AI Layer1 дослідження: пошук родючих земель для DeAI у блокчейні
Огляд
Останніми роками провідні технологічні компанії, такі як OpenAI, Anthropic, Google, Meta, постійно просувають стрімкий розвиток великих мовних моделей (LLM). LLM демонструють безпрецедентні можливості в різних сферах, значно розширюючи людське уявлення, а в деяких випадках навіть показують потенціал заміни людської праці. Однак ядро цих технологій міцно утримується в руках небагатьох централізованих технологічних гігантів. Завдяки значному капіталу і контролю над дорогими ресурсами обчислення, ці компанії створили бар'єри, які важко подолати, ускладнюючи абсолютній більшості розробників і інноваційних команд конкуренцію з ними.
Водночас, на ранніх етапах швидкого розвитку AI суспільна думка часто зосереджується на проривах і зручностях, які приносить технологія, тоді як увага до таких ключових питань, як захист приватності, прозорість та безпека, залишається відносно недостатньою. У довгостроковій перспективі ці питання глибоко вплинуть на здоровий розвиток індустрії AI та прийняття її суспільством. Якщо ці проблеми не будуть належним чином вирішені, суперечка щодо того, чи "сприяти добру", чи "йти на зло" в AI стане ще більш помітною, а централізовані гіганти, керуючись прагненням до прибутку, часто не мають достатньої мотивації для активного реагування на ці виклики.
Технологія блокчейн, завдяки своїм децентралізованим, прозорим та стійким до цензури характеристикам, відкриває нові можливості для сталого розвитку AI-індустрії. Наразі на деяких провідних блокчейнах з'являється безліч "Web3 AI" додатків. Але при глибшому аналізі можна виявити, що ці проекти все ще мають безліч проблем: з одного боку, рівень децентралізації обмежений, ключові етапи та інфраструктура все ще залежать від централізованих хмарних сервісів, що ускладнює підтримку справжньої відкритої екосистеми; з іншого боку, у порівнянні з AI-продуктами світу Web2, AI на блокчейні має обмеження в моделях, використанні даних та застосуванні, глибина та ширина інновацій потребують покращення.
Щоб справді реалізувати бачення децентралізованого ШІ, щоб у блокчейні можна було безпечно, ефективно та демократично підтримувати масштабні AI-додатки, і щоб за продуктивністю він міг конкурувати з централізованими рішеннями, нам потрібно спроектувати Layer1 блокчейн, спеціально розроблений для ШІ. Це забезпечить міцну основу для відкритих інновацій у 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-задач, і спрямований на ефективну підтримку стійкого розвитку та процвітання AI-екосистеми у блокчейні. Конкретно, AI Layer 1 має мати такі ключові можливості:
Ефективний механізм стимулювання та децентралізованого консенсусу
Основна ідея AI Layer 1 полягає у створенні відкритої мережі для спільного використання ресурсів, таких як обчислювальна потужність та зберігання. На відміну від традиційних блокчейн-нод, які в основному зосереджені на веденні обліку в книзі, ноди AI Layer 1 повинні виконувати більш складні завдання: не лише надавати обчислювальну потужність, завершувати навчання та інференцію AI-моделей, а й вносити різноманітні ресурси, такі як зберігання, дані, ширина каналу, щоб розірвати монополію централізованих гігантів у базовій інфраструктурі AI. Це ставить вищі вимоги до базового консенсусу та механізмів стимулювання: AI Layer 1 повинен вміти точно оцінювати, заохочувати та перевіряти фактичний внесок нод у завданнях інференції та навчання AI, забезпечуючи безпеку мережі та ефективний розподіл ресурсів. Лише так можна забезпечити стабільність і процвітання мережі, а також ефективно знизити загальні витрати на обчислювальну потужність.
Виняткова висока продуктивність та підтримка гетерогенних завдань
Завдання ШІ, особливо навчання та інференція LLM, висувають дуже високі вимоги до обчислювальної продуктивності та можливостей паралельної обробки. Далі, екосистема ШІ у блокчейні часто повинна підтримувати різноманітні, гетерогенні типи завдань, включаючи різні структури моделей, обробку даних, інференцію, зберігання та інші різноманітні сценарії. AI Layer 1 повинен на рівні базової архітектури проводити глибоку оптимізацію для задоволення вимог до високої пропускної здатності, низької затримки та еластичної паралельності, а також передбачити нативну підтримку для гетерогенних обчислювальних ресурсів, щоб забезпечити ефективну роботу всіх завдань ШІ та реалізувати плавне розширення від "одинарного завдання" до "складної різноманітної екосистеми".
Перевірність та гарантованість надійного виходу
AI Layer 1 не лише має запобігати зловживанням моделями, змінам даних та іншим загрозам безпеці, але й забезпечувати верифікацію та узгодженість результатів, що генеруються AI, з основних механізмів. Завдяки інтеграції надійних середовищ виконання (TEE), нульових знань (ZK), багатосторонніх безпечних обчислень (MPC) та інших передових технологій, платформа може забезпечити незалежну верифікацію кожного етапу моделювання, навчання та обробки даних, гарантуючи справедливість та прозорість AI-системи. Крім того, така верифікація може допомогти користувачам чітко зрозуміти логіку та підстави виводу AI, реалізуючи принцип "отримане - бажане", підвищуючи довіру та задоволеність користувачів продуктами AI.
Захист приватності даних
Застосування ШІ часто пов'язане з чутливими даними користувачів, а в фінансовій, медичній, соціальній та інших сферах захист конфіденційності даних є особливо важливим. AI Layer 1 повинен забезпечити верифікацію, одночасно використовуючи технології обробки даних на основі шифрування, протоколи приватних обчислень і управління правами на дані, щоб гарантувати безпеку даних на всіх етапах, включаючи висновки, навчання та зберігання, ефективно запобігаючи витоку та зловживанню даними, усуваючи побоювання користувачів щодо безпеки даних.
Потужна екосистема підтримки та розробки
Як AI-оригінальна Layer 1 інфраструктура, платформа повинна не тільки мати технологічну перевагу, але й забезпечувати розробників, операторів вузлів, постачальників AI-послуг та інших учасників екосистеми повноцінними інструментами для розробки, інтегрованими SDK, підтримкою експлуатації та механізмами винагороди. Через постійне вдосконалення доступності платформи та досвіду розробників, сприяти реалізації різноманітних AI-оригінальних застосувань та досягненню стійкого процвітання децентралізованої AI-екосистеми.
Виходячи з вищезазначеного контексту та очікувань, у цій статті буде детально представлено шість представницьких проєктів AI Layer1, включаючи Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, систематизовано останні досягнення в цій галузі, проаналізовано сучасний стан розвитку проєктів та обговорено майбутні тенденції.
Sentient: побудова лояльної відкритої децентралізованої AI моделі
Огляд проєкту
Sentient є платформою з відкритим кодом, яка створює AI Layer1 у блокчейні (. На початковій стадії це Layer 2, а згодом він буде перенесений на Layer 1). Поєднуючи AI Pipeline та технологію блокчейн, платформа створює децентралізовану економіку штучного інтелекту. Її основною метою є вирішення проблеми права власності на моделі, відстеження викликів та розподілу вартості на централізованому ринку LLM за допомогою "OML" (відкритий, прибутковий, лояльний) для досягнення структури власності на моделі AI в у блокчейні, прозорості викликів та розподілу вартості. Візія Sentient полягає в тому, щоб будь-хто міг створювати, співпрацювати, володіти та монетизувати AI-продукти, що сприятиме створенню справедливої, відкритої екосистеми AI Agent.
Команда Sentient Foundation об'єднала провідних академічних експертів, підприємців у сфері блокчейн та інженерів з усього світу, щоб створити спільнотно-орієнтовану, відкриту та перевірену платформу AGI. До складу основних учасників входять професор Принстонського університету Pramod Viswanath та професор Інституту наукових досліджень Індії Himanshu Tyagi, які відповідають за безпеку AI та захист приватності, а також співзасновник Polygon Sandeep Nailwal, який очолює стратегію блокчейн та екосистему. Члени команди мають досвід роботи в таких відомих компаніях, як Meta, Coinbase, Polygon, а також в провідних університетах, таких як Принстонський університет та Індійський технологічний інститут, охоплюючи такі області, як AI/ML, NLP, комп'ютерне зір, спільно сприяючи реалізації проекту.
Як другий проект підприємництва співзасновника Polygon Sandeep Nailwal, Sentient від самого початку мав ауру, маючи багатий ресурс, мережу контактів та впізнаваність на ринку, що забезпечило потужну підтримку для розвитку проекту. У середині 2024 року Sentient завершив раунд фінансування на суму 85 мільйонів доларів США, лідерами якого стали Founders Fund, Pantera та Framework Ventures, а також десятки відомих VC, серед яких Delphi, Hashkey та Spartan.
Проектування архітектури та прикладного рівня
Інфраструктурний рівень
Основна архітектура
Ядро архітектури Sentient складається з двох частин: AI Pipeline та у блокчейні.
AI трубопровід є основою для розробки та навчання "лояльного AI" артефактів, що містить два основні процеси:
Планування даних (Data Curation): процес вибору даних, що здійснюється спільнотою, для вирівнювання моделі.
Тренування лояльності (Loyalty Training): забезпечення того, щоб модель підтримувала процес навчання, що відповідає намірам спільноти.
Блокчейн-система забезпечує прозорість і децентралізований контроль для протоколу, гарантуючи право власності на AI-артефакти, відстеження використання, розподіл прибутків і справедливе управління. Конкретна архітектура ділиться на чотири шари:
Складова зберігання: зберігання ваг моделей та інформації про реєстрацію відбитків.
Розподільний рівень: вхідна точка виклику моделей контролю авторизації;
Рівень доступу: перевірка правомочності для підтвердження авторизації користувача;
Ін Incentive Layer: Контракт маршрутизації доходів буде виплачувати винагороду тренерам, розробникам та валідаторам під час кожного виклику.
OML модельна рамка
OML фреймворк (відкритий Open, монетизований Monetizable, лояльний Loyal) є основною концепцією, запропонованою Sentient, метою якої є забезпечення чіткої захисту прав власності та економічних стимулів 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 і структура даних повинні бути прозорими, щоб спростити відтворення, аудит і покращення з боку спільноти.
Монетизація: кожен виклик моделі генерує потік доходів, у блокчейні контракт розподіляє доходи між тренерами, розробниками та валідаціями.
Вірність: Модель належить спільноті учасників, напрямок оновлення та управління визначається DAO, використання та зміна контролюються криптографічним механізмом.
AI рідна криптографія (AI-native Cryptography)
AI-оригінальне шифрування використовує безперервність AI-моделей, структуру низьковимірних маніфольдів та диференційовані характеристики моделей для розробки "перевіряємого, але незнімного" легкого механізму безпеки. Його основна технологія:
Вбудовування відбитків пальців: під час навчання вставляється набір прихованих пар ключ-значення запиту-відповіді для формування унікального підпису моделі;
Протокол верифікації власності: перевірка, чи збережено відбиток пальця, за допомогою запитів до стороннього детектора (Prover);
Механізм дозволу на виклик: перед викликом необхідно отримати "дозвільний сертифікат", виданий власником моделі, після чого система надає дозвіл моделі декодувати цей вхід і повернути точну відповідь.
Цей спосіб дозволяє реалізувати "авторизацію викликів на основі поведінки + верифікацію належності" без витрат на повторне шифрування.
Модель правопорядку та безпечна виконавча рамка
Sentient наразі використовує Melange змішану безпеку: поєднання підтвердження за допомогою відбитків пальців, виконання TEE та розподіл прибутку за допомогою смарт-контрактів. Серед методів відбитків пальців реалізація OML 1.0 є основною, підкреслюючи ідею "оптимістичної безпеки (Optimistic Security)", що означає за замовчуванням дотримання правил, а у випадку порушення можливість виявлення та покарання.
Механізм відбитка пальця є ключовою реалізацією OML, він дозволяє моделі генерувати унікальний підпис на етапі навчання, вбудовуючи певні "питання-відповіді". 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 запустила обчислювальну платформу Enclave TEE, яка використовує довірені середовища виконання (такі 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 основною технологією для розгортання моделей.
У майбутньому Sentient планує впровадити технології нульових знань (ZK) та повної гомоморфної криптографії (FHE), щоб ще більше посилити захист приватності та перевіряємість, забезпечуючи децентралізоване впровадження моделей ШІ.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
11 лайків
Нагородити
11
4
Репост
Поділіться
Прокоментувати
0/400
NftDataDetective
· 12год тому
хмм... ще одна спроба розкрутити "децентралізований" ШІ, коли великі технології вже володіють грою, чесно кажучи
Переглянути оригіналвідповісти на0
ForeverBuyingDips
· 12год тому
А? Є ще цей трек!
Переглянути оригіналвідповісти на0
MEVictim
· 12год тому
Новий спосіб обману для дурнів в індустрії?
Переглянути оригіналвідповісти на0
TeaTimeTrader
· 12год тому
Займатися такими складними речами, краще вже попрацювати з монетою.
Нові тенденції в секторі AI Layer1: глибокий аналіз шести проектів
AI Layer1 дослідження: пошук родючих земель для DeAI у блокчейні
Огляд
Останніми роками провідні технологічні компанії, такі як OpenAI, Anthropic, Google, Meta, постійно просувають стрімкий розвиток великих мовних моделей (LLM). LLM демонструють безпрецедентні можливості в різних сферах, значно розширюючи людське уявлення, а в деяких випадках навіть показують потенціал заміни людської праці. Однак ядро цих технологій міцно утримується в руках небагатьох централізованих технологічних гігантів. Завдяки значному капіталу і контролю над дорогими ресурсами обчислення, ці компанії створили бар'єри, які важко подолати, ускладнюючи абсолютній більшості розробників і інноваційних команд конкуренцію з ними.
Водночас, на ранніх етапах швидкого розвитку AI суспільна думка часто зосереджується на проривах і зручностях, які приносить технологія, тоді як увага до таких ключових питань, як захист приватності, прозорість та безпека, залишається відносно недостатньою. У довгостроковій перспективі ці питання глибоко вплинуть на здоровий розвиток індустрії AI та прийняття її суспільством. Якщо ці проблеми не будуть належним чином вирішені, суперечка щодо того, чи "сприяти добру", чи "йти на зло" в AI стане ще більш помітною, а централізовані гіганти, керуючись прагненням до прибутку, часто не мають достатньої мотивації для активного реагування на ці виклики.
Технологія блокчейн, завдяки своїм децентралізованим, прозорим та стійким до цензури характеристикам, відкриває нові можливості для сталого розвитку AI-індустрії. Наразі на деяких провідних блокчейнах з'являється безліч "Web3 AI" додатків. Але при глибшому аналізі можна виявити, що ці проекти все ще мають безліч проблем: з одного боку, рівень децентралізації обмежений, ключові етапи та інфраструктура все ще залежать від централізованих хмарних сервісів, що ускладнює підтримку справжньої відкритої екосистеми; з іншого боку, у порівнянні з AI-продуктами світу Web2, AI на блокчейні має обмеження в моделях, використанні даних та застосуванні, глибина та ширина інновацій потребують покращення.
Щоб справді реалізувати бачення децентралізованого ШІ, щоб у блокчейні можна було безпечно, ефективно та демократично підтримувати масштабні AI-додатки, і щоб за продуктивністю він міг конкурувати з централізованими рішеннями, нам потрібно спроектувати Layer1 блокчейн, спеціально розроблений для ШІ. Це забезпечить міцну основу для відкритих інновацій у 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-задач, і спрямований на ефективну підтримку стійкого розвитку та процвітання AI-екосистеми у блокчейні. Конкретно, AI Layer 1 має мати такі ключові можливості:
Ефективний механізм стимулювання та децентралізованого консенсусу Основна ідея AI Layer 1 полягає у створенні відкритої мережі для спільного використання ресурсів, таких як обчислювальна потужність та зберігання. На відміну від традиційних блокчейн-нод, які в основному зосереджені на веденні обліку в книзі, ноди AI Layer 1 повинні виконувати більш складні завдання: не лише надавати обчислювальну потужність, завершувати навчання та інференцію AI-моделей, а й вносити різноманітні ресурси, такі як зберігання, дані, ширина каналу, щоб розірвати монополію централізованих гігантів у базовій інфраструктурі AI. Це ставить вищі вимоги до базового консенсусу та механізмів стимулювання: AI Layer 1 повинен вміти точно оцінювати, заохочувати та перевіряти фактичний внесок нод у завданнях інференції та навчання AI, забезпечуючи безпеку мережі та ефективний розподіл ресурсів. Лише так можна забезпечити стабільність і процвітання мережі, а також ефективно знизити загальні витрати на обчислювальну потужність.
Виняткова висока продуктивність та підтримка гетерогенних завдань Завдання ШІ, особливо навчання та інференція LLM, висувають дуже високі вимоги до обчислювальної продуктивності та можливостей паралельної обробки. Далі, екосистема ШІ у блокчейні часто повинна підтримувати різноманітні, гетерогенні типи завдань, включаючи різні структури моделей, обробку даних, інференцію, зберігання та інші різноманітні сценарії. AI Layer 1 повинен на рівні базової архітектури проводити глибоку оптимізацію для задоволення вимог до високої пропускної здатності, низької затримки та еластичної паралельності, а також передбачити нативну підтримку для гетерогенних обчислювальних ресурсів, щоб забезпечити ефективну роботу всіх завдань ШІ та реалізувати плавне розширення від "одинарного завдання" до "складної різноманітної екосистеми".
Перевірність та гарантованість надійного виходу AI Layer 1 не лише має запобігати зловживанням моделями, змінам даних та іншим загрозам безпеці, але й забезпечувати верифікацію та узгодженість результатів, що генеруються AI, з основних механізмів. Завдяки інтеграції надійних середовищ виконання (TEE), нульових знань (ZK), багатосторонніх безпечних обчислень (MPC) та інших передових технологій, платформа може забезпечити незалежну верифікацію кожного етапу моделювання, навчання та обробки даних, гарантуючи справедливість та прозорість AI-системи. Крім того, така верифікація може допомогти користувачам чітко зрозуміти логіку та підстави виводу AI, реалізуючи принцип "отримане - бажане", підвищуючи довіру та задоволеність користувачів продуктами AI.
Захист приватності даних Застосування ШІ часто пов'язане з чутливими даними користувачів, а в фінансовій, медичній, соціальній та інших сферах захист конфіденційності даних є особливо важливим. AI Layer 1 повинен забезпечити верифікацію, одночасно використовуючи технології обробки даних на основі шифрування, протоколи приватних обчислень і управління правами на дані, щоб гарантувати безпеку даних на всіх етапах, включаючи висновки, навчання та зберігання, ефективно запобігаючи витоку та зловживанню даними, усуваючи побоювання користувачів щодо безпеки даних.
Потужна екосистема підтримки та розробки Як AI-оригінальна Layer 1 інфраструктура, платформа повинна не тільки мати технологічну перевагу, але й забезпечувати розробників, операторів вузлів, постачальників AI-послуг та інших учасників екосистеми повноцінними інструментами для розробки, інтегрованими SDK, підтримкою експлуатації та механізмами винагороди. Через постійне вдосконалення доступності платформи та досвіду розробників, сприяти реалізації різноманітних AI-оригінальних застосувань та досягненню стійкого процвітання децентралізованої AI-екосистеми.
Виходячи з вищезазначеного контексту та очікувань, у цій статті буде детально представлено шість представницьких проєктів AI Layer1, включаючи Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, систематизовано останні досягнення в цій галузі, проаналізовано сучасний стан розвитку проєктів та обговорено майбутні тенденції.
Sentient: побудова лояльної відкритої децентралізованої AI моделі
Огляд проєкту
Sentient є платформою з відкритим кодом, яка створює AI Layer1 у блокчейні (. На початковій стадії це Layer 2, а згодом він буде перенесений на Layer 1). Поєднуючи AI Pipeline та технологію блокчейн, платформа створює децентралізовану економіку штучного інтелекту. Її основною метою є вирішення проблеми права власності на моделі, відстеження викликів та розподілу вартості на централізованому ринку LLM за допомогою "OML" (відкритий, прибутковий, лояльний) для досягнення структури власності на моделі AI в у блокчейні, прозорості викликів та розподілу вартості. Візія Sentient полягає в тому, щоб будь-хто міг створювати, співпрацювати, володіти та монетизувати AI-продукти, що сприятиме створенню справедливої, відкритої екосистеми AI Agent.
Команда Sentient Foundation об'єднала провідних академічних експертів, підприємців у сфері блокчейн та інженерів з усього світу, щоб створити спільнотно-орієнтовану, відкриту та перевірену платформу AGI. До складу основних учасників входять професор Принстонського університету Pramod Viswanath та професор Інституту наукових досліджень Індії Himanshu Tyagi, які відповідають за безпеку AI та захист приватності, а також співзасновник Polygon Sandeep Nailwal, який очолює стратегію блокчейн та екосистему. Члени команди мають досвід роботи в таких відомих компаніях, як Meta, Coinbase, Polygon, а також в провідних університетах, таких як Принстонський університет та Індійський технологічний інститут, охоплюючи такі області, як AI/ML, NLP, комп'ютерне зір, спільно сприяючи реалізації проекту.
Як другий проект підприємництва співзасновника Polygon Sandeep Nailwal, Sentient від самого початку мав ауру, маючи багатий ресурс, мережу контактів та впізнаваність на ринку, що забезпечило потужну підтримку для розвитку проекту. У середині 2024 року Sentient завершив раунд фінансування на суму 85 мільйонів доларів США, лідерами якого стали Founders Fund, Pantera та Framework Ventures, а також десятки відомих VC, серед яких Delphi, Hashkey та Spartan.
Проектування архітектури та прикладного рівня
Інфраструктурний рівень
Основна архітектура
Ядро архітектури Sentient складається з двох частин: AI Pipeline та у блокчейні.
AI трубопровід є основою для розробки та навчання "лояльного AI" артефактів, що містить два основні процеси:
Блокчейн-система забезпечує прозорість і децентралізований контроль для протоколу, гарантуючи право власності на AI-артефакти, відстеження використання, розподіл прибутків і справедливе управління. Конкретна архітектура ділиться на чотири шари:
OML модельна рамка
OML фреймворк (відкритий Open, монетизований Monetizable, лояльний Loyal) є основною концепцією, запропонованою Sentient, метою якої є забезпечення чіткої захисту прав власності та економічних стимулів для відкритих AI моделей. Завдяки поєднанню у блокчейні технологій та AI рідної криптографії, має такі характеристики:
AI рідна криптографія (AI-native Cryptography)
AI-оригінальне шифрування використовує безперервність AI-моделей, структуру низьковимірних маніфольдів та диференційовані характеристики моделей для розробки "перевіряємого, але незнімного" легкого механізму безпеки. Його основна технологія:
Цей спосіб дозволяє реалізувати "авторизацію викликів на основі поведінки + верифікацію належності" без витрат на повторне шифрування.
Модель правопорядку та безпечна виконавча рамка
Sentient наразі використовує Melange змішану безпеку: поєднання підтвердження за допомогою відбитків пальців, виконання TEE та розподіл прибутку за допомогою смарт-контрактів. Серед методів відбитків пальців реалізація OML 1.0 є основною, підкреслюючи ідею "оптимістичної безпеки (Optimistic Security)", що означає за замовчуванням дотримання правил, а у випадку порушення можливість виявлення та покарання.
Механізм відбитка пальця є ключовою реалізацією OML, він дозволяє моделі генерувати унікальний підпис на етапі навчання, вбудовуючи певні "питання-відповіді". 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 запустила обчислювальну платформу Enclave TEE, яка використовує довірені середовища виконання (такі 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 основною технологією для розгортання моделей.
У майбутньому Sentient планує впровадити технології нульових знань (ZK) та повної гомоморфної криптографії (FHE), щоб ще більше посилити захист приватності та перевіряємість, забезпечуючи децентралізоване впровадження моделей ШІ.