AI Layer1 исследование: поиск благодатной почвы для DeAI в блокчейне
Обзор
Фон
В последние годы такие ведущие технологические компании, как OpenAI, Anthropic, Google и Meta, продолжают стремительно развивать большие языковые модели (LLM). LLM демонстрируют беспрецедентные возможности в самых разных отраслях, значительно расширяя человеческое воображение и даже показывая потенциал замены человеческого труда в некоторых сценариях. Однако ядро этих технологий надежно контролируется небольшим числом централизованных технологических гигантов. Благодаря мощному капиталу и контролю над дорогими вычислительными ресурсами, эти компании создали непреодолимые барьеры, которые затрудняют большинству разработчиков и инновационных команд конкурировать с ними.
В то же время, на ранних этапах быстрого развития ИИ общественное мнение часто сосредоточивается на прорывах и удобствах, которые предоставляет технология, в то время как вопросы защиты конфиденциальности, прозрачности и безопасности остаются относительно недостаточно обсуждаемыми. В долгосрочной перспективе эти проблемы будут глубоко влиять на здоровое развитие отрасли ИИ и ее приемлемость в обществе. Если их не удастся надлежащим образом решить, споры о том, будет ли ИИ "на благо" или "во вред", будут становиться все более заметными, в то время как централизованные гиганты, движимые инстинктом извлечения прибыли, часто не имеют достаточной мотивации для активного противодействия этим вызовам.
Технология блокчейн, благодаря своим децентрализованным, прозрачным и антикоррупционным характеристикам, открывает новые возможности для устойчивого развития AI-индустрии. В настоящее время на основных блокчейнах, таких как Solana и Base, уже возникло множество приложений "Web3 AI". Однако глубокий анализ показывает, что эти проекты все еще имеют множество проблем: с одной стороны, степень децентрализации ограничена, ключевые элементы и инфраструктура все еще зависят от централизованных облачных сервисов, мемные свойства слишком сильны, и это затрудняет создание реально открытой экосистемы; с другой стороны, по сравнению с AI-продуктами мира Web2, AI на блокчейне все еще ограничен в возможностях моделей, использовании данных и сценариях применения, а глубина и ширина инноваций требуют улучшения.
Чтобы действительно реализовать видение децентрализованного AI, необходимо создать блокчейн, который сможет безопасно, эффективно и демократично поддерживать крупномасштабные AI-приложения и конкурировать по производительности с централизованными решениями, нам нужно спроектировать Layer1 блокчейн, специально созданный для AI. Это создаст прочную основу для открытых инноваций в области AI, демократического управления и безопасности данных, способствуя процветанию децентрализованной AI-экосистемы.
Основные характеристики AI Layer 1
AI Layer 1 как блокчейн, специально разработанный для AI-приложений, его базовая архитектура и проектирование производительности тесно связаны с потребностями AI-задач, с целью эффективной поддержки устойчивого развития и процветания экосистемы AI в блокчейне. Конкретно говоря, AI Layer 1 должен обладать следующими ключевыми способностями:
Эффективные стимулы и децентрализованный механизм консенсуса. Ядро AI Layer 1 заключается в создании открытой сети для совместного использования ресурсов, таких как вычислительная мощность и хранение. В отличие от традиционных узлов блокчейна, которые в основном сосредоточены на ведении бухгалтерии, узлы AI Layer 1 должны выполнять более сложные задачи: они должны предоставлять вычислительную мощность, завершать обучение и вывод AI-моделей, а также вносить разнообразные ресурсы, такие как хранение, данные и пропускная способность, чтобы разрушить монополию централизации в инфраструктуре AI. Это предъявляет более высокие требования к основному консенсусу и механизму стимулов: AI Layer 1 должен точно оценивать, поощрять и проверять фактический вклад узлов в задачи по выводу и обучению AI, обеспечивая безопасность сети и эффективное распределение ресурсов. Только так можно гарантировать стабильность и процветание сети, а также эффективно снизить общие затраты на вычислительную мощность.
Превосходная производительность и поддержка гетерогенных задач. Задачи ИИ, особенно обучение и вывод LLM, предъявляют высокие требования к вычислительной производительности и параллельной обработке. Более того, экосистема ИИ в блокчейне часто должна поддерживать разнообразные и гетерогенные типы задач, включая различные структуры моделей, обработку данных, вывод, хранение и другие многообразные сценарии. AI Layer 1 должен быть глубоко оптимизирован на уровне архитектуры с учетом потребностей в высокой пропускной способности, низкой задержке и эластичной параллельности, а также предусматривать нативную поддержку гетерогенных вычислительных ресурсов, чтобы гарантировать эффективное выполнение различных задач ИИ и обеспечить плавное масштабирование от "однородных задач" до "сложной многообразной экосистемы".
Проверяемость и гарантии надежного вывода AI Layer 1 не только должны предотвращать злоупотребления моделями, подделку данных и другие угрозы безопасности, но также должны на уровне базовой механики обеспечивать проверяемость и согласованность результатов AI. Благодаря интеграции надежной среды выполнения (TEE), нулевых знаний (ZK), безопасных многопартнерских вычислений (MPC) и других передовых технологий платформа может обеспечить независимую проверку каждого процесса вывода модели, обучения и обработки данных, гарантируя справедливость и прозрачность системы AI. В то же время такая проверяемость может помочь пользователям четко понять логику и основы вывода AI, реализуя "что получено, то и желаемое", повышая доверие и удовлетворенность пользователей к продуктам AI.
Защита конфиденциальности данных Приложения ИИ часто связаны с чувствительными данными пользователей, и в таких сферах, как финансы, медицина и социальные сети, защита конфиденциальности данных особенно важна. AI Layer 1 должен обеспечивать безопасность данных на всех этапах, включая вывод, обучение и хранение, используя технологии обработки данных на основе шифрования, протоколы вычислений с конфиденциальностью и управление правами на данные, эффективно предотвращая утечку и злоупотребление данными, устраняя опасения пользователей по поводу безопасности данных.
Мощные возможности поддержки экосистемы и разработки. Будучи инфраструктурой Layer 1, изначально созданной для ИИ, платформа должна не только обладать технологическим преимуществом, но и предоставлять участникам экосистемы, таким как разработчики, операторы узлов и поставщики услуг ИИ, полноценные инструменты разработки, интегрированные SDK, поддержку эксплуатации и механизмы поощрения. Постоянно оптимизируя доступность платформы и опыт разработчиков, мы способствуем реализации разнообразных приложений, основанных на ИИ, и обеспечиваем устойчивое процветание децентрализованной экосистемы ИИ.
Исходя из вышеуказанного фона и ожиданий, в данной статье подробно рассматриваются шесть представительных проектов AI Layer1, включая Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематически анализируя последние достижения в этой области, исследуя текущее состояние развития проектов и обсуждая будущие тенденции.
Sentient: создание преданного открытого децентрализованного AI модели
Обзор проекта
Sentient является открытой платформой протоколов, которая создает AI Layer1 в блокчейне (, первоначально на уровне Layer 2, а затем перейдет на уровень Layer 1). Путем объединения технологий AI Pipeline и блокчейна, она строит децентрализованную экономику искусственного интеллекта. Основная цель состоит в том, чтобы решить проблемы собственности моделей, отслеживания вызовов и распределения ценностей на централизованном рынке LLM с помощью "OML" (открытость, прибыльность, лояльность), обеспечивая структуру собственности моделей AI в блокчейне, прозрачность вызовов и распределение ценностей. Видение Sentient заключается в том, чтобы каждый мог создавать, сотрудничать, владеть и монетизировать AI-продукты, способствуя созданию справедливой и открытой экосистемы сети AI Agent.
Команда Sentient Foundation объединяет ведущих мировых академических специалистов, предпринимателей в области блокчейна и инженеров, стремящихся создать сообщество, ориентированное на открытый и проверяемый платформу AGI. В состав ключевых участников входят профессор Принстонского университета Прамод Вишванат и профессор Индийского института науки Химаншу Тьяги, которые отвечают за безопасность ИИ и защиту конфиденциальности, в то время как соучредитель Polygon Сандип Найлвал руководит стратегией блокчейна и экологическим развитием. Члены команды имеют опыт работы в таких известных компаниях, как Meta, Coinbase, Polygon, а также в ведущих университетах, таких как Принстонский университет и Индийский институт технологий, охватывающий области AI/ML, NLP, компьютерного зрения и т. д., совместно продвигая реализацию проекта.
Как второй проект по предпринимательству сооснователя Polygon Sandeep Nailwal, Sentient с самого начала обладал ореолом, имея богатые ресурсы, связи и рыночную узнаваемость, что обеспечивало мощную поддержку для развития проекта. В середине 2024 года Sentient завершил раунд посевного финансирования в размере 85 миллионов долларов, в котором приняли участие Founders Fund, Pantera и Framework Ventures, а также десятки известных венчурных капиталистов, таких как Delphi, Hashkey и Spartan.
Дизайн архитектуры и уровень приложений
Инфраструктурный уровень
Ядро архитектуры
Ядро архитектуры Sentient состоит из двух частей: AI Pipeline и в блокчейне.
AI пайплайн является основой для разработки и обучения "лояльного ИИ" артефактов и включает в себя два основных процесса:
Планирование данных (Data Curation): процесс выбора данных, управляемый сообществом, для выравнивания модели.
Обучение лояльности (Loyalty Training): обеспечить, чтобы модель поддерживала процесс обучения, согласующийся с намерениями сообщества.
Система блокчейна обеспечивает прозрачность и децентрализованный контроль для протоколов, гарантируя право собственности на AI-артефакты, отслеживание использования, распределение доходов и справедливое управление. Конкретная архитектура делится на четыре уровня:
Уровень хранения: хранение весов модели и информации о регистрации отпечатков.
Уровень распределения: точка входа для вызова модели, контролируемая контрактом авторизации;
Уровень доступа: проверяет, авторизован ли пользователь через подтверждение прав.
Уровень стимулов: контракт маршрутизации доходов будет распределять выплаты между тренерами, разработчиками и валидаторами при каждом вызове.
OML модельный фрейм
OML фреймворк (Открытый Open, Монетизируемый Monetizable, Лояльный Loyal) является основной концепцией, предложенной Sentient, направленной на обеспечение четкой защиты прав собственности и экономических стимулов для открытых AI моделей. Объединяя технологии в блокчейне и нативную криптографию AI, он обладает следующими характеристиками:
Открытость: Модель должна быть с открытым исходным кодом, код и структура данных должны быть прозрачными, чтобы сообщество могло воспроизводить, проводить аудит и улучшать.
Монетизация: Каждый вызов модели будет инициировать поток доходов, в блокчейне контракт будет распределять доходы между тренерами, развертывателями и валидаторами.
Верность: Модель принадлежит сообществу участников, направление обновлений и управление определяются DAO, использование и модификация контролируются крипто-механизмом.
AI-родная криптография (AI-native Cryptography)
AI-родное шифрование — это использование непрерывности AI-моделей, структуры низкоразмерных многообразий и дифференцируемых свойств моделей для разработки "проверяемого, но не подлежащего удалению" легковесного механизма безопасности. Его ключевая технология заключается в:
Встраивание отпечатков: во время обучения вставляется набор скрытых пар ключ-значение запрос-ответ для формирования уникальной подписи модели;
Протокол проверки прав собственности: проверка сохранения отпечатков пальцев с помощью третьего лица-детектора (Prover) в форме запроса (query);
Механизм разрешения вызовов: перед вызовом необходимо получить "удостоверение прав", выданное владельцем модели, после чего система разрешит модели декодировать этот ввод и вернуть точный ответ.
Этот метод позволяет реализовать "авторизационные вызовы на основе поведения + проверка принадлежности" без дополнительных затрат на повторное шифрование.
Модель прав подтверждения и безопасного исполнения
Sentient в настоящее время использует Melange смешанную безопасность: комбинация подтверждения прав собственности по отпечаткам пальцев, выполнения TEE и распределения прибыли по смарт-контрактам в блокчейне. При этом метод отпечатков пальцев реализован в OML 1.0, подчеркивая идею "оптимистичной безопасности (Optimistic Security)", то есть по умолчанию предполагается соответствие требованиям, а в случае нарушения это может быть обнаружено и наказано.
Механизм отпечатка пальца является ключевой реализацией OML, он позволяет модели генерировать уникальную подпись на этапе обучения, внедряя определенные "вопрос-ответ" пары. С помощью этих подписей владельцы модели могут подтверждать право собственности, предотвращая несанкционированное копирование и коммерциализацию. Этот механизм не только защищает права разработчиков модели, но и предоставляет отслеживаемую запись использования модели в блокчейне.
Кроме того, Sentient представила вычислительную платформу Enclave TEE, использующую доверенные среды выполнения (такие как AWS Nitro Enclaves), чтобы гарантировать, что модели отвечают только на авторизованные запросы, предотвращая несанкционированный доступ и использование. Хотя TEE зависит от аппаратного обеспечения и имеет определенные риски безопасности, его высокая производительность и преимущества в реальном времени делают его ключевой технологией для развертывания современных моделей.
В будущем Sentient планирует внедрить технологии нулевых знаний (ZK) и полностью однородного шифрования (FHE)
Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
23 Лайков
Награда
23
4
Репост
Поделиться
комментарий
0/400
AlphaBrain
· 07-20 09:51
Это действительно направление с самой высокой популярностью в отрасли.
Посмотреть ОригиналОтветить0
FudVaccinator
· 07-18 04:11
又整这些空气项目 继续 разыгрывайте людей как лохов
Посмотреть ОригиналОтветить0
HashBandit
· 07-17 14:13
бро, эти L1 должны решить проблему с вычислительными узкими местами, честно говоря... напомнило мне о майнинге эфира в 2017 году, когда мой счет за электричество убил меня
Панорама AI Layer1: 6 крупных проектов, ведущих революцию в децентрализованной AI экосистеме
AI Layer1 исследование: поиск благодатной почвы для DeAI в блокчейне
Обзор
Фон
В последние годы такие ведущие технологические компании, как OpenAI, Anthropic, Google и Meta, продолжают стремительно развивать большие языковые модели (LLM). LLM демонстрируют беспрецедентные возможности в самых разных отраслях, значительно расширяя человеческое воображение и даже показывая потенциал замены человеческого труда в некоторых сценариях. Однако ядро этих технологий надежно контролируется небольшим числом централизованных технологических гигантов. Благодаря мощному капиталу и контролю над дорогими вычислительными ресурсами, эти компании создали непреодолимые барьеры, которые затрудняют большинству разработчиков и инновационных команд конкурировать с ними.
В то же время, на ранних этапах быстрого развития ИИ общественное мнение часто сосредоточивается на прорывах и удобствах, которые предоставляет технология, в то время как вопросы защиты конфиденциальности, прозрачности и безопасности остаются относительно недостаточно обсуждаемыми. В долгосрочной перспективе эти проблемы будут глубоко влиять на здоровое развитие отрасли ИИ и ее приемлемость в обществе. Если их не удастся надлежащим образом решить, споры о том, будет ли ИИ "на благо" или "во вред", будут становиться все более заметными, в то время как централизованные гиганты, движимые инстинктом извлечения прибыли, часто не имеют достаточной мотивации для активного противодействия этим вызовам.
Технология блокчейн, благодаря своим децентрализованным, прозрачным и антикоррупционным характеристикам, открывает новые возможности для устойчивого развития AI-индустрии. В настоящее время на основных блокчейнах, таких как Solana и Base, уже возникло множество приложений "Web3 AI". Однако глубокий анализ показывает, что эти проекты все еще имеют множество проблем: с одной стороны, степень децентрализации ограничена, ключевые элементы и инфраструктура все еще зависят от централизованных облачных сервисов, мемные свойства слишком сильны, и это затрудняет создание реально открытой экосистемы; с другой стороны, по сравнению с AI-продуктами мира Web2, AI на блокчейне все еще ограничен в возможностях моделей, использовании данных и сценариях применения, а глубина и ширина инноваций требуют улучшения.
Чтобы действительно реализовать видение децентрализованного AI, необходимо создать блокчейн, который сможет безопасно, эффективно и демократично поддерживать крупномасштабные AI-приложения и конкурировать по производительности с централизованными решениями, нам нужно спроектировать Layer1 блокчейн, специально созданный для AI. Это создаст прочную основу для открытых инноваций в области AI, демократического управления и безопасности данных, способствуя процветанию децентрализованной AI-экосистемы.
Основные характеристики AI Layer 1
AI Layer 1 как блокчейн, специально разработанный для AI-приложений, его базовая архитектура и проектирование производительности тесно связаны с потребностями AI-задач, с целью эффективной поддержки устойчивого развития и процветания экосистемы AI в блокчейне. Конкретно говоря, AI Layer 1 должен обладать следующими ключевыми способностями:
Эффективные стимулы и децентрализованный механизм консенсуса. Ядро AI Layer 1 заключается в создании открытой сети для совместного использования ресурсов, таких как вычислительная мощность и хранение. В отличие от традиционных узлов блокчейна, которые в основном сосредоточены на ведении бухгалтерии, узлы AI Layer 1 должны выполнять более сложные задачи: они должны предоставлять вычислительную мощность, завершать обучение и вывод AI-моделей, а также вносить разнообразные ресурсы, такие как хранение, данные и пропускная способность, чтобы разрушить монополию централизации в инфраструктуре AI. Это предъявляет более высокие требования к основному консенсусу и механизму стимулов: AI Layer 1 должен точно оценивать, поощрять и проверять фактический вклад узлов в задачи по выводу и обучению AI, обеспечивая безопасность сети и эффективное распределение ресурсов. Только так можно гарантировать стабильность и процветание сети, а также эффективно снизить общие затраты на вычислительную мощность.
Превосходная производительность и поддержка гетерогенных задач. Задачи ИИ, особенно обучение и вывод LLM, предъявляют высокие требования к вычислительной производительности и параллельной обработке. Более того, экосистема ИИ в блокчейне часто должна поддерживать разнообразные и гетерогенные типы задач, включая различные структуры моделей, обработку данных, вывод, хранение и другие многообразные сценарии. AI Layer 1 должен быть глубоко оптимизирован на уровне архитектуры с учетом потребностей в высокой пропускной способности, низкой задержке и эластичной параллельности, а также предусматривать нативную поддержку гетерогенных вычислительных ресурсов, чтобы гарантировать эффективное выполнение различных задач ИИ и обеспечить плавное масштабирование от "однородных задач" до "сложной многообразной экосистемы".
Проверяемость и гарантии надежного вывода AI Layer 1 не только должны предотвращать злоупотребления моделями, подделку данных и другие угрозы безопасности, но также должны на уровне базовой механики обеспечивать проверяемость и согласованность результатов AI. Благодаря интеграции надежной среды выполнения (TEE), нулевых знаний (ZK), безопасных многопартнерских вычислений (MPC) и других передовых технологий платформа может обеспечить независимую проверку каждого процесса вывода модели, обучения и обработки данных, гарантируя справедливость и прозрачность системы AI. В то же время такая проверяемость может помочь пользователям четко понять логику и основы вывода AI, реализуя "что получено, то и желаемое", повышая доверие и удовлетворенность пользователей к продуктам AI.
Защита конфиденциальности данных Приложения ИИ часто связаны с чувствительными данными пользователей, и в таких сферах, как финансы, медицина и социальные сети, защита конфиденциальности данных особенно важна. AI Layer 1 должен обеспечивать безопасность данных на всех этапах, включая вывод, обучение и хранение, используя технологии обработки данных на основе шифрования, протоколы вычислений с конфиденциальностью и управление правами на данные, эффективно предотвращая утечку и злоупотребление данными, устраняя опасения пользователей по поводу безопасности данных.
Мощные возможности поддержки экосистемы и разработки. Будучи инфраструктурой Layer 1, изначально созданной для ИИ, платформа должна не только обладать технологическим преимуществом, но и предоставлять участникам экосистемы, таким как разработчики, операторы узлов и поставщики услуг ИИ, полноценные инструменты разработки, интегрированные SDK, поддержку эксплуатации и механизмы поощрения. Постоянно оптимизируя доступность платформы и опыт разработчиков, мы способствуем реализации разнообразных приложений, основанных на ИИ, и обеспечиваем устойчивое процветание децентрализованной экосистемы ИИ.
Исходя из вышеуказанного фона и ожиданий, в данной статье подробно рассматриваются шесть представительных проектов AI Layer1, включая Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематически анализируя последние достижения в этой области, исследуя текущее состояние развития проектов и обсуждая будущие тенденции.
Sentient: создание преданного открытого децентрализованного AI модели
Обзор проекта
Sentient является открытой платформой протоколов, которая создает AI Layer1 в блокчейне (, первоначально на уровне Layer 2, а затем перейдет на уровень Layer 1). Путем объединения технологий AI Pipeline и блокчейна, она строит децентрализованную экономику искусственного интеллекта. Основная цель состоит в том, чтобы решить проблемы собственности моделей, отслеживания вызовов и распределения ценностей на централизованном рынке LLM с помощью "OML" (открытость, прибыльность, лояльность), обеспечивая структуру собственности моделей AI в блокчейне, прозрачность вызовов и распределение ценностей. Видение Sentient заключается в том, чтобы каждый мог создавать, сотрудничать, владеть и монетизировать AI-продукты, способствуя созданию справедливой и открытой экосистемы сети AI Agent.
Команда Sentient Foundation объединяет ведущих мировых академических специалистов, предпринимателей в области блокчейна и инженеров, стремящихся создать сообщество, ориентированное на открытый и проверяемый платформу AGI. В состав ключевых участников входят профессор Принстонского университета Прамод Вишванат и профессор Индийского института науки Химаншу Тьяги, которые отвечают за безопасность ИИ и защиту конфиденциальности, в то время как соучредитель Polygon Сандип Найлвал руководит стратегией блокчейна и экологическим развитием. Члены команды имеют опыт работы в таких известных компаниях, как Meta, Coinbase, Polygon, а также в ведущих университетах, таких как Принстонский университет и Индийский институт технологий, охватывающий области AI/ML, NLP, компьютерного зрения и т. д., совместно продвигая реализацию проекта.
Как второй проект по предпринимательству сооснователя Polygon Sandeep Nailwal, Sentient с самого начала обладал ореолом, имея богатые ресурсы, связи и рыночную узнаваемость, что обеспечивало мощную поддержку для развития проекта. В середине 2024 года Sentient завершил раунд посевного финансирования в размере 85 миллионов долларов, в котором приняли участие Founders Fund, Pantera и Framework Ventures, а также десятки известных венчурных капиталистов, таких как Delphi, Hashkey и Spartan.
Дизайн архитектуры и уровень приложений
Инфраструктурный уровень
Ядро архитектуры
Ядро архитектуры Sentient состоит из двух частей: AI Pipeline и в блокчейне.
AI пайплайн является основой для разработки и обучения "лояльного ИИ" артефактов и включает в себя два основных процесса:
Система блокчейна обеспечивает прозрачность и децентрализованный контроль для протоколов, гарантируя право собственности на AI-артефакты, отслеживание использования, распределение доходов и справедливое управление. Конкретная архитектура делится на четыре уровня:
OML модельный фрейм
OML фреймворк (Открытый Open, Монетизируемый Monetizable, Лояльный Loyal) является основной концепцией, предложенной Sentient, направленной на обеспечение четкой защиты прав собственности и экономических стимулов для открытых AI моделей. Объединяя технологии в блокчейне и нативную криптографию AI, он обладает следующими характеристиками:
AI-родная криптография (AI-native Cryptography)
AI-родное шифрование — это использование непрерывности AI-моделей, структуры низкоразмерных многообразий и дифференцируемых свойств моделей для разработки "проверяемого, но не подлежащего удалению" легковесного механизма безопасности. Его ключевая технология заключается в:
Этот метод позволяет реализовать "авторизационные вызовы на основе поведения + проверка принадлежности" без дополнительных затрат на повторное шифрование.
Модель прав подтверждения и безопасного исполнения
Sentient в настоящее время использует Melange смешанную безопасность: комбинация подтверждения прав собственности по отпечаткам пальцев, выполнения TEE и распределения прибыли по смарт-контрактам в блокчейне. При этом метод отпечатков пальцев реализован в OML 1.0, подчеркивая идею "оптимистичной безопасности (Optimistic Security)", то есть по умолчанию предполагается соответствие требованиям, а в случае нарушения это может быть обнаружено и наказано.
Механизм отпечатка пальца является ключевой реализацией OML, он позволяет модели генерировать уникальную подпись на этапе обучения, внедряя определенные "вопрос-ответ" пары. С помощью этих подписей владельцы модели могут подтверждать право собственности, предотвращая несанкционированное копирование и коммерциализацию. Этот механизм не только защищает права разработчиков модели, но и предоставляет отслеживаемую запись использования модели в блокчейне.
Кроме того, Sentient представила вычислительную платформу Enclave TEE, использующую доверенные среды выполнения (такие как AWS Nitro Enclaves), чтобы гарантировать, что модели отвечают только на авторизованные запросы, предотвращая несанкционированный доступ и использование. Хотя TEE зависит от аппаратного обеспечения и имеет определенные риски безопасности, его высокая производительность и преимущества в реальном времени делают его ключевой технологией для развертывания современных моделей.
В будущем Sentient планирует внедрить технологии нулевых знаний (ZK) и полностью однородного шифрования (FHE)