Laporan Penelitian AI Layer1: Mencari Tanah Subur DeAI 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 industri, sangat memperluas ruang imajinasi manusia, bahkan dalam beberapa skenario menunjukkan potensi untuk menggantikan tenaga kerja manusia. Namun, inti dari teknologi ini tetap dikuasai oleh sejumlah raksasa teknologi terpusat. Dengan modal yang kuat dan kontrol atas sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun batasan yang sulit untuk dilampaui, membuat sebagian besar pengembang dan tim inovasi sulit untuk bersaing.
Pada awal evolusi cepat AI, opini publik sering kali terfokus 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-masalah ini akan berdampak mendalam pada perkembangan sehat industri AI dan tingkat penerimaan masyarakat. Jika tidak dapat diselesaikan dengan baik, perdebatan 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 proaktif menghadapi tantangan ini.
Teknologi blockchain, dengan karakteristik desentralisasi, transparansi, dan ketahanan terhadap sensor, memberikan kemungkinan baru untuk perkembangan berkelanjutan industri AI. Saat ini, sudah muncul banyak aplikasi "Web3 AI" di beberapa blockchain utama. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih menghadapi banyak masalah: di satu sisi, tingkat desentralisasi yang terbatas, bagian kunci dan infrastruktur masih bergantung pada layanan cloud terpusat, sulit untuk mendukung ekosistem terbuka yang sesungguhnya; di sisi lain, dibandingkan dengan produk AI di dunia Web2, AI on-chain masih memiliki keterbatasan dalam hal kemampuan model, pemanfaatan data, dan skenario aplikasi, kedalaman dan luas inovasi masih perlu ditingkatkan.
Untuk benar-benar mewujudkan visi AI terdesentralisasi, agar blockchain dapat mendukung aplikasi AI skala besar dengan aman, efisien, dan demokratis, serta bersaing dalam kinerja dengan solusi terpusat, kita perlu merancang blockchain Layer 1 yang dirancang khusus untuk AI. Ini akan memberikan dasar yang kuat untuk inovasi terbuka AI, pemerintahan yang demokratis, dan keamanan data, mendorong perkembangan ekosistem AI terdesentralisasi yang makmur.
Fitur inti dari AI Layer 1
AI Layer 1 sebagai sebuah blockchain yang dirancang khusus untuk aplikasi AI, memiliki arsitektur dan desain performa yang erat kaitannya dengan kebutuhan tugas AI, bertujuan untuk secara efisien mendukung perkembangan dan kemakmuran ekosistem AI yang berkelanjutan di on-chain. 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 harus menjalankan tugas yang lebih kompleks, tidak hanya menyediakan daya komputasi, menyelesaikan pelatihan dan inferensi model AI, tetapi juga harus menyumbangkan penyimpanan, data, bandwidth, dan sumber daya beragam lainnya, sehingga dapat memecahkan monopoli raksasa terpusat dalam infrastruktur AI. Ini menuntut persyaratan yang lebih tinggi untuk konsensus dan mekanisme insentif dasar: AI Layer 1 harus dapat mengevaluasi, memberi insentif, dan memverifikasi kontribusi aktual node dalam tugas-tugas seperti inferensi dan pelatihan AI, untuk mencapai keamanan jaringan dan distribusi sumber daya yang efisien. Hanya dengan cara ini jaringan dapat menjamin stabilitas dan kemakmuran, 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 pemrosesan 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, 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 pemrosesan paralel yang fleksibel, serta mempersiapkan kemampuan dukungan asli untuk sumber daya komputasi heterogen, memastikan berbagai tugas AI dapat berjalan secara efisien, mewujudkan perluasan yang mulus dari "tugas tunggal" ke "ekosistem kompleks yang beragam."
Verifikasi dan Jaminan Output yang Dapat Dipercaya
AI Layer 1 tidak hanya harus mencegah model melakukan kejahatan, pemalsuan data, dan risiko keamanan lainnya, tetapi juga harus memastikan dari mekanisme dasar bahwa hasil keluaran AI dapat diverifikasi dan selaras. Dengan mengintegrasikan lingkungan eksekusi terpercaya (TEE), bukti nol pengetahuan (ZK), dan komputasi aman multi-partai (MPC) serta teknologi-teknologi terdepan lainnya, platform dapat memastikan bahwa setiap inferensi model, pelatihan, dan proses pemrosesan data dapat 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 didapat adalah apa yang diinginkan", serta 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 menggunakan 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 terkait keamanan data.
Kemampuan dukungan pengembangan dan penampungan ekosistem yang kuat
Sebagai infrastruktur Layer 1 yang berbasis AI, platform ini tidak hanya harus memiliki keunggulan teknologi, tetapi juga perlu menyediakan alat pengembangan yang lengkap, SDK terintegrasi, dukungan operasional, dan mekanisme insentif untuk pengembang, operator node, penyedia layanan AI, dan peserta ekosistem lainnya. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong penerapan aplikasi AI yang kaya dan beragam, serta mewujudkan keberlanjutan kemakmuran ekosistem AI yang terdesentralisasi.
Berdasarkan latar belakang dan harapan di atas, artikel ini akan menjelaskan secara rinci enam proyek AI Layer1 yang diwakili oleh Sentient, Sahara AI, Ritual, Gensyn, Bittensor, serta 0G, menguraikan perkembangan terbaru di bidang ini, menganalisis kondisi 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 ( yang pada tahap awal berfungsi sebagai Layer 2, dan kemudian akan berpindah ke Layer 1). Dengan menggabungkan AI Pipeline dan teknologi blockchain, platform ini bertujuan untuk membangun ekonomi kecerdasan buatan yang terdesentralisasi. Tujuan utamanya adalah untuk mengatasi masalah kepemilikan model, pelacakan pemanggilan, dan pembagian nilai di pasar LLM terpusat melalui kerangka "OML" (terbuka, menguntungkan, setia), sehingga model AI dapat mewujudkan struktur kepemilikan on-chain, transparansi pemanggilan, dan pembagian nilai. Visi Sentient adalah agar siapa saja 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 Pramod Viswanath dari Universitas Princeton dan profesor Himanshu Tyagi dari Institut Ilmu Pengetahuan India, yang masing-masing bertanggung jawab atas keamanan dan perlindungan privasi AI, sementara strategi dan ekosistem blockchain dipimpin oleh Sandeep Nailwal, salah satu pendiri Polygon. Latar belakang anggota tim mencakup perusahaan-perusahaan terkenal seperti Meta, Coinbase, Polygon, serta universitas terkemuka seperti Universitas Princeton dan Indian Institute of Technology, mencakup bidang AI/ML, NLP, dan penglihatan komputer, bekerja sama untuk mewujudkan proyek.
Sebagai proyek kewirausahaan kedua dari salah satu pendiri Polygon, Sandeep Nailwal, Sentient sudah memiliki aura sejak awal berdirinya, dengan sumber daya, jaringan, dan pengenalan pasar yang kaya, 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.
Pipeline AI 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 penyelarasan model.
Pelatihan Loyalitas (Loyalty Training): memastikan model tetap selaras dengan proses pelatihan yang sesuai dengan niat komunitas.
Sistem blockchain menyediakan transparansi dan kontrol terdesentralisasi 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 titik masuk panggilan;
Lapisan akses: Memverifikasi apakah pengguna diizinkan melalui bukti izin;
Lapisan insentif: Kontrak rute pendapatan akan membayar alokasi 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, yang 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 sebagai berikut:
Keterbukaan: Model harus bersifat open-source, kode dan struktur data transparan, memudahkan komunitas untuk mereproduksi, mengaudit, dan memperbaiki.
Monetisasi: Setiap pemanggilan model akan memicu aliran pendapatan, kontrak on-chain akan mendistribusikan pendapatan kepada pelatih, penempat, 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 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 didiferensiasi. Teknologi intinya adalah:
Penyisipan sidik jari: Menyisipkan sekelompok pasangan kunci nilai query-response yang tersembunyi saat 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 pemanggilan izin: Sebelum memanggil, perlu mendapatkan "sertifikat izin" yang dikeluarkan oleh pemilik model, dan sistem kemudian memberikan otorisasi kepada model untuk mendekode input tersebut dan mengembalikan jawaban yang akurat.
Metode ini dapat mewujudkan "panggilan otorisasi berbasis perilaku + verifikasi kepemilikan" tanpa biaya re-enkripsi.
Kerangka Penegasan Model dan Eksekusi Aman
Sentient saat ini menggunakan Melange keamanan campuran: kombinasi penegasan jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode jari adalah implementasi OML 1.0 sebagai garis utama, menekankan pemikiran "Keamanan Optimis (Optimistic Security)", yaitu secara default mematuhi, dan dapat terdeteksi serta dihukum setelah pelanggaran.
Mekanisme sidik jari adalah implementasi kunci dari OML, yang memungkinkan model untuk menghasilkan tanda unik selama fase pelatihan dengan menyisipkan pasangan "pertanyaan-jawaban" tertentu. Melalui tanda-tanda 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 secara on-chain untuk perilaku penggunaan model.
Selain itu, Sentient telah meluncurkan kerangka komputasi Enclave TEE, yang memanfaatkan lingkungan eksekusi tepercaya (seperti AWS Nitro Enclaves) untuk memastikan bahwa model hanya merespons permintaan yang berwenang, mencegah akses dan penggunaan yang tidak sah. Meskipun TEE bergantung pada perangkat keras dan memiliki beberapa risiko keamanan, keuntungan kinerja tinggi dan real-timenya menjadikannya teknologi inti untuk 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 menyediakan solusi yang lebih matang untuk penerapan terdesentralisasi model AI.
 dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
5 Suka
Hadiah
5
3
Posting ulang
Bagikan
Komentar
0/400
GasWhisperer
· 7jam yang lalu
bisa mencium perang gas L1 yang akan datang... model terpusat akan hancur ketika deAI tiba
Penelitian ekosistem AI Layer1: Menjelajahi infrastruktur kecerdasan buatan Desentralisasi
Laporan Penelitian AI Layer1: Mencari Tanah Subur DeAI 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 industri, sangat memperluas ruang imajinasi manusia, bahkan dalam beberapa skenario menunjukkan potensi untuk menggantikan tenaga kerja manusia. Namun, inti dari teknologi ini tetap dikuasai oleh sejumlah raksasa teknologi terpusat. Dengan modal yang kuat dan kontrol atas sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun batasan yang sulit untuk dilampaui, membuat sebagian besar pengembang dan tim inovasi sulit untuk bersaing.
Pada awal evolusi cepat AI, opini publik sering kali terfokus 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-masalah ini akan berdampak mendalam pada perkembangan sehat industri AI dan tingkat penerimaan masyarakat. Jika tidak dapat diselesaikan dengan baik, perdebatan 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 proaktif menghadapi tantangan ini.
Teknologi blockchain, dengan karakteristik desentralisasi, transparansi, dan ketahanan terhadap sensor, memberikan kemungkinan baru untuk perkembangan berkelanjutan industri AI. Saat ini, sudah muncul banyak aplikasi "Web3 AI" di beberapa blockchain utama. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih menghadapi banyak masalah: di satu sisi, tingkat desentralisasi yang terbatas, bagian kunci dan infrastruktur masih bergantung pada layanan cloud terpusat, sulit untuk mendukung ekosistem terbuka yang sesungguhnya; di sisi lain, dibandingkan dengan produk AI di dunia Web2, AI on-chain masih memiliki keterbatasan dalam hal kemampuan model, pemanfaatan data, dan skenario aplikasi, kedalaman dan luas inovasi masih perlu ditingkatkan.
Untuk benar-benar mewujudkan visi AI terdesentralisasi, agar blockchain dapat mendukung aplikasi AI skala besar dengan aman, efisien, dan demokratis, serta bersaing dalam kinerja dengan solusi terpusat, kita perlu merancang blockchain Layer 1 yang dirancang khusus untuk AI. Ini akan memberikan dasar yang kuat untuk inovasi terbuka AI, pemerintahan yang demokratis, dan keamanan data, mendorong perkembangan ekosistem AI terdesentralisasi yang makmur.
Fitur inti dari AI Layer 1
AI Layer 1 sebagai sebuah blockchain yang dirancang khusus untuk aplikasi AI, memiliki arsitektur dan desain performa yang erat kaitannya dengan kebutuhan tugas AI, bertujuan untuk secara efisien mendukung perkembangan dan kemakmuran ekosistem AI yang berkelanjutan di on-chain. 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 harus menjalankan tugas yang lebih kompleks, tidak hanya menyediakan daya komputasi, menyelesaikan pelatihan dan inferensi model AI, tetapi juga harus menyumbangkan penyimpanan, data, bandwidth, dan sumber daya beragam lainnya, sehingga dapat memecahkan monopoli raksasa terpusat dalam infrastruktur AI. Ini menuntut persyaratan yang lebih tinggi untuk konsensus dan mekanisme insentif dasar: AI Layer 1 harus dapat mengevaluasi, memberi insentif, dan memverifikasi kontribusi aktual node dalam tugas-tugas seperti inferensi dan pelatihan AI, untuk mencapai keamanan jaringan dan distribusi sumber daya yang efisien. Hanya dengan cara ini jaringan dapat menjamin stabilitas dan kemakmuran, 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 pemrosesan 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, 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 pemrosesan paralel yang fleksibel, serta mempersiapkan kemampuan dukungan asli untuk sumber daya komputasi heterogen, memastikan berbagai tugas AI dapat berjalan secara efisien, mewujudkan perluasan yang mulus dari "tugas tunggal" ke "ekosistem kompleks yang beragam."
Verifikasi dan Jaminan Output yang Dapat Dipercaya AI Layer 1 tidak hanya harus mencegah model melakukan kejahatan, pemalsuan data, dan risiko keamanan lainnya, tetapi juga harus memastikan dari mekanisme dasar bahwa hasil keluaran AI dapat diverifikasi dan selaras. Dengan mengintegrasikan lingkungan eksekusi terpercaya (TEE), bukti nol pengetahuan (ZK), dan komputasi aman multi-partai (MPC) serta teknologi-teknologi terdepan lainnya, platform dapat memastikan bahwa setiap inferensi model, pelatihan, dan proses pemrosesan data dapat 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 didapat adalah apa yang diinginkan", serta 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 menggunakan 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 terkait keamanan data.
Kemampuan dukungan pengembangan dan penampungan ekosistem yang kuat Sebagai infrastruktur Layer 1 yang berbasis AI, platform ini tidak hanya harus memiliki keunggulan teknologi, tetapi juga perlu menyediakan alat pengembangan yang lengkap, SDK terintegrasi, dukungan operasional, dan mekanisme insentif untuk pengembang, operator node, penyedia layanan AI, dan peserta ekosistem lainnya. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong penerapan aplikasi AI yang kaya dan beragam, serta mewujudkan keberlanjutan kemakmuran ekosistem AI yang terdesentralisasi.
Berdasarkan latar belakang dan harapan di atas, artikel ini akan menjelaskan secara rinci enam proyek AI Layer1 yang diwakili oleh Sentient, Sahara AI, Ritual, Gensyn, Bittensor, serta 0G, menguraikan perkembangan terbaru di bidang ini, menganalisis kondisi 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 ( yang pada tahap awal berfungsi sebagai Layer 2, dan kemudian akan berpindah ke Layer 1). Dengan menggabungkan AI Pipeline dan teknologi blockchain, platform ini bertujuan untuk membangun ekonomi kecerdasan buatan yang terdesentralisasi. Tujuan utamanya adalah untuk mengatasi masalah kepemilikan model, pelacakan pemanggilan, dan pembagian nilai di pasar LLM terpusat melalui kerangka "OML" (terbuka, menguntungkan, setia), sehingga model AI dapat mewujudkan struktur kepemilikan on-chain, transparansi pemanggilan, dan pembagian nilai. Visi Sentient adalah agar siapa saja 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 Pramod Viswanath dari Universitas Princeton dan profesor Himanshu Tyagi dari Institut Ilmu Pengetahuan India, yang masing-masing bertanggung jawab atas keamanan dan perlindungan privasi AI, sementara strategi dan ekosistem blockchain dipimpin oleh Sandeep Nailwal, salah satu pendiri Polygon. Latar belakang anggota tim mencakup perusahaan-perusahaan terkenal seperti Meta, Coinbase, Polygon, serta universitas terkemuka seperti Universitas Princeton dan Indian Institute of Technology, mencakup bidang AI/ML, NLP, dan penglihatan komputer, bekerja sama untuk mewujudkan proyek.
Sebagai proyek kewirausahaan kedua dari salah satu pendiri Polygon, Sandeep Nailwal, Sentient sudah memiliki aura sejak awal berdirinya, dengan sumber daya, jaringan, dan pengenalan pasar yang kaya, 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.
Pipeline AI adalah dasar untuk mengembangkan dan melatih artefak "Loyal AI", yang mencakup dua proses inti:
Sistem blockchain menyediakan transparansi dan kontrol terdesentralisasi 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, yang 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 sebagai berikut:
Kriptografi asli AI (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 didiferensiasi. Teknologi intinya adalah:
Metode ini dapat mewujudkan "panggilan otorisasi berbasis perilaku + verifikasi kepemilikan" tanpa biaya re-enkripsi.
Kerangka Penegasan Model dan Eksekusi Aman
Sentient saat ini menggunakan Melange keamanan campuran: kombinasi penegasan jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode jari adalah implementasi OML 1.0 sebagai garis utama, menekankan pemikiran "Keamanan Optimis (Optimistic Security)", yaitu secara default mematuhi, dan dapat terdeteksi serta dihukum setelah pelanggaran.
Mekanisme sidik jari adalah implementasi kunci dari OML, yang memungkinkan model untuk menghasilkan tanda unik selama fase pelatihan dengan menyisipkan pasangan "pertanyaan-jawaban" tertentu. Melalui tanda-tanda 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 secara on-chain untuk perilaku penggunaan model.
Selain itu, Sentient telah meluncurkan kerangka komputasi Enclave TEE, yang memanfaatkan lingkungan eksekusi tepercaya (seperti AWS Nitro Enclaves) untuk memastikan bahwa model hanya merespons permintaan yang berwenang, mencegah akses dan penggunaan yang tidak sah. Meskipun TEE bergantung pada perangkat keras dan memiliki beberapa risiko keamanan, keuntungan kinerja tinggi dan real-timenya menjadikannya teknologi inti untuk 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 menyediakan solusi yang lebih matang untuk penerapan terdesentralisasi model AI.
![Biteye dan PANews merilis laporan penelitian AI Layer1: Mencari tanah subur untuk DeAI on-chain](