AI Layer1: Поиск плодородной почвы для DeAI в блокчейне
Обзор
В последние годы такие ведущие технологические компании, как OpenAI, Anthropic, Google и Meta, активно способствуют стремительному развитию больших языковых моделей (LLM). LLM демонстрируют беспрецедентные возможности в различных отраслях, значительно расширяя пространство человеческого воображения и даже проявляя потенциал замены человеческого труда в некоторых сценариях. Однако ядро этих технологий по-прежнему крепко удерживается в руках немногих централизованных технологических гигантов. Благодаря мощному капиталу и контролю над дорогими вычислительными ресурсами эти компании создали непреодолимые барьеры, что делает для подавляющего большинства разработчиков и инновационных команд трудным соперничество с ними.
В то же время, на ранних стадиях быстрого развития ИИ общественное мнение часто сосредоточено на прорывах и удобствах, которые приносит технология, в то время как внимание к таким ключевым вопросам, как защита конфиденциальности, прозрачность и безопасность, относительно недостаточно. В долгосрочной перспективе эти вопросы окажут глубокое влияние на здоровое развитие отрасли ИИ и приемлемость в обществе. Если эти проблемы не будут должным образом решены, споры о том, будет ли ИИ "на благо" или "во вред", будут все более острыми, в то время как централизованные гиганты, движимые инстинктом прибыли, часто не имеют достаточной мотивации для активного реагирования на эти вызовы.
Технология блокчейна, благодаря своим децентрализованным, прозрачным и антикоррупционным характеристикам, предоставляет новые возможности для устойчивого развития AI-индустрии. В настоящее время на некоторых основных блокчейнах уже появилось множество приложений "Web3 AI". Однако при более глубоком анализе можно обнаружить, что эти проекты все еще имеют множество проблем: с одной стороны, уровень децентрализации ограничен, ключевые этапы и инфраструктура по-прежнему зависят от централизованных облачных услуг, что затрудняет поддержку по-настоящему открытой экосистемы; с другой стороны, по сравнению с AI-продуктами из мира Web2, AI на блокчейне все еще имеет ограничения в моделях, использовании данных и сценариях применения, глубина и широта инноваций требуют улучшения.
Чтобы по-настоящему реализовать видение децентрализованного ИИ, необходимо, чтобы в блокчейне безопасно, эффективно и демократично размещались крупномасштабные приложения ИИ, а производительность конкурировала с централизованными решениями. Мы должны разработать Layer1 блокчейн, специально созданный для ИИ. Это обеспечит прочную основу для открытых инноваций в области ИИ, демократического управления и безопасности данных, способствуя процветанию экосистемы децентрализованного ИИ.
Основные характеристики AI Layer 1
AI Layer 1, как блокчейн, специально разработанный для AI приложений, имеет архитектуру и дизайн производительности, которые тесно соответствуют требованиям AI задач, с целью эффективной поддержки устойчивого развития и процветания AI экосистемы в блокчейне. Конкретно, AI Layer 1 должен обладать следующими ключевыми возможностями:
Эффективные стимулы и децентрализованный механизм консенсуса. Основная цель AI Layer 1 заключается в создании открытой сети для совместного использования ресурсов, таких как вычислительная мощность и хранилище. В отличие от традиционных узлов блокчейна, которые в основном сосредоточены на ведении учета в бухгалтерской книге, узлы AI Layer 1 должны выполнять более сложные задачи: не только предоставлять вычислительную мощность и завершать обучение и вывод AI-моделей, но и вносить разнообразные ресурсы, такие как хранилище, данные и пропускная способность, тем самым разрушая монополию централизованных гигантов в инфраструктуре AI. Это ставит более высокие требования к базовому консенсусу и механизму стимулов: AI Layer 1 должен быть в состоянии точно оценивать, поощрять и проверять фактический вклад узлов в задачи AI-вывода, обучения и т.д., обеспечивая безопасность сети и эффективное распределение ресурсов. Только так можно гарантировать стабильность и процветание сети, а также эффективно снизить общие затраты на вычислительную мощность.
Высокая производительность и поддержка гетерогенных задач. Задачи ИИ, особенно обучение и вывод LLM, предъявляют высокие требования к вычислительной производительности и параллельной обработке. Более того, экосистема ИИ в блокчейне часто должна поддерживать разнообразные, гетерогенные типы задач, включая различные структуры моделей, обработку данных, вывод, хранение и другие многослойные сценарии. AI Layer 1 должен быть глубоко оптимизирован на уровне архитектуры для удовлетворения требований к высокой пропускной способности, низкой задержке и эластичной параллельной обработке, а также предусматривать нативную поддержку гетерогенных вычислительных ресурсов, чтобы гарантировать эффективное выполнение различных задач ИИ и обеспечивать плавное расширение от "однородных задач" до "сложной многообразной экосистемы."
Проверяемость и гарантии надежного вывода AI Layer 1 должны не только предотвращать злоупотребления моделями и подделку данных, но и обеспечивать проверяемость и согласованность результатов вывода AI на уровне базовых механизмов. За счет интеграции доверительной среды выполнения (TEE), доказательства с нулевым разглашением (ZK), безопасных многосторонних вычислений (MPC) и других передовых технологий платформа может обеспечить возможность независимой проверки каждого процесса вывода модели, обучения и обработки данных, гарантируя справедливость и прозрачность AI-системы. В то же время эта проверяемость может помочь пользователям четко понять логику и основания вывода AI, реализуя "что получено, то и желаемо", повышая доверие и удовлетворенность пользователей по отношению к AI-продуктам.
Защита конфиденциальности данных Приложения ИИ часто касаются чувствительных данных пользователей, и в таких областях, как финансы, здравоохранение и социальные сети, защита конфиденциальности данных особенно важна. AI Layer 1 должен обеспечивать проверяемость, применяя технологии обработки данных на основе шифрования, протоколы вычислений с конфиденциальностью и управление правами доступа к данным, чтобы гарантировать безопасность данных на всех этапах, таких как вывод, обучение и хранение, эффективно предотвращая утечку и злоупотребление данными, устраняя беспокойство пользователей по поводу безопасности данных.
Мощная экосистема и поддержка разработки В качестве инфраструктуры уровня 1, родной для ИИ, платформа должна не только обладать технологическим преимуществом, но и предоставлять участникам экосистемы, таким как разработчики, операторы узлов и поставщики ИИ-услуг, полноценные инструменты для разработки, интегрированные SDK, поддержку эксплуатации и механизмы стимулирования. Постоянно оптимизируя доступность платформы и опыт разработчиков, мы способствуем реализации разнообразных приложений, родных для ИИ, и обеспечиваем устойчивое процветание децентрализованной экосистемы ИИ.
Основываясь на вышеизложенном контексте и ожиданиях, в данной статье будет подробно рассмотрено шесть代表项目 AI Layer1, включая Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематически проанализированы последние достижения в данной области, разобраны текущие состояния проектов и обсуждены будущие тенденции.
Sentient: Создание преданного открытого децентрализованного ИИ-модели
Обзор проекта
Sentient — это платформа открытых протоколов, которая создает AI Layer1 в блокчейне (, начиная с Layer 2, а затем будет переходить на Layer 1). Объединяя AI Pipeline и технологии блокчейна, она создает децентрализованную экономику искусственного интеллекта. Ее основной целью является решение проблем принадлежности моделей, отслеживания вызовов и распределения ценностей на централизованном рынке LLM с помощью структуры "OML" (открытой, прибыльной, лояльной), позволяя AI моделям реализовать структурированную собственность, прозрачность вызовов и распределение ценностей на блокчейне. Видение Sentient заключается в том, чтобы любой мог создавать, сотрудничать, владеть и монетизировать AI-продукты, способствуя созданию справедливой и открытой экосистемы сети AI Agent.
Команда Sentient Foundation объединила ведущих мировых академических экспертов, предпринимателей в области блокчейна и инженеров, стремящихся создать сообществом управляемую, открытую и проверяемую платформу AGI. Ключевыми членами команды являются профессор Принстонского университета Прамод Висванат и профессор Индийского института науки Химаншу Тягии, которые отвечают за безопасность ИИ и защиту конфиденциальности, в то время как соучредитель Polygon Сандип Найлвал руководит стратегией блокчейна и экосистемным развитием. Члены команды имеют опыт работы в таких известных компаниях, как Meta, Coinbase, Polygon, а также в таких ведущих учебных заведениях, как Принстонский университет и Индийский институт технологий, охватывая области ИИ/МЛ, НЛП, компьютерного зрения и совместно способствуя реализации проекта.
В качестве второго стартапа соучредителя Polygon Sandeep Nailwal, Sentient с самого начала имела ауру успеха, обладая обширными ресурсами, контактами и рыночной осведомленностью, что обеспечивало мощную поддержку развитию проекта. В середине 2024 года Sentient завершила финансирование на сумму 85 миллионов долларов на стадии посевного раунда, которое возглавили Founders Fund, Pantera и Framework Ventures, среди других инвестиционных компаний были такие известные венчурные капитальные фирмы, как Delphi, Hashkey и Spartan.
Проектирование архитектуры и прикладного уровня
Инфраструктурный уровень
Основная архитектура
Ядро Sentient состоит из двух частей: AI Pipeline и системы в блокчейне.
AI-пайплайн является основой для разработки и обучения артефактов "лояльного AI", включающим два основных процесса:
Планирование данных (Data Curation): процесс выбора данных, управляемый сообществом, для выравнивания моделей.
Обучение лояльности (Loyalty Training): обеспечить соответствие модели намерениям сообщества в процессе обучения.
Система блокчейна обеспечивает прозрачность и децентрализованный контроль для протокола, гарантируя права собственности, отслеживание использования, распределение доходов и справедливое управление AI артефактами. Конкретная архитектура делится на четыре уровня:
Уровень хранения: хранение весов модели и информации о регистрации отпечатков.
Уровень распределения: вход для вызова модели управления контрактом на авторизацию;
Уровень доступа: проверка прав на основе доказательства полномочий для подтверждения авторизации пользователя;
Уровень стимулов: контракт маршрутизации доходов будет распределять выплаты между тренерами, развертывателями и валидаторами при каждом вызове.
OML модельная рамка
OML фреймворк (Открытый Open, Монетизируемый Monetizable, Лояльный Loyal) является ключевой концепцией, предложенной Sentient, целью которой является предоставление четкой защиты прав собственности и экономических стимулов для открытых AI моделей. Объединяя в блокчейне технологии и нативную криптографию AI, он обладает следующими характеристиками:
Открытость: Модель должна быть открытым исходным кодом, код и структура данных должны быть прозрачными, чтобы сообщество могло воспроизводить, проверять и улучшать.
Монетизация: Каждый вызов модели будет инициировать поток доходов, в блокчейне контракт будет распределять доходы между тренером, разработчиком и валидатором.
Лояльность: Модель принадлежит сообществу контрибьюторов, направление обновлений и управление определяются DAO, использование и модификация контролируются криптомеханизмом.
AI-родная криптография (AI-native Cryptography)
AI-родная криптография использует непрерывность AI-моделей, структуру низкоразмерных многообразий и дифференцируемые свойства моделей для разработки "проверяемого, но не подлежащего удалению" легковесного механизма безопасности. Основная технология заключается в:
Встраивание отпечатков пальцев: В процессе обучения вставляется набор скрытых пар ключ-значение запрос-ответ, формирующих уникальную подпись модели;
Протокол проверки прав собственности: проверка сохранения отпечатка пальца в форме запроса с помощью стороннего детектора (Prover);
Механизм разрешения вызова: перед вызовом необходимо получить "документ полномочий", выданный владельцем модели, на основе которого система затем предоставляет модели разрешение декодировать данный ввод и вернуть точный ответ.
Этот метод позволяет реализовать "авторизационные вызовы на основе поведения + верификация принадлежности" без затрат на повторное шифрование.
Модель прав собственности и безопасная исполняемая структура
Sentient в настоящий момент использует Melange смешанную безопасность: сочетание подтверждения прав на основе отпечатков пальцев, выполнения TEE и распределения прибыли по контрактам в блокчейне. Метод отпечатков пальцев реализован в OML 1.0, подчеркивая идею "оптимистической безопасности (Optimistic Security)", то есть по умолчанию предполагается соответствие, а нарушения могут быть обнаружены и наказаны.
Механизм отпечатков пальцев является ключевым реализованием OML, который через внедрение определенных пар "вопрос-ответ" позволяет модели генерировать уникальную подпись на этапе обучения. С помощью этих подписей владелец модели может подтвердить право собственности, предотвращая несанкционированное копирование и коммерциализацию. Этот механизм не только защищает права разработчиков модели, но и предоставляет отслеживаемую запись в блокчейне о поведении использования модели.
Кроме того, Sentient запустила вычислительную платформу Enclave TEE, использующую доверенные среды выполнения (такие как AWS Nitro Enclaves), чтобы обеспечить ответ моделей только на авторизованные запросы, предотвращая несанкционированный доступ и использование. Хотя TEE зависит от аппаратного обеспечения и имеет определенные проблемы с безопасностью, его высокая производительность и преимущества в реальном времени делают его ключевой технологией для развертывания современных моделей.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
7 Лайков
Награда
7
4
Поделиться
комментарий
0/400
AirdropATM
· 9ч назад
Монополия, монополия, убила отца.
Посмотреть ОригиналОтветить0
OneBlockAtATime
· 10ч назад
веб3 демократия и свобода - это правильный путь!
Посмотреть ОригиналОтветить0
GasFeeCry
· 10ч назад
Не имеет смысла, да? Гиганты все сошли с ума.
Посмотреть ОригиналОтветить0
CodeSmellHunter
· 10ч назад
Еще одна возможность для технологических олигархов разыгрывать людей как лохов пришла.
AI Layer1: Открытие нового синего океана децентрализованной AI экосистемы
AI Layer1: Поиск плодородной почвы для DeAI в блокчейне
Обзор
В последние годы такие ведущие технологические компании, как OpenAI, Anthropic, Google и Meta, активно способствуют стремительному развитию больших языковых моделей (LLM). LLM демонстрируют беспрецедентные возможности в различных отраслях, значительно расширяя пространство человеческого воображения и даже проявляя потенциал замены человеческого труда в некоторых сценариях. Однако ядро этих технологий по-прежнему крепко удерживается в руках немногих централизованных технологических гигантов. Благодаря мощному капиталу и контролю над дорогими вычислительными ресурсами эти компании создали непреодолимые барьеры, что делает для подавляющего большинства разработчиков и инновационных команд трудным соперничество с ними.
В то же время, на ранних стадиях быстрого развития ИИ общественное мнение часто сосредоточено на прорывах и удобствах, которые приносит технология, в то время как внимание к таким ключевым вопросам, как защита конфиденциальности, прозрачность и безопасность, относительно недостаточно. В долгосрочной перспективе эти вопросы окажут глубокое влияние на здоровое развитие отрасли ИИ и приемлемость в обществе. Если эти проблемы не будут должным образом решены, споры о том, будет ли ИИ "на благо" или "во вред", будут все более острыми, в то время как централизованные гиганты, движимые инстинктом прибыли, часто не имеют достаточной мотивации для активного реагирования на эти вызовы.
Технология блокчейна, благодаря своим децентрализованным, прозрачным и антикоррупционным характеристикам, предоставляет новые возможности для устойчивого развития AI-индустрии. В настоящее время на некоторых основных блокчейнах уже появилось множество приложений "Web3 AI". Однако при более глубоком анализе можно обнаружить, что эти проекты все еще имеют множество проблем: с одной стороны, уровень децентрализации ограничен, ключевые этапы и инфраструктура по-прежнему зависят от централизованных облачных услуг, что затрудняет поддержку по-настоящему открытой экосистемы; с другой стороны, по сравнению с AI-продуктами из мира Web2, AI на блокчейне все еще имеет ограничения в моделях, использовании данных и сценариях применения, глубина и широта инноваций требуют улучшения.
Чтобы по-настоящему реализовать видение децентрализованного ИИ, необходимо, чтобы в блокчейне безопасно, эффективно и демократично размещались крупномасштабные приложения ИИ, а производительность конкурировала с централизованными решениями. Мы должны разработать Layer1 блокчейн, специально созданный для ИИ. Это обеспечит прочную основу для открытых инноваций в области ИИ, демократического управления и безопасности данных, способствуя процветанию экосистемы децентрализованного ИИ.
Основные характеристики AI Layer 1
AI Layer 1, как блокчейн, специально разработанный для AI приложений, имеет архитектуру и дизайн производительности, которые тесно соответствуют требованиям AI задач, с целью эффективной поддержки устойчивого развития и процветания AI экосистемы в блокчейне. Конкретно, AI Layer 1 должен обладать следующими ключевыми возможностями:
Эффективные стимулы и децентрализованный механизм консенсуса. Основная цель AI Layer 1 заключается в создании открытой сети для совместного использования ресурсов, таких как вычислительная мощность и хранилище. В отличие от традиционных узлов блокчейна, которые в основном сосредоточены на ведении учета в бухгалтерской книге, узлы AI Layer 1 должны выполнять более сложные задачи: не только предоставлять вычислительную мощность и завершать обучение и вывод AI-моделей, но и вносить разнообразные ресурсы, такие как хранилище, данные и пропускная способность, тем самым разрушая монополию централизованных гигантов в инфраструктуре AI. Это ставит более высокие требования к базовому консенсусу и механизму стимулов: AI Layer 1 должен быть в состоянии точно оценивать, поощрять и проверять фактический вклад узлов в задачи AI-вывода, обучения и т.д., обеспечивая безопасность сети и эффективное распределение ресурсов. Только так можно гарантировать стабильность и процветание сети, а также эффективно снизить общие затраты на вычислительную мощность.
Высокая производительность и поддержка гетерогенных задач. Задачи ИИ, особенно обучение и вывод LLM, предъявляют высокие требования к вычислительной производительности и параллельной обработке. Более того, экосистема ИИ в блокчейне часто должна поддерживать разнообразные, гетерогенные типы задач, включая различные структуры моделей, обработку данных, вывод, хранение и другие многослойные сценарии. AI Layer 1 должен быть глубоко оптимизирован на уровне архитектуры для удовлетворения требований к высокой пропускной способности, низкой задержке и эластичной параллельной обработке, а также предусматривать нативную поддержку гетерогенных вычислительных ресурсов, чтобы гарантировать эффективное выполнение различных задач ИИ и обеспечивать плавное расширение от "однородных задач" до "сложной многообразной экосистемы."
Проверяемость и гарантии надежного вывода AI Layer 1 должны не только предотвращать злоупотребления моделями и подделку данных, но и обеспечивать проверяемость и согласованность результатов вывода AI на уровне базовых механизмов. За счет интеграции доверительной среды выполнения (TEE), доказательства с нулевым разглашением (ZK), безопасных многосторонних вычислений (MPC) и других передовых технологий платформа может обеспечить возможность независимой проверки каждого процесса вывода модели, обучения и обработки данных, гарантируя справедливость и прозрачность AI-системы. В то же время эта проверяемость может помочь пользователям четко понять логику и основания вывода AI, реализуя "что получено, то и желаемо", повышая доверие и удовлетворенность пользователей по отношению к AI-продуктам.
Защита конфиденциальности данных Приложения ИИ часто касаются чувствительных данных пользователей, и в таких областях, как финансы, здравоохранение и социальные сети, защита конфиденциальности данных особенно важна. AI Layer 1 должен обеспечивать проверяемость, применяя технологии обработки данных на основе шифрования, протоколы вычислений с конфиденциальностью и управление правами доступа к данным, чтобы гарантировать безопасность данных на всех этапах, таких как вывод, обучение и хранение, эффективно предотвращая утечку и злоупотребление данными, устраняя беспокойство пользователей по поводу безопасности данных.
Мощная экосистема и поддержка разработки В качестве инфраструктуры уровня 1, родной для ИИ, платформа должна не только обладать технологическим преимуществом, но и предоставлять участникам экосистемы, таким как разработчики, операторы узлов и поставщики ИИ-услуг, полноценные инструменты для разработки, интегрированные SDK, поддержку эксплуатации и механизмы стимулирования. Постоянно оптимизируя доступность платформы и опыт разработчиков, мы способствуем реализации разнообразных приложений, родных для ИИ, и обеспечиваем устойчивое процветание децентрализованной экосистемы ИИ.
Основываясь на вышеизложенном контексте и ожиданиях, в данной статье будет подробно рассмотрено шесть代表项目 AI Layer1, включая Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематически проанализированы последние достижения в данной области, разобраны текущие состояния проектов и обсуждены будущие тенденции.
Sentient: Создание преданного открытого децентрализованного ИИ-модели
Обзор проекта
Sentient — это платформа открытых протоколов, которая создает AI Layer1 в блокчейне (, начиная с Layer 2, а затем будет переходить на Layer 1). Объединяя AI Pipeline и технологии блокчейна, она создает децентрализованную экономику искусственного интеллекта. Ее основной целью является решение проблем принадлежности моделей, отслеживания вызовов и распределения ценностей на централизованном рынке LLM с помощью структуры "OML" (открытой, прибыльной, лояльной), позволяя AI моделям реализовать структурированную собственность, прозрачность вызовов и распределение ценностей на блокчейне. Видение Sentient заключается в том, чтобы любой мог создавать, сотрудничать, владеть и монетизировать AI-продукты, способствуя созданию справедливой и открытой экосистемы сети AI Agent.
Команда Sentient Foundation объединила ведущих мировых академических экспертов, предпринимателей в области блокчейна и инженеров, стремящихся создать сообществом управляемую, открытую и проверяемую платформу AGI. Ключевыми членами команды являются профессор Принстонского университета Прамод Висванат и профессор Индийского института науки Химаншу Тягии, которые отвечают за безопасность ИИ и защиту конфиденциальности, в то время как соучредитель Polygon Сандип Найлвал руководит стратегией блокчейна и экосистемным развитием. Члены команды имеют опыт работы в таких известных компаниях, как Meta, Coinbase, Polygon, а также в таких ведущих учебных заведениях, как Принстонский университет и Индийский институт технологий, охватывая области ИИ/МЛ, НЛП, компьютерного зрения и совместно способствуя реализации проекта.
В качестве второго стартапа соучредителя Polygon Sandeep Nailwal, Sentient с самого начала имела ауру успеха, обладая обширными ресурсами, контактами и рыночной осведомленностью, что обеспечивало мощную поддержку развитию проекта. В середине 2024 года Sentient завершила финансирование на сумму 85 миллионов долларов на стадии посевного раунда, которое возглавили Founders Fund, Pantera и Framework Ventures, среди других инвестиционных компаний были такие известные венчурные капитальные фирмы, как Delphi, Hashkey и Spartan.
Проектирование архитектуры и прикладного уровня
Инфраструктурный уровень
Основная архитектура
Ядро Sentient состоит из двух частей: AI Pipeline и системы в блокчейне.
AI-пайплайн является основой для разработки и обучения артефактов "лояльного AI", включающим два основных процесса:
Система блокчейна обеспечивает прозрачность и децентрализованный контроль для протокола, гарантируя права собственности, отслеживание использования, распределение доходов и справедливое управление AI артефактами. Конкретная архитектура делится на четыре уровня:
OML модельная рамка
OML фреймворк (Открытый Open, Монетизируемый Monetizable, Лояльный Loyal) является ключевой концепцией, предложенной Sentient, целью которой является предоставление четкой защиты прав собственности и экономических стимулов для открытых AI моделей. Объединяя в блокчейне технологии и нативную криптографию AI, он обладает следующими характеристиками:
AI-родная криптография (AI-native Cryptography)
AI-родная криптография использует непрерывность AI-моделей, структуру низкоразмерных многообразий и дифференцируемые свойства моделей для разработки "проверяемого, но не подлежащего удалению" легковесного механизма безопасности. Основная технология заключается в:
Этот метод позволяет реализовать "авторизационные вызовы на основе поведения + верификация принадлежности" без затрат на повторное шифрование.
Модель прав собственности и безопасная исполняемая структура
Sentient в настоящий момент использует Melange смешанную безопасность: сочетание подтверждения прав на основе отпечатков пальцев, выполнения TEE и распределения прибыли по контрактам в блокчейне. Метод отпечатков пальцев реализован в OML 1.0, подчеркивая идею "оптимистической безопасности (Optimistic Security)", то есть по умолчанию предполагается соответствие, а нарушения могут быть обнаружены и наказаны.
Механизм отпечатков пальцев является ключевым реализованием OML, который через внедрение определенных пар "вопрос-ответ" позволяет модели генерировать уникальную подпись на этапе обучения. С помощью этих подписей владелец модели может подтвердить право собственности, предотвращая несанкционированное копирование и коммерциализацию. Этот механизм не только защищает права разработчиков модели, но и предоставляет отслеживаемую запись в блокчейне о поведении использования модели.
Кроме того, Sentient запустила вычислительную платформу Enclave TEE, использующую доверенные среды выполнения (такие как AWS Nitro Enclaves), чтобы обеспечить ответ моделей только на авторизованные запросы, предотвращая несанкционированный доступ и использование. Хотя TEE зависит от аппаратного обеспечения и имеет определенные проблемы с безопасностью, его высокая производительность и преимущества в реальном времени делают его ключевой технологией для развертывания современных моделей.