terdesentralisasi.
Berdasarkan latar belakang dan harapan di atas, artikel ini akan secara rinci memperkenalkan enam proyek AI Layer1 perwakilan termasuk Sentient, Sahara AI, Ritual, Gensyn, Bittensor, dan 0G, secara sistematis merangkum perkembangan terbaru dari jalur tersebut, menganalisis keadaan perkembangan proyek, dan membahas tren masa depan.
Sentient: Membangun Model AI Terdesentralisasi Sumber Terbuka yang Setia
Ringkasan Proyek
Sentient adalah platform protokol sumber terbuka yang sedang membangun blockchain AI Layer1 ( yang awalnya berada di tahap Layer 2, dan kemudian akan bermigrasi ke Layer 1). Dengan menggabungkan AI Pipeline dan teknologi blockchain, mereka membangun ekonomi kecerdasan buatan yang terdesentralisasi. Tujuan inti mereka adalah untuk menyelesaikan masalah kepemilikan model, pelacakan panggilan, dan distribusi nilai di pasar LLM terpusat melalui kerangka "OML" (Terbuka, Menguntungkan, Loyal) sehingga model AI dapat memiliki struktur kepemilikan on-chain, transparansi panggilan, dan pembagian nilai. Visi Sentient adalah agar siapa pun dapat membangun, berkolaborasi, memiliki, dan memonetisasi produk AI, 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 Pramod Viswanath dari Universitas Princeton dan profesor Himanshu Tyagi dari Indian Institute of Science, yang masing-masing bertanggung jawab atas keamanan AI dan perlindungan privasi, sementara strategi blockchain dan pengaturan ekologi dipimpin oleh salah satu pendiri terkenal dari public chain. Latar belakang anggota tim mencakup perusahaan-perusahaan terkenal seperti Meta, Coinbase, serta universitas terkemuka seperti Universitas Princeton, Indian Institute of Technology, yang mencakup bidang AI/ML, NLP, dan visi komputer, bekerja sama untuk mendorong implementasi proyek.
Sebagai proyek kewirausahaan kedua dari salah satu pendiri blockchain terkenal, Sentient sudah memiliki aura sejak awal didirikan, dengan sumber daya yang kaya, jaringan yang luas, dan pengenalan pasar yang tinggi, 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 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.
AI pipeline adalah dasar untuk mengembangkan dan melatih artefak "loyal AI", yang mencakup dua proses inti:
Sistem blockchain memberikan transparansi dan kontrol desentralisasi untuk protokol, memastikan kepemilikan artefak AI, pelacakan penggunaan, distribusi pendapatan, dan tata kelola yang adil. 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 fitur-fitur berikut:
Kriptografi Asli AI (AI-native Cryptography)
Kriptografi berbasis AI adalah pengembangan mekanisme keamanan ringan yang "dapat diverifikasi tetapi tidak dapat dihapus" dengan memanfaatkan kontinuitas model AI, struktur manifold berdimensi rendah, dan sifat dapat didiferensiasi dari model. Teknologi inti di sini adalah:
Metode ini dapat mencapai "panggilan otorisasi berbasis perilaku + verifikasi kepemilikan" tanpa biaya re-enkripsi.
Kerangka Keamanan dan Penegakan Hak Model
Sentient saat ini menggunakan Melange mixed security: menggabungkan penegasan hak dengan sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari adalah implementasi OML 1.0 sebagai jalur utama, menekankan pemikiran "Optimistic Security", yaitu secara default sesuai, dan dapat terdeteksi serta dihukum setelah pelanggaran.
Mekanisme fingerprint 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 yang dapat dilacak di blockchain untuk perilaku penggunaan model.
Selain itu, Sentient telah meluncurkan kerangka kerja komputasi Enclave TEE, yang memanfaatkan lingkungan eksekusi tepercaya (seperti AWS Nitro Enclaves) untuk memastikan model hanya merespons permintaan yang berwenang, mencegah akses dan penggunaan yang tidak sah. Meskipun TEE bergantung pada perangkat keras dan memiliki beberapa risiko keamanan, keunggulan kinerjanya yang tinggi dan real-time menjadikannya teknologi inti untuk penyebaran 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.
lapisan aplikasi
Saat ini, Sentient