Rapport de recherche sur AI Layer1 : À la recherche d'un sol fertile pour DeAI off-chain
Avec le développement rapide des technologies d'intelligence artificielle, des entreprises technologiques de premier plan comme OpenAI, Anthropic, Google et Meta continuent de faire progresser les modèles de langage de grande taille (LLM). Les LLM montrent des capacités sans précédent dans divers secteurs, élargissant considérablement l'espace d'imagination humaine et montrant même, dans certains cas, un potentiel pour remplacer le travail humain. Cependant, le cœur de ces technologies est fermement contrôlé par quelques géants technologiques centralisés. Grâce à des capitaux considérables et à un contrôle sur des ressources de calcul coûteuses, ces entreprises ont établi des barrières difficiles à franchir, rendant la concurrence pour la grande majorité des développeurs et des équipes d'innovation presque impossible.
En même temps, au début de l'évolution rapide de l'IA, l'opinion publique se concentre souvent sur les percées et les commodités apportées par la technologie, tandis que l'attention portée à des questions fondamentales telles que la protection de la vie privée, la transparence et la sécurité reste relativement insuffisante. À long terme, ces problèmes auront un impact profond sur le développement sain de l'industrie de l'IA et son acceptation par la société. Si ces questions ne sont pas résolues de manière appropriée, le débat sur si l'IA doit être "bienveillante" ou "malveillante" deviendra de plus en plus prononcé, et les géants de la centralisation, poussés par leur instinct de profit, manquent souvent de motivation suffisante pour faire face à ces défis de manière proactive.
La technologie blockchain, grâce à ses caractéristiques de décentralisation, de transparence et de résistance à la censure, offre de nouvelles possibilités pour le développement durable de l'industrie de l'IA. Actuellement, de nombreuses applications "Web3 AI" ont émergé sur des blockchains majeures comme Solana et Base. Cependant, une analyse approfondie révèle que ces projets présentent encore de nombreux problèmes : d'une part, le degré de décentralisation est limité, les éléments clés et l'infrastructure dépendent encore des services cloud centralisés, et la propriété meme est trop forte, rendant difficile le soutien d'un véritable écosystème ouvert ; d'autre part, par rapport aux produits AI du monde Web2, l'IA on-chain reste limitée en termes de capacité de modèle, d'utilisation des données et de scénarios d'application, et la profondeur et la largeur de l'innovation doivent être améliorées.
Pour réaliser véritablement la vision de l'IA décentralisée, permettant à la blockchain d'héberger des applications AI à grande échelle de manière sécurisée, efficace et démocratique, et de rivaliser en performance avec les solutions centralisées, nous devons concevoir une blockchain Layer1 spécifiquement conçue pour l'IA. Cela fournira une base solide pour l'innovation ouverte de l'IA, la démocratie de la gouvernance et la sécurité des données, favorisant le développement florissant de l'écosystème de l'IA décentralisée.
Les caractéristiques clés de AI Layer 1
AI Layer 1 en tant que blockchain spécialement conçue pour les applications d'IA, son architecture sous-jacente et son design de performance sont étroitement axés sur les besoins des tâches d'IA, visant à soutenir efficacement le développement durable et la prospérité de l'écosystème d'IA off-chain. Plus précisément, AI Layer 1 devrait posséder les capacités clés suivantes :
Mécanismes d'incitation efficaces et de consensus décentralisé
Le cœur de l'IA Layer 1 réside dans la construction d'un réseau partagé ouvert de ressources telles que la puissance de calcul et le stockage. Contrairement aux nœuds de blockchain traditionnels qui se concentrent principalement sur la comptabilité des livres, les nœuds de l'IA Layer 1 doivent assumer des tâches plus complexes, non seulement fournir de la puissance de calcul, réaliser la formation et l'inférence des modèles d'IA, mais aussi contribuer à des ressources diversifiées telles que le stockage, les données et la bande passante, afin de briser le monopole des géants centralisés sur l'infrastructure de l'IA. Cela impose des exigences plus élevées en matière de consensus de base et de mécanismes d'incitation : l'IA Layer 1 doit être capable d'évaluer, d'inciter et de vérifier avec précision la contribution réelle des nœuds dans les tâches d'inférence et de formation de l'IA, réalisant ainsi la sécurité du réseau et une allocation efficace des ressources. Ce n'est qu'ainsi que l'on pourra garantir la stabilité et la prospérité du réseau tout en réduisant efficacement le coût global de la puissance de calcul.
Performances élevées exceptionnelles et prise en charge des tâches hétérogènes
Les tâches d'IA, en particulier l'entraînement et l'inférence des LLM, exigent des performances de calcul et des capacités de traitement parallèle extrêmement élevées. De plus, l'écosystème IA off-chain doit souvent prendre en charge des types de tâches diversifiés et hétérogènes, y compris différentes structures de modèles, le traitement des données, l'inférence, le stockage et d'autres scénarios variés. La couche IA de niveau 1 doit être profondément optimisée au niveau de l'architecture sous-jacente pour répondre aux besoins de haut débit, de faible latence et de parallélisme élastique, tout en prévoyant une capacité de support natif pour les ressources de calcul hétérogènes, afin d'assurer que toutes les tâches d'IA puissent fonctionner efficacement et permettre une extension fluide de "tâches uniques" à "écosystèmes complexes et variés".
Vérifiabilité et garantie de sortie fiable
AI Layer 1 doit non seulement prévenir les abus des modèles, les falsifications de données et autres risques de sécurité, mais aussi garantir la vérifiabilité et l'alignement des résultats produits par l'IA au niveau des mécanismes de base. En intégrant des technologies de pointe telles que l'environnement d'exécution de confiance (TEE), la preuve à divulgation nulle de connaissance (ZK) et le calcul sécurisé multipartite (MPC), la plateforme permet que chaque inférence de modèle, entraînement et processus de traitement de données puissent être vérifiés de manière indépendante, assurant ainsi l'équité et la transparence du système d'IA. De plus, cette vérifiabilité aide les utilisateurs à comprendre la logique et les fondements des résultats de l'IA, réalisant "ce que l'on obtient est ce que l'on souhaite", augmentant ainsi la confiance et la satisfaction des utilisateurs envers les produits IA.
Protection de la vie privée des données
Les applications d'IA impliquent souvent des données sensibles des utilisateurs, et dans des domaines tels que la finance, la santé et les réseaux sociaux, la protection de la vie privée des données est particulièrement cruciale. L'IA Layer 1 doit garantir la vérifiabilité tout en utilisant des technologies de traitement des données basées sur le cryptage, des protocoles de calcul de la vie privée et des moyens de gestion des permissions des données pour assurer la sécurité des données tout au long du processus d'inférence, d'entraînement et de stockage, empêchant efficacement les fuites de données et les abus, et éliminant les préoccupations des utilisateurs en matière de sécurité des données.
Puissante capacité de soutien à l'écosystème et au développement
En tant qu'infrastructure de couche 1 native à l'IA, la plateforme doit non seulement posséder un avantage technologique, mais également fournir aux développeurs, aux opérateurs de nœuds, aux fournisseurs de services d'IA et à d'autres participants de l'écosystème des outils de développement complets, des SDK intégrés, un support opérationnel et des mécanismes d'incitation. En optimisant continuellement la disponibilité de la plateforme et l'expérience des développeurs, nous favorisons le déploiement d'applications IA natives riches et variées, réalisant ainsi une prospérité continue de l'écosystème décentralisé de l'IA.
Sur la base des contextes et des attentes ci-dessus, cet article présentera en détail six projets représentatifs de l'IA Layer1, y compris Sentient, Sahara AI, Ritual, Gensyn, Bittensor et 0G, en examinant les derniers développements du secteur, en analysant l'état actuel des projets et en discutant des tendances futures.
Sentient : construire des modèles d'IA décentralisés open source et fidèles
Aperçu du projet
Sentient est une plateforme de protocole open source, en train de créer une blockchain AI Layer1 ( à ses débuts en tant que Layer 2, puis elle sera migrée vers Layer 1). En combinant AI Pipeline et technologie blockchain, elle construit une économie d'intelligence artificielle décentralisée. Son objectif principal est de résoudre les problèmes de propriété des modèles, de suivi des appels et de distribution de valeur sur le marché LLM centralisé grâce au cadre "OML" (Ouvert, Rentable, Loyal), permettant ainsi aux modèles d'IA d'atteindre une structure de propriété on-chain, une transparence des appels et une distribution de valeur. La vision de Sentient est de permettre à quiconque de construire, collaborer, posséder et monétiser des produits AI, favorisant ainsi un écosystème équitable et ouvert de réseau d'agents AI.
L'équipe de Sentient Foundation rassemble les meilleurs experts académiques, entrepreneurs en blockchain et ingénieurs du monde entier, s'efforçant de construire une plateforme AGI communautaire, open source et vérifiable. Les membres clés incluent le professeur Pramod Viswanath de l'Université de Princeton et le professeur Himanshu Tyagi de l'Institut indien de sciences, responsables respectivement de la sécurité de l'IA et de la protection de la vie privée, tandis que Sandeep Nailwal, cofondateur de Polygon, dirige la stratégie blockchain et l'écosystème. Les membres de l'équipe ont des antécédents dans des entreprises telles que Meta, Coinbase et Polygon, ainsi que dans des établissements d'enseignement supérieur de premier plan comme l'Université de Princeton et l'Institut indien de technologie, couvrant des domaines tels que l'IA/ML, le NLP et la vision par ordinateur, travaillant ensemble pour faire avancer le projet.
En tant que projet de seconde chance de Sandeep Nailwal, co-fondateur de Polygon, Sentient a dès ses débuts porté une aura, bénéficiant de ressources, de contacts et d'une reconnaissance sur le marché, offrant un puissant soutien au développement du projet. Mi-2024, Sentient a complété un tour de financement de semences de 85 millions de dollars, dirigé par Founders Fund, Pantera et Framework Ventures, avec d'autres investisseurs comprenant Delphi, Hashkey et Spartan parmi des dizaines de VC renommés.
conception de l'architecture et couche d'application
Infrastructure
Architecture de base
L'architecture de base de Sentient est composée de deux parties : le pipeline d'IA (AI Pipeline) et le système de blockchain.
Les pipelines d'IA sont la base du développement et de l'entraînement des artefacts "IA loyale", comprenant deux processus clés :
Data Curation : processus de sélection de données piloté par la communauté, utilisé pour l'alignement des modèles.
Formation à la fidélité (Loyalty Training) : s'assurer que le modèle maintient un processus de formation conforme aux intentions de la communauté.
Le système blockchain offre transparence et contrôle décentralisé pour le protocole, garantissant la propriété des artefacts AI, le suivi de leur utilisation, la répartition des revenus et une gouvernance équitable. L'architecture spécifique est divisée en quatre couches :
Couche de stockage : stocker les poids du modèle et les informations d'enregistrement des empreintes digitales ;
Couche de distribution : contrôle d'accès au modèle d'appel de contrat autorisé ;
Couche d'accès : Vérifier si l'utilisateur est autorisé par la preuve d'autorisation ;
Couche d'incitation : le contrat de routage des revenus attribuera chaque appel de paiement aux formateurs, déployeurs et validateurs.
Cadre de modèle OML
Le cadre OML (Open, Monetizable, Loyal) est le concept central proposé par Sentient, visant à fournir une protection claire de la propriété et des mécanismes d'incitation économique pour les modèles d'IA open source. En combinant la technologie off-chain et la cryptographie native à l'IA, il présente les caractéristiques suivantes :
Ouverture : Le modèle doit être open source, le code et la structure des données doivent être transparents, facilitant la reproduction, l'audit et l'amélioration par la communauté.
Monétisation : Chaque appel du modèle déclenche un flux de revenus, le contrat off-chain répartit les revenus entre les formateurs, les déployeurs et les validateurs.
Fidélité : Le modèle appartient à la communauté des contributeurs, la direction des mises à jour et la gouvernance sont décidées par le DAO, l'utilisation et la modification sont contrôlées par des mécanismes cryptographiques.
Cryptographie native à l'IA (AI-native Cryptography)
La cryptographie native à l'IA utilise la continuité des modèles d'IA, la structure des variétés de faible dimension et les propriétés différentiables des modèles pour développer un mécanisme de sécurité léger "vérifiable mais non amovible". Sa technologie de base est :
Intégration des empreintes digitales : insérer un ensemble de paires clé-valeur de requête-réponse cachées lors de l'entraînement pour former la signature unique du modèle ;
Protocole de vérification de propriété : vérifiez si l'empreinte digitale est conservée par le biais d'un détecteur tiers (Prover) sous forme de requête.
Mécanisme d'appel autorisé : Avant l'appel, il est nécessaire d'obtenir le "certificat d'autorisation" délivré par le propriétaire du modèle, puis le système autorise le modèle à décoder cette entrée et à renvoyer une réponse précise.
Cette méthode permet de réaliser "l'appel autorisé basé sur le comportement + la validation d'appartenance" sans coût de réencryption.
Cadre d'exécution sécurisé et de certification des modèles
Sentient utilise actuellement la sécurité hybride Melange : combinaison de la vérification par empreinte digitale, de l'exécution TEE et du partage des bénéfices des contrats off-chain. La méthode par empreinte digitale est réalisée par OML 1.0, soulignant la pensée de "sécurité optimiste (Optimistic Security)", c'est-à-dire conformité par défaut, avec la possibilité de détecter et de punir les violations.
Le mécanisme d'empreinte digitale est une mise en œuvre clé d'OML, qui génère une signature unique lors de la phase d'entraînement en intégrant des paires "question-réponse" spécifiques. Grâce à ces signatures, le propriétaire du modèle peut vérifier la propriété, empêchant ainsi la copie et la commercialisation non autorisées. Ce mécanisme protège non seulement les droits des développeurs de modèles, mais fournit également un enregistrement traçable des comportements d'utilisation du modèle off-chain.
De plus, Sentient a lancé le cadre de calcul Enclave TEE, utilisant des environnements d'exécution de confiance (comme AWS Nitro Enclaves) pour s'assurer que le modèle ne répond qu'aux demandes autorisées, empêchant ainsi l'accès et l'utilisation non autorisés. Bien que le TEE dépende du matériel et présente certains risques de sécurité, ses avantages en termes de haute performance et de temps réel en font la technologie centrale pour le déploiement actuel des modèles.
À l'avenir, Sentient prévoit d'introduire des technologies de preuve à divulgation nulle de connaissance (ZK) et de cryptographie homomorphe complète (FHE) pour renforcer davantage la protection de la vie privée et la vérifiabilité, offrant des solutions plus matures pour le déploiement décentralisé des modèles d'IA.
couche d'application
Actuellement, les produits de Sentient comprennent principalement une plateforme de chat décentralisée.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
La compétition pour la couche 1 de l'IA s'intensifie, six projets se disputent l'avenir du DeAI off-chain.
Rapport de recherche sur AI Layer1 : À la recherche d'un sol fertile pour DeAI off-chain
Avec le développement rapide des technologies d'intelligence artificielle, des entreprises technologiques de premier plan comme OpenAI, Anthropic, Google et Meta continuent de faire progresser les modèles de langage de grande taille (LLM). Les LLM montrent des capacités sans précédent dans divers secteurs, élargissant considérablement l'espace d'imagination humaine et montrant même, dans certains cas, un potentiel pour remplacer le travail humain. Cependant, le cœur de ces technologies est fermement contrôlé par quelques géants technologiques centralisés. Grâce à des capitaux considérables et à un contrôle sur des ressources de calcul coûteuses, ces entreprises ont établi des barrières difficiles à franchir, rendant la concurrence pour la grande majorité des développeurs et des équipes d'innovation presque impossible.
En même temps, au début de l'évolution rapide de l'IA, l'opinion publique se concentre souvent sur les percées et les commodités apportées par la technologie, tandis que l'attention portée à des questions fondamentales telles que la protection de la vie privée, la transparence et la sécurité reste relativement insuffisante. À long terme, ces problèmes auront un impact profond sur le développement sain de l'industrie de l'IA et son acceptation par la société. Si ces questions ne sont pas résolues de manière appropriée, le débat sur si l'IA doit être "bienveillante" ou "malveillante" deviendra de plus en plus prononcé, et les géants de la centralisation, poussés par leur instinct de profit, manquent souvent de motivation suffisante pour faire face à ces défis de manière proactive.
La technologie blockchain, grâce à ses caractéristiques de décentralisation, de transparence et de résistance à la censure, offre de nouvelles possibilités pour le développement durable de l'industrie de l'IA. Actuellement, de nombreuses applications "Web3 AI" ont émergé sur des blockchains majeures comme Solana et Base. Cependant, une analyse approfondie révèle que ces projets présentent encore de nombreux problèmes : d'une part, le degré de décentralisation est limité, les éléments clés et l'infrastructure dépendent encore des services cloud centralisés, et la propriété meme est trop forte, rendant difficile le soutien d'un véritable écosystème ouvert ; d'autre part, par rapport aux produits AI du monde Web2, l'IA on-chain reste limitée en termes de capacité de modèle, d'utilisation des données et de scénarios d'application, et la profondeur et la largeur de l'innovation doivent être améliorées.
Pour réaliser véritablement la vision de l'IA décentralisée, permettant à la blockchain d'héberger des applications AI à grande échelle de manière sécurisée, efficace et démocratique, et de rivaliser en performance avec les solutions centralisées, nous devons concevoir une blockchain Layer1 spécifiquement conçue pour l'IA. Cela fournira une base solide pour l'innovation ouverte de l'IA, la démocratie de la gouvernance et la sécurité des données, favorisant le développement florissant de l'écosystème de l'IA décentralisée.
Les caractéristiques clés de AI Layer 1
AI Layer 1 en tant que blockchain spécialement conçue pour les applications d'IA, son architecture sous-jacente et son design de performance sont étroitement axés sur les besoins des tâches d'IA, visant à soutenir efficacement le développement durable et la prospérité de l'écosystème d'IA off-chain. Plus précisément, AI Layer 1 devrait posséder les capacités clés suivantes :
Mécanismes d'incitation efficaces et de consensus décentralisé Le cœur de l'IA Layer 1 réside dans la construction d'un réseau partagé ouvert de ressources telles que la puissance de calcul et le stockage. Contrairement aux nœuds de blockchain traditionnels qui se concentrent principalement sur la comptabilité des livres, les nœuds de l'IA Layer 1 doivent assumer des tâches plus complexes, non seulement fournir de la puissance de calcul, réaliser la formation et l'inférence des modèles d'IA, mais aussi contribuer à des ressources diversifiées telles que le stockage, les données et la bande passante, afin de briser le monopole des géants centralisés sur l'infrastructure de l'IA. Cela impose des exigences plus élevées en matière de consensus de base et de mécanismes d'incitation : l'IA Layer 1 doit être capable d'évaluer, d'inciter et de vérifier avec précision la contribution réelle des nœuds dans les tâches d'inférence et de formation de l'IA, réalisant ainsi la sécurité du réseau et une allocation efficace des ressources. Ce n'est qu'ainsi que l'on pourra garantir la stabilité et la prospérité du réseau tout en réduisant efficacement le coût global de la puissance de calcul.
Performances élevées exceptionnelles et prise en charge des tâches hétérogènes Les tâches d'IA, en particulier l'entraînement et l'inférence des LLM, exigent des performances de calcul et des capacités de traitement parallèle extrêmement élevées. De plus, l'écosystème IA off-chain doit souvent prendre en charge des types de tâches diversifiés et hétérogènes, y compris différentes structures de modèles, le traitement des données, l'inférence, le stockage et d'autres scénarios variés. La couche IA de niveau 1 doit être profondément optimisée au niveau de l'architecture sous-jacente pour répondre aux besoins de haut débit, de faible latence et de parallélisme élastique, tout en prévoyant une capacité de support natif pour les ressources de calcul hétérogènes, afin d'assurer que toutes les tâches d'IA puissent fonctionner efficacement et permettre une extension fluide de "tâches uniques" à "écosystèmes complexes et variés".
Vérifiabilité et garantie de sortie fiable AI Layer 1 doit non seulement prévenir les abus des modèles, les falsifications de données et autres risques de sécurité, mais aussi garantir la vérifiabilité et l'alignement des résultats produits par l'IA au niveau des mécanismes de base. En intégrant des technologies de pointe telles que l'environnement d'exécution de confiance (TEE), la preuve à divulgation nulle de connaissance (ZK) et le calcul sécurisé multipartite (MPC), la plateforme permet que chaque inférence de modèle, entraînement et processus de traitement de données puissent être vérifiés de manière indépendante, assurant ainsi l'équité et la transparence du système d'IA. De plus, cette vérifiabilité aide les utilisateurs à comprendre la logique et les fondements des résultats de l'IA, réalisant "ce que l'on obtient est ce que l'on souhaite", augmentant ainsi la confiance et la satisfaction des utilisateurs envers les produits IA.
Protection de la vie privée des données Les applications d'IA impliquent souvent des données sensibles des utilisateurs, et dans des domaines tels que la finance, la santé et les réseaux sociaux, la protection de la vie privée des données est particulièrement cruciale. L'IA Layer 1 doit garantir la vérifiabilité tout en utilisant des technologies de traitement des données basées sur le cryptage, des protocoles de calcul de la vie privée et des moyens de gestion des permissions des données pour assurer la sécurité des données tout au long du processus d'inférence, d'entraînement et de stockage, empêchant efficacement les fuites de données et les abus, et éliminant les préoccupations des utilisateurs en matière de sécurité des données.
Puissante capacité de soutien à l'écosystème et au développement En tant qu'infrastructure de couche 1 native à l'IA, la plateforme doit non seulement posséder un avantage technologique, mais également fournir aux développeurs, aux opérateurs de nœuds, aux fournisseurs de services d'IA et à d'autres participants de l'écosystème des outils de développement complets, des SDK intégrés, un support opérationnel et des mécanismes d'incitation. En optimisant continuellement la disponibilité de la plateforme et l'expérience des développeurs, nous favorisons le déploiement d'applications IA natives riches et variées, réalisant ainsi une prospérité continue de l'écosystème décentralisé de l'IA.
Sur la base des contextes et des attentes ci-dessus, cet article présentera en détail six projets représentatifs de l'IA Layer1, y compris Sentient, Sahara AI, Ritual, Gensyn, Bittensor et 0G, en examinant les derniers développements du secteur, en analysant l'état actuel des projets et en discutant des tendances futures.
Sentient : construire des modèles d'IA décentralisés open source et fidèles
Aperçu du projet
Sentient est une plateforme de protocole open source, en train de créer une blockchain AI Layer1 ( à ses débuts en tant que Layer 2, puis elle sera migrée vers Layer 1). En combinant AI Pipeline et technologie blockchain, elle construit une économie d'intelligence artificielle décentralisée. Son objectif principal est de résoudre les problèmes de propriété des modèles, de suivi des appels et de distribution de valeur sur le marché LLM centralisé grâce au cadre "OML" (Ouvert, Rentable, Loyal), permettant ainsi aux modèles d'IA d'atteindre une structure de propriété on-chain, une transparence des appels et une distribution de valeur. La vision de Sentient est de permettre à quiconque de construire, collaborer, posséder et monétiser des produits AI, favorisant ainsi un écosystème équitable et ouvert de réseau d'agents AI.
L'équipe de Sentient Foundation rassemble les meilleurs experts académiques, entrepreneurs en blockchain et ingénieurs du monde entier, s'efforçant de construire une plateforme AGI communautaire, open source et vérifiable. Les membres clés incluent le professeur Pramod Viswanath de l'Université de Princeton et le professeur Himanshu Tyagi de l'Institut indien de sciences, responsables respectivement de la sécurité de l'IA et de la protection de la vie privée, tandis que Sandeep Nailwal, cofondateur de Polygon, dirige la stratégie blockchain et l'écosystème. Les membres de l'équipe ont des antécédents dans des entreprises telles que Meta, Coinbase et Polygon, ainsi que dans des établissements d'enseignement supérieur de premier plan comme l'Université de Princeton et l'Institut indien de technologie, couvrant des domaines tels que l'IA/ML, le NLP et la vision par ordinateur, travaillant ensemble pour faire avancer le projet.
En tant que projet de seconde chance de Sandeep Nailwal, co-fondateur de Polygon, Sentient a dès ses débuts porté une aura, bénéficiant de ressources, de contacts et d'une reconnaissance sur le marché, offrant un puissant soutien au développement du projet. Mi-2024, Sentient a complété un tour de financement de semences de 85 millions de dollars, dirigé par Founders Fund, Pantera et Framework Ventures, avec d'autres investisseurs comprenant Delphi, Hashkey et Spartan parmi des dizaines de VC renommés.
conception de l'architecture et couche d'application
Infrastructure
Architecture de base
L'architecture de base de Sentient est composée de deux parties : le pipeline d'IA (AI Pipeline) et le système de blockchain.
Les pipelines d'IA sont la base du développement et de l'entraînement des artefacts "IA loyale", comprenant deux processus clés :
Le système blockchain offre transparence et contrôle décentralisé pour le protocole, garantissant la propriété des artefacts AI, le suivi de leur utilisation, la répartition des revenus et une gouvernance équitable. L'architecture spécifique est divisée en quatre couches :
Cadre de modèle OML
Le cadre OML (Open, Monetizable, Loyal) est le concept central proposé par Sentient, visant à fournir une protection claire de la propriété et des mécanismes d'incitation économique pour les modèles d'IA open source. En combinant la technologie off-chain et la cryptographie native à l'IA, il présente les caractéristiques suivantes :
Cryptographie native à l'IA (AI-native Cryptography)
La cryptographie native à l'IA utilise la continuité des modèles d'IA, la structure des variétés de faible dimension et les propriétés différentiables des modèles pour développer un mécanisme de sécurité léger "vérifiable mais non amovible". Sa technologie de base est :
Cette méthode permet de réaliser "l'appel autorisé basé sur le comportement + la validation d'appartenance" sans coût de réencryption.
Cadre d'exécution sécurisé et de certification des modèles
Sentient utilise actuellement la sécurité hybride Melange : combinaison de la vérification par empreinte digitale, de l'exécution TEE et du partage des bénéfices des contrats off-chain. La méthode par empreinte digitale est réalisée par OML 1.0, soulignant la pensée de "sécurité optimiste (Optimistic Security)", c'est-à-dire conformité par défaut, avec la possibilité de détecter et de punir les violations.
Le mécanisme d'empreinte digitale est une mise en œuvre clé d'OML, qui génère une signature unique lors de la phase d'entraînement en intégrant des paires "question-réponse" spécifiques. Grâce à ces signatures, le propriétaire du modèle peut vérifier la propriété, empêchant ainsi la copie et la commercialisation non autorisées. Ce mécanisme protège non seulement les droits des développeurs de modèles, mais fournit également un enregistrement traçable des comportements d'utilisation du modèle off-chain.
De plus, Sentient a lancé le cadre de calcul Enclave TEE, utilisant des environnements d'exécution de confiance (comme AWS Nitro Enclaves) pour s'assurer que le modèle ne répond qu'aux demandes autorisées, empêchant ainsi l'accès et l'utilisation non autorisés. Bien que le TEE dépende du matériel et présente certains risques de sécurité, ses avantages en termes de haute performance et de temps réel en font la technologie centrale pour le déploiement actuel des modèles.
À l'avenir, Sentient prévoit d'introduire des technologies de preuve à divulgation nulle de connaissance (ZK) et de cryptographie homomorphe complète (FHE) pour renforcer davantage la protection de la vie privée et la vérifiabilité, offrant des solutions plus matures pour le déploiement décentralisé des modèles d'IA.
couche d'application
Actuellement, les produits de Sentient comprennent principalement une plateforme de chat décentralisée.