تقرير بحث Layer1 للذكاء الاصطناعي: البحث عن أرض خصبة لـ DeAI داخل السلسلة
نظرة عامة
خلفية
في السنوات الأخيرة، واصلت الشركات التكنولوجية الكبرى مثل OpenAI وAnthropic وGoogle وMeta دفع التطور السريع لنماذج اللغة الكبيرة (LLM). تظهر LLM قدرات غير مسبوقة في جميع الصناعات، مما يوسع بشكل كبير من خيال البشرية، بل وأظهرت في بعض السيناريوهات إمكانية استبدال العمل البشري. ومع ذلك، فإن جوهر هذه التقنيات محصور بقوة في أيدي عدد قليل من عمالقة التكنولوجيا المركزية. بفضل رأس المال الضخم والسيطرة على موارد الحوسبة المكلفة، أسست هذه الشركات حواجز يصعب تجاوزها، مما يجعل الغالبية العظمى من المطورين وفرق الابتكار تجد صعوبة في المنافسة.
في الوقت نفسه، في المراحل الأولى من التطور السريع للذكاء الاصطناعي، غالبًا ما تركز الرأي العام على الاختراقات والراحة التي تقدمها التكنولوجيا، بينما يكون الاهتمام بقضايا مثل حماية الخصوصية، والشفافية، والأمان أقل نسبيًا. على المدى الطويل، ستؤثر هذه القضايا بشكل عميق على التنمية الصحية لصناعة الذكاء الاصطناعي وقبول المجتمع. إذا لم يتم حلها بشكل صحيح، فإن الجدل حول ما إذا كان الذكاء الاصطناعي "يهدف إلى الخير" أم "إلى الشر" سيصبح أكثر وضوحًا، وغالبًا ما تفتقر الشركات المركزية الكبرى، المدفوعة بدافع الربح، إلى الدافع الكافي لمواجهة هذه التحديات بشكل نشط.
تقدم تقنية blockchain، بفضل خصائصها اللامركزية والشفافة والمقاومة للرقابة، إمكانيات جديدة للتنمية المستدامة في صناعة الذكاء الاصطناعي. في الوقت الحالي، ظهرت العديد من تطبيقات "Web3 AI" على بعض سلاسل الكتل الرئيسية. ومع ذلك، يمكن أن يكشف التحليل المتعمق أن هذه المشاريع لا تزال تواجه العديد من المشكلات: من ناحية، درجة اللامركزية محدودة، ولا تزال العناصر الأساسية والبنية التحتية تعتمد على خدمات السحابة المركزية، مما يجعل من الصعب دعم نظام بيئي مفتوح حقًا؛ ومن ناحية أخرى، بالمقارنة مع منتجات الذكاء الاصطناعي في عالم Web2، لا يزال الذكاء الاصطناعي داخل السلسلة محدودًا من حيث قدرة النموذج، واستخدام البيانات، وسيناريوهات التطبيق، مما يتطلب تحسين عمق الابتكار واتساعه.
لتحقيق رؤية الذكاء الاصطناعي اللامركزي حقًا، وجعل داخل السلسلة قادرًا على استيعاب تطبيقات الذكاء الاصطناعي على نطاق واسع بشكل آمن وفعال وديمقراطي، ومنافسة الحلول المركزية من حيث الأداء، نحتاج إلى تصميم سلسلة الكتل Layer1 مصممة خصيصًا للذكاء الاصطناعي. سيوفر ذلك أساسًا قويًا للابتكار المفتوح في الذكاء الاصطناعي، والديمقراطية في الحوكمة، وأمان البيانات، مما يعزز التنمية المزدهرة للنظام البيئي للذكاء الاصطناعي اللامركزي.
الخصائص الأساسية لطبقة الذكاء الاصطناعي 1
تعتبر AI Layer 1 سلسلة كتل مصممة خصيصًا لتطبيقات الذكاء الاصطناعي، حيث أن هيكلها الأساسي وتصميم أدائها يدوران حول احتياجات مهام الذكاء الاصطناعي، بهدف دعم التنمية المستدامة والازدهار البيئي للذكاء الاصطناعي داخل السلسلة بكفاءة. بشكل محدد، يجب أن تمتلك AI Layer 1 القدرات الأساسية التالية:
آلية تحفيز فعالة وآلية توافق لامركزية. يكمن جوهر AI Layer 1 في بناء شبكة مفتوحة لمشاركة موارد الحوسبة والتخزين وما إلى ذلك. على عكس العقد التقليدية في blockchain التي تركز بشكل رئيسي على تسجيل السجلات، تحتاج العقد في AI Layer 1 إلى تحمل مهام أكثر تعقيدًا، حيث يجب عليها توفير الحوسبة، وإكمال تدريب ونمذجة الذكاء الاصطناعي، بالإضافة إلى المساهمة في التخزين والبيانات وعرض النطاق الترددي والموارد المتنوعة الأخرى، مما يكسر احتكار الهيئات المركزية على البنية التحتية للذكاء الاصطناعي. هذا يتطلب متطلبات أعلى في آلية التوافق والتحفيز: يجب أن يكون AI Layer 1 قادرًا على تقييم وتحفيز والتحقق بدقة من مساهمات العقد في مهام استدلال وتدريب الذكاء الاصطناعي، لتحقيق أمان الشبكة وتوزيع الموارد بشكل فعال. فقط من خلال ذلك يمكن ضمان استقرار الشبكة وازدهارها، وتقليل التكلفة العامة للحوسبة بشكل فعال.
الأداء العالي الممتاز وقدرة دعم المهام المتباينة تحتاج مهام الذكاء الاصطناعي، وخاصة تدريب واستدلال LLM، إلى أداء حسابي وقدرة معالجة متوازية عالية جدًا. علاوة على ذلك، غالبًا ما يتطلب النظام البيئي للذكاء الاصطناعي داخل السلسلة دعم أنواع متنوعة ومختلفة من المهام، بما في ذلك هياكل النماذج المختلفة، معالجة البيانات، الاستدلال، التخزين، وغيرها من السيناريوهات المتعددة. يجب أن يتم تحسين Layer 1 للذكاء الاصطناعي بشكل عميق في الهيكل الأساسي لتلبية احتياجات السرعة العالية، وانخفاض زمن الانتظار، والمرونة في المعالجة المتوازية، وتوفير دعم أصلي للموارد الحاسوبية المتباينة، لضمان تشغيل جميع مهام الذكاء الاصطناعي بكفاءة، وتحقيق التوسع السلس من "مهام الأحادية" إلى "نظام بيئي معقد ومتعدد".
القابلية للتحقق وضمان المخرجات الموثوقة يجب على AI Layer 1 أن تمنع ليس فقط الأذى الناتج عن النموذج، وتلاعب البيانات، وغيرها من المخاطر الأمنية، بل يجب أيضًا التأكد من قابلية التحقق من نتائج AI ومواءمتها من خلال الآليات الأساسية. من خلال دمج بيئات التنفيذ الموثوقة (TEE)، وإثباتات المعرفة الصفرية (ZK)، والحساب الآمن متعدد الأطراف (MPC)، وغيرها من التقنيات المتقدمة، يمكن للمنصة أن تجعل كل عملية استدلال نموذج، تدريب، ومعالجة بيانات قابلة للتحقق بشكل مستقل، مما يضمن عدالة وشفافية نظام AI. في الوقت نفسه، يمكن أن تساعد هذه القابلية للتحقق المستخدمين على فهم المنطق والأسس وراء مخرجات AI، مما يحقق "ما تحصل عليه هو ما ترغب فيه"، ويعزز ثقة المستخدم ورضاه عن منتجات AI.
حماية خصوصية البيانات
تتضمن تطبيقات الذكاء الاصطناعي غالبًا بيانات حساسة للمستخدمين، وفي مجالات مثل المالية والرعاية الصحية والتواصل الاجتماعي، تعتبر حماية خصوصية البيانات أمرًا بالغ الأهمية. يجب أن يضمن AI Layer 1، مع الحفاظ على القابلية للتحقق، استخدام تقنيات معالجة البيانات المستندة إلى التشفير، وبروتوكولات حساب الخصوصية، وإدارة أذونات البيانات لضمان أمان البيانات خلال جميع العمليات مثل الاستدلال، والتدريب، والتخزين، مما يمنع بشكل فعال تسرب البيانات واستغلالها، ويقضي على مخاوف المستخدمين بشأن أمان البيانات.
قدرة قوية على تحمل ودعم تطوير النظام البيئي كمنصة بنية تحتية Layer 1 الأصلية للذكاء الاصطناعي، يجب أن تتمتع المنصة ليس فقط بالريادة التكنولوجية، ولكن أيضًا بتقديم أدوات تطوير متكاملة، وSDK مدمجة، ودعم التشغيل والصيانة، وآليات تحفيز للمطورين، ومشغلي العقد، ومقدمي خدمات الذكاء الاصطناعي وغيرهم من المشاركين في النظام البيئي. من خلال تحسين استدامة المنصة وتجربة المطورين باستمرار، يتم تعزيز تطبيقات الذكاء الاصطناعي الأصلية المتنوعة والغنية، مما يحقق الازدهار المستمر للنظام البيئي للذكاء الاصطناعي اللامركزي.
استنادًا إلى الخلفية والتوقعات المذكورة أعلاه، ستقدم هذه المقالة تفاصيل حول ستة مشاريع تمثيلية للذكاء الاصطناعي Layer1، بما في ذلك Sentient وSahara AI وRitual وGensyn وBittensor و0G، وستقوم بتجميع أحدث التطورات في هذا المجال، وتحليل حالة تطور المشاريع، ومناقشة الاتجاهات المستقبلية.
Sentient: بناء نموذج الذكاء الاصطناعي اللامركزي مفتوح المصدر المخلص
نظرة عامة على المشروع
Sentient هو منصة بروتوكول مفتوحة المصدر، تعمل على إنشاء سلسلة بلوكشين AI Layer1 ( في المرحلة الأولية كـ Layer 2، ثم ستنتقل إلى Layer 1)، من خلال دمج AI Pipeline وتقنية البلوكشين، لبناء اقتصاد الذكاء الاصطناعي اللامركزي. الهدف الرئيسي هو من خلال إطار "OML" ( فتح، قابلية الربح، ولاء ) حل مشاكل ملكية النماذج، تتبع الاستدعاءات وتوزيع القيمة في سوق LLM المركزي، مما يتيح للنماذج الذكاء الاصطناعي تحقيق هيكل ملكية داخل السلسلة، وشفافية الاستدعاء وتوزيع القيمة. رؤية Sentient هي تمكين أي شخص من بناء، التعاون، الملكية وتحقيق الربح من منتجات الذكاء الاصطناعي، وبالتالي دفع شبكة بيئية عادلة ومفتوحة لوكلاء الذكاء الاصطناعي.
تجمع فريق Sentient Foundation خبراء أكاديميين ورواد أعمال ومهندسين في مجال البلوكشين من جميع أنحاء العالم، ويهدف إلى بناء منصة AGI مدفوعة من المجتمع، ومفتوحة المصدر، وقابلة للتحقق. تشمل الأعضاء الرئيسيين البروفيسور Pramod Viswanath من جامعة برينستون، والبروفيسور Himanshu Tyagi من معهد الهند للعلوم، المسؤولين على التوالي عن أمان الذكاء الاصطناعي وحماية الخصوصية، بينما يقود Sandeep Nailwal، المؤسس المشارك لشركة Polygon، الاستراتيجية والبيئة الخاصة بالبلوكشين. تغطي خلفيات أعضاء الفريق شركات معروفة مثل Meta وCoinbase وPolygon، وكذلك مؤسسات أكاديمية مرموقة مثل جامعة برينستون ومعهد الهند للتكنولوجيا، وتغطي مجالات مثل AI/ML وNLP ورؤية الكمبيوتر، مما يعزز دفع المشروع نحو التنفيذ.
باعتبارها مشروع ريادة الأعمال الثاني لمؤسس Polygon المشارك Sandeep Nailwal، كانت Sentient تحمل هالة منذ تأسيسها، حيث تمتلك موارد غنية، وشبكات، ووعي سوقي، مما يوفر دعمًا قويًا لتطوير المشروع. في منتصف عام 2024، أكملت Sentient جولة تمويل أولية بقيمة 85 مليون دولار، بقيادة Founders Fund وPantera وFramework Ventures، مع وجود عشرات من شركات رأس المال المغامر الشهيرة الأخرى مثل Delphi وHashkey وSpartan.
تصميم الهيكل والتطبيقات
####层 البنية التحتية
الهيكل الأساسي
تتكون البنية التحتية الأساسية لـ Sentient من جزئين: أنبوب AI ( و نظام داخل السلسلة.
أنابيب الذكاء الاصطناعي هي الأساس لتطوير وتدريب "الذكاء الاصطناعي المخلص"، وتتضمن عمليتين رئيسيتين:
تخطيط البيانات ) Data Curation (: عملية اختيار البيانات المدفوعة من المجتمع، تستخدم لمحاذاة النماذج.
تدريب الولاء ): تأكد من أن النموذج يظل متسقًا مع نية المجتمع في عملية التدريب.
يوفر نظام السلسلة الشفافية والتحكم اللامركزي للبروتوكول، مما يضمن ملكية واستخدام وتتبع الأشياء الذكية وتوزيع العائدات والحكم العادل. الهيكل المحدد مقسم إلى أربع طبقات:
طبقة التخزين: تخزين نموذج الوزن ومعلومات تسجيل بصمات الأصابع;
طبقة التوزيع: مدخل التحكم في نموذج العقد المصرح به;
طبقة الوصول: التحقق من إذن المستخدم من خلال إثبات الأذونات.
طبقة التحفيز: ستقوم عقود توجيه العائدات بتوزيع المدفوعات في كل استدعاء على المدربين، والموزعين، والمتحققين.
(## إطار نموذج OML
إطار OML ) مفتوح Open، قابل للت monetization، ولاء Loyal ### هو المفهوم الأساسي الذي تقدمه Sentient، والذي يهدف إلى توفير حماية واضحة للملكية وآليات الحوافز الاقتصادية لنماذج الذكاء الاصطناعي مفتوحة المصدر. من خلال دمج تكنولوجيا داخل السلسلة وعلوم التشفير الأصلية للذكاء الاصطناعي، يتمتع بالخصائص التالية:
الانفتاح: يجب أن يكون النموذج مفتوح المصدر، ويجب أن يكون الكود وبنية البيانات شفافة، مما يسهل على المجتمع إعادة إنتاجه، وتدقيقه، وتحسينه.
monetization: كل استدعاء لنموذج سيؤدي إلى تشغيل تدفق الإيرادات، وستقوم العقود داخل السلسلة بتوزيع العائدات على المدربين والموزعين والمتحققين.
الولاء: النموذج ينتمي إلى مجتمع المساهمين،方向 الترقية والحكومة تحددها DAO، والاستخدام والتعديل خاضع لآلية التشفير.
(## التشفير الأصلي المدعوم بالذكاء الاصطناعي)
التشفير الأصلي المعتمد على الذكاء الاصطناعي هو استخدام استمرارية نماذج الذكاء الاصطناعي، وهيكل المنحنى منخفض الأبعاد وخصائص النماذج القابلة للاشتقاق، لتطوير آلية أمان خفيفة "يمكن التحقق منها ولكن لا يمكن إزالتها". التكنولوجيا الأساسية له هي:
بصمة مدمجة: أثناء التدريب، يتم إدخال مجموعة من أزواج القيم المفتاحية المخفية query-response لتشكيل توقيع فريد للنموذج;
بروتوكول التحقق من الملكية: يتم التحقق من بقاء بصمة الأصبع عن طريق جهاز استشعار تابع لجهة خارجية ###Prover( على شكل استفسار.
آلية استدعاء الإذن: يجب الحصول على "شهادة الإذن" الصادرة عن مالك النموذج قبل الاستدعاء، ثم يقوم النظام بناءً على ذلك بمنح الإذن للنموذج لفك تشفير الإدخال وإرجاع الإجابة الدقيقة.
يمكن تحقيق "استدعاء مصرح به بناءً على السلوك + التحقق من الانتماء" بهذه الطريقة دون تكلفة إعادة تشفير.
![Biteye و PANews يصدران تقرير بحثي عن AI Layer1: البحث عن أرض خصبة لـ DeAI داخل السلسلة])https://img-cdn.gateio.im/webp-social/moments-cf5f43c63b7ab154e2201c8d3531be8c.webp(
)## إطار تأكيد حقوق النموذج والتنفيذ الآمن
Sentient الحالية تعتمد على Melange خلط الأمان: مع تحقيق حقوق ملكية بالبصمة، تنفيذ TEE، وتقاسم الأرباح من العقود داخل السلسلة. حيث إن طريقة البصمة هي OML 1.0 التي تمثل الخط الرئيسي، وتؤكد على مفهوم "الأمان المتفائل (Optimistic Security)"، أي الافتراض بالتوافق، ويمكن اكتشاف المخالفات ومعاقبتها بعد ذلك.
آلية بصمة الإصبع هي التنفيذ الرئيسي لـ OML، حيث تعمل على تضمين "أسئلة-أجوبة" معينة، مما يمكّن النموذج من إنشاء توقيع فريد خلال مرحلة التدريب. من خلال هذه التوقيعات، يمكن لمالكي النموذج التحقق من الملكية، ومنع النسخ والتسويق غير المصرح به. لا تحمي هذه الآلية حقوق مطوّري النموذج فحسب، بل توفر أيضًا سجلات قابلة للتتبع داخل السلسلة لسلوك استخدام النموذج.
بالإضافة إلى ذلك، أطلقت Sentient إطار عمل Enclave TEE للحوسبة، والذي يستفيد من داخل السلسلة ### مثل AWS Nitro Enclaves ( لضمان استجابة النموذج فقط للطلبات المصرح بها، مما يمنع الوصول والاستخدام غير المصرح به. على الرغم من أن TEE يعتمد على الأجهزة ويحتوي على بعض مخاطر الأمان، إلا أن مزاياه في الأداء العالي والوقت الحقيقي تجعل منه جوهر نشر النماذج الحالية.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تسجيلات الإعجاب 19
أعجبني
19
5
مشاركة
تعليق
0/400
SundayDegen
· 07-24 20:44
لقد جاء الأساس لقص الصوف المركزي مرة أخرى
شاهد النسخة الأصليةرد0
GasOptimizer
· 07-24 13:59
قوة الحوسبة瓶颈0x5f3 又卡住了
شاهد النسخة الأصليةرد0
RektRecorder
· 07-24 13:57
البحث عن سلسلة مئة مرة التالية
شاهد النسخة الأصليةرد0
MEVHunterBearish
· 07-24 13:50
احتكار العملاق؟ الثورة يجب أن تبدأ من القاعدة!
شاهد النسخة الأصليةرد0
probably_nothing_anon
· 07-24 13:29
مرة أخرى، يتحدثون عن أشياء وهمية، دعنا نرى كيف نفعل ذلك
تحليل عميق لميدان Layer1 للذكاء الاصطناعي: تخطيط ستة مشاريع لبنية تحتية للذكاء الاصطناعي اللامركزية
تقرير بحث Layer1 للذكاء الاصطناعي: البحث عن أرض خصبة لـ DeAI داخل السلسلة
نظرة عامة
خلفية
في السنوات الأخيرة، واصلت الشركات التكنولوجية الكبرى مثل OpenAI وAnthropic وGoogle وMeta دفع التطور السريع لنماذج اللغة الكبيرة (LLM). تظهر LLM قدرات غير مسبوقة في جميع الصناعات، مما يوسع بشكل كبير من خيال البشرية، بل وأظهرت في بعض السيناريوهات إمكانية استبدال العمل البشري. ومع ذلك، فإن جوهر هذه التقنيات محصور بقوة في أيدي عدد قليل من عمالقة التكنولوجيا المركزية. بفضل رأس المال الضخم والسيطرة على موارد الحوسبة المكلفة، أسست هذه الشركات حواجز يصعب تجاوزها، مما يجعل الغالبية العظمى من المطورين وفرق الابتكار تجد صعوبة في المنافسة.
في الوقت نفسه، في المراحل الأولى من التطور السريع للذكاء الاصطناعي، غالبًا ما تركز الرأي العام على الاختراقات والراحة التي تقدمها التكنولوجيا، بينما يكون الاهتمام بقضايا مثل حماية الخصوصية، والشفافية، والأمان أقل نسبيًا. على المدى الطويل، ستؤثر هذه القضايا بشكل عميق على التنمية الصحية لصناعة الذكاء الاصطناعي وقبول المجتمع. إذا لم يتم حلها بشكل صحيح، فإن الجدل حول ما إذا كان الذكاء الاصطناعي "يهدف إلى الخير" أم "إلى الشر" سيصبح أكثر وضوحًا، وغالبًا ما تفتقر الشركات المركزية الكبرى، المدفوعة بدافع الربح، إلى الدافع الكافي لمواجهة هذه التحديات بشكل نشط.
تقدم تقنية blockchain، بفضل خصائصها اللامركزية والشفافة والمقاومة للرقابة، إمكانيات جديدة للتنمية المستدامة في صناعة الذكاء الاصطناعي. في الوقت الحالي، ظهرت العديد من تطبيقات "Web3 AI" على بعض سلاسل الكتل الرئيسية. ومع ذلك، يمكن أن يكشف التحليل المتعمق أن هذه المشاريع لا تزال تواجه العديد من المشكلات: من ناحية، درجة اللامركزية محدودة، ولا تزال العناصر الأساسية والبنية التحتية تعتمد على خدمات السحابة المركزية، مما يجعل من الصعب دعم نظام بيئي مفتوح حقًا؛ ومن ناحية أخرى، بالمقارنة مع منتجات الذكاء الاصطناعي في عالم Web2، لا يزال الذكاء الاصطناعي داخل السلسلة محدودًا من حيث قدرة النموذج، واستخدام البيانات، وسيناريوهات التطبيق، مما يتطلب تحسين عمق الابتكار واتساعه.
لتحقيق رؤية الذكاء الاصطناعي اللامركزي حقًا، وجعل داخل السلسلة قادرًا على استيعاب تطبيقات الذكاء الاصطناعي على نطاق واسع بشكل آمن وفعال وديمقراطي، ومنافسة الحلول المركزية من حيث الأداء، نحتاج إلى تصميم سلسلة الكتل Layer1 مصممة خصيصًا للذكاء الاصطناعي. سيوفر ذلك أساسًا قويًا للابتكار المفتوح في الذكاء الاصطناعي، والديمقراطية في الحوكمة، وأمان البيانات، مما يعزز التنمية المزدهرة للنظام البيئي للذكاء الاصطناعي اللامركزي.
الخصائص الأساسية لطبقة الذكاء الاصطناعي 1
تعتبر AI Layer 1 سلسلة كتل مصممة خصيصًا لتطبيقات الذكاء الاصطناعي، حيث أن هيكلها الأساسي وتصميم أدائها يدوران حول احتياجات مهام الذكاء الاصطناعي، بهدف دعم التنمية المستدامة والازدهار البيئي للذكاء الاصطناعي داخل السلسلة بكفاءة. بشكل محدد، يجب أن تمتلك AI Layer 1 القدرات الأساسية التالية:
آلية تحفيز فعالة وآلية توافق لامركزية. يكمن جوهر AI Layer 1 في بناء شبكة مفتوحة لمشاركة موارد الحوسبة والتخزين وما إلى ذلك. على عكس العقد التقليدية في blockchain التي تركز بشكل رئيسي على تسجيل السجلات، تحتاج العقد في AI Layer 1 إلى تحمل مهام أكثر تعقيدًا، حيث يجب عليها توفير الحوسبة، وإكمال تدريب ونمذجة الذكاء الاصطناعي، بالإضافة إلى المساهمة في التخزين والبيانات وعرض النطاق الترددي والموارد المتنوعة الأخرى، مما يكسر احتكار الهيئات المركزية على البنية التحتية للذكاء الاصطناعي. هذا يتطلب متطلبات أعلى في آلية التوافق والتحفيز: يجب أن يكون AI Layer 1 قادرًا على تقييم وتحفيز والتحقق بدقة من مساهمات العقد في مهام استدلال وتدريب الذكاء الاصطناعي، لتحقيق أمان الشبكة وتوزيع الموارد بشكل فعال. فقط من خلال ذلك يمكن ضمان استقرار الشبكة وازدهارها، وتقليل التكلفة العامة للحوسبة بشكل فعال.
الأداء العالي الممتاز وقدرة دعم المهام المتباينة تحتاج مهام الذكاء الاصطناعي، وخاصة تدريب واستدلال LLM، إلى أداء حسابي وقدرة معالجة متوازية عالية جدًا. علاوة على ذلك، غالبًا ما يتطلب النظام البيئي للذكاء الاصطناعي داخل السلسلة دعم أنواع متنوعة ومختلفة من المهام، بما في ذلك هياكل النماذج المختلفة، معالجة البيانات، الاستدلال، التخزين، وغيرها من السيناريوهات المتعددة. يجب أن يتم تحسين Layer 1 للذكاء الاصطناعي بشكل عميق في الهيكل الأساسي لتلبية احتياجات السرعة العالية، وانخفاض زمن الانتظار، والمرونة في المعالجة المتوازية، وتوفير دعم أصلي للموارد الحاسوبية المتباينة، لضمان تشغيل جميع مهام الذكاء الاصطناعي بكفاءة، وتحقيق التوسع السلس من "مهام الأحادية" إلى "نظام بيئي معقد ومتعدد".
القابلية للتحقق وضمان المخرجات الموثوقة يجب على AI Layer 1 أن تمنع ليس فقط الأذى الناتج عن النموذج، وتلاعب البيانات، وغيرها من المخاطر الأمنية، بل يجب أيضًا التأكد من قابلية التحقق من نتائج AI ومواءمتها من خلال الآليات الأساسية. من خلال دمج بيئات التنفيذ الموثوقة (TEE)، وإثباتات المعرفة الصفرية (ZK)، والحساب الآمن متعدد الأطراف (MPC)، وغيرها من التقنيات المتقدمة، يمكن للمنصة أن تجعل كل عملية استدلال نموذج، تدريب، ومعالجة بيانات قابلة للتحقق بشكل مستقل، مما يضمن عدالة وشفافية نظام AI. في الوقت نفسه، يمكن أن تساعد هذه القابلية للتحقق المستخدمين على فهم المنطق والأسس وراء مخرجات AI، مما يحقق "ما تحصل عليه هو ما ترغب فيه"، ويعزز ثقة المستخدم ورضاه عن منتجات AI.
حماية خصوصية البيانات تتضمن تطبيقات الذكاء الاصطناعي غالبًا بيانات حساسة للمستخدمين، وفي مجالات مثل المالية والرعاية الصحية والتواصل الاجتماعي، تعتبر حماية خصوصية البيانات أمرًا بالغ الأهمية. يجب أن يضمن AI Layer 1، مع الحفاظ على القابلية للتحقق، استخدام تقنيات معالجة البيانات المستندة إلى التشفير، وبروتوكولات حساب الخصوصية، وإدارة أذونات البيانات لضمان أمان البيانات خلال جميع العمليات مثل الاستدلال، والتدريب، والتخزين، مما يمنع بشكل فعال تسرب البيانات واستغلالها، ويقضي على مخاوف المستخدمين بشأن أمان البيانات.
قدرة قوية على تحمل ودعم تطوير النظام البيئي كمنصة بنية تحتية Layer 1 الأصلية للذكاء الاصطناعي، يجب أن تتمتع المنصة ليس فقط بالريادة التكنولوجية، ولكن أيضًا بتقديم أدوات تطوير متكاملة، وSDK مدمجة، ودعم التشغيل والصيانة، وآليات تحفيز للمطورين، ومشغلي العقد، ومقدمي خدمات الذكاء الاصطناعي وغيرهم من المشاركين في النظام البيئي. من خلال تحسين استدامة المنصة وتجربة المطورين باستمرار، يتم تعزيز تطبيقات الذكاء الاصطناعي الأصلية المتنوعة والغنية، مما يحقق الازدهار المستمر للنظام البيئي للذكاء الاصطناعي اللامركزي.
استنادًا إلى الخلفية والتوقعات المذكورة أعلاه، ستقدم هذه المقالة تفاصيل حول ستة مشاريع تمثيلية للذكاء الاصطناعي Layer1، بما في ذلك Sentient وSahara AI وRitual وGensyn وBittensor و0G، وستقوم بتجميع أحدث التطورات في هذا المجال، وتحليل حالة تطور المشاريع، ومناقشة الاتجاهات المستقبلية.
Sentient: بناء نموذج الذكاء الاصطناعي اللامركزي مفتوح المصدر المخلص
نظرة عامة على المشروع
Sentient هو منصة بروتوكول مفتوحة المصدر، تعمل على إنشاء سلسلة بلوكشين AI Layer1 ( في المرحلة الأولية كـ Layer 2، ثم ستنتقل إلى Layer 1)، من خلال دمج AI Pipeline وتقنية البلوكشين، لبناء اقتصاد الذكاء الاصطناعي اللامركزي. الهدف الرئيسي هو من خلال إطار "OML" ( فتح، قابلية الربح، ولاء ) حل مشاكل ملكية النماذج، تتبع الاستدعاءات وتوزيع القيمة في سوق LLM المركزي، مما يتيح للنماذج الذكاء الاصطناعي تحقيق هيكل ملكية داخل السلسلة، وشفافية الاستدعاء وتوزيع القيمة. رؤية Sentient هي تمكين أي شخص من بناء، التعاون، الملكية وتحقيق الربح من منتجات الذكاء الاصطناعي، وبالتالي دفع شبكة بيئية عادلة ومفتوحة لوكلاء الذكاء الاصطناعي.
تجمع فريق Sentient Foundation خبراء أكاديميين ورواد أعمال ومهندسين في مجال البلوكشين من جميع أنحاء العالم، ويهدف إلى بناء منصة AGI مدفوعة من المجتمع، ومفتوحة المصدر، وقابلة للتحقق. تشمل الأعضاء الرئيسيين البروفيسور Pramod Viswanath من جامعة برينستون، والبروفيسور Himanshu Tyagi من معهد الهند للعلوم، المسؤولين على التوالي عن أمان الذكاء الاصطناعي وحماية الخصوصية، بينما يقود Sandeep Nailwal، المؤسس المشارك لشركة Polygon، الاستراتيجية والبيئة الخاصة بالبلوكشين. تغطي خلفيات أعضاء الفريق شركات معروفة مثل Meta وCoinbase وPolygon، وكذلك مؤسسات أكاديمية مرموقة مثل جامعة برينستون ومعهد الهند للتكنولوجيا، وتغطي مجالات مثل AI/ML وNLP ورؤية الكمبيوتر، مما يعزز دفع المشروع نحو التنفيذ.
باعتبارها مشروع ريادة الأعمال الثاني لمؤسس Polygon المشارك Sandeep Nailwal، كانت Sentient تحمل هالة منذ تأسيسها، حيث تمتلك موارد غنية، وشبكات، ووعي سوقي، مما يوفر دعمًا قويًا لتطوير المشروع. في منتصف عام 2024، أكملت Sentient جولة تمويل أولية بقيمة 85 مليون دولار، بقيادة Founders Fund وPantera وFramework Ventures، مع وجود عشرات من شركات رأس المال المغامر الشهيرة الأخرى مثل Delphi وHashkey وSpartan.
تصميم الهيكل والتطبيقات
####层 البنية التحتية
الهيكل الأساسي
تتكون البنية التحتية الأساسية لـ Sentient من جزئين: أنبوب AI ( و نظام داخل السلسلة.
أنابيب الذكاء الاصطناعي هي الأساس لتطوير وتدريب "الذكاء الاصطناعي المخلص"، وتتضمن عمليتين رئيسيتين:
يوفر نظام السلسلة الشفافية والتحكم اللامركزي للبروتوكول، مما يضمن ملكية واستخدام وتتبع الأشياء الذكية وتوزيع العائدات والحكم العادل. الهيكل المحدد مقسم إلى أربع طبقات:
(## إطار نموذج OML
إطار OML ) مفتوح Open، قابل للت monetization، ولاء Loyal ### هو المفهوم الأساسي الذي تقدمه Sentient، والذي يهدف إلى توفير حماية واضحة للملكية وآليات الحوافز الاقتصادية لنماذج الذكاء الاصطناعي مفتوحة المصدر. من خلال دمج تكنولوجيا داخل السلسلة وعلوم التشفير الأصلية للذكاء الاصطناعي، يتمتع بالخصائص التالية:
(## التشفير الأصلي المدعوم بالذكاء الاصطناعي)
التشفير الأصلي المعتمد على الذكاء الاصطناعي هو استخدام استمرارية نماذج الذكاء الاصطناعي، وهيكل المنحنى منخفض الأبعاد وخصائص النماذج القابلة للاشتقاق، لتطوير آلية أمان خفيفة "يمكن التحقق منها ولكن لا يمكن إزالتها". التكنولوجيا الأساسية له هي:
يمكن تحقيق "استدعاء مصرح به بناءً على السلوك + التحقق من الانتماء" بهذه الطريقة دون تكلفة إعادة تشفير.
![Biteye و PANews يصدران تقرير بحثي عن AI Layer1: البحث عن أرض خصبة لـ DeAI داخل السلسلة])https://img-cdn.gateio.im/webp-social/moments-cf5f43c63b7ab154e2201c8d3531be8c.webp(
)## إطار تأكيد حقوق النموذج والتنفيذ الآمن
Sentient الحالية تعتمد على Melange خلط الأمان: مع تحقيق حقوق ملكية بالبصمة، تنفيذ TEE، وتقاسم الأرباح من العقود داخل السلسلة. حيث إن طريقة البصمة هي OML 1.0 التي تمثل الخط الرئيسي، وتؤكد على مفهوم "الأمان المتفائل (Optimistic Security)"، أي الافتراض بالتوافق، ويمكن اكتشاف المخالفات ومعاقبتها بعد ذلك.
آلية بصمة الإصبع هي التنفيذ الرئيسي لـ OML، حيث تعمل على تضمين "أسئلة-أجوبة" معينة، مما يمكّن النموذج من إنشاء توقيع فريد خلال مرحلة التدريب. من خلال هذه التوقيعات، يمكن لمالكي النموذج التحقق من الملكية، ومنع النسخ والتسويق غير المصرح به. لا تحمي هذه الآلية حقوق مطوّري النموذج فحسب، بل توفر أيضًا سجلات قابلة للتتبع داخل السلسلة لسلوك استخدام النموذج.
بالإضافة إلى ذلك، أطلقت Sentient إطار عمل Enclave TEE للحوسبة، والذي يستفيد من داخل السلسلة ### مثل AWS Nitro Enclaves ( لضمان استجابة النموذج فقط للطلبات المصرح بها، مما يمنع الوصول والاستخدام غير المصرح به. على الرغم من أن TEE يعتمد على الأجهزة ويحتوي على بعض مخاطر الأمان، إلا أن مزاياه في الأداء العالي والوقت الحقيقي تجعل منه جوهر نشر النماذج الحالية.