Judul Artikel yang Dibagikan Kembali: Penelitian Mendalam tentang BasedAI: Jaringan Operasional Model Bahasa Besar dengan Fokus pada Privasi dan Efisiensi, Bittensor Berikutnya di Ruang AI?

Ruang AI terus menjadi sangat populer. Banyak proyek mencoba untuk 'memperAI' diri mereka sendiri, mengadopsi proposisi baru 'membantu AI menjadi lebih baik' dengan harapan terbang lebih tinggi di angin AI. Namun, sebagian besar proyek-proyek lama telah menyadari nilai mereka dalam siklus sebelumnya, dan proyek-proyek baru seperti Bittensor tidak lagi 'baru.' Kita masih perlu mencari proyek-proyek yang belum menyadari nilai mereka dan memiliki potensi untuk narasi yang menarik. Meningkatkan privasi selalu menjadi arah yang menarik dalam proyek-projek kripto yang bertujuan untuk 'membantu AI menjadi lebih baik'.

Pertama, karena melindungi privasi secara inheren berkaitan dengan konsep egalitarianisme dalam desentralisasi; kedua, melindungi privasi melibatkan penggunaan teknologi seperti ZK dan Enkripsi Homomorfik. Filosofi naratif yang benar dikombinasikan dengan teknologi canggih kemungkinan besar berarti pengembangan proyek AI tidak akan kekurangan. Dan tidak akan lebih menarik jika proyek serius seperti itu juga dapat menggabungkan gameplay dari koin Meme?

Pada awal Maret, sebuah proyek bernama BasedAI diam-diam mendaftar akun di Twitter, secara resmi hanya memposting dua twit selain retwit, sementara situs webnya tampak sangat dasar—hanya menampilkan whitepaper bergaya akademis yang canggih. Beberapa pengaruh internasional telah mengambil langkah pertama dalam menganalisis proyek ini, menyarankan bahwa ini mungkin menjadi Bittensor berikutnya.

Sementara itu, token bernama sama, $basedAI, telah mengalami kenaikan pesat sejak akhir Februari, melonjak lebih dari 40 kali lipat dalam nilai.

Setelah memeriksa secara menyeluruh whitepaper proyek, kami menemukan bahwa BasedAI adalah proyek kecerdasan buatan yang mengintegrasikan model bahasa besar, Zero-Knowledge Proofs (ZK), enkripsi homomorfik, dan koin Meme. Sambil mengakui arah naratifnya, kami juga terkesan dengan desain ekonomi yang jenius, yang secara alami menghubungkan penjadwalan sumber daya komputasi dengan penggunaan koin Meme lainnya. Mengingat proyek ini masih dalam tahap awal sekali, dalam edisi ini, kami akan meminterpretasikannya untuk melihat apakah memiliki potensi untuk menjadi Bittensor berikutnya.

Ketika ilmu serius bertemu Meme, apa sebenarnya yang dilakukan BasedAI?

Sebelum menjawab pertanyaan ini, mari kita pertama-tama melihat siapa yang ada di balik BasedAI.

Informasi publik mengungkapkan bahwa BasedAI dikembangkan bersama oleh sebuah organisasi bernama Based Labs dan tim pendiri Pepecoin, bertujuan untuk mengatasi masalah privasi saat menggunakan model bahasa besar dalam bidang AI saat ini. Informasi publik tentang Based Labs sangat sedikit, dengan situs webnya cukup misterius, menampilkan serangkaian kata kunci teknis dalam presentasi gaya Matrix. Salah satu peneliti di organisasi tersebut, Sean Wellington, adalah penulis whitepaper yang tersedia secara publik untuk BasedAI:

Selain itu, Google Scholar menunjukkan bahwa Sean lulus dari UC Berkeley dan telah menerbitkan beberapa makalah terkait sistem penyelesaian dan data terdistribusi sejak 2006, berspesialisasi dalam penelitian AI dan jaringan terdistribusi, menjadikannya tokoh penting di bidang teknologi.

Di sisi lain, Pepecoin bukanlah koin PEPE yang saat ini populer tetapi meme asli yang dimulai pada tahun 2016, dengan L1 mainnet sendiri pada saat itu dan sejak itu bermigrasi ke Ethereum.

Anda bisa mengatakan ini adalah Meme OG yang juga memahami pengembangan L1.

Namun bagaimana tim ilmiah AI yang serius dan tim Meme, yang tampaknya tidak terkait dalam bidang mereka, memicu inovasi dalam BasedAI?

ZK dan FHE: Menyeimbangkan Efisiensi Komputasi AI dan Privasi

Jika kita mengesampingkan elemen meme, pengenalan BasedAI di Twitter dengan singkat menyoroti nilai naratif proyek ini:

“Pertanyaan Anda adalah pertanyaan Anda.” Ini pada dasarnya menekankan pentingnya privasi dan kedaulatan data: ketika Anda menggunakan model bahasa AI besar seperti GPT, setiap petunjuk atau informasi yang Anda masukkan diterima oleh server di ujung lain, pada dasarnya mengekspos privasi data Anda kepada OpenAI atau penyedia model lainnya.

Meskipun ini mungkin terlihat tidak berbahaya, namun hal ini tak dapat dihindari menimbulkan kekhawatiran privasi, dan Anda tidak punya pilihan selain untuk sepenuhnya percaya bahwa penyedia model AI tidak akan menyalahgunakan catatan percakapan Anda.

Mengupas rumus matematika yang tidak jelas dan desain teknis dalam whitepaper BasedAI, Anda dapat dengan mudah memahami tujuan proyek ini sebagai:

Mengenkripsi konten percakapan Anda dengan model bahasa besar, memungkinkan model melakukan komputasi tanpa mengekspos teks biasa, dan pada akhirnya mengembalikan hasil yang hanya Anda bisa dekripsi.

Anda mungkin mengantisipasi bahwa mencapai hal ini akan melibatkan ZK (Zero-Knowledge Proof) dan FHE (Fully Homomorphic Encryption), dua teknologi privasi.

ZK memungkinkan Anda membuktikan kebenaran atau kekeliruan suatu pernyataan tanpa harus mengungkapkan teks aslinya;

FHE memungkinkan Anda untuk menghitung pada data yang dienkripsi.

Menggabungkan keduanya, Anda dapat mengirimkan prompt Anda ke model AI dalam bentuk terenkripsi, dan model tersebut mengembalikan jawaban kepada Anda, tetapi tidak ada pihak yang terlibat mengetahui apa pertanyaan Anda atau apa jawabannya.

Ini terdengar menjanjikan, tetapi ada isu kritis — FHE membutuhkan komputasi yang intensif dan lambat, menimbulkan konflik antara efisiensi komputasi dan perlindungan privasi untuk LLMs yang dihadapi pengguna seperti GPT, yang memerlukan tampilan hasil yang cepat.

Berbasis AI, dalam makalahnya, menekankan teknologi “Cerberus Squeezing” dan mendukungnya dengan rumus matematika yang kompleks:

Meskipun kami tidak dapat secara profesional menilai implementasi matematis teknologi ini, tujuannya dapat dipahami secara sederhana sebagai:

Mengoptimalkan efisiensi pemrosesan data terenkripsi dalam FHE, secara selektif berkonsentrasi pada sumber daya komputasi di mana mereka memiliki dampak terbesar untuk segera menyelesaikan komputasi dan menampilkan hasil.

Kertas ini juga menunjukkan dengan data bagaimana optimasi ini secara signifikan meningkatkan efisiensi:

Dengan Menggunakan Cerberus Squeezing, langkah-langkah komputasi yang diperlukan untuk enkripsi homomorfik penuh bisa hampir dikurangi separuh. Dengan Menggunakan Cerberus Squeezing, langkah-langkah komputasi yang diperlukan untuk enkripsi homomorfik penuh bisa hampir dikurangi separuh.

Dengan demikian, kita dapat dengan cepat mensimulasikan seluruh proses pengguna menggunakan BasedAI:

• Pengguna memasukkan prompt, meminta untuk menganalisis emosi yang ditampilkan dalam catatan percakapan seseorang sambil berharap melindungi privasi catatan tersebut.
• Melalui platform BasedAI, data-data ini disampaikan dalam bentuk terenkripsi, dengan menentukan model AI yang akan digunakan (misalnya, model analisis emosi).
• Para penambang dalam jaringan BasedAI menerima tugas ini dan menggunakan sumber daya komputasi mereka untuk menjalankan model AI yang ditentukan pada data terenkripsi.
• Node jaringan menyelesaikan tugas komputasi tanpa mendekripsi data dan mengembalikan hasil pemrosesan terenkripsi kepada pengguna.
• Pengguna menerima hasil terenkripsi, mendekripsinya dengan kunci mereka, dan memperoleh hasil analisis data yang mereka butuhkan.

“Brain,” Penambang, dan Validator

Di luar teknologi, peran khusus apa yang ada dalam jaringan BasedAI untuk menjalankan teknologi dan memenuhi kebutuhan pengguna? Pertama-tama, penting untuk memperkenalkan konsep yang dibuat sendiri dari “Otak.”

Sebuah “Otak” dari Based Labs

Untuk sebagian besar proyek kripto AI, beberapa elemen yang tak terhindarkan adalah:

• Para penambang: Bertanggung jawab atas melakukan tugas komputasi, mengkonsumsi sumber daya komputasi.
• Validator: Memvalidasi kebenaran pekerjaan yang diselesaikan oleh penambang, dan memastikan validitas transaksi dan tugas komputasi dalam jaringan.
• Blockchain: Merekam hasil tugas komputasi dan validasi pada buku besar, mendorong perilaku berbagai peran melalui token asli jaringan.

BasedAI menambahkan lapisan lain di atas tiga elemen ini dengan konsep "Otak":

Anda harus memiliki 'Otomatisasi' untuk menggabungkan sumber daya komputasi penambang dan validator, memungkinkan sumber daya ini menghitung berbagai model AI dan menyelesaikan tugas.

Sederhananya, "Otak" ini bertindak sebagai wadah terdistribusi untuk tugas komputasi tertentu, menjalankan model bahasa besar (LLM) yang dimodifikasi. Setiap "Otak" dapat memilih penambang dan validator yang ingin diasosiasikan.

Jika Anda merasa penjelasan ini abstrak, pikirkan memiliki “Otak” sama halnya dengan memiliki “izin untuk menawarkan layanan cloud”:

Untuk merekrut sekelompok penambang dan validator untuk komputasi terenkripsi dari model bahasa besar, Anda harus memiliki lisensi operasi yang menjelaskan:

• Lokasi bisnis Anda (ID)
• Lingkup bisnis Anda (menggunakan AI untuk analisis sentimen, menghasilkan gambar, bantuan medis, dll.)
• Berapa sumber daya komputasi yang Anda miliki, dan kapasitasnya
• Secara khusus, siapa yang kamu bawa masuk
• Berapa banyak imbalan yang bisa Anda dapatkan dari kegiatan ini

Menurut paper Based AI, setiap “Otak” di BasedAI dapat menampung hingga 256 validator dan 1792 penambang, dengan total hanya 1024 “Otak” dalam sistem, yang lebih meningkatkan kelangkaan “Otak.”

Para penambang dan validator harus melakukan hal berikut untuk bergabung dengan "Brain":

• Penambang: Terhubung ke platform, menentukan sumber daya GPU yang akan dialokasikan (lebih cocok untuk komputasi), dapat melakukan deposit token $BASED, dan mulai melakukan pekerjaan komputasi.
• Validator: Terhubung ke platform, menentukan sumber daya CPU yang akan dialokasikan (lebih cocok untuk validasi), dapat melakukan deposit token $BASED, dan memulai pekerjaan validasi.

Semakin banyak token $BASED yang disimpan, semakin tinggi efisiensi para penambang dan validator yang berjalan di “Brain,” dan semakin banyak imbalan $BASED yang mereka terima.

Jelas, 'Otot otak' mewakili kekuatan tertentu dan hubungan organisasional, juga membuka ruang untuk desain token dan insentif (lebih lanjut tentang hal ini nanti).

Namun, apakah desain dari “Otak” ini terlihat familiar?

Berbagai “Otak” di Bittensor agak mirip dengan subnet yang berbeda, melakukan tugas-tugas tertentu menggunakan model AI yang berbeda;

Pada Polkadot populer dari siklus sebelumnya, berbagai “Brains” menyerupai berbagai “slots” untuk menjalankan berbagai parachains, melakukan tugas-tugas yang berbeda.

BasedAI juga memberikan contoh "Otak medis" yang melakukan tugas:

• Catatan medis pasien dienkripsi dan diserahkan ke Otak medis, menghasilkan kata-kata cepat untuk meminta saran diagnostik yang sesuai;
• Dengan bantuan ZK dan FHE, model bahasa besar yang sesuai dalam jaringan BasedAI dapat menghasilkan jawaban tanpa mendekripsi data pasien sensitif, langkah ini membutuhkan sumber daya komputasi dari penambang dan validator;
• Penyedia layanan kesehatan menerima output terenkripsi dari jaringan BasedAI. Hanya pengguna yang mengirimkan dapat mendekripsi hasil untuk mendapatkan saran pengobatan, sementara data tetap terjaga dan tidak bocor selama proses ini.

Penjualan Hak “Brain” Berjalan, Menguntungkan Pepecoin

Jadi, bagaimana seseorang bisa mendapatkan “Brain” untuk mendapatkan hak priksa “izin kerja” untuk komputasi model AI terenkripsi? BasedAI, bekerja sama dengan Pepecoin, telah menggamifikasi penjualan hak istimewa ini, memberikan Pepecoin, token MEME, dengan nilai utilitas.

Dengan hanya 1024 'Otak' tersedia, proyek ini secara alami memanfaatkan NFT Minting - setiap 'Otak' yang dijual menghasilkan token ERC-721 yang sesuai, yang dapat dianggap sebagai lisensi. Untuk membuat NFT 'Otak' ini, dua tindakan terkait dengan Pepecoin diperlukan untuk membuka kunci: membakar atau staking Pepecoin.

• Dalam hal pembakaran: Pencetakan pertama “Brain” memerlukan pengeluaran 1000 Pepecoin.
• Setiap mint "Otak" berikutnya meningkatkan biaya sebesar 200 Pepecoin.
• Otak yang dihasilkan dengan cara ini dapat dipindahkan.
• Jika semua Brains diperoleh melalui pembakaran, 107.563.530 Pepecoin akan hancur secara permanen. (Menurut data CMC, pasokan beredar saat ini adalah 133M, yang berarti hampir 80% dari pasokan token akan berkurang jika pembakaran ini benar-benar terwujud.)

Tentang staking:

• Pengguna diharuskan untuk melakukan staking 100.000 Pepecoin selama 90 hari.
• NFT ERC-721 Otak diterbitkan secara langsung setelah melakukan staking.
• Otak yang dihasilkan dengan cara ini tidak dapat dipindahkan tetapi akan secara bertahap menghasilkan $BASED, token asli proyek ini.
• Taruhan dapat ditarik setelah 90 hari.

Tidak peduli metode yang digunakan, seiring dengan peningkatan jumlah Brains yang dibuat, jumlah Pepecoin yang sesuai akan either dibakar atau dikunci, tergantung pada rasio partisipasi dari kedua metode tersebut. Jelas bahwa distribusi ini lebih tentang alokasi aset kripto daripada sumber daya AI. Mengingat kelangkaan Brains dan imbalan token untuk operasinya, permintaan Pepecoin akan meningkat secara signifikan selama penciptaan Brain; baik staking maupun pembakaran mengurangi pasokan beredar Pepecoin, secara teoritis menguntungkan harga pasar sekunder token tersebut.

Selama kurang dari 1024 Brains diterbitkan dan aktif dalam kontrak ERC-721, Portal BasedAI akan terus menerbitkan Brains. Jika semua 1024 Brains dialokasikan, Portal BasedAI tidak akan lagi mengizinkan penciptaan Brains baru. Sebuah alamat Ethereum dapat memiliki beberapa Brain NFT. Portal BasedAI akan memungkinkan pengguna untuk mengelola imbalan dari semua Brains yang dimiliki yang terkait dengan dompet ETH yang terhubung. Pemilik Brain aktif dapat mengharapkan untuk menghasilkan antara $30,000 dan $80,000 per Brain per tahun, sesuai dengan data resmi dalam dokumen.

Dengan insentif ekonomi dan narasi seputar AI dan privasi ini, popularitas yang diantisipasi dari Brain saat diluncurkan secara resmi dapat diprediksi.

Ringkasan

Dalam proyek-proyek kripto, teknologi itu sendiri bukanlah tujuan; perannya adalah untuk memandu perhatian, sehingga mengarahkan distribusi aset dan aliran. Desain Otak BasedAI dengan jelas menunjukkan pemahaman tentang “bagaimana mempromosikan distribusi aset”: di bawah narasi yang benar tentang privasi data, mengintegrasikan sumber daya yang diperlukan untuk komputasi terkait AI ke dalam hak istimewa, menciptakan kelangkaan untuk hak istimewa ini, sehingga memandu aset ke dalam hak istimewa, dan meningkatkan konsumsi token MEME lainnya.

Sumber daya komputasi dialokasikan dan diincentive dengan benar, aset “Otak” proyek menjadi langka dan populer, dan pasokan beredar token Meme berkurang... Dari perspektif penciptaan aset, desain BasedAI sangat canggih dan cerdas.

Namun, jika seseorang ingin menghadapi pertanyaan yang tidak diucapkan, yang dihindari dengan pura-pura tidak tahu:

Berapa banyak orang yang akan menggunakan model bahasa besar yang melindungi privasi ini? Berapa banyak raksasa kecerdasan buatan yang bersedia untuk bekerja sama dengan teknologi perlindungan privasi seperti ini yang mungkin tidak menguntungkan mereka?

Jawabannya tetap kurang optimis. Namun, narasi berkembang dengan momentum, dan spekulasi tepat waktu. Terkadang, yang diperlukan bukanlah mempertanyakan kelayakan suatu jalan tetapi mengikuti aliran.

Bahan Sumber:

X: https://twitter.com/getbasedai

Situs Web Resmi: https://www.getbased.ai/

Pepecoin: https://twitter.com/pepecoins

Whitepaper BasedAI

Disclaimer:

1. Artikel ini diperbanyak dari teknologi aliran, awalnya berjudul "A Deep Dive into BasedAI: A Large Language Model Network Prioritizing Privacy and Efficiency, The Next Big Thing in the AI Race" oleh [TechFlow]. Hak cipta milik penulis asli, [TechFlow]. Untuk masalah terkait reproduksi ini, silakan hubungi Tim Pembelajaran GateTim akan memprosesnya sesuai dengan prosedur yang relevan secepat mungkin.

2. Penyangkalan: Pandangan dan opini yang terdapat dalam artikel ini hanya milik penulis dan tidak merupakan saran investasi apa pun.

3. Terjemahan artikel ke dalam bahasa lain dilakukan oleh tim Gate Learn. Pembaruan, penyebaran, atau plagiarisme dari artikel yang diterjemahkan tidak diperbolehkan tanpa menyebutkan Gate.io.