Laporan Penelitian AI Layer1: Mencari Tanah Subur DeAI di on-chain
Ringkasan
Latar Belakang
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, dan bahkan menunjukkan potensi untuk menggantikan tenaga kerja manusia dalam beberapa skenario. Namun, inti dari teknologi ini tetap dikuasai oleh sejumlah raksasa teknologi terdesentralisasi. Dengan modal yang kuat dan kontrol terhadap sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun batasan yang sulit ditembus, sehingga sebagian besar pengembang dan tim inovasi kesulitan untuk bersaing.
Pada saat yang sama, di awal evolusi cepat AI, opini publik sering kali fokus pada terobosan dan kemudahan yang dibawa oleh teknologi, sementara perhatian terhadap masalah inti seperti perlindungan privasi, transparansi, dan keamanan relatif kurang. Dalam jangka panjang, masalah-masalah ini akan secara mendalam mempengaruhi perkembangan sehat industri AI dan tingkat penerimaan masyarakat. Jika tidak dapat diselesaikan 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 kekurangan motivasi yang cukup untuk secara proaktif menghadapi tantangan ini.
Teknologi blockchain, dengan karakteristik desentralisasi, transparansi, dan ketahanan terhadap sensor, menawarkan kemungkinan baru untuk pembangunan berkelanjutan di industri AI. Saat ini, banyak aplikasi "Web3 AI" telah muncul di blockchain utama seperti Solana dan Base. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih memiliki banyak masalah: di satu sisi, tingkat desentralisasi terbatas, dengan bagian penting dan infrastruktur masih bergantung pada layanan cloud terpusat, atribut meme terlalu berat, sulit untuk mendukung ekosistem terbuka yang sebenarnya; di sisi lain, dibandingkan dengan produk AI di dunia Web2, AI on-chain masih menunjukkan 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 menampung 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 inti dari AI Layer 1
AI Layer 1 sebagai 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 di on-chain. Secara khusus, 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, penyimpanan, dan lainnya yang terbuka. Berbeda dengan node blockchain tradisional yang fokus utama pada pembukuan buku, node AI Layer 1 perlu 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 konsensus dan mekanisme insentif yang lebih tinggi: AI Layer 1 harus dapat mengevaluasi, memberi insentif, dan memverifikasi kontribusi nyata node dalam tugas-tugas inferensi dan pelatihan AI, untuk mencapai keamanan jaringan dan distribusi sumber daya yang efisien. Hanya dengan cara ini dapat menjamin stabilitas dan kemakmuran jaringan, serta secara efektif mengurangi biaya daya komputasi secara keseluruhan.
Kinerja tinggi yang luar biasa dan kemampuan dukungan tugas heterogen Tugas AI, khususnya pelatihan dan inferensi LLM, menuntut kinerja komputasi dan kemampuan pemrosesan paralel yang sangat tinggi. Lebih lanjut, ekosistem AI on-chain sering kali perlu mendukung berbagai jenis tugas 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 dukungan asli untuk sumber daya komputasi heterogen, memastikan berbagai tugas AI dapat berjalan dengan efisien, dan mewujudkan perluasan yang mulus dari "tugas tunggal" ke "ekosistem kompleks dan beragam".
Verifikasi dan Jaminan Output Tepercaya AI Layer 1 tidak hanya harus mencegah model berbuat jahat, manipulasi data, dan risiko keamanan lainnya, tetapi juga harus memastikan secara mekanisme dasar bahwa hasil keluaran AI dapat diverifikasi dan selaras. Dengan mengintegrasikan lingkungan eksekusi tepercaya (TEE), bukti nol pengetahuan (ZK), dan komputasi aman multi-pihak (MPC) serta teknologi mutakhir lainnya, platform dapat memungkinkan setiap inferensi model, pelatihan, dan proses pengolahan data untuk diverifikasi secara independen, memastikan keadilan dan transparansi sistem AI. Selain itu, 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 kali melibatkan data sensitif pengguna, terutama di bidang keuangan, kesehatan, dan sosial, perlindungan privasi data sangat penting. AI Layer 1 harus memastikan keamanan data selama seluruh proses inferensi, pelatihan, dan penyimpanan dengan mengadopsi teknik pengolahan data berbasis enkripsi, protokol komputasi privasi, dan manajemen hak akses data, secara efektif mencegah kebocoran dan penyalahgunaan data, serta menghilangkan kekhawatiran pengguna terkait keamanan data.
Kapasitas dukungan untuk pengembangan dan 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 operasi, dan mekanisme insentif untuk pengembang, operator node, penyedia layanan AI, dan peserta ekosistem lainnya. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong implementasi aplikasi asli AI yang kaya dan beragam, serta mencapai keberlanjutan ekosistem AI yang terdesentralisasi.
Berdasarkan latar belakang dan harapan di atas, artikel ini akan secara rinci memperkenalkan enam proyek perwakilan AI Layer1 termasuk Sentient, Sahara AI, Ritual, Gensyn, Bittensor, dan 0G, menguraikan kemajuan terbaru dalam jalur ini, menganalisis kondisi perkembangan proyek, dan membahas tren masa depan.
Sentient: Membangun model AI terdesentralisasi sumber terbuka yang setia
Gambaran Umum 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, dibangunlah ekonomi kecerdasan buatan yang terdesentralisasi. Tujuan inti adalah untuk menyelesaikan masalah kepemilikan model, pelacakan pemanggilan, dan distribusi nilai di pasar LLM terpusat melalui kerangka "OML" (terbuka, menguntungkan, setia), sehingga model AI dapat mencapai struktur kepemilikan on-chain, transparansi pemanggilan, 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, pengusaha blockchain, dan insinyur terkemuka dari seluruh dunia, yang berkomitmen untuk membangun platform AGI yang dipimpin 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 privasi AI, sementara strategi blockchain dan ekosistem dipimpin oleh salah satu pendiri Polygon, Sandeep Nailwal. Latar belakang anggota tim mencakup perusahaan-perusahaan terkenal seperti Meta, Coinbase, Polygon, serta universitas terkemuka seperti Universitas Princeton dan Institut Teknologi India, mencakup bidang AI/ML, NLP, penglihatan komputer, dan bekerja sama untuk mendorong proyek ini.
Sebagai proyek kewirausahaan kedua Sandeep Nailwal, salah satu pendiri Polygon, Sentient langsung memiliki aura sejak awal didirikan, dengan sumber daya, jaringan, dan kesadaran 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 puluhan VC terkenal lainnya.
Arsitektur Desain dan Lapisan Aplikasi
Lapisan 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 penyelarasan model.
Pelatihan Loyalitas (Loyalty Training): memastikan model menjaga proses pelatihan yang konsisten dengan niat komunitas.
Sistem blockchain memberikan transparansi dan kontrol desentralisasi kepada 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 pemanggilan;
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 fitur-fitur berikut:
Keterbukaan: Model harus bersifat open-source, dengan kode dan struktur data yang 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.
Loyalitas: Model milik komunitas kontributor, arah peningkatan dan pemerintahan ditentukan oleh DAO, penggunaan dan modifikasi dikendalikan oleh mekanisme kripto.
Kriptografi Asli AI (AI-native Cryptography)
Kriptografi asli AI adalah mekanisme keamanan ringan "dapat diverifikasi tetapi tidak dapat dihapus" yang dikembangkan dengan memanfaatkan kontinuitas model AI, struktur manifold berdimensi rendah, dan sifat diferensiasi model. Teknologi intinya adalah:
Perembedding 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 memanggil, perlu mendapatkan "Sertifikat Izin" yang diterbitkan oleh pemilik model, sistem kemudian memberikan otorisasi kepada model untuk mendekode input tersebut dan mengembalikan jawaban yang akurat.
Metode ini dapat mewujudkan "panggilan otorisasi berbasis perilaku + verifikasi afiliasi" tanpa biaya re-enkripsi.
Kerangka Penegasan Model dan Eksekusi Aman
Sentient saat ini menggunakan Melange mixed security: kombinasi verifikasi sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari diimplementasikan dengan OML 1.0 sebagai garis utama, menekankan ide "Optimistic Security", yaitu default compliant, dan dapat terdeteksi serta dihukum setelah pelanggaran.
Mekanisme sidik jari adalah implementasi kunci dari OML, yang memungkinkan model untuk menghasilkan tanda tangan yang 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-hak pengembang model, tetapi juga menyediakan catatan on-chain yang dapat dilacak untuk perilaku penggunaan model.
Selain itu, Sentient telah meluncurkan kerangka kerja komputasi Enclave TEE, yang memanfaatkan lingkungan eksekusi terpercaya (seperti AWS Nitro Enclaves) untuk memastikan model hanya merespons permintaan yang diotorisasi, mencegah akses dan penggunaan yang tidak sah. Meskipun TEE bergantung pada perangkat keras dan memiliki beberapa risiko keamanan, keunggulan kinerja tinggi dan real-timenya menjadikannya teknologi inti untuk penyebaran model saat ini.
Di masa depan, Sentient berencana untuk memperkenalkan teknologi bukti nol pengetahuan (ZK) dan enkripsi homomorfik sepenuhnya (FHE) untuk lebih meningkatkan perlindungan privasi dan verifikasi.
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.
15 Suka
Hadiah
15
5
Bagikan
Komentar
0/400
NullWhisperer
· 21jam yang lalu
secara teknis... pendekatan sentient tampaknya rentan terhadap masalah sentralisasi yang sama, sejujurnya
Lihat AsliBalas0
LiquidationTherapist
· 22jam yang lalu
Latar belakang penelitian cukup dapat diandalkan
Lihat AsliBalas0
MEVHunterWang
· 22jam yang lalu
Kecerdasan buatan... mengendalikan manusia saya rasa tidak mungkin~
Bintang baru Layer1 AI muncul: Sentient membangun infrastruktur DeAI on-chain
Laporan Penelitian AI Layer1: Mencari Tanah Subur DeAI di on-chain
Ringkasan
Latar Belakang
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, dan bahkan menunjukkan potensi untuk menggantikan tenaga kerja manusia dalam beberapa skenario. Namun, inti dari teknologi ini tetap dikuasai oleh sejumlah raksasa teknologi terdesentralisasi. Dengan modal yang kuat dan kontrol terhadap sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun batasan yang sulit ditembus, sehingga sebagian besar pengembang dan tim inovasi kesulitan untuk bersaing.
Pada saat yang sama, di awal evolusi cepat AI, opini publik sering kali fokus pada terobosan dan kemudahan yang dibawa oleh teknologi, sementara perhatian terhadap masalah inti seperti perlindungan privasi, transparansi, dan keamanan relatif kurang. Dalam jangka panjang, masalah-masalah ini akan secara mendalam mempengaruhi perkembangan sehat industri AI dan tingkat penerimaan masyarakat. Jika tidak dapat diselesaikan 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 kekurangan motivasi yang cukup untuk secara proaktif menghadapi tantangan ini.
Teknologi blockchain, dengan karakteristik desentralisasi, transparansi, dan ketahanan terhadap sensor, menawarkan kemungkinan baru untuk pembangunan berkelanjutan di industri AI. Saat ini, banyak aplikasi "Web3 AI" telah muncul di blockchain utama seperti Solana dan Base. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih memiliki banyak masalah: di satu sisi, tingkat desentralisasi terbatas, dengan bagian penting dan infrastruktur masih bergantung pada layanan cloud terpusat, atribut meme terlalu berat, sulit untuk mendukung ekosistem terbuka yang sebenarnya; di sisi lain, dibandingkan dengan produk AI di dunia Web2, AI on-chain masih menunjukkan 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 menampung 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 inti dari AI Layer 1
AI Layer 1 sebagai 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 di on-chain. Secara khusus, 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, penyimpanan, dan lainnya yang terbuka. Berbeda dengan node blockchain tradisional yang fokus utama pada pembukuan buku, node AI Layer 1 perlu 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 konsensus dan mekanisme insentif yang lebih tinggi: AI Layer 1 harus dapat mengevaluasi, memberi insentif, dan memverifikasi kontribusi nyata node dalam tugas-tugas inferensi dan pelatihan AI, untuk mencapai keamanan jaringan dan distribusi sumber daya yang efisien. Hanya dengan cara ini dapat menjamin stabilitas dan kemakmuran jaringan, serta secara efektif mengurangi biaya daya komputasi secara keseluruhan.
Kinerja tinggi yang luar biasa dan kemampuan dukungan tugas heterogen Tugas AI, khususnya pelatihan dan inferensi LLM, menuntut kinerja komputasi dan kemampuan pemrosesan paralel yang sangat tinggi. Lebih lanjut, ekosistem AI on-chain sering kali perlu mendukung berbagai jenis tugas 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 dukungan asli untuk sumber daya komputasi heterogen, memastikan berbagai tugas AI dapat berjalan dengan efisien, dan mewujudkan perluasan yang mulus dari "tugas tunggal" ke "ekosistem kompleks dan beragam".
Verifikasi dan Jaminan Output Tepercaya AI Layer 1 tidak hanya harus mencegah model berbuat jahat, manipulasi data, dan risiko keamanan lainnya, tetapi juga harus memastikan secara mekanisme dasar bahwa hasil keluaran AI dapat diverifikasi dan selaras. Dengan mengintegrasikan lingkungan eksekusi tepercaya (TEE), bukti nol pengetahuan (ZK), dan komputasi aman multi-pihak (MPC) serta teknologi mutakhir lainnya, platform dapat memungkinkan setiap inferensi model, pelatihan, dan proses pengolahan data untuk diverifikasi secara independen, memastikan keadilan dan transparansi sistem AI. Selain itu, 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 kali melibatkan data sensitif pengguna, terutama di bidang keuangan, kesehatan, dan sosial, perlindungan privasi data sangat penting. AI Layer 1 harus memastikan keamanan data selama seluruh proses inferensi, pelatihan, dan penyimpanan dengan mengadopsi teknik pengolahan data berbasis enkripsi, protokol komputasi privasi, dan manajemen hak akses data, secara efektif mencegah kebocoran dan penyalahgunaan data, serta menghilangkan kekhawatiran pengguna terkait keamanan data.
Kapasitas dukungan untuk pengembangan dan 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 operasi, dan mekanisme insentif untuk pengembang, operator node, penyedia layanan AI, dan peserta ekosistem lainnya. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong implementasi aplikasi asli AI yang kaya dan beragam, serta mencapai keberlanjutan ekosistem AI yang terdesentralisasi.
Berdasarkan latar belakang dan harapan di atas, artikel ini akan secara rinci memperkenalkan enam proyek perwakilan AI Layer1 termasuk Sentient, Sahara AI, Ritual, Gensyn, Bittensor, dan 0G, menguraikan kemajuan terbaru dalam jalur ini, menganalisis kondisi perkembangan proyek, dan membahas tren masa depan.
Sentient: Membangun model AI terdesentralisasi sumber terbuka yang setia
Gambaran Umum 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, dibangunlah ekonomi kecerdasan buatan yang terdesentralisasi. Tujuan inti adalah untuk menyelesaikan masalah kepemilikan model, pelacakan pemanggilan, dan distribusi nilai di pasar LLM terpusat melalui kerangka "OML" (terbuka, menguntungkan, setia), sehingga model AI dapat mencapai struktur kepemilikan on-chain, transparansi pemanggilan, 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, pengusaha blockchain, dan insinyur terkemuka dari seluruh dunia, yang berkomitmen untuk membangun platform AGI yang dipimpin 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 privasi AI, sementara strategi blockchain dan ekosistem dipimpin oleh salah satu pendiri Polygon, Sandeep Nailwal. Latar belakang anggota tim mencakup perusahaan-perusahaan terkenal seperti Meta, Coinbase, Polygon, serta universitas terkemuka seperti Universitas Princeton dan Institut Teknologi India, mencakup bidang AI/ML, NLP, penglihatan komputer, dan bekerja sama untuk mendorong proyek ini.
Sebagai proyek kewirausahaan kedua Sandeep Nailwal, salah satu pendiri Polygon, Sentient langsung memiliki aura sejak awal didirikan, dengan sumber daya, jaringan, dan kesadaran 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 puluhan VC terkenal lainnya.
Arsitektur Desain dan Lapisan Aplikasi
Lapisan 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 kepada 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 (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 fitur-fitur berikut:
Kriptografi Asli AI (AI-native Cryptography)
Kriptografi asli AI adalah mekanisme keamanan ringan "dapat diverifikasi tetapi tidak dapat dihapus" yang dikembangkan dengan memanfaatkan kontinuitas model AI, struktur manifold berdimensi rendah, dan sifat diferensiasi model. Teknologi intinya adalah:
Metode ini dapat mewujudkan "panggilan otorisasi berbasis perilaku + verifikasi afiliasi" tanpa biaya re-enkripsi.
Kerangka Penegasan Model dan Eksekusi Aman
Sentient saat ini menggunakan Melange mixed security: kombinasi verifikasi sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari diimplementasikan dengan OML 1.0 sebagai garis utama, menekankan ide "Optimistic Security", yaitu default compliant, dan dapat terdeteksi serta dihukum setelah pelanggaran.
Mekanisme sidik jari adalah implementasi kunci dari OML, yang memungkinkan model untuk menghasilkan tanda tangan yang 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-hak pengembang model, tetapi juga menyediakan catatan on-chain yang dapat dilacak untuk perilaku penggunaan model.
Selain itu, Sentient telah meluncurkan kerangka kerja komputasi Enclave TEE, yang memanfaatkan lingkungan eksekusi terpercaya (seperti AWS Nitro Enclaves) untuk memastikan model hanya merespons permintaan yang diotorisasi, mencegah akses dan penggunaan yang tidak sah. Meskipun TEE bergantung pada perangkat keras dan memiliki beberapa risiko keamanan, keunggulan kinerja tinggi dan real-timenya menjadikannya teknologi inti untuk penyebaran model saat ini.
Di masa depan, Sentient berencana untuk memperkenalkan teknologi bukti nol pengetahuan (ZK) dan enkripsi homomorfik sepenuhnya (FHE) untuk lebih meningkatkan perlindungan privasi dan verifikasi.