Звіт про глибину дослідження AI Layer1: пошук родючих земель для DeAI у блокчейні
Огляд
В останні роки провідні технологічні компанії, такі як OpenAI, Anthropic, Google, Meta, сприяли швидкому розвитку великих мовних моделей (LLM). LLM демонструють безпрецедентні можливості в різних сферах, значно розширюючи людський простір уяви, а в деяких ситуаціях навіть показують потенціал заміни людської праці. Однак ядро цих технологій міцно контролюється небагатьма централізованими технологічними гігантами. Завдяки потужному капіталу та контролю за дорогими обчислювальними ресурсами ці компанії створили непереборні бар'єри, які ускладнюють для більшості розробників та інноваційних команд конкуренцію з ними.
Водночас, на початкових етапах швидкого розвитку ШІ, суспільна думка часто зосереджується на прориві та зручностях, які надає технологія, тоді як увага до таких основних питань, як захист конфіденційності, прозорість і безпека, є відносно недостатньою. У довгостроковій перспективі ці питання суттєво вплинуть на здоровий розвиток індустрії ШІ та її прийнятність у суспільстві. Якщо їх не вирішити належним чином, суперечка про те, чи буде ШІ "на благо" чи "на зло", стане ще більш актуальною, а централізовані гіганти, керуючись природним прагненням до прибутку, зазвичай не мають достатньої мотивації для активного реагування на ці виклики.
Технологія блокчейн, завдяки своїм децентралізованим, прозорим та антицензурним характеристикам, відкрила нові можливості для сталого розвитку індустрії ШІ. На сьогодні на багатьох основних блокчейнах вже з'явилося безліч застосувань "Web3 AI". Але при глибокому аналізі можна виявити, що ці проєкти все ще стикаються з численними проблемами: з одного боку, ступінь децентралізації обмежений, ключові етапи та інфраструктура все ще залежать від централізованих хмарних послуг, що ускладнює підтримку справжньої відкритої екосистеми; з іншого боку, в порівнянні з продуктами ШІ світу Web2, ланцюговий ШІ все ще має обмеження в моделях, використанні даних та застосункових сценаріях, глибина та ширина інновацій потребує покращення.
Щоб дійсно реалізувати бачення децентралізованого штучного інтелекту, щоб блокчейн міг безпечно, ефективно та демократично підтримувати масштабні AI-додатки і конкурувати за продуктивністю з централізованими рішеннями, нам потрібно спроектувати Layer1 блокчейн, спеціально створений для AI. Це забезпечить міцну основу для відкритих інновацій у сфері AI, демократичного управління та безпеки даних, сприяючи процвітанню децентралізованої екосистеми AI.
Основні характеристики AI Layer 1
AI Layer 1 як блокчейн, спеціально розроблений для AI-додатків, його підкладка і проектування продуктивності тісно пов'язані з вимогами AI-завдань, покликаний ефективно підтримувати стійкий розвиток та процвітання AI-екосистеми у блокчейні. Конкретно, AI Layer 1 має мати такі ключові можливості:
Ефективні стимули та децентралізований механізм консенсусу
Основна суть AI Layer 1 полягає в створенні відкритої мережі для спільного використання ресурсів, таких як обчислювальна потужність, зберігання тощо. На відміну від традиційних вузлів блокчейну, які переважно зосереджені на веденні бухгалтерії, вузли AI Layer 1 повинні виконувати більш складні завдання: не лише надавати обчислювальну потужність, виконувати навчання та виведення AI-моделей, але й вносити різноманітні ресурси, такі як зберігання, дані, пропускна здатність, щоб розірвати монополію централізованих гігантів на інфраструктуру AI. Це висуває вищі вимоги до базового консенсусу та механізмів стимулювання: AI Layer 1 має здатність точно оцінювати, стимулювати та верифікувати фактичний внесок вузлів у завданнях AI виведення, навчання тощо, забезпечуючи безпеку мережі та ефективний розподіл ресурсів. Лише так можна забезпечити стабільність і процвітання мережі та ефективно знизити загальні витрати на обчислювальну потужність.
Видатна висока продуктивність і підтримка гетерогенних завдань
Завдання ШІ, особливо навчання та інференція LLM, висувають дуже високі вимоги до обчислювальної продуктивності та можливостей паралельної обробки. Більше того, екосистема ШІ у блокчейні часто повинна підтримувати різноманітні та гетерогенні типи завдань, включаючи різні структури моделей, обробку даних, інференцію, зберігання та інші різноманітні сценарії. AI Layer 1 повинен на базовій архітектурі проводити глибоку оптимізацію для задоволення вимог до високої пропускної здатності, низької затримки та еластичної паралельної обробки, а також попередньо налаштувати рідну підтримку гетерогенних обчислювальних ресурсів, щоб забезпечити ефективне виконання різних завдань ШІ, реалізуючи плавне розширення від "однорідних завдань" до "складної різноманітної екосистеми".
Перевірка та забезпечення надійного виходу
AI Layer 1 не лише має запобігати зловживанням моделей, спотворенню даних та іншим загрозам безпеці, але й має забезпечити перевірність та узгодженість результатів, які генеруються AI, з самого нижнього рівня механізму. Завдяки інтеграції довірених обчислювальних середовищ (TEE), нульових знань (ZK), багатосторонніх безпечних обчислень (MPC) та інших передових технологій, платформа може забезпечити, щоб кожен процес моделювання, навчання та обробки даних міг бути незалежно перевірений, що забезпечує справедливість та прозорість системи AI. Водночас така перевірність може допомогти користувачам зрозуміти логіку та підстави виходу AI, реалізуючи "отримане - це бажане", підвищуючи довіру та задоволеність користувачів продуктами AI.
Захист конфіденційності даних
Програми штучного інтелекту часто включають конфіденційні дані користувачів, а захист конфіденційності даних особливо важливий у сферах фінансів, охорони здоров'я та соціальних мереж. Забезпечуючи перевірюваність, AI Layer 1 повинен використовувати технологію обробки даних на основі шифрування, обчислювальний протокол, що зберігає конфіденційність, і управління дозволами на доступ до даних, щоб забезпечити безпеку даних у всьому процесі висновків, навчання та зберігання, ефективно запобігати витоку даних і зловживанню, а також усувати занепокоєння користувачів щодо безпеки даних.
Потужна екосистема підтримки та розробки
Як корінна інфраструктура Layer 1 для ШІ, платформа повинна мати не лише технологічну перевагу, але й забезпечити екосистемних учасників, таких як розробники, оператори вузлів, постачальники послуг ШІ, повними розробницькими інструментами, інтегрованими SDK, підтримкою експлуатації та механізмами стимулювання. Через постійне оптимізування доступності платформи та досвіду розробників, сприяти реалізації різноманітних корінних застосувань ШІ та забезпечити сталий розвиток децентралізованої екосистеми ШІ.
Враховуючи вищезазначений контекст та очікування, у цій статті буде детально представлено шість представницьких проєктів AI Layer1, включаючи Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, систематизовано останні досягнення в цій галузі, проаналізовано сучасний стан розвитку проєктів і обговорено майбутні тенденції.
Sentient: побудова вірної відкритої децентралізованої AI моделі
Огляд проекту
Sentient є відкритою платформою протоколів, яка розробляє AI Layer1 у блокчейні ( на початковій стадії Layer 2, після чого буде перенесена на Layer 1), поєднуючи AI Pipeline та технології блокчейну, щоб побудувати децентралізовану економіку штучного інтелекту. Її основною метою є вирішення проблеми приналежності моделей, відстеження викликів та розподілу вартості на централізованому ринку LLM через рамки "OML" (відкритість, прибуток, лояльність), даючи можливість AI моделям реалізувати структуру власності у блокчейні, прозорість викликів та розподіл вартості. Візія Sentient полягає в тому, щоб кожен міг створювати, співпрацювати, володіти та монетизувати AI продукти, тим самим сприяючи справедливій та відкритій екосистемі мережі AI Agent.
Команда Sentient Foundation об'єднала провідних академічних експертів, підприємців у сфері блокчейну та інженерів з усього світу, прагнучи створити спільноту, що керується, з відкритим вихідним кодом та перевіряється платформи AGI. Основні учасники включають професора Принстонського університету Pramod Viswanath та професора Індійського інституту науки Himanshu Tyagi, які відповідно займаються безпекою та захистом конфіденційності AI, а також засновника однієї з торгових платформ Sandeep Nailwal, який очолює стратегію блокчейну та екологічну розробку. Члени команди мають досвід роботи у багатьох відомих компаніях, а також у провідних університетах, таких як Принстонський університет та Індійський інститут технологій, охоплюючи області AI/ML, NLP, комп'ютерного зору тощо, спільно просуваючи реалізацію проекту.
Як другий проект підприємця Sandeep Nailwal, співзасновника відомої торгової платформи, Sentient з моменту свого заснування мав ореол успіху, має багатий ресурс, зв'язки та ринкову впізнаваність, що забезпечило потужну підтримку для розвитку проекту. У середині 2024 року Sentient завершив раунд фінансування на 85 мільйонів доларів США, який очолили Founders Fund, Pantera та Framework Ventures, а серед інших інвесторів були Delphi, Hashkey та десятки інших відомих VC.
Проектування архітектури та прикладного рівня
Інфраструктурний рівень
Ядерна архітектура
Ядро архітектури Sentient складається з двох частин: AI Pipeline та системи блокчейну.
AI канал є основою для розробки та навчання "лояльного AI" артефактів, що містить два основні процеси:
Планування даних (Data Curation): процес вибору даних, керований спільнотою, для узгодження моделей.
Навчання лояльності (Loyalty Training): забезпечення того, щоб модель зберігала процес навчання, що узгоджується з намірами спільноти.
Блокчейн-система забезпечує прозорість і децентралізований контроль для протоколу, гарантуючи власність, відстеження використання, розподіл доходів і справедливе управління AI артефактами. Конкретна архітектура поділяється на чотири рівні:
Зберігання: зберігання ваг моделей та інформації про реєстрацію відбитків
Розподільний рівень: модель контролю контрактів авторизації для виклику.
Рівень доступу: перевірка авторизації користувача через підтвердження прав.
Ін incentive: Контракт маршрутизації доходів буде щодалі кожного виклику виплачувати винагороду тренерам, розробникам та перевіряючим.
OML модельна структура
OML фреймворк (Відкритий Open, Можливий до монетизації Monetizable, Лояльний Loyal) є основною концепцією, запропонованою Sentient, що має на меті забезпечити чіткий захист прав власності та економічні стимули для відкритих AI моделей. Завдяки поєднанню у блокчейні технологій та AI рідної криптографії, має такі характеристики:
Відкритість: Модель повинна бути з відкритим вихідним кодом, код та структура даних повинні бути прозорими, щоб спростити відтворення, аудит та вдосконалення спільнотою.
Монетизація: Кожен виклик моделі викликає потік доходу, у блокчейні контракт розподілить доходи між тренерами, розробниками та валідаторами.
Лояльність: Модель належить спільноті внесків, напрямок оновлення та управління визначається DAO, використання та модифікація контролюються криптомеханізмами.
AI рідна криптографія (AI-native Cryptography)
AI-нативне шифрування використовує безперервність AI-моделей, структуру низьковимірних маніфолдів та мікроскопічні властивості моделей для розробки "перевіряємого, але незворотного" легкого механізму безпеки. Його основна технологія:
Вбудовування відбитків пальців: під час навчання вставляється набір прихованих пар запит-відповідь для формування унікального підпису моделі;
Протокол перевірки власності: перевірка збереження відбитка пальця через запит до стороннього детектора (Prover);
Механізм ліцензійного виклику: перед викликом потрібно отримати "дозвільний сертифікат", виданий власником моделі, після чого система надає моделі дозвіл декодувати цей вхід і повернути точну відповідь.
Такий спосіб дозволяє реалізувати "авторизаційний виклик на основі поведінки + перевірка належності" без витрат на повторне шифрування.
Модель підтвердження прав та безпечного виконання
Sentient наразі використовує Melange змішану безпеку: поєднання визначення права власності за допомогою відбитків пальців, виконання TEE та розподіл прибутку за контрактами у блокчейні. Серед методів відбитків пальців основним є OML 1.0, який підкреслює ідею "оптимістичної безпеки (Optimistic Security)", тобто вважається, що все відповідає вимогам, а порушення можуть бути виявлені та покарані.
Механізм відбитків пальців є ключовою реалізацією OML, він працює шляхом вбудовування специфічних пар "питання-відповідь", що дозволяє моделі генерувати унікальний підпис на етапі навчання. Завдяки цим підписам, власники моделі можуть підтвердити приналежність, запобігаючи несанкціонованому копіюванню та комерціалізації. Цей механізм не лише захищає права розробників моделей, але й надає відстежувані записи у блокчейні про поведінку використання моделі.
Крім того, Sentient впровадила обчислювальну платформу Enclave TEE, яка використовує довірене середовище виконання (таке як AWS Nitro Enclaves), щоб забезпечити, що модель відповідає лише на авторизовані запити, запобігаючи несанкціонованому доступу та використанню. Хоча TEE залежить від апаратного забезпечення і має певні проблеми з безпекою, його висока продуктивність і реальний час роблять його основною технологією для впровадження сучасних моделей.
У майбутньому Sentient планує впровадити технології нульових знань (ZK) та повної гомоморфної криптографії (FHE), щоб подальшого посилення захисту приватності та перевірності, забезпечуючи більш зрілі рішення для децентралізованого розгортання моделей ШІ.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
7 лайків
Нагородити
7
4
Поділіться
Прокоментувати
0/400
WhaleSurfer
· 11год тому
Централізоване все фальшиве!
Переглянути оригіналвідповісти на0
AirDropMissed
· 07-22 15:18
DeAI знову новий坑 для невдах?
Переглянути оригіналвідповісти на0
NftDataDetective
· 07-22 15:14
ngmi з великими технологіями монополія... децентралізація або смерть fr fr
AI Layer1 Глибина розбору: дослідження Децентралізації штучного інтелекту у блокчейні
Звіт про глибину дослідження AI Layer1: пошук родючих земель для DeAI у блокчейні
Огляд
В останні роки провідні технологічні компанії, такі як OpenAI, Anthropic, Google, Meta, сприяли швидкому розвитку великих мовних моделей (LLM). LLM демонструють безпрецедентні можливості в різних сферах, значно розширюючи людський простір уяви, а в деяких ситуаціях навіть показують потенціал заміни людської праці. Однак ядро цих технологій міцно контролюється небагатьма централізованими технологічними гігантами. Завдяки потужному капіталу та контролю за дорогими обчислювальними ресурсами ці компанії створили непереборні бар'єри, які ускладнюють для більшості розробників та інноваційних команд конкуренцію з ними.
Водночас, на початкових етапах швидкого розвитку ШІ, суспільна думка часто зосереджується на прориві та зручностях, які надає технологія, тоді як увага до таких основних питань, як захист конфіденційності, прозорість і безпека, є відносно недостатньою. У довгостроковій перспективі ці питання суттєво вплинуть на здоровий розвиток індустрії ШІ та її прийнятність у суспільстві. Якщо їх не вирішити належним чином, суперечка про те, чи буде ШІ "на благо" чи "на зло", стане ще більш актуальною, а централізовані гіганти, керуючись природним прагненням до прибутку, зазвичай не мають достатньої мотивації для активного реагування на ці виклики.
Технологія блокчейн, завдяки своїм децентралізованим, прозорим та антицензурним характеристикам, відкрила нові можливості для сталого розвитку індустрії ШІ. На сьогодні на багатьох основних блокчейнах вже з'явилося безліч застосувань "Web3 AI". Але при глибокому аналізі можна виявити, що ці проєкти все ще стикаються з численними проблемами: з одного боку, ступінь децентралізації обмежений, ключові етапи та інфраструктура все ще залежать від централізованих хмарних послуг, що ускладнює підтримку справжньої відкритої екосистеми; з іншого боку, в порівнянні з продуктами ШІ світу Web2, ланцюговий ШІ все ще має обмеження в моделях, використанні даних та застосункових сценаріях, глибина та ширина інновацій потребує покращення.
Щоб дійсно реалізувати бачення децентралізованого штучного інтелекту, щоб блокчейн міг безпечно, ефективно та демократично підтримувати масштабні AI-додатки і конкурувати за продуктивністю з централізованими рішеннями, нам потрібно спроектувати Layer1 блокчейн, спеціально створений для AI. Це забезпечить міцну основу для відкритих інновацій у сфері AI, демократичного управління та безпеки даних, сприяючи процвітанню децентралізованої екосистеми AI.
Основні характеристики AI Layer 1
AI Layer 1 як блокчейн, спеціально розроблений для AI-додатків, його підкладка і проектування продуктивності тісно пов'язані з вимогами AI-завдань, покликаний ефективно підтримувати стійкий розвиток та процвітання AI-екосистеми у блокчейні. Конкретно, AI Layer 1 має мати такі ключові можливості:
Ефективні стимули та децентралізований механізм консенсусу Основна суть AI Layer 1 полягає в створенні відкритої мережі для спільного використання ресурсів, таких як обчислювальна потужність, зберігання тощо. На відміну від традиційних вузлів блокчейну, які переважно зосереджені на веденні бухгалтерії, вузли AI Layer 1 повинні виконувати більш складні завдання: не лише надавати обчислювальну потужність, виконувати навчання та виведення AI-моделей, але й вносити різноманітні ресурси, такі як зберігання, дані, пропускна здатність, щоб розірвати монополію централізованих гігантів на інфраструктуру AI. Це висуває вищі вимоги до базового консенсусу та механізмів стимулювання: AI Layer 1 має здатність точно оцінювати, стимулювати та верифікувати фактичний внесок вузлів у завданнях AI виведення, навчання тощо, забезпечуючи безпеку мережі та ефективний розподіл ресурсів. Лише так можна забезпечити стабільність і процвітання мережі та ефективно знизити загальні витрати на обчислювальну потужність.
Видатна висока продуктивність і підтримка гетерогенних завдань Завдання ШІ, особливо навчання та інференція LLM, висувають дуже високі вимоги до обчислювальної продуктивності та можливостей паралельної обробки. Більше того, екосистема ШІ у блокчейні часто повинна підтримувати різноманітні та гетерогенні типи завдань, включаючи різні структури моделей, обробку даних, інференцію, зберігання та інші різноманітні сценарії. AI Layer 1 повинен на базовій архітектурі проводити глибоку оптимізацію для задоволення вимог до високої пропускної здатності, низької затримки та еластичної паралельної обробки, а також попередньо налаштувати рідну підтримку гетерогенних обчислювальних ресурсів, щоб забезпечити ефективне виконання різних завдань ШІ, реалізуючи плавне розширення від "однорідних завдань" до "складної різноманітної екосистеми".
Перевірка та забезпечення надійного виходу AI Layer 1 не лише має запобігати зловживанням моделей, спотворенню даних та іншим загрозам безпеці, але й має забезпечити перевірність та узгодженість результатів, які генеруються AI, з самого нижнього рівня механізму. Завдяки інтеграції довірених обчислювальних середовищ (TEE), нульових знань (ZK), багатосторонніх безпечних обчислень (MPC) та інших передових технологій, платформа може забезпечити, щоб кожен процес моделювання, навчання та обробки даних міг бути незалежно перевірений, що забезпечує справедливість та прозорість системи AI. Водночас така перевірність може допомогти користувачам зрозуміти логіку та підстави виходу AI, реалізуючи "отримане - це бажане", підвищуючи довіру та задоволеність користувачів продуктами AI.
Захист конфіденційності даних Програми штучного інтелекту часто включають конфіденційні дані користувачів, а захист конфіденційності даних особливо важливий у сферах фінансів, охорони здоров'я та соціальних мереж. Забезпечуючи перевірюваність, AI Layer 1 повинен використовувати технологію обробки даних на основі шифрування, обчислювальний протокол, що зберігає конфіденційність, і управління дозволами на доступ до даних, щоб забезпечити безпеку даних у всьому процесі висновків, навчання та зберігання, ефективно запобігати витоку даних і зловживанню, а також усувати занепокоєння користувачів щодо безпеки даних.
Потужна екосистема підтримки та розробки Як корінна інфраструктура Layer 1 для ШІ, платформа повинна мати не лише технологічну перевагу, але й забезпечити екосистемних учасників, таких як розробники, оператори вузлів, постачальники послуг ШІ, повними розробницькими інструментами, інтегрованими SDK, підтримкою експлуатації та механізмами стимулювання. Через постійне оптимізування доступності платформи та досвіду розробників, сприяти реалізації різноманітних корінних застосувань ШІ та забезпечити сталий розвиток децентралізованої екосистеми ШІ.
Враховуючи вищезазначений контекст та очікування, у цій статті буде детально представлено шість представницьких проєктів AI Layer1, включаючи Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, систематизовано останні досягнення в цій галузі, проаналізовано сучасний стан розвитку проєктів і обговорено майбутні тенденції.
Sentient: побудова вірної відкритої децентралізованої AI моделі
Огляд проекту
Sentient є відкритою платформою протоколів, яка розробляє AI Layer1 у блокчейні ( на початковій стадії Layer 2, після чого буде перенесена на Layer 1), поєднуючи AI Pipeline та технології блокчейну, щоб побудувати децентралізовану економіку штучного інтелекту. Її основною метою є вирішення проблеми приналежності моделей, відстеження викликів та розподілу вартості на централізованому ринку LLM через рамки "OML" (відкритість, прибуток, лояльність), даючи можливість AI моделям реалізувати структуру власності у блокчейні, прозорість викликів та розподіл вартості. Візія Sentient полягає в тому, щоб кожен міг створювати, співпрацювати, володіти та монетизувати AI продукти, тим самим сприяючи справедливій та відкритій екосистемі мережі AI Agent.
Команда Sentient Foundation об'єднала провідних академічних експертів, підприємців у сфері блокчейну та інженерів з усього світу, прагнучи створити спільноту, що керується, з відкритим вихідним кодом та перевіряється платформи AGI. Основні учасники включають професора Принстонського університету Pramod Viswanath та професора Індійського інституту науки Himanshu Tyagi, які відповідно займаються безпекою та захистом конфіденційності AI, а також засновника однієї з торгових платформ Sandeep Nailwal, який очолює стратегію блокчейну та екологічну розробку. Члени команди мають досвід роботи у багатьох відомих компаніях, а також у провідних університетах, таких як Принстонський університет та Індійський інститут технологій, охоплюючи області AI/ML, NLP, комп'ютерного зору тощо, спільно просуваючи реалізацію проекту.
Як другий проект підприємця Sandeep Nailwal, співзасновника відомої торгової платформи, Sentient з моменту свого заснування мав ореол успіху, має багатий ресурс, зв'язки та ринкову впізнаваність, що забезпечило потужну підтримку для розвитку проекту. У середині 2024 року Sentient завершив раунд фінансування на 85 мільйонів доларів США, який очолили Founders Fund, Pantera та Framework Ventures, а серед інших інвесторів були Delphi, Hashkey та десятки інших відомих VC.
Проектування архітектури та прикладного рівня
Інфраструктурний рівень
Ядерна архітектура
Ядро архітектури Sentient складається з двох частин: AI Pipeline та системи блокчейну.
AI канал є основою для розробки та навчання "лояльного AI" артефактів, що містить два основні процеси:
Блокчейн-система забезпечує прозорість і децентралізований контроль для протоколу, гарантуючи власність, відстеження використання, розподіл доходів і справедливе управління AI артефактами. Конкретна архітектура поділяється на чотири рівні:
OML модельна структура
OML фреймворк (Відкритий Open, Можливий до монетизації Monetizable, Лояльний Loyal) є основною концепцією, запропонованою Sentient, що має на меті забезпечити чіткий захист прав власності та економічні стимули для відкритих AI моделей. Завдяки поєднанню у блокчейні технологій та AI рідної криптографії, має такі характеристики:
AI рідна криптографія (AI-native Cryptography)
AI-нативне шифрування використовує безперервність AI-моделей, структуру низьковимірних маніфолдів та мікроскопічні властивості моделей для розробки "перевіряємого, але незворотного" легкого механізму безпеки. Його основна технологія:
Такий спосіб дозволяє реалізувати "авторизаційний виклик на основі поведінки + перевірка належності" без витрат на повторне шифрування.
Модель підтвердження прав та безпечного виконання
Sentient наразі використовує Melange змішану безпеку: поєднання визначення права власності за допомогою відбитків пальців, виконання TEE та розподіл прибутку за контрактами у блокчейні. Серед методів відбитків пальців основним є OML 1.0, який підкреслює ідею "оптимістичної безпеки (Optimistic Security)", тобто вважається, що все відповідає вимогам, а порушення можуть бути виявлені та покарані.
Механізм відбитків пальців є ключовою реалізацією OML, він працює шляхом вбудовування специфічних пар "питання-відповідь", що дозволяє моделі генерувати унікальний підпис на етапі навчання. Завдяки цим підписам, власники моделі можуть підтвердити приналежність, запобігаючи несанкціонованому копіюванню та комерціалізації. Цей механізм не лише захищає права розробників моделей, але й надає відстежувані записи у блокчейні про поведінку використання моделі.
Крім того, Sentient впровадила обчислювальну платформу Enclave TEE, яка використовує довірене середовище виконання (таке як AWS Nitro Enclaves), щоб забезпечити, що модель відповідає лише на авторизовані запити, запобігаючи несанкціонованому доступу та використанню. Хоча TEE залежить від апаратного забезпечення і має певні проблеми з безпекою, його висока продуктивність і реальний час роблять його основною технологією для впровадження сучасних моделей.
У майбутньому Sentient планує впровадити технології нульових знань (ZK) та повної гомоморфної криптографії (FHE), щоб подальшого посилення захисту приватності та перевірності, забезпечуючи більш зрілі рішення для децентралізованого розгортання моделей ШІ.
повинно