Звіт про дослідження AI Layer1: пошук родючих земель для DeAI у блокчейні
Огляд
фон
Останніми роками провідні технологічні компанії, такі як OpenAI, Anthropic, Google, Meta, постійно стимулюють стрімкий розвиток великих мовних моделей (LLM). LLM демонструють безпрецедентні можливості в різних галузях, значно розширюючи людську уяву, а в деяких випадках навіть показують потенціал заміни людської праці. Однак ці технології залишаються під контролем невеликої кількості централізованих технологічних гігантів. Завдяки потужному капіталу та контролю над дорогими обчислювальними ресурсами, ці компанії створили непереборні бар'єри, що ускладнює для більшості розробників і інноваційних команд конкуренцію з ними.
Водночас, на початкових етапах швидкої еволюції ШІ, суспільна думка часто зосереджується на прориві та зручностях, які приносить технологія, в той час як увага до основних питань, таких як захист приватності, прозорість та безпека, залишається відносно недостатньою. У довгостроковій перспективі ці питання суттєво вплинуть на здоровий розвиток індустрії ШІ та соціальну прийнятність. Якщо їх не вирішити належним чином, суперечка про те, чи "направлений" ШІ "на добро" чи "на зло", стане ще більш вираженою, тоді як централізовані гіганти, керуючись інстинктом прибутку, часто не мають достатньої мотивації для активного реагування на ці виклики.
Технології блокчейн завдяки своїм децентралізованим, прозорим та антицензурним характеристикам забезпечують нові можливості для сталого розвитку індустрії ШІ. Наразі на деяких основних блокчейнах вже з'явилося безліч застосувань "Web3 AI". Але глибокий аналіз показує, що ці проєкти все ще мають численні проблеми: 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, у порівнянні з продуктами ШІ світу Web2, у блокчейн-ШІ все ще є обмеження в можливостях моделей, використанні даних та застосункових сценаріях, глибина та широта інновацій потребують покращення.
Щоб справді реалізувати бачення децентралізованого ШІ, забезпечити безпечне, ефективне та демократичне зберігання масштабних застосувань ШІ в у блокчейні та конкурувати з централізованими рішеннями за показниками продуктивності, нам потрібно спроектувати Layer1 у блокчейні, спеціально розроблений для ШІ. Це забезпечить міцну основу для відкритої інновації в ШІ, демократичного управління та безпеки даних, сприяючи процвітанню децентралізованої екосистеми ШІ.
Основні характеристики AI Layer 1
AI Layer 1 як блокчейн, спеціально розроблений для AI-додатків, має архітектуру та продуктивність, які тісно пов'язані з вимогами AI-завдань, з метою ефективної підтримки сталого розвитку та процвітання AI-екосистеми у блокчейні. Конкретніше, AI Layer 1 повинен мати такі ключові можливості:
Ефективні стимули та механізм децентралізованого консенсусу Основна мета AI Layer 1 полягає у створенні відкритої мережі для спільного використання ресурсів, таких як обчислювальна потужність, зберігання тощо. На відміну від традиційних вузлів блокчейну, які в основному зосереджені на веденні бухгалтерії, вузли AI Layer 1 повинні виконувати більш складні завдання: не тільки надавати обчислювальну потужність, виконувати навчання та інференцію AI-моделей, а й вносити різноманітні ресурси, такі як зберігання, дані, пропускна спроможність, щоб розірвати монополію централізованих гігантів на інфраструктуру AI. Це ставить вищі вимоги до базового консенсусу та механізму стимулювання: AI Layer 1 повинен бути здатним точно оцінювати, стимулювати та перевіряти фактичний внесок вузлів у завдання інференції та навчання AI, забезпечуючи безпеку мережі та ефективний розподіл ресурсів. Лише так можна гарантувати стабільність та процвітання мережі, а також ефективно знизити загальні витрати на обчислювальну потужність.
Висока продуктивність та підтримка гетерогенних завдань. Завдання AI, особливо навчання та інференція LLM, висувають надзвичайно високі вимоги до обчислювальної продуктивності та можливостей паралельної обробки. Більш того, у блокчейні екосистема AI часто повинна підтримувати різноманітні гетерогенні типи завдань, включаючи різні структури моделей, обробку даних, інференцію, зберігання та інші різноманітні сценарії. AI Layer 1 має бути глибоко оптимізованим на рівні архітектури для задоволення потреб високої пропускної здатності, низької затримки та еластичної паралельності, а також передбачити рідну підтримку гетерогенних обчислювальних ресурсів, щоб забезпечити ефективне виконання різних завдань AI та реалізувати плавне розширення від "однорідних завдань" до "складної різноманітної екосистеми".
Верифікація та забезпечення надійного виходу AI Layer 1 не лише повинні запобігати зловживанням моделей, фальсифікації даних та іншим загрозам безпеці, а й з механізмів нижнього рівня забезпечити верифікацію результатів виходу AI та їх відповідність. Завдяки інтеграції надійних середовищ виконання (TEE), нульових знань (ZK), багатосторонніх безпечних обчислень (MPC) та інших передових технологій, платформа може забезпечити, щоб кожен етап моделювання, навчання та обробки даних міг бути незалежно перевірений, що гарантує справедливість і прозорість системи AI. Одночасно ця верифікація може допомогти користувачам зрозуміти логіку та підстави виходу AI, досягти "отриманого - бажаного", підвищуючи довіру та задоволеність користувачів продуктами AI.
Захист конфіденційності даних Застосування ШІ часто пов'язане з чутливими даними користувачів, особливо в фінансовій, медичній, соціальній та інших сферах, захист конфіденційності даних є критично важливим. AI Layer 1 має забезпечити верифікацію, одночасно використовуючи технології обробки даних на основі шифрування, протоколи обчислень з конфіденційністю та управління правами доступу до даних, щоб гарантувати безпеку даних на всіх етапах, таких як виведення висновків, навчання та зберігання, ефективно запобігаючи витоку та зловживанню даними, усуваючи побоювання користувачів щодо безпеки даних.
Потужна екосистема для підтримки та розробки. Як інфраструктура Layer 1, що є рідною для AI, платформа повинна не лише мати технологічну перевагу, але й забезпечити повноцінні інструменти розробки, інтегровані SDK, підтримку експлуатації та механізми стимулювання для розробників, операторів вузлів, постачальників AI послуг та інших учасників екосистеми. Через постійне вдосконалення доступності платформи та досвіду розробників, сприяти впровадженню різноманітних AI рідних застосувань та досягти стійкого процвітання децентралізованої AI екосистеми.
Виходячи з вищезазначеного контексту та очікувань, у цій статті буде детально представлено шість представницьких проектів AI Layer1, зокрема Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, систематизовано останні досягнення в цій сфері, проаналізовано поточний стан розвитку проектів та обговорено майбутні тенденції.
Sentient: побудова відданих відкритих децентралізованих AI моделей
Огляд проекту
Sentient є платформою з відкритим протоколом, яка створює AI Layer1 у блокчейні ( на початковій стадії Layer 2, а згодом буде перенесена до Layer 1), шляхом поєднання AI Pipeline та технології блокчейн, будує децентралізовану економіку штучного інтелекту. Її основна мета полягає в тому, щоб за допомогою "OML" рамки ( вирішити проблеми моделі власності, відстеження викликів та розподілу вартості на централізованому ринку LLM, дозволяючи AI моделям реалізувати структуру власності у блокчейні, прозорість викликів та розподіл вартості. Візія Sentient полягає в тому, щоб дозволити кожному будувати, співпрацювати, володіти та монетизувати AI продукти, тим самим сприяючи створенню справедливої, відкритої екосистеми AI Agent мережі.
Команда Sentient Foundation об'єднує провідних академічних експертів, підприємців у сфері блокчейну та інженерів з усього світу, які прагнуть побудувати спільноту, керовану відкритим кодом та перевірену платформу AGI. Основні учасники включають професора Принстонського університету Pramod Viswanath і професора Індійського наукового інституту Himanshu Tyagi, які відповідають за безпеку AI та захист конфіденційності, а також за стратегію блокчейну та екосистеми відповідає співзасновник Polygon Sandeep Nailwal. Учасники команди мають досвід роботи в таких відомих компаніях, як Meta, Coinbase, Polygon, а також у провідних навчальних закладах, таких як Принстонський університет та Індійський технологічний інститут, охоплюючи сфери AI/ML, NLP, комп'ютерного зору та спільно працюють над реалізацією проекту.
Як другий стартап спільного засновника Polygon Sandeep Nailwal, Sentient з самого початку мав ауру успіху, маючи багатий ресурс, зв'язки та визнання на ринку, що забезпечує потужну підтримку для розвитку проекту. У середині 2024 року Sentient завершив фінансування на етапі seed в розмірі 85 мільйонів доларів, яке очолили Founders Fund, Pantera та Framework Ventures, інші інвестиційні установи включають Delphi, Hashkey та Spartan, а також десятки відомих VC.
![Biteye та PANews спільно опублікували дослідження AI Layer1: пошук родючих грунтів для DeAI у блокчейні])https://img-cdn.gateio.im/webp-social/moments-f4a64f13105f67371db1a93a52948756.webp(
) Проектування архітектури та прикладного рівня
інфраструктурний рівень
Основна архітектура
Ядро архітектури Sentient складається з двох частин: AI Pipeline### та системи у блокчейні.
AI трубопровід є основою для розробки та навчання "лояльного AI" артефактів, що містить два основних процеси:
Дані планування ( Data Curation ): процес вибору даних, що здійснюється спільнотою, для вирівнювання моделі.
Тренування лояльності(Loyalty Training): забезпечити, щоб модель підтримувала навчальний процес, що відповідає намірам спільноти.
Блокчейн-система забезпечує прозорість і децентралізований контроль для протоколів, гарантуючи право власності на AI-артефакти, відстеження використання, розподіл прибутків та справедливе управління. Конкретна архітектура поділяється на чотири рівні:
Зберігання: зберігання ваг моделей і інформації про реєстрацію відбитків
Розподільчий шар: вхід до моделі контролю за контрактами на авторизацію;
Доступний рівень: перевірка правомочності користувача через підтвердження прав.
Ін Incentivization Layer: контракт маршрутизації доходу буде кожного разу при виклику виплачувати винагороду тренерам, розробникам та валідаторам.
(## OML модельна структура
OML фреймворк ) відкритий Open, монетизований Monetizable, лояльний Loyal ### є основною концепцією, запропонованою Sentient, яка 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 мають бути прозорими, що полегшує відтворення, аудит та вдосконалення з боку спільноти.
Монетизація: Кожен виклик моделі спричиняє потік доходу, у блокчейні контракт розподілить дохід між тренерами, розробниками та валідаторами.
Вірність: Модель належить спільноті внесків, напрямок оновлення та управління визначається DAO, використання та зміна контролюються криптомеханізмом.
(## AI рідна криптографія)AI-native Cryptography###
AI-роджене шифрування - це використання безперервності моделей AI, структури низьковимірних маніфолдів та диференційованих характеристик моделей для розробки "перевіряємого, але незнімного" легкого механізму безпеки. Його основна технологія:
Вбудовування відбитків пальців: під час навчання вбудовується набір прихованих пар запит-відповідь для формування унікального підпису моделі;
Протокол верифікації власності: перевірка, чи зберігається відбиток пальця, за допомогою запитів через третій сторонній детектор (Prover);
Механізм ліцензійних викликів: перед викликом потрібно отримати "ліцензійний сертифікат", виданий власником моделі, система потім на його основі надає дозвіл моделі декодувати цей вхід і повертати точну відповідь.
Цей спосіб дозволяє реалізувати "авторизаційний виклик на основі поведінки + верифікацію належності" без витрат на повторне шифрування.
(## Модель правоволодіння та безпечна виконавча рамка
Sentient наразі використовує Melange змішану безпеку: поєднання прав на підтвердження за допомогою відбитків пальців, виконання TEE та розподіл прибутків через контракти у блокчейні. При цьому метод відбитків пальців реалізується за допомогою OML 1.0, підкреслюючи ідею "оптимістичної безпеки)Optimistic Security###", тобто за замовчуванням відповідність, а у разі порушення - можливість виявлення та покарання.
Механізм відбитків пальців є ключовою реалізацією OML, він дозволяє моделі генерувати унікальний підпис на етапі навчання шляхом вбудовування специфічних пар "питання-відповідь". Завдяки цим підписам, власники моделі можуть перевіряти приналежність, запобігаючи несанкціонованому копіюванню та комерціалізації. Цей механізм не лише захищає права розробників моделей, але й забезпечує можливість відстеження поведінки використання моделей у блокчейні.
Крім того, Sentient запустив 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 ризики безпеки, його висока продуктивність і реальний час роблять його основою для розгортання сучасних моделей.
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.
19 лайків
Нагородити
19
5
Поділіться
Прокоментувати
0/400
SundayDegen
· 07-24 20:44
Знову прийшов час для централізованого збору вигоди.
Переглянути оригіналвідповісти на0
GasOptimizer
· 07-24 13:59
Обчислювальна потужність瓶颈0x5f3 又卡住了
Переглянути оригіналвідповісти на0
RektRecorder
· 07-24 13:57
Шукайте наступний стократний ланцюг
Переглянути оригіналвідповісти на0
MEVHunterBearish
· 07-24 13:50
Монополія гігантів? Революція повинна починатися знизу!
Глибина аналізу AI Layer1: шість проектів для побудови децентралізованої AI інфраструктури
Звіт про дослідження AI Layer1: пошук родючих земель для DeAI у блокчейні
Огляд
фон
Останніми роками провідні технологічні компанії, такі як OpenAI, Anthropic, Google, Meta, постійно стимулюють стрімкий розвиток великих мовних моделей (LLM). LLM демонструють безпрецедентні можливості в різних галузях, значно розширюючи людську уяву, а в деяких випадках навіть показують потенціал заміни людської праці. Однак ці технології залишаються під контролем невеликої кількості централізованих технологічних гігантів. Завдяки потужному капіталу та контролю над дорогими обчислювальними ресурсами, ці компанії створили непереборні бар'єри, що ускладнює для більшості розробників і інноваційних команд конкуренцію з ними.
Водночас, на початкових етапах швидкої еволюції ШІ, суспільна думка часто зосереджується на прориві та зручностях, які приносить технологія, в той час як увага до основних питань, таких як захист приватності, прозорість та безпека, залишається відносно недостатньою. У довгостроковій перспективі ці питання суттєво вплинуть на здоровий розвиток індустрії ШІ та соціальну прийнятність. Якщо їх не вирішити належним чином, суперечка про те, чи "направлений" ШІ "на добро" чи "на зло", стане ще більш вираженою, тоді як централізовані гіганти, керуючись інстинктом прибутку, часто не мають достатньої мотивації для активного реагування на ці виклики.
Технології блокчейн завдяки своїм децентралізованим, прозорим та антицензурним характеристикам забезпечують нові можливості для сталого розвитку індустрії ШІ. Наразі на деяких основних блокчейнах вже з'явилося безліч застосувань "Web3 AI". Але глибокий аналіз показує, що ці проєкти все ще мають численні проблеми: 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, у порівнянні з продуктами ШІ світу Web2, у блокчейн-ШІ все ще є обмеження в можливостях моделей, використанні даних та застосункових сценаріях, глибина та широта інновацій потребують покращення.
Щоб справді реалізувати бачення децентралізованого ШІ, забезпечити безпечне, ефективне та демократичне зберігання масштабних застосувань ШІ в у блокчейні та конкурувати з централізованими рішеннями за показниками продуктивності, нам потрібно спроектувати Layer1 у блокчейні, спеціально розроблений для ШІ. Це забезпечить міцну основу для відкритої інновації в ШІ, демократичного управління та безпеки даних, сприяючи процвітанню децентралізованої екосистеми ШІ.
Основні характеристики AI Layer 1
AI Layer 1 як блокчейн, спеціально розроблений для AI-додатків, має архітектуру та продуктивність, які тісно пов'язані з вимогами AI-завдань, з метою ефективної підтримки сталого розвитку та процвітання AI-екосистеми у блокчейні. Конкретніше, AI Layer 1 повинен мати такі ключові можливості:
Ефективні стимули та механізм децентралізованого консенсусу Основна мета AI Layer 1 полягає у створенні відкритої мережі для спільного використання ресурсів, таких як обчислювальна потужність, зберігання тощо. На відміну від традиційних вузлів блокчейну, які в основному зосереджені на веденні бухгалтерії, вузли AI Layer 1 повинні виконувати більш складні завдання: не тільки надавати обчислювальну потужність, виконувати навчання та інференцію AI-моделей, а й вносити різноманітні ресурси, такі як зберігання, дані, пропускна спроможність, щоб розірвати монополію централізованих гігантів на інфраструктуру AI. Це ставить вищі вимоги до базового консенсусу та механізму стимулювання: AI Layer 1 повинен бути здатним точно оцінювати, стимулювати та перевіряти фактичний внесок вузлів у завдання інференції та навчання AI, забезпечуючи безпеку мережі та ефективний розподіл ресурсів. Лише так можна гарантувати стабільність та процвітання мережі, а також ефективно знизити загальні витрати на обчислювальну потужність.
Висока продуктивність та підтримка гетерогенних завдань. Завдання AI, особливо навчання та інференція LLM, висувають надзвичайно високі вимоги до обчислювальної продуктивності та можливостей паралельної обробки. Більш того, у блокчейні екосистема AI часто повинна підтримувати різноманітні гетерогенні типи завдань, включаючи різні структури моделей, обробку даних, інференцію, зберігання та інші різноманітні сценарії. AI Layer 1 має бути глибоко оптимізованим на рівні архітектури для задоволення потреб високої пропускної здатності, низької затримки та еластичної паралельності, а також передбачити рідну підтримку гетерогенних обчислювальних ресурсів, щоб забезпечити ефективне виконання різних завдань AI та реалізувати плавне розширення від "однорідних завдань" до "складної різноманітної екосистеми".
Верифікація та забезпечення надійного виходу AI Layer 1 не лише повинні запобігати зловживанням моделей, фальсифікації даних та іншим загрозам безпеці, а й з механізмів нижнього рівня забезпечити верифікацію результатів виходу AI та їх відповідність. Завдяки інтеграції надійних середовищ виконання (TEE), нульових знань (ZK), багатосторонніх безпечних обчислень (MPC) та інших передових технологій, платформа може забезпечити, щоб кожен етап моделювання, навчання та обробки даних міг бути незалежно перевірений, що гарантує справедливість і прозорість системи AI. Одночасно ця верифікація може допомогти користувачам зрозуміти логіку та підстави виходу AI, досягти "отриманого - бажаного", підвищуючи довіру та задоволеність користувачів продуктами AI.
Захист конфіденційності даних Застосування ШІ часто пов'язане з чутливими даними користувачів, особливо в фінансовій, медичній, соціальній та інших сферах, захист конфіденційності даних є критично важливим. AI Layer 1 має забезпечити верифікацію, одночасно використовуючи технології обробки даних на основі шифрування, протоколи обчислень з конфіденційністю та управління правами доступу до даних, щоб гарантувати безпеку даних на всіх етапах, таких як виведення висновків, навчання та зберігання, ефективно запобігаючи витоку та зловживанню даними, усуваючи побоювання користувачів щодо безпеки даних.
Потужна екосистема для підтримки та розробки. Як інфраструктура Layer 1, що є рідною для AI, платформа повинна не лише мати технологічну перевагу, але й забезпечити повноцінні інструменти розробки, інтегровані SDK, підтримку експлуатації та механізми стимулювання для розробників, операторів вузлів, постачальників AI послуг та інших учасників екосистеми. Через постійне вдосконалення доступності платформи та досвіду розробників, сприяти впровадженню різноманітних AI рідних застосувань та досягти стійкого процвітання децентралізованої AI екосистеми.
Виходячи з вищезазначеного контексту та очікувань, у цій статті буде детально представлено шість представницьких проектів AI Layer1, зокрема Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, систематизовано останні досягнення в цій сфері, проаналізовано поточний стан розвитку проектів та обговорено майбутні тенденції.
Sentient: побудова відданих відкритих децентралізованих AI моделей
Огляд проекту
Sentient є платформою з відкритим протоколом, яка створює AI Layer1 у блокчейні ( на початковій стадії Layer 2, а згодом буде перенесена до Layer 1), шляхом поєднання AI Pipeline та технології блокчейн, будує децентралізовану економіку штучного інтелекту. Її основна мета полягає в тому, щоб за допомогою "OML" рамки ( вирішити проблеми моделі власності, відстеження викликів та розподілу вартості на централізованому ринку LLM, дозволяючи AI моделям реалізувати структуру власності у блокчейні, прозорість викликів та розподіл вартості. Візія Sentient полягає в тому, щоб дозволити кожному будувати, співпрацювати, володіти та монетизувати AI продукти, тим самим сприяючи створенню справедливої, відкритої екосистеми AI Agent мережі.
Команда Sentient Foundation об'єднує провідних академічних експертів, підприємців у сфері блокчейну та інженерів з усього світу, які прагнуть побудувати спільноту, керовану відкритим кодом та перевірену платформу AGI. Основні учасники включають професора Принстонського університету Pramod Viswanath і професора Індійського наукового інституту Himanshu Tyagi, які відповідають за безпеку AI та захист конфіденційності, а також за стратегію блокчейну та екосистеми відповідає співзасновник Polygon Sandeep Nailwal. Учасники команди мають досвід роботи в таких відомих компаніях, як Meta, Coinbase, Polygon, а також у провідних навчальних закладах, таких як Принстонський університет та Індійський технологічний інститут, охоплюючи сфери AI/ML, NLP, комп'ютерного зору та спільно працюють над реалізацією проекту.
Як другий стартап спільного засновника Polygon Sandeep Nailwal, Sentient з самого початку мав ауру успіху, маючи багатий ресурс, зв'язки та визнання на ринку, що забезпечує потужну підтримку для розвитку проекту. У середині 2024 року Sentient завершив фінансування на етапі seed в розмірі 85 мільйонів доларів, яке очолили Founders Fund, Pantera та Framework Ventures, інші інвестиційні установи включають Delphi, Hashkey та Spartan, а також десятки відомих VC.
![Biteye та PANews спільно опублікували дослідження AI Layer1: пошук родючих грунтів для DeAI у блокчейні])https://img-cdn.gateio.im/webp-social/moments-f4a64f13105f67371db1a93a52948756.webp(
) Проектування архітектури та прикладного рівня
інфраструктурний рівень
Основна архітектура
Ядро архітектури Sentient складається з двох частин: AI Pipeline### та системи у блокчейні.
AI трубопровід є основою для розробки та навчання "лояльного AI" артефактів, що містить два основних процеси:
Блокчейн-система забезпечує прозорість і децентралізований контроль для протоколів, гарантуючи право власності на AI-артефакти, відстеження використання, розподіл прибутків та справедливе управління. Конкретна архітектура поділяється на чотири рівні:
(## OML модельна структура
OML фреймворк ) відкритий Open, монетизований Monetizable, лояльний Loyal ### є основною концепцією, запропонованою Sentient, яка 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-роджене шифрування - це використання безперервності моделей AI, структури низьковимірних маніфолдів та диференційованих характеристик моделей для розробки "перевіряємого, але незнімного" легкого механізму безпеки. Його основна технологія:
Цей спосіб дозволяє реалізувати "авторизаційний виклик на основі поведінки + верифікацію належності" без витрат на повторне шифрування.
(## Модель правоволодіння та безпечна виконавча рамка
Sentient наразі використовує Melange змішану безпеку: поєднання прав на підтвердження за допомогою відбитків пальців, виконання TEE та розподіл прибутків через контракти у блокчейні. При цьому метод відбитків пальців реалізується за допомогою OML 1.0, підкреслюючи ідею "оптимістичної безпеки)Optimistic Security###", тобто за замовчуванням відповідність, а у разі порушення - можливість виявлення та покарання.
Механізм відбитків пальців є ключовою реалізацією OML, він дозволяє моделі генерувати унікальний підпис на етапі навчання шляхом вбудовування специфічних пар "питання-відповідь". Завдяки цим підписам, власники моделі можуть перевіряти приналежність, запобігаючи несанкціонованому копіюванню та комерціалізації. Цей механізм не лише захищає права розробників моделей, але й забезпечує можливість відстеження поведінки використання моделей у блокчейні.
Крім того, Sentient запустив 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 ризики безпеки, його висока продуктивність і реальний час роблять його основою для розгортання сучасних моделей.