Penelitian Lintasan 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 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 sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun penghalang yang sulit untuk dilalui, sehingga sebagian besar pengembang dan tim inovasi sulit untuk bersaing.
Pada awal evolusi cepat AI, opini publik sering kali terfokus pada terobosan dan kemudahan yang ditawarkan oleh teknologi, sementara perhatian terhadap isu-isu inti seperti perlindungan privasi, transparansi, dan keamanan relatif kurang. Dalam jangka panjang, masalah-masalah ini akan mempengaruhi secara mendalam perkembangan sehat industri AI dan tingkat penerimaan masyarakat. Jika tidak dapat diselesaikan dengan baik, kontroversi mengenai apakah AI "menuju kebaikan" atau "menuju keburukan" akan semakin menonjol, sementara raksasa terpusat, yang didorong oleh naluri mencari keuntungan, sering kali kekurangan dorongan yang cukup untuk secara proaktif menghadapi tantangan-tantangan ini.
Teknologi blockchain, dengan karakteristik desentralisasi, transparansi, dan ketahanan terhadap sensor, telah memberikan kemungkinan baru untuk pengembangan berkelanjutan industri AI. Saat ini, telah muncul banyak aplikasi "Web3 AI" di beberapa blockchain utama. Namun, analisis yang mendalam menunjukkan bahwa proyek-proyek ini masih memiliki banyak masalah: di satu sisi, tingkat desentralisasi terbatas, bagian-bagian penting dan infrastruktur masih bergantung pada layanan cloud terpusat, sulit untuk mendukung ekosistem terbuka yang sebenarnya; di sisi lain, dibandingkan dengan produk AI di dunia Web2, AI on-chain masih terbatas dalam hal kemampuan model, pemanfaatan data, dan skenario aplikasi, kedalaman dan luas inovasi perlu ditingkatkan.
Untuk benar-benar mewujudkan visi AI terdesentralisasi, sehingga blockchain dapat dengan 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 memberikan dasar yang kuat untuk inovasi terbuka AI, demokrasi dalam tata kelola, dan keamanan data, serta mendorong perkembangan ekosistem AI terdesentralisasi yang makmur.
Fitur Utama dari AI Layer 1
AI Layer 1 sebagai sebuah blockchain yang dirancang khusus untuk aplikasi AI, arsitektur dan desain kinerjanya erat berkaitan 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:
Insentif yang efisien dan mekanisme konsensus terdesentralisasi 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 perlu menjalankan tugas yang lebih kompleks, tidak hanya menyediakan daya komputasi, menyelesaikan pelatihan dan inferensi model AI, tetapi juga menyumbangkan penyimpanan, data, bandwidth, dan berbagai sumber daya lainnya, sehingga memecahkan monopoli raksasa terpusat dalam infrastruktur AI. Ini menuntut mekanisme konsensus dan insentif yang lebih tinggi: AI Layer 1 harus mampu menilai, memberikan insentif, 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, memiliki tuntutan yang sangat tinggi terhadap kinerja komputasi dan kemampuan pemrosesan paralel. Lebih lanjut, ekosistem AI on-chain seringkali perlu 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 paralelisme elastis, serta menyediakan 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 dan beragam".
Verifikasi dan Jaminan Output yang Tepercaya AI Layer 1 tidak hanya harus mencegah model berbuat jahat, pemalsuan data, dan masalah 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 ini dapat memastikan bahwa setiap inferensi model, pelatihan, dan proses pengolahan data dapat diverifikasi secara independen, memastikan keadilan dan transparansi sistem AI. Selain itu, verifikasi ini juga dapat membantu pengguna untuk memahami logika dan dasar keluaran AI, mewujudkan "apa yang diperoleh adalah apa yang diinginkan", dan meningkatkan kepercayaan serta kepuasan pengguna terhadap produk AI.
Perlindungan Privasi Data Aplikasi AI sering kali 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 hak data, untuk memastikan keamanan data selama seluruh proses seperti inferensi, pelatihan, dan penyimpanan, secara efektif mencegah kebocoran dan penyalahgunaan data, serta menghilangkan kekhawatiran pengguna tentang keamanan data.
Kemampuan dukungan dan pengembangan ekosistem yang kuat Sebagai infrastruktur Layer 1 yang berbasis 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 pengembang, operator node, penyedia layanan AI, dan peserta ekosistem lainnya. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong peluncuran aplikasi AI yang kaya dan beragam, serta mewujudkan keberlanjutan ekosistem AI terdesentralisasi.
Berdasarkan latar belakang dan harapan di atas, artikel ini akan menjelaskan secara rinci enam proyek AI Layer1 yang mencakup Sentient, Sahara AI, Ritual, Gensyn, Bittensor, dan 0G, merangkum kemajuan terbaru di sektor ini, 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 pada tahap awal adalah Layer 2, dan kemudian akan bermigrasi ke Layer 1). Dengan menggabungkan AI Pipeline dan teknologi blockchain, Sentient membangun ekonomi kecerdasan buatan yang terdesentralisasi. Tujuan inti Sentient 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 mencapai struktur kepemilikan on-chain, transparansi panggilan, dan pembagian nilai. Visi Sentient adalah untuk memungkinkan siapa saja 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, yang 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 blockchain dan penataan ekosistem dipimpin oleh Sandeep Nailwal, salah satu pendiri Polygon. Latar belakang anggota tim mencakup perusahaan ternama seperti Meta, Coinbase, Polygon, serta universitas terkemuka seperti Universitas Princeton dan IIT India, mencakup bidang AI/ML, NLP, penglihatan komputer, dan bekerja sama untuk mendorong proyek ini.
Sebagai proyek kewirausahaan kedua dari Sandeep Nailwal, salah satu pendiri Polygon, Sentient sejak awal didirikan telah membawa aura tersendiri, dengan sumber daya yang melimpah, jaringan yang luas, dan kesadaran pasar yang tinggi, 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.
AI pipeline adalah dasar untuk mengembangkan dan melatih artefak "loyal AI", yang mencakup dua proses inti:
Kurasi Data (Data Curation): Proses pemilihan data yang dipimpin oleh komunitas, digunakan untuk penyelarasan model.
Pelatihan Loyalitas (Loyalty Training): memastikan model tetap konsisten dengan niat komunitas dalam proses pelatihan.
Sistem blockchain menyediakan 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: Model kontrol kontrak otorisasi untuk titik masuk panggilan;
Lapisan Akses: Memverifikasi apakah pengguna diizinkan melalui bukti izin;
Lapisan insentif: Kontrak rute pendapatan akan membayar distribusi setiap kali dipanggil kepada pelatih, penyebar, dan validator.
Kerangka Model OML
Kerangka OML (Open, Monetizable, 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 sebagai berikut:
Keterbukaan: Model harus bersifat open source, kode dan struktur data transparan, 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 kriptografi.
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 dibedakan. Teknologi inti 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 tetap ada melalui detektor pihak ketiga (Prover) dalam bentuk pertanyaan query;
Mekanisme pemanggilan izin: Sebelum pemanggilan, perlu mendapatkan "bukti izin" yang diterbitkan 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 dan Keamanan Model
Sentient saat ini menggunakan keamanan campuran Melange: menggabungkan penegasan hak dengan sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari diimplementasikan dengan OML 1.0 sebagai garis utama, menekankan pemikiran "Keamanan Optimis (Optimistic Security)", yaitu default kepatuhan, pelanggaran dapat terdeteksi dan dihukum.
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 developer model, tetapi juga memberikan catatan on-chain yang dapat dilacak untuk perilaku penggunaan model.
Selain itu, Sentient telah meluncurkan kerangka kerja komputasi Enclave TEE, memanfaatkan lingkungan eksekusi tepercaya (seperti AWS Nitro Enclaves) untuk memastikan bahwa model hanya merespons permintaan yang diotorisasi, mencegah akses dan penggunaan yang tidak diizinkan. Meskipun TEE bergantung pada perangkat keras dan memiliki beberapa risiko keamanan, keunggulan 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 memberikan lebih banyak kematangan untuk penerapan model AI secara terdesentralisasi.
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.
12 Suka
Hadiah
12
3
Posting ulang
Bagikan
Komentar
0/400
TooScaredToSell
· 08-08 14:10
degen hanya bisa berbaring datar dan dikuasai oleh perusahaan besar
Penelitian Jalur AI Layer1: Menganalisis dasar teknologi dari kecerdasan buatan desentralisasi
Penelitian Lintasan 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 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 sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun penghalang yang sulit untuk dilalui, sehingga sebagian besar pengembang dan tim inovasi sulit untuk bersaing.
Pada awal evolusi cepat AI, opini publik sering kali terfokus pada terobosan dan kemudahan yang ditawarkan oleh teknologi, sementara perhatian terhadap isu-isu inti seperti perlindungan privasi, transparansi, dan keamanan relatif kurang. Dalam jangka panjang, masalah-masalah ini akan mempengaruhi secara mendalam perkembangan sehat industri AI dan tingkat penerimaan masyarakat. Jika tidak dapat diselesaikan dengan baik, kontroversi mengenai apakah AI "menuju kebaikan" atau "menuju keburukan" akan semakin menonjol, sementara raksasa terpusat, yang didorong oleh naluri mencari keuntungan, sering kali kekurangan dorongan yang cukup untuk secara proaktif menghadapi tantangan-tantangan ini.
Teknologi blockchain, dengan karakteristik desentralisasi, transparansi, dan ketahanan terhadap sensor, telah memberikan kemungkinan baru untuk pengembangan berkelanjutan industri AI. Saat ini, telah muncul banyak aplikasi "Web3 AI" di beberapa blockchain utama. Namun, analisis yang mendalam menunjukkan bahwa proyek-proyek ini masih memiliki banyak masalah: di satu sisi, tingkat desentralisasi terbatas, bagian-bagian penting dan infrastruktur masih bergantung pada layanan cloud terpusat, sulit untuk mendukung ekosistem terbuka yang sebenarnya; di sisi lain, dibandingkan dengan produk AI di dunia Web2, AI on-chain masih terbatas dalam hal kemampuan model, pemanfaatan data, dan skenario aplikasi, kedalaman dan luas inovasi perlu ditingkatkan.
Untuk benar-benar mewujudkan visi AI terdesentralisasi, sehingga blockchain dapat dengan 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 memberikan dasar yang kuat untuk inovasi terbuka AI, demokrasi dalam tata kelola, dan keamanan data, serta mendorong perkembangan ekosistem AI terdesentralisasi yang makmur.
Fitur Utama dari AI Layer 1
AI Layer 1 sebagai sebuah blockchain yang dirancang khusus untuk aplikasi AI, arsitektur dan desain kinerjanya erat berkaitan 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:
Insentif yang efisien dan mekanisme konsensus terdesentralisasi 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 perlu menjalankan tugas yang lebih kompleks, tidak hanya menyediakan daya komputasi, menyelesaikan pelatihan dan inferensi model AI, tetapi juga menyumbangkan penyimpanan, data, bandwidth, dan berbagai sumber daya lainnya, sehingga memecahkan monopoli raksasa terpusat dalam infrastruktur AI. Ini menuntut mekanisme konsensus dan insentif yang lebih tinggi: AI Layer 1 harus mampu menilai, memberikan insentif, 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, memiliki tuntutan yang sangat tinggi terhadap kinerja komputasi dan kemampuan pemrosesan paralel. Lebih lanjut, ekosistem AI on-chain seringkali perlu 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 paralelisme elastis, serta menyediakan 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 dan beragam".
Verifikasi dan Jaminan Output yang Tepercaya AI Layer 1 tidak hanya harus mencegah model berbuat jahat, pemalsuan data, dan masalah 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 ini dapat memastikan bahwa setiap inferensi model, pelatihan, dan proses pengolahan data dapat diverifikasi secara independen, memastikan keadilan dan transparansi sistem AI. Selain itu, verifikasi ini juga dapat membantu pengguna untuk memahami logika dan dasar keluaran AI, mewujudkan "apa yang diperoleh adalah apa yang diinginkan", dan meningkatkan kepercayaan serta kepuasan pengguna terhadap produk AI.
Perlindungan Privasi Data Aplikasi AI sering kali 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 hak data, untuk memastikan keamanan data selama seluruh proses seperti inferensi, pelatihan, dan penyimpanan, secara efektif mencegah kebocoran dan penyalahgunaan data, serta menghilangkan kekhawatiran pengguna tentang keamanan data.
Kemampuan dukungan dan pengembangan ekosistem yang kuat Sebagai infrastruktur Layer 1 yang berbasis 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 pengembang, operator node, penyedia layanan AI, dan peserta ekosistem lainnya. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong peluncuran aplikasi AI yang kaya dan beragam, serta mewujudkan keberlanjutan ekosistem AI terdesentralisasi.
Berdasarkan latar belakang dan harapan di atas, artikel ini akan menjelaskan secara rinci enam proyek AI Layer1 yang mencakup Sentient, Sahara AI, Ritual, Gensyn, Bittensor, dan 0G, merangkum kemajuan terbaru di sektor ini, 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 pada tahap awal adalah Layer 2, dan kemudian akan bermigrasi ke Layer 1). Dengan menggabungkan AI Pipeline dan teknologi blockchain, Sentient membangun ekonomi kecerdasan buatan yang terdesentralisasi. Tujuan inti Sentient 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 mencapai struktur kepemilikan on-chain, transparansi panggilan, dan pembagian nilai. Visi Sentient adalah untuk memungkinkan siapa saja 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, yang 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 blockchain dan penataan ekosistem dipimpin oleh Sandeep Nailwal, salah satu pendiri Polygon. Latar belakang anggota tim mencakup perusahaan ternama seperti Meta, Coinbase, Polygon, serta universitas terkemuka seperti Universitas Princeton dan IIT India, mencakup bidang AI/ML, NLP, penglihatan komputer, dan bekerja sama untuk mendorong proyek ini.
Sebagai proyek kewirausahaan kedua dari Sandeep Nailwal, salah satu pendiri Polygon, Sentient sejak awal didirikan telah membawa aura tersendiri, dengan sumber daya yang melimpah, jaringan yang luas, dan kesadaran pasar yang tinggi, 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.
AI pipeline 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, pelacakan penggunaan, distribusi pendapatan, dan tata kelola yang adil dari artefak AI. Arsitektur spesifik dibagi menjadi empat lapisan:
Kerangka Model OML
Kerangka OML (Open, Monetizable, 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 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 dibedakan. Teknologi inti adalah:
Metode ini dapat mencapai "panggilan otorisasi berbasis perilaku + verifikasi kepemilikan" tanpa biaya re-enkripsi.
Kerangka Penegakan dan Keamanan Model
Sentient saat ini menggunakan keamanan campuran Melange: menggabungkan penegasan hak dengan sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari diimplementasikan dengan OML 1.0 sebagai garis utama, menekankan pemikiran "Keamanan Optimis (Optimistic Security)", yaitu default kepatuhan, pelanggaran dapat terdeteksi dan dihukum.
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 developer model, tetapi juga memberikan catatan on-chain yang dapat dilacak untuk perilaku penggunaan model.
Selain itu, Sentient telah meluncurkan kerangka kerja komputasi Enclave TEE, memanfaatkan lingkungan eksekusi tepercaya (seperti AWS Nitro Enclaves) untuk memastikan bahwa model hanya merespons permintaan yang diotorisasi, mencegah akses dan penggunaan yang tidak diizinkan. Meskipun TEE bergantung pada perangkat keras dan memiliki beberapa risiko keamanan, keunggulan 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 memberikan lebih banyak kematangan untuk penerapan model AI secara terdesentralisasi.