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

Ringkasan

Dalam beberapa tahun terakhir, perusahaan teknologi terkemuka seperti OpenAI, Anthropic, Google, dan Meta telah mendorong perkembangan cepat model bahasa besar (LLM). LLM menunjukkan kemampuan yang belum pernah terjadi sebelumnya di berbagai industri, secara signifikan memperluas ruang imajinasi manusia, dan bahkan menunjukkan potensi untuk menggantikan tenaga kerja manusia dalam beberapa skenario. Namun, inti dari teknologi ini dikuasai secara ketat oleh segelintir raksasa teknologi terpusat. Dengan modal yang kuat dan kontrol atas sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun penghalang yang sulit dilalui, membuat sebagian besar pengembang dan tim inovasi kesulitan untuk bersaing.

Pada awal perkembangan cepat AI, opini publik sering kali terfokus pada terobosan dan kenyamanan yang dihadirkan oleh teknologi, dengan kurangnya perhatian terhadap masalah inti seperti perlindungan privasi, transparansi, dan keamanan. Dalam jangka panjang, masalah ini akan berdampak mendalam pada perkembangan sehat industri AI dan tingkat penerimaan masyarakat. Jika tidak dapat diselesaikan dengan baik, perdebatan mengenai apakah AI "berbuat baik" atau "berbuat jahat" akan semakin mencolok. Raksasa terpusat, yang didorong oleh naluri untuk meraih keuntungan, sering kali kurang memiliki motivasi yang cukup untuk secara proaktif menghadapi tantangan-tantangan ini.

Teknologi blockchain, dengan karakteristik desentralisasi, transparansi, dan ketahanan terhadap sensor, memberikan kemungkinan baru untuk perkembangan berkelanjutan 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 yang terbatas, bagian penting dan infrastruktur masih bergantung pada layanan cloud terpusat, sifat meme yang berlebihan, 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, kedalaman dan luas inovasi masih perlu ditingkatkan.

Untuk benar-benar mewujudkan visi AI yang 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 Layer1 yang dirancang khusus untuk AI. Ini akan memberikan dasar yang kuat untuk inovasi terbuka AI, demokrasi pemerintahan, dan keamanan data, serta mendorong perkembangan pesat ekosistem AI terdesentralisasi.

Fitur Utama AI Layer 1

AI Layer 1 sebagai blockchain yang dirancang khusus untuk aplikasi AI, arsitektur dan desain kinerjanya sangat berfokus pada kebutuhan tugas AI, bertujuan untuk mendukung secara efisien pengembangan dan kemakmuran ekosistem AI yang berkelanjutan di on-chain. Secara spesifik, AI Layer 1 harus memiliki kemampuan inti berikut:

1. Mekanisme insentif yang efisien dan konsensus terdesentralisasi Inti dari AI Layer 1 adalah membangun jaringan berbagi sumber daya terbuka seperti daya komputasi, penyimpanan, dan lainnya. Berbeda dengan node blockchain tradisional yang fokus pada pembukuan buku, node AI Layer 1 harus menjalankan tugas yang lebih kompleks; mereka tidak hanya perlu 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 mengajukan tuntutan yang lebih tinggi terhadap konsensus dan mekanisme insentif: AI Layer 1 harus mampu menilai, memberikan insentif, dan memverifikasi kontribusi nyata node dalam tugas inferensi, pelatihan AI, dan lainnya, untuk mewujudkan keamanan jaringan dan alokasi sumber daya yang efisien. Hanya dengan cara ini jaringan dapat dijamin stabil dan makmur, serta secara efektif mengurangi biaya daya komputasi secara 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 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 kemampuan 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 keluaran yang dapat dipercaya AI Layer 1 tidak hanya harus mencegah model berbuat jahat, pengubahan data, dan risiko keamanan lainnya, tetapi juga harus memastikan dari mekanisme dasar bahwa hasil keluaran AI dapat diverifikasi dan diselaraskan. Dengan mengintegrasikan lingkungan eksekusi tepercaya (TEE), bukti nol pengetahuan (ZK), dan komputasi aman multi-pihak (MPC) serta teknologi mutakhir lainnya, platform dapat memastikan bahwa setiap inferensi model, pelatihan, dan proses pengolahan data dapat diverifikasi secara independen, memastikan keadilan dan transparansi sistem AI. Pada saat yang sama, verifikasi ini juga dapat membantu pengguna untuk memahami logika dan dasar dari keluaran AI, mewujudkan "apa yang diperoleh adalah apa yang diinginkan", meningkatkan kepercayaan dan kepuasan pengguna terhadap produk AI.

4. Perlindungan Privasi Data Aplikasi AI sering melibatkan data sensitif pengguna. Dalam bidang keuangan, kesehatan, sosial, dan lainnya, perlindungan privasi data sangat penting. AI Layer 1 harus memastikan verifikasi sambil menggunakan teknologi pengolahan data berbasis kriptografi, protokol komputasi privasi, dan pengelolaan 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 ini tidak hanya harus memiliki keunggulan teknologi, tetapi juga harus menyediakan alat pengembangan yang lengkap, SDK terintegrasi, dukungan operasional, dan mekanisme insentif untuk pengembang, operator node, penyedia layanan AI, dan peserta ekosistem lainnya. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong keberagaman aplikasi berbasis AI yang kaya untuk diwujudkan, serta mencapai kemakmuran berkelanjutan dari ekosistem AI terdesentralisasi.

Berdasarkan latar belakang dan harapan di atas, artikel ini akan secara rinci memperkenalkan enam proyek AI Layer1 yang mencakup Sentient, Sahara AI, Ritual, Gensyn, Bittensor, dan 0G, sistematis merangkum kemajuan terbaru di jalur ini, menganalisis keadaan perkembangan proyek, dan membahas tren masa depan.

Sentient: Membangun Model AI Terdesentralisasi Sumber Terbuka yang Loyal

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, platform ini membangun ekonomi kecerdasan buatan yang terdesentralisasi. Tujuan inti dari proyek ini 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 memiliki 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 terkemuka, pengusaha blockchain, dan insinyur 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 tata kelola 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 Indian Institute of Technology, mencakup bidang AI/ML, NLP, penglihatan komputer, dan bekerja sama untuk mendorong pelaksanaan proyek.

Sebagai proyek kewirausahaan kedua Sandeep Nailwal, salah satu pendiri Polygon, Sentient sejak awal sudah memiliki aura, dengan sumber daya yang melimpah, jaringan yang luas, dan tingkat pengenalan pasar yang tinggi, memberikan dukungan yang 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 seperti Spartan.

Arsitektur Desain dan Lapisan Aplikasi

Lapisan Infrastruktur

Arsitektur Inti

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

Pipeline AI adalah dasar untuk mengembangkan dan melatih artefak "Loyal AI", 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 menjaga proses pelatihan yang konsisten dengan niat komunitas.

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

• Lapisan penyimpanan: menyimpan bobot model dan informasi pendaftaran sidik jari;
• Lapisan distribusi: Model kontrol kontrak otorisasi titik masuk panggilan;
• Lapisan akses: Memverifikasi apakah pengguna telah diotorisasi melalui bukti izin;
• Lapisan insentif: Kontrak rute pendapatan akan membayar distribusi setiap kali dipanggil kepada pelatih, penyebar, dan validator.

Kerangka Model OML

Kerangka OML (Terbuka Open, Dapat Dimonetisasi Monetizable, Loyal Loyal) adalah gagasan 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, kode dan struktur data harus transparan, memudahkan komunitas untuk mereplikasi, melakukan audit, 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 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 manifol rendah dimensi, dan sifat dapat terdiferensiasi dari model. Teknologi inti nya adalah:

• Penyisipan sidik jari: Menyisipkan satu set pasangan kunci nilai query-response yang tersembunyi saat pelatihan untuk membentuk tanda tangan unik model;
• Protokol verifikasi kepemilikan: Verifikasi apakah sidik jari disimpan melalui detektor pihak ketiga (Prover) dalam bentuk pertanyaan query;
• Mekanisme pemanggilan izin: Sebelum memanggil, perlu mendapatkan "sertifikat izin" yang diterbitkan oleh pemilik model, dan sistem akan memberikan otorisasi kepada model untuk mendekode input tersebut dan mengembalikan jawaban yang akurat.

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

Kerangka Penegakan dan Eksekusi Aman Model

Sentient saat ini menggunakan Melange campuran keamanan: menggabungkan verifikasi sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari adalah implementasi OML 1.0 sebagai alur utama, menekankan pemikiran "Keamanan Optimis (Optimistic Security)", yaitu dianggap sesuai secara default, dan dapat dideteksi serta dihukum jika melanggar.

Mekanisme sidik jari adalah implementasi kunci dari OML, yang melalui penyisipan pasangan "pertanyaan-jawaban" tertentu, memungkinkan model untuk menghasilkan tanda tangan unik pada tahap pelatihan. 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 diberi otorisasi, mencegah akses dan penggunaan yang tidak sah. Meskipun TEE bergantung pada perangkat keras dan memiliki risiko keamanan tertentu, 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 solusi yang lebih matang untuk penyebaran desentralisasi model AI.

lapisan aplikasi

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

Model Seri Dobby

SentientAGI telah merilis beberapa model seri "Dobby", yang sebagian besar berbasis pada model Llama, berfokus pada nilai-nilai kebebasan, desentralisasi, dan dukungan cryptocurrency. Di antara mereka, versi leashed memiliki gaya yang lebih dibatasi dan rasional.