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, 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 sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun penghalang yang sulit ditembus, membuat sebagian besar pengembang dan tim inovasi sulit untuk bersaing dengan mereka.

Sementara itu, pada awal evolusi cepat AI, opini publik sering kali terfokus 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 ini akan berdampak mendalam pada perkembangan sehat industri AI dan 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 tahan sensor, menawarkan kemungkinan baru untuk keberlanjutan industri AI. Saat ini, telah muncul banyak aplikasi "Web3 AI" di berbagai blockchain utama. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih menghadapi banyak masalah: di satu sisi, tingkat desentralisasi terbatas, di mana bagian penting 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 terbatas dalam kemampuan model, pemanfaatan data, dan skenario aplikasi, dengan kedalaman dan luas inovasi yang perlu ditingkatkan.

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

Fitur inti dari AI Layer 1

AI Layer 1 sebagai sebuah blockchain yang dirancang khusus untuk aplikasi AI, memiliki arsitektur dasar dan desain kinerja yang erat mengelilingi kebutuhan tugas AI, bertujuan untuk secara efisien mendukung pengembangan dan kemakmuran ekosistem AI on-chain yang berkelanjutan. Secara spesifik, AI Layer 1 harus memiliki kemampuan inti berikut:

1. 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 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 menilai, mendorong, dan memverifikasi kontribusi aktual node dalam tugas inferensi dan pelatihan AI, untuk mencapai keamanan jaringan dan alokasi sumber daya yang efisien. Hanya dengan cara ini jaringan dapat menjamin stabilitas dan kemakmuran, serta secara efektif mengurangi biaya daya komputasi keseluruhan.

2. 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 juga perlu 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 pra-setel kemampuan dukungan asli untuk sumber daya komputasi heterogen, memastikan bahwa berbagai tugas AI dapat berjalan secara efisien, mewujudkan perluasan yang mulus dari "tugas tunggal" ke "ekosistem kompleks dan beragam".

3. Verifikasi dan Jaminan Output yang Dapat Dipercaya Layer AI 1 tidak hanya harus mencegah model berbuat jahat, pemalsuan data, dan risiko keamanan lainnya, tetapi juga harus memastikan verifikasi dan keselarasan hasil output AI dari mekanisme dasar. Dengan mengintegrasikan lingkungan eksekusi tepercaya (TEE), bukti nol pengetahuan (ZK), dan komputasi aman multipihak (MPC) serta teknologi mutakhir 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 dari output AI, mewujudkan "apa yang didapat adalah apa yang diinginkan", serta meningkatkan kepercayaan dan kepuasan pengguna terhadap produk AI.

4. Perlindungan Privasi Data Aplikasi AI sering melibatkan data sensitif pengguna, di bidang keuangan, kesehatan, sosial, dan lain-lain, perlindungan privasi data sangat penting. AI Layer 1 harus memastikan verifikasi sambil menggunakan teknologi pemrosesan data berbasis enkripsi, protokol komputasi privasi, dan manajemen hak data, untuk memastikan keamanan data selama proses inferensi, pelatihan, dan penyimpanan, secara efektif mencegah kebocoran dan penyalahgunaan data, serta menghilangkan kekhawatiran pengguna terkait keamanan data.

5. 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 pengembang, operator node, penyedia layanan AI, dan peserta ekosistem lainnya. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong implementasi aplikasi AI yang kaya dan beragam, serta mewujudkan keberlanjutan 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, menguraikan kemajuan terbaru di jalur tersebut, menganalisis kondisi pengembangan 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, kemudian akan migrasi ke Layer 1). Dengan menggabungkan AI Pipeline dan teknologi blockchain, platform ini bertujuan untuk membangun ekonomi kecerdasan buatan terdesentralisasi. Tujuan inti adalah untuk menyelesaikan masalah kepemilikan model, pelacakan panggilan, dan distribusi nilai dalam pasar LLM terpusat melalui kerangka "OML" (terbuka, menguntungkan, setia), sehingga model AI dapat mewujudkan struktur kepemilikan on-chain, transparansi panggilan, dan pembagian nilai. Visi Sentient adalah memungkinkan siapa saja untuk membangun, berkolaborasi, memiliki, dan memonetisasi produk AI, sehingga mendorong ekosistem jaringan AI Agent yang adil dan terbuka.

Tim Sentient Foundation mengumpulkan para ahli akademis, 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 dan ekosistem blockchain 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 Indian Institute of Technology, mencakup bidang AI/ML, NLP, visi komputer, dan bekerja sama untuk mendorong proyek ini ke depan.

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 yang kuat untuk pengembangan proyek. Pada pertengahan 2024, Sentient menyelesaikan pendanaan putaran benih sebesar 85 juta dolar AS, yang dipimpin oleh Founders Fund, Pantera, dan Framework Ventures, dengan lembaga investasi lainnya termasuk Delphi, Hashkey, dan Spartan serta puluhan VC terkenal lainnya.

Desain Arsitektur dan Lapisan Aplikasi

Infrastruktur

Arsitektur Inti

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

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

• Perencanaan Data (Data Curation): Proses pemilihan data yang didorong oleh komunitas, digunakan untuk penyelarasan model.
• Pelatihan Loyalitas (Loyalty Training): memastikan model mempertahankan proses pelatihan yang sejalan dengan niat komunitas.

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

• Lapisan penyimpanan: menyimpan bobot model dan informasi pendaftaran sidik jari;
• Lapisan distribusi: Model kontrak otorisasi mengontrol titik masuk pemanggilan;
• Lapisan akses: Memverifikasi apakah pengguna diotorisasi melalui bukti izin;
• Lapisan insentif: Kontrak rute pendapatan akan membayar setiap panggilan 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 berikut:

• Keterbukaan: Model harus bersifat open-source, kode dan struktur data harus transparan, agar komunitas dapat mereproduksi, mengaudit, dan memperbaiki.
• Monetisasi: Setiap pemanggilan 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 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 dapat terdiferensiasi dari model. Teknologi intinya adalah:

• Penyematan sidik jari: Memasukkan seperangkat 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 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.

Cara ini memungkinkan untuk mencapai "panggilan otorisasi berbasis perilaku + verifikasi kepemilikan" tanpa biaya re-enkripsi.

Kerangka Penetapan Model dan Eksekusi Aman

Sentient saat ini menggunakan Melange mixed security: kombinasi dari pengakuan sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari diimplementasikan dengan OML 1.0 sebagai garis utama, menekankan pemikiran "Optimistic Security", yaitu secara default dianggap patuh, dan setelah pelanggaran dapat terdeteksi dan dihukum.

Mekanisme sidik jari adalah implementasi kunci dari OML, yang memungkinkan model menghasilkan tanda tangan unik selama tahap pelatihan dengan menyematkan pasangan "pertanyaan-jawaban" tertentu. Melalui tanda tangan ini, pemilik model dapat memverifikasi kepemilikan, mencegah penyalinan dan komersialisasi tanpa izin. Mekanisme ini tidak hanya melindungi hak pengembang model, tetapi juga menyediakan catatan on-chain yang dapat dilacak untuk perilaku penggunaan model.

Selain itu, Sentient telah meluncurkan kerangka kerja komputasi Enclave TEE, 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, keunggulan kinerja tinggi dan real-timenya menjadikannya teknologi inti untuk penerapan model saat ini.