Rapport de recherche sur AI Layer1 : à la recherche d'un terrain fertile pour DeAI off-chain
Aperçu
Ces dernières années, des entreprises technologiques de premier plan telles qu'OpenAI, Anthropic, Google et Meta ont continuellement poussé le développement rapide des modèles de langage de grande taille (LLM). Les LLM montrent une capacité sans précédent dans divers secteurs, élargissant considérablement l'imaginaire humain 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 un capital solide et à un contrôle sur des ressources de calcul coûteuses, ces entreprises ont établi des barrières difficiles à franchir, rendant difficile pour la grande majorité des développeurs et des équipes d'innovation de rivaliser avec elles.
En même temps, au début de l'évolution rapide de l'IA, l'opinion publique se concentre souvent sur les percées et les commodités offertes par la technologie, tandis que l'attention portée à des problèmes fondamentaux tels que la protection de la vie privée, la transparence et la sécurité est relativement insuffisante. À long terme, ces problèmes auront un impact profond sur le développement sain de l'industrie de l'IA et l'acceptation sociale. Si ces questions ne sont pas résolues de manière appropriée, le débat sur si l'IA doit "agir pour le bien" ou "agir pour le mal" deviendra de plus en plus prononcé, tandis que les géants centralisés, motivés par leur instinct de profit, manquent souvent de la motivation suffisante pour relever ces défis.
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 plusieurs blockchains majeures. Cependant, une analyse approfondie révèle que ces projets présentent encore de nombreux problèmes : d'une part, le degré de décentralisation est limité, les étapes clés et les infrastructures dépendent encore des services cloud centralisés, ce qui rend difficile le soutien d'un écosystème véritablement ouvert ; d'autre part, par rapport aux produits d'IA du monde Web2, l'IA sur la chaîne présente encore des limitations en termes de capacités de modèles, d'utilisation des données et de scénarios d'application, et la profondeur et l'étendue de l'innovation doivent être améliorées.
Pour réaliser véritablement la vision d'une IA décentralisée, permettant à la blockchain de supporter des applications IA à grande échelle de manière sécurisée, efficace et démocratique, tout en rivalisant en performance avec des solutions centralisées, nous devons concevoir une blockchain Layer 1 spécialement conçue pour l'IA. Cela fournira une base solide pour l'innovation ouverte de l'IA, la gouvernance démocratique et la sécurité des données, favorisant le développement prospère de l'écosystème d'IA décentralisée.
Les caractéristiques clés de l'AI Layer 1
AI Layer 1, en tant que blockchain spécialement conçue pour les applications d'IA, a une architecture sous-jacente et un design de performance étroitement liés aux 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 :
Mécanisme d'incitation efficace et de consensus décentralisé Le cœur de l'AI Layer 1 réside dans la construction d'un réseau partagé de ressources ouvertes 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'AI Layer 1 doivent assumer des tâches plus complexes, non seulement fournir de la puissance de calcul, réaliser l'entraînement et l'inférence des modèles d'IA, mais aussi contribuer à des ressources diverses telles que le stockage, les données et la bande passante, brisant ainsi 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 mécanisme d'incitation : l'AI Layer 1 doit être capable d'évaluer, d'inciter et de valider avec précision la contribution réelle des nœuds dans des tâches telles que l'inférence et l'entraînement de l'IA, afin d'assurer la sécurité du réseau et une répartition 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 capacité de support des tâches hétérogènes Les tâches d'IA, en particulier l'entraînement et l'inférence des LLM, exigent des performances de calcul et une capacité de traitement parallèle très élevées. De plus, l'écosystème AI off-chain doit souvent prendre en charge une diversité de types de tâches hétérogènes, y compris différentes structures de modèles, le traitement des données, l'inférence, le stockage, et d'autres scénarios variés. AI Layer 1 doit être profondément optimisé au niveau de l'architecture sous-jacente pour répondre aux exigences de débit élevé, de faible latence et de parallélisme flexible, 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 réaliser une expansion fluide de "tâches uniques" à "écosystèmes complexes et diversifiés".
Vérifiabilité et garantie de sortie fiable L'IA Layer 1 doit non seulement prévenir les dangers sécuritaires tels que le malveillance des modèles et la falsification des données, mais aussi garantir la vérifiabilité et l'alignement des résultats de l'IA au niveau des mécanismes fondamentaux. 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 processus d'inférence, d'entraînement et de traitement des données du modèle puisse être vérifié de manière indépendante, garantissant l'équité et la transparence du système d'IA. De plus, cette vérifiabilité aide les utilisateurs à comprendre la logique et les bases des sorties de l'IA, réalisant "ce que vous obtenez est ce que vous souhaitez", augmentant ainsi la confiance et la satisfaction des utilisateurs envers les produits d'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. AI Layer 1 devrait, tout en garantissant la vérifiabilité, adopter des techniques de traitement des données basées sur le cryptage, des protocoles de calcul de la vie privée et des moyens de gestion des droits d'accès aux données, afin d'assurer la sécurité des données tout au long du processus d'inférence, d'entraînement et de stockage, pour prévenir efficacement les fuites et les abus de données, et éliminer les inquiétudes des utilisateurs concernant la sécurité des données.
Capacité puissante de support et de développement de l'écosystème En tant qu'infrastructure de base Layer 1 native de l'IA, la plateforme doit non seulement posséder une avance technologique, mais également fournir aux développeurs, opérateurs de nœuds, fournisseurs de services d'IA et autres participants de l'écosystème des outils de développement complets, un SDK intégré, un support opérationnel et des mécanismes d'incitation. En optimisant continuellement la disponibilité de la plateforme et l'expérience des développeurs, on favorise la mise en œuvre d'applications AI natives riches et variées, réalisant la prospérité continue d'un écosystème AI décentralisé.
Sur la base de ce contexte et de ces attentes, cet article présentera en détail six projets représentatifs d'AI Layer1, notamment Sentient, Sahara AI, Ritual, Gensyn, Bittensor et 0G, en passant en revue les derniers développements du secteur, en analysant l'état actuel des projets et en explorant les tendances futures.
Sentient : Construire un modèle d'IA décentralisé open source fidèle
Aperçu du projet
Sentient est une plateforme de protocole open source qui construit une blockchain AI Layer1, la phase initiale étant Layer 2, avant de migrer 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 traçabilité 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 de réaliser une structure de propriété sur la chaîne, 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 d'IA, favorisant ainsi un écosystème de réseau d'agents d'IA équitable et ouvert.
L'équipe de Sentient Foundation regroupe 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 science, qui sont respectivement responsables de la sécurité et de la protection de la vie privée de l'IA, tandis que la stratégie blockchain et l'écosystème sont dirigés par Sandeep Nailwal, cofondateur de Polygon. Les membres de l'équipe ont des antécédents dans des entreprises renommées telles que Meta, Coinbase, Polygon, ainsi que dans des établissements d'enseignement de premier plan comme l'Université de Princeton et l'Indian Institute of Technology, couvrant des domaines tels que l'IA/ML, le NLP, la vision par ordinateur, collaborant pour faire avancer le projet.
En tant que projet de seconde entreprise de Sandeep Nailwal, co-fondateur de Polygon, Sentient a dès sa création bénéficié d'une aura particulière, disposant de ressources, de contacts et d'une notoriété sur le marché qui ont fourni un fort soutien au développement du projet. Au milieu de 2024, Sentient a complété un tour de table de financement de 85 millions de dollars, dirigé par Founders Fund, Pantera et Framework Ventures, avec d'autres institutions d'investissement comprenant des dizaines de VC renommés tels que Delphi, Hashkey et Spartan.
![Biteye et PANews publient ensemble un rapport de recherche sur AI Layer1 : à la recherche d'un sol fertile pour DeAI off-chain])https://img-cdn.gateio.im/webp-social/moments-f4a64f13105f67371db1a93a52948756.webp(
) Architecture de conception et couche d'application
Infrastructure
Architecture de base
L'architecture centrale de Sentient est composée de deux parties : un pipeline d'IA (AI Pipeline) et un système de blockchain.
Les pipelines d'IA sont la base du développement et de l'entraînement des artefacts "IA fidèle", comprenant deux processus clés :
Planification des données (Data Curation) : processus de sélection des données piloté par la communauté, utilisé pour l'alignement des modèles.
Formation à la fidélité (Loyalty Training) : s'assurer que le modèle maintienne un processus de formation cohérent avec les intentions de la communauté.
Le système blockchain offre transparence et contrôle décentralisé pour les protocoles, garantissant la propriété des artefacts d'IA, le suivi de l'utilisation, la distribution des revenus et une gouvernance équitable. L'architecture spécifique se divise en quatre couches :
Couche de stockage : stocker les poids du modèle et les informations d'enregistrement des empreintes.
Couche de distribution : point d'entrée de l'appel de modèle contrôlé par le contrat d'autorisation ;
Couche d'accès : vérifie si l'utilisateur est autorisé via la preuve d'autorisation ;
Couche d'incitation : Le contrat de routage des revenus attribue chaque appel de paiement aux formateurs, déployeurs et validateurs.
Cadre du modèle OML
Le cadre OML (Open, Monetizable, Loyal) est le concept clé proposé par Sentient, visant à fournir une protection claire des droits de 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, et 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 un mécanisme cryptographique.
Cryptographie native à l'IA (AI-native Cryptography)
La cryptographie native de l'IA utilise la continuité des modèles d'IA, la structure de variété à faible dimension et les caractéristiques différentiables des modèles pour développer un mécanisme de sécurité léger "vérifiable mais non amovible". Sa technologie clé est :
Intégration d'empreintes digitales : insérer un ensemble de paires clé-valeur query-response cachées lors de l'entraînement pour former une signature unique du modèle ;
Protocole de vérification de la propriété : vérifier si l'empreinte est conservée par le biais d'un détecteur tiers (Prover) sous forme de questions de type query ;
Mécanisme d'appel autorisé : Avant l'appel, il est nécessaire d'obtenir le "certificat d'autorisation" délivré par le propriétaire du modèle, après quoi le système autorisera le modèle à décoder cette entrée et à renvoyer une réponse précise.
Cette méthode permet d'implémenter "appel d'autorisation basé sur le comportement + vérification de la propriété" sans coûts de recryptage.
Cadre de validation de modèle et d'exécution sécurisée
Sentient utilise actuellement la sécurité mixte Melange : combinaison de la vérification par empreinte digitale, de l'exécution TEE et de la répartition des bénéfices des contrats off-chain. La méthode par empreinte digitale est réalisée par OML 1.0 comme ligne principale, soulignant l'idée de "sécurité optimiste (Optimistic Security)", c'est-à-dire que la conformité est supposée, et les violations peuvent être détectées et sanctionnées par la suite.
Le mécanisme d'empreinte digitale est une mise en œuvre clé d'OML, qui permet au modèle de générer une signature unique pendant la phase d'entraînement en intégrant des paires de "questions-réponses" spécifiques. Grâce à ces signatures, le propriétaire du modèle peut vérifier l'appartenance, 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.
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 les accès et utilisations non autorisés. Bien que le TEE dépende du matériel et présente certains risques de sécurité, ses avantages en termes de performance et de réactivité en font une technologie clé pour le déploiement actuel des modèles.
À l'avenir, Sentient prévoit d'introduire des technologies de preuve à connaissance nulle (ZK) et de chiffrement homomorphe complet (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.
![Biteye et PANews publient conjointement un rapport de recherche sur AI Layer1 : à la recherche d'un sol fertile pour DeAI off-chain]###https://img-cdn.gateio.im/webp-social/moments-a70b0aca9250ab65193d0094fa9b5641.webp(
)# couche d'application
Actuellement, les produits de Sentient comprennent principalement la plateforme de chat décentralisée Sentient Chat, la série de modèles open source Dobby et le cadre AI Agent.
Modèles de la série Dobby
SentientAGI a publié plusieurs modèles de la série "Dobby", principalement basés sur le modèle Llama, axés sur la liberté,
Voir l'original
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.
10 J'aime
Récompense
10
4
Partager
Commentaire
0/400
NotFinancialAdviser
· Il y a 7h
Je suis prêt, laissez-moi commenter cet article AI Layer1 en tant que NotFinancialAdviser.
Voir l'originalRépondre0
LightningSentry
· Il y a 7h
Cet outil est-il facile à utiliser ?
Voir l'originalRépondre0
ValidatorVibes
· Il y a 7h
pouvoir aux nœuds, pas aux entreprises... décentraliser ou mourir fr
Exploration de l'IA Layer1 : Construire l'infrastructure de base pour l'IA décentralisée
Rapport de recherche sur AI Layer1 : à la recherche d'un terrain fertile pour DeAI off-chain
Aperçu
Ces dernières années, des entreprises technologiques de premier plan telles qu'OpenAI, Anthropic, Google et Meta ont continuellement poussé le développement rapide des modèles de langage de grande taille (LLM). Les LLM montrent une capacité sans précédent dans divers secteurs, élargissant considérablement l'imaginaire humain 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 un capital solide et à un contrôle sur des ressources de calcul coûteuses, ces entreprises ont établi des barrières difficiles à franchir, rendant difficile pour la grande majorité des développeurs et des équipes d'innovation de rivaliser avec elles.
En même temps, au début de l'évolution rapide de l'IA, l'opinion publique se concentre souvent sur les percées et les commodités offertes par la technologie, tandis que l'attention portée à des problèmes fondamentaux tels que la protection de la vie privée, la transparence et la sécurité est relativement insuffisante. À long terme, ces problèmes auront un impact profond sur le développement sain de l'industrie de l'IA et l'acceptation sociale. Si ces questions ne sont pas résolues de manière appropriée, le débat sur si l'IA doit "agir pour le bien" ou "agir pour le mal" deviendra de plus en plus prononcé, tandis que les géants centralisés, motivés par leur instinct de profit, manquent souvent de la motivation suffisante pour relever ces défis.
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 plusieurs blockchains majeures. Cependant, une analyse approfondie révèle que ces projets présentent encore de nombreux problèmes : d'une part, le degré de décentralisation est limité, les étapes clés et les infrastructures dépendent encore des services cloud centralisés, ce qui rend difficile le soutien d'un écosystème véritablement ouvert ; d'autre part, par rapport aux produits d'IA du monde Web2, l'IA sur la chaîne présente encore des limitations en termes de capacités de modèles, d'utilisation des données et de scénarios d'application, et la profondeur et l'étendue de l'innovation doivent être améliorées.
Pour réaliser véritablement la vision d'une IA décentralisée, permettant à la blockchain de supporter des applications IA à grande échelle de manière sécurisée, efficace et démocratique, tout en rivalisant en performance avec des solutions centralisées, nous devons concevoir une blockchain Layer 1 spécialement conçue pour l'IA. Cela fournira une base solide pour l'innovation ouverte de l'IA, la gouvernance démocratique et la sécurité des données, favorisant le développement prospère de l'écosystème d'IA décentralisée.
Les caractéristiques clés de l'AI Layer 1
AI Layer 1, en tant que blockchain spécialement conçue pour les applications d'IA, a une architecture sous-jacente et un design de performance étroitement liés aux 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 :
Mécanisme d'incitation efficace et de consensus décentralisé Le cœur de l'AI Layer 1 réside dans la construction d'un réseau partagé de ressources ouvertes 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'AI Layer 1 doivent assumer des tâches plus complexes, non seulement fournir de la puissance de calcul, réaliser l'entraînement et l'inférence des modèles d'IA, mais aussi contribuer à des ressources diverses telles que le stockage, les données et la bande passante, brisant ainsi 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 mécanisme d'incitation : l'AI Layer 1 doit être capable d'évaluer, d'inciter et de valider avec précision la contribution réelle des nœuds dans des tâches telles que l'inférence et l'entraînement de l'IA, afin d'assurer la sécurité du réseau et une répartition 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 capacité de support des tâches hétérogènes Les tâches d'IA, en particulier l'entraînement et l'inférence des LLM, exigent des performances de calcul et une capacité de traitement parallèle très élevées. De plus, l'écosystème AI off-chain doit souvent prendre en charge une diversité de types de tâches hétérogènes, y compris différentes structures de modèles, le traitement des données, l'inférence, le stockage, et d'autres scénarios variés. AI Layer 1 doit être profondément optimisé au niveau de l'architecture sous-jacente pour répondre aux exigences de débit élevé, de faible latence et de parallélisme flexible, 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 réaliser une expansion fluide de "tâches uniques" à "écosystèmes complexes et diversifiés".
Vérifiabilité et garantie de sortie fiable L'IA Layer 1 doit non seulement prévenir les dangers sécuritaires tels que le malveillance des modèles et la falsification des données, mais aussi garantir la vérifiabilité et l'alignement des résultats de l'IA au niveau des mécanismes fondamentaux. 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 processus d'inférence, d'entraînement et de traitement des données du modèle puisse être vérifié de manière indépendante, garantissant l'équité et la transparence du système d'IA. De plus, cette vérifiabilité aide les utilisateurs à comprendre la logique et les bases des sorties de l'IA, réalisant "ce que vous obtenez est ce que vous souhaitez", augmentant ainsi la confiance et la satisfaction des utilisateurs envers les produits d'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. AI Layer 1 devrait, tout en garantissant la vérifiabilité, adopter des techniques de traitement des données basées sur le cryptage, des protocoles de calcul de la vie privée et des moyens de gestion des droits d'accès aux données, afin d'assurer la sécurité des données tout au long du processus d'inférence, d'entraînement et de stockage, pour prévenir efficacement les fuites et les abus de données, et éliminer les inquiétudes des utilisateurs concernant la sécurité des données.
Capacité puissante de support et de développement de l'écosystème En tant qu'infrastructure de base Layer 1 native de l'IA, la plateforme doit non seulement posséder une avance technologique, mais également fournir aux développeurs, opérateurs de nœuds, fournisseurs de services d'IA et autres participants de l'écosystème des outils de développement complets, un SDK intégré, un support opérationnel et des mécanismes d'incitation. En optimisant continuellement la disponibilité de la plateforme et l'expérience des développeurs, on favorise la mise en œuvre d'applications AI natives riches et variées, réalisant la prospérité continue d'un écosystème AI décentralisé.
Sur la base de ce contexte et de ces attentes, cet article présentera en détail six projets représentatifs d'AI Layer1, notamment Sentient, Sahara AI, Ritual, Gensyn, Bittensor et 0G, en passant en revue les derniers développements du secteur, en analysant l'état actuel des projets et en explorant les tendances futures.
Sentient : Construire un modèle d'IA décentralisé open source fidèle
Aperçu du projet
Sentient est une plateforme de protocole open source qui construit une blockchain AI Layer1, la phase initiale étant Layer 2, avant de migrer 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 traçabilité 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 de réaliser une structure de propriété sur la chaîne, 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 d'IA, favorisant ainsi un écosystème de réseau d'agents d'IA équitable et ouvert.
L'équipe de Sentient Foundation regroupe 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 science, qui sont respectivement responsables de la sécurité et de la protection de la vie privée de l'IA, tandis que la stratégie blockchain et l'écosystème sont dirigés par Sandeep Nailwal, cofondateur de Polygon. Les membres de l'équipe ont des antécédents dans des entreprises renommées telles que Meta, Coinbase, Polygon, ainsi que dans des établissements d'enseignement de premier plan comme l'Université de Princeton et l'Indian Institute of Technology, couvrant des domaines tels que l'IA/ML, le NLP, la vision par ordinateur, collaborant pour faire avancer le projet.
En tant que projet de seconde entreprise de Sandeep Nailwal, co-fondateur de Polygon, Sentient a dès sa création bénéficié d'une aura particulière, disposant de ressources, de contacts et d'une notoriété sur le marché qui ont fourni un fort soutien au développement du projet. Au milieu de 2024, Sentient a complété un tour de table de financement de 85 millions de dollars, dirigé par Founders Fund, Pantera et Framework Ventures, avec d'autres institutions d'investissement comprenant des dizaines de VC renommés tels que Delphi, Hashkey et Spartan.
![Biteye et PANews publient ensemble un rapport de recherche sur AI Layer1 : à la recherche d'un sol fertile pour DeAI off-chain])https://img-cdn.gateio.im/webp-social/moments-f4a64f13105f67371db1a93a52948756.webp(
) Architecture de conception et couche d'application
Infrastructure
Architecture de base
L'architecture centrale de Sentient est composée de deux parties : un pipeline d'IA (AI Pipeline) et un système de blockchain.
Les pipelines d'IA sont la base du développement et de l'entraînement des artefacts "IA fidèle", comprenant deux processus clés :
Le système blockchain offre transparence et contrôle décentralisé pour les protocoles, garantissant la propriété des artefacts d'IA, le suivi de l'utilisation, la distribution des revenus et une gouvernance équitable. L'architecture spécifique se divise en quatre couches :
Cadre du modèle OML
Le cadre OML (Open, Monetizable, Loyal) est le concept clé proposé par Sentient, visant à fournir une protection claire des droits de 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 de l'IA utilise la continuité des modèles d'IA, la structure de variété à faible dimension et les caractéristiques différentiables des modèles pour développer un mécanisme de sécurité léger "vérifiable mais non amovible". Sa technologie clé est :
Cette méthode permet d'implémenter "appel d'autorisation basé sur le comportement + vérification de la propriété" sans coûts de recryptage.
Cadre de validation de modèle et d'exécution sécurisée
Sentient utilise actuellement la sécurité mixte Melange : combinaison de la vérification par empreinte digitale, de l'exécution TEE et de la répartition des bénéfices des contrats off-chain. La méthode par empreinte digitale est réalisée par OML 1.0 comme ligne principale, soulignant l'idée de "sécurité optimiste (Optimistic Security)", c'est-à-dire que la conformité est supposée, et les violations peuvent être détectées et sanctionnées par la suite.
Le mécanisme d'empreinte digitale est une mise en œuvre clé d'OML, qui permet au modèle de générer une signature unique pendant la phase d'entraînement en intégrant des paires de "questions-réponses" spécifiques. Grâce à ces signatures, le propriétaire du modèle peut vérifier l'appartenance, 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.
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 les accès et utilisations non autorisés. Bien que le TEE dépende du matériel et présente certains risques de sécurité, ses avantages en termes de performance et de réactivité en font une technologie clé pour le déploiement actuel des modèles.
À l'avenir, Sentient prévoit d'introduire des technologies de preuve à connaissance nulle (ZK) et de chiffrement homomorphe complet (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.
![Biteye et PANews publient conjointement un rapport de recherche sur AI Layer1 : à la recherche d'un sol fertile pour DeAI off-chain]###https://img-cdn.gateio.im/webp-social/moments-a70b0aca9250ab65193d0094fa9b5641.webp(
)# couche d'application
Actuellement, les produits de Sentient comprennent principalement la plateforme de chat décentralisée Sentient Chat, la série de modèles open source Dobby et le cadre AI Agent.
Modèles de la série Dobby
SentientAGI a publié plusieurs modèles de la série "Dobby", principalement basés sur le modèle Llama, axés sur la liberté,