Laporan Penelitian AI Layer1: Mencari Tanah Subur DeAI on-chain

Ringkasan

Dalam beberapa tahun terakhir, perusahaan teknologi terkemuka seperti OpenAI, Anthropic, Google, dan Meta terus mendorong perkembangan pesat model bahasa besar (LLM). LLM menunjukkan kemampuan yang belum pernah terjadi sebelumnya di berbagai industri, sangat memperluas ruang imajinasi manusia, bahkan dalam beberapa skenario menunjukkan potensi untuk menggantikan tenaga kerja manusia. Namun, inti dari teknologi ini tetap dipegang erat oleh sedikit raksasa teknologi terdesentralisasi. 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 kesulitan untuk bersaing dengan mereka.

Pada awal evolusi cepat AI, opini publik sering kali berfokus 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 berdampak mendalam pada perkembangan sehat industri AI dan tingkat penerimaan masyarakat. Jika tidak dapat diatasi 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 mengatasi tantangan-tantangan ini.

Teknologi blockchain, berkat sifat desentralisasi, transparansi, dan ketahanan terhadap sensor, memberikan kemungkinan baru untuk perkembangan berkelanjutan industri AI. Saat ini, banyak aplikasi "Web3 AI" telah muncul di berbagai blockchain utama. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih memiliki banyak masalah: di satu sisi, tingkat desentralisasi yang terbatas, dengan bagian penting dan infrastruktur masih bergantung pada layanan cloud terpusat, sehingga sulit untuk mendukung ekosistem terbuka yang sesungguhnya; 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, agar blockchain dapat dengan aman, efisien, dan demokratis mendukung aplikasi AI skala besar, serta bersaing dalam kinerja dengan solusi terpusat, kita perlu merancang blockchain Layer 1 yang khusus dibuat untuk AI. Ini akan memberikan dasar yang kokoh untuk inovasi terbuka AI, demokrasi pemerintahan, dan keamanan data, mendorong perkembangan ekosistem AI terdesentralisasi yang makmur.

Fitur Inti dari AI Layer 1

AI Layer 1 sebagai sebuah blockchain yang dirancang khusus untuk aplikasi AI, arsitektur dan desain kinerjanya erat terkait dengan 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 terbuka seperti komputasi dan penyimpanan. Berbeda dengan node blockchain tradisional yang fokus pada pencatatan buku besar, node AI Layer 1 harus menjalankan tugas yang lebih kompleks, tidak hanya menyediakan komputasi, menyelesaikan pelatihan dan inferensi model AI, tetapi juga harus menyumbangkan penyimpanan, data, bandwidth, dan sumber daya beragam lainnya, sehingga memecahkan monopoli raksasa terpusat dalam infrastruktur AI. Ini menuntut persyaratan yang lebih tinggi untuk konsensus dan mekanisme insentif di lapisan dasar: AI Layer 1 harus mampu menilai, mendorong, dan memverifikasi kontribusi nyata node dalam tugas inferensi, pelatihan, dan lainnya, untuk mewujudkan keamanan jaringan dan distribusi sumber daya yang efisien. Hanya dengan cara ini jaringan dapat terjamin stabilitas dan kemakmurannya, serta secara efektif mengurangi biaya komputasi secara keseluruhan.

2. Kinerja tinggi yang unggul 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 yang on-chain seringkali juga 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 menetapkan dukungan asli untuk sumber daya komputasi heterogen, memastikan bahwa berbagai tugas AI dapat berjalan dengan efisien, mewujudkan perluasan yang mulus dari "tugas tunggal" ke "ekosistem kompleks dan beragam."

3. Verifikasi dan Jaminan Output yang Dapat Dipercaya AI Layer 1 tidak hanya harus mencegah model dari tindakan jahat, pem篡ikan data dan risiko keamanan lainnya, tetapi juga harus memastikan verifikasi dan keselarasan hasil output AI dari mekanisme dasar. Dengan mengintegrasikan teknologi mutakhir seperti Trusted Execution Environment (TEE), Zero-Knowledge Proof (ZK), dan Multi-Party Computation (MPC), platform ini dapat memastikan bahwa setiap inferensi model, pelatihan, dan proses pengolahan data dapat diverifikasi secara independen, menjamin keadilan dan transparansi sistem AI. Selain itu, verifikasi ini juga dapat membantu pengguna memahami logika dan dasar output AI, mewujudkan "apa yang diperoleh 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 menerapkan teknologi pemrosesan data berbasis enkripsi, protokol komputasi privasi, dan manajemen hak data, untuk memastikan keamanan data selama seluruh proses inferensi, pelatihan, dan penyimpanan, secara efektif mencegah kebocoran dan penyalahgunaan data, serta menghilangkan kekhawatiran pengguna terkait keamanan data.

5. Kemampuan dukungan pengembangan dan 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 bagi pengembang, operator node, penyedia layanan AI, dan peserta ekosistem lainnya. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong penerapan aplikasi AI yang beragam dan kaya, serta mencapai kemakmuran berkelanjutan dari 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, menguraikan kemajuan terbaru di bidang 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 ( pada tahap awal sebagai 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 dari Sentient 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 mewujudkan struktur kepemilikan on-chain, transparansi pemanggilan, dan distribusi nilai. Visi Sentient adalah agar siapa pun dapat membangun, berkolaborasi, memiliki, dan memonetisasi produk AI, sehingga mendorong ekosistem jaringan AI Agent yang adil dan terbuka.

Tim Sentient Foundation mengumpulkan para ahli akademis, pengusaha blockchain, dan insinyur terkemuka dari seluruh dunia, berkomitmen untuk membangun platform AGI yang didorong oleh komunitas, sumber terbuka, dan dapat diverifikasi. Anggota inti termasuk profesor Pramod Viswanath dari Universitas Princeton dan profesor Himanshu Tyagi dari Institut Ilmu Pengetahuan India, yang masing-masing bertanggung jawab atas keamanan dan perlindungan privasi AI, sementara strategi blockchain dan pengaturan ekosistem dipimpin oleh co-founder 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, dan visi komputer, bekerja sama untuk mendorong implementasi proyek.

Sebagai proyek kewirausahaan kedua dari salah satu pendiri Polygon, Sandeep Nailwal, Sentient sudah membawa aura sejak awal berdirinya, memiliki sumber daya yang kaya, jaringan, dan tingkat 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: pipa AI (AI Pipeline) dan sistem blockchain.

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

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

Sistem blockchain memberikan transparansi dan kontrol terdesentralisasi 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 kontrol kontrak otorisasi untuk pintu masuk pemanggilan;
• Lapisan akses: Memverifikasi apakah pengguna telah diberi wewenang melalui bukti izin;
• Lapisan insentif: Kontrak rute pendapatan akan membayar alokasi kepada pelatih, penyebar, dan validator setiap kali dipanggil.

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 memperbaiki.
• Monetisasi: Setiap panggilan model akan memicu aliran pendapatan, kontrak on-chain akan mendistribusikan pendapatan kepada pelatih, penyebar, dan verifier.
• Loyalitas: Model ini dimiliki oleh komunitas kontributor, arah peningkatan dan pemerintahan ditentukan oleh DAO, penggunaan dan modifikasi dikendalikan oleh mekanisme kriptografi.

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 karakteristik diferensiabilitas model. Teknologi intinya adalah:

• Penyematan sidik jari: Memasukkan sekelompok pasangan kunci query-response yang tersembunyi selama pelatihan untuk membentuk tanda tangan unik model;
• Protokol verifikasi kepemilikan: memverifikasi apakah sidik jari disimpan melalui pertanyaan dalam bentuk query dari detektor pihak ketiga (Prover);
• Mekanisme pemanggilan izin: Sebelum memanggil, perlu mendapatkan "Sertifikat Izin" yang diterbitkan oleh pemilik model, dan sistem kemudian memberikan otorisasi kepada model untuk mendekode input tersebut dan mengembalikan jawaban yang akurat.

Metode ini dapat mewujudkan "panggilan otorisasi berbasis perilaku + verifikasi kepemilikan" tanpa biaya re-enkripsi.

Kerangka Penegakan Hak Model dan Eksekusi Aman

Sentient saat ini menggunakan keamanan campuran Melange: kombinasi dari otentikasi sidik jari, eksekusi TEE, dan kontrak di链上. Metode sidik jari adalah implementasi 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 melalui penyisipan 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 pengembang model, tetapi juga menyediakan catatan yang dapat dilacak di rantai untuk perilaku penggunaan model.

Selain itu, Sentient telah meluncurkan kerangka kerja komputasi Enclave TEE, yang memanfaatkan lingkungan eksekusi tepercaya (seperti AWS Nitro Enclaves) untuk memastikan bahwa model hanya merespons permintaan yang sah, mencegah akses dan penggunaan yang tidak sah. Meskipun TEE bergantung pada perangkat keras dan memiliki beberapa risiko keamanan, keuntungan kinerja tinggi dan real-time menjadikannya teknologi inti untuk penerapan model saat ini.

Di masa depan, Sentient merencanakan untuk memperkenalkan teknologi bukti nol pengetahuan (ZK) dan enkripsi homomorfik penuh (FHE), untuk lebih meningkatkan perlindungan privasi dan verifikasi, serta menyediakan solusi yang lebih matang untuk penerapan terdesentralisasi model AI.

Lapisan Aplikasi

Saat ini, produk Sentient terutama mencakup platform obrolan terdesentralisasi Sentient Chat, seri model sumber terbuka Dobby, dan kerangka AI Agent.

Model Seri Dobby

SentientAGI telah merilis beberapa model seri "Dobby", yang terutama didasarkan pada model Llama, berfokus pada kebebasan,