AI Layer1 дослідження: пошук родючих ґрунтів для DeAI у блокчейні
Огляд
В останні роки провідні технологічні компанії, такі як OpenAI, Anthropic, Google, Meta, постійно сприяють стрімкому розвитку великих мовних моделей (LLM). LLM демонструють безпрецедентні можливості в різних сферах, значно розширюючи межі людської уяви, і навіть в деяких випадках показують потенціал для заміни людської праці. Однак ядро цих технологій залишається під контролем небагатьох централізованих технологічних гігантів. Спираючись на потужний капітал і контроль над дорогими обчислювальними ресурсами, ці компанії створили непрохідні бар'єри, які ускладнюють конкуренцію для більшості розробників і інноваційних команд.
Водночас, на початку швидкого розвитку ШІ суспільна думка зазвичай зосереджена на прориві та зручностях, які приносить технологія, тоді як увага до таких ключових питань, як захист приватності, прозорість, безпека, є відносно недостатньою. У довгостроковій перспективі ці питання глибоко вплинуть на здоровий розвиток індустрії ШІ та соціальну прийнятність. Якщо їх не вдасться належним чином вирішити, суперечка про те, чи "направити ШІ на добро", чи "на зло" стане ще більш помітною, тоді як централізовані гіганти, керуючись інстинктом наживи, часто не мають достатньої мотивації для активного реагування на ці виклики.
Технологія блокчейн, завдяки своїм децентралізованим, прозорим і стійким до цензури характеристикам, відкриває нові можливості для сталого розвитку AI-індустрії. На сьогоднішній день на таких основних блокчейнах, як Solana, Base, вже з'явилося безліч застосунків "Web3 AI". Однак при глибшому аналізі можна виявити, що ці проекти все ще стикаються з численними проблемами: з одного боку, ступінь децентралізації обмежена, ключові етапи та інфраструктура все ще залежать від централізованих хмарних послуг, а мемні властивості занадто сильні, що ускладнює підтримку дійсно відкритої екосистеми; з іншого боку, у порівнянні з AI-продуктами світу Web2, AI на блокчейні все ще має обмеження в моделях, використанні даних і сценаріях застосування, глибина та ширина інновацій потребують покращення.
Щоб справді реалізувати бачення децентралізованого ШІ, щоб у блокчейні безпечно, ефективно та демократично розміщувати масштабні AI-додатки та протистояти централізованим рішенням за продуктивністю, нам потрібно спроектувати Layer1 блокчейн, спеціально створений для AI. Це забезпечить міцну основу для відкритих інновацій у сфері AI, демократичного управління та безпеки даних, сприяючи процвітанню децентралізованої екосистеми AI.
Основні характеристики AI Layer 1
AI Layer 1 як блокчейн, спеціально розроблений для AI-додатків, має підпорядковану архітектуру та дизайн продуктивності, які тісно пов’язані з вимогами AI-завдань, з метою ефективної підтримки стійкого розвитку та процвітання AI-екосистеми у блокчейні. Конкретно, AI Layer 1 повинен мати такі основні можливості:
Ефективні стимули та децентралізований механізм консенсусу. Ядро AI Layer 1 полягає у створенні відкритої мережі для спільного використання ресурсів, таких як обчислювальна потужність та зберігання. На відміну від традиційних вузлів блокчейна, які в основному зосереджуються на веденні бухгалтерського обліку, вузли AI Layer 1 повинні виконувати більш складні завдання: не лише надавати обчислювальну потужність, завершувати навчання та інференцію AI-моделей, але також вносити різноманітні ресурси, такі як зберігання, дані, пропускна здатність, щоб розірвати монополію централізованих гігантів у сфері інфраструктури AI. Це висуває вищі вимоги до базового консенсусу та механізму стимулювання: AI Layer 1 має 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 і процвітання мережі, а також ефективно знизити загальні витрати на обчислювальну потужність.
Висока продуктивність та підтримка гетерогенних задач AI завдань, особливо навчання та висновків LLM, висувають надзвичайно високі вимоги до обчислювальної продуктивності та можливостей паралельної обробки. Більше того, у блокчейні AI екосистема часто повинна підтримувати різноманітні, гетерогенні типи задач, включаючи різні структури моделей, обробку даних, висновки, зберігання та інші різноманітні сценарії. AI Layer 1 повинен бути глибоко оптимізованим на базовій архітектурі для вимог високої пропускної здатності, низької затримки та еластичної паралельності, а також передбачити рідну підтримку гетерогенних обчислювальних ресурсів, щоб забезпечити ефективне виконання різних AI завдань та реалізувати плавне розширення від "однорідних завдань" до "складної багатогранної екосистеми".
Верифікація та гарантія надійного виходу AI Layer 1 не лише повинна запобігати зловживанням моделі, змінам даних та іншим загрозам безпеці, але й забезпечувати верифікацію та узгодженість результатів виходу AI з базового механізму. Завдяки інтеграції довірчих виконавчих середовищ (TEE), нульових знань (ZK), багатосторонніх безпечних обчислень (MPC) та інших передових технологій, платформа може забезпечити можливість незалежної верифікації кожного процесу інференції моделі, навчання та обробки даних, тим самим гарантувати справедливість та прозорість системи AI. Крім того, ця верифікація може допомогти користувачам чітко зрозуміти логіку та основи виходу AI, реалізуючи "отримане - це бажане", підвищуючи довіру та задоволеність користувачів продукцією AI.
Захист конфіденційності даних Застосування штучного інтелекту часто пов'язане з чутливими даними користувачів, особливо в фінансовій, медичній, соціальній та інших сферах, захист конфіденційності даних є надзвичайно важливим. AI Layer 1 має забезпечити верифікацію, одночасно використовуючи технології обробки даних на основі шифрування, протоколи обчислення конфіденційності та управління правами даних, щоб гарантувати безпеку даних на всіх етапах: під час інференції, навчання та зберігання, ефективно запобігаючи витоку та зловживанню даними, усуваючи занепокоєння користувачів щодо безпеки даних.
Потужна екосистема та підтримка розробки Як AI-оригінальна інфраструктура рівня 1, платформа повинна не тільки мати технологічну перевагу, але й забезпечувати розробників, операторів вузлів, постачальників AI-послуг та інших учасників екосистеми комплексними інструментами розробки, інтегрованими SDK, підтримкою експлуатації та механізмами заохочення. Постійно оптимізуючи доступність платформи та досвід розробників, сприяти реалізації різноманітних AI-оригінальних додатків, забезпечуючи стійке процвітання децентралізованої AI-екосистеми.
Виходячи з вищезазначеного контексту та очікувань, у цій статті буде детально представлено шість представницьких проектів AI Layer1, включаючи Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, систематизовано останні досягнення в цій галузі, проаналізовано стан розвитку проектів і обговорено майбутні тенденції.
Sentient: побудова вірних відкритих децентралізованих AI моделей
Огляд проекту
Sentient є відкритою платформою протоколів, яка створює AI Layer1 у блокчейні (, початкова стадія - Layer 2, а пізніше буде перенесена на Layer 1). Поєднуючи AI Pipeline та технології блокчейну, вона будує децентралізовану економіку штучного інтелекту. Її основною метою є вирішення проблеми належності моделей, відстеження викликів та розподілу вартості на централізованому ринку LLM за допомогою "OML" (відкритий, прибутковий, лояльний) для забезпечення структури власності моделей AI на у блокчейні, прозорості викликів та розподілу вартості. Бачення Sentient полягає в тому, щоб будь-хто міг створювати, співпрацювати, володіти та монетизувати продукти AI, що сприятиме розвитку справедливої та відкритої екосистеми мережі AI Agent.
Команда Sentient Foundation об'єднала провідних академічних експертів, підприємців у сфері блокчейну та інженерів з усього світу, що прагнуть створити спільноту, яка керується, з відкритим кодом і верифікується платформа AGI. До складу ключових членів 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 блокчейну та екосистеми. Фон учасників команди охоплює такі відомі компанії, як Meta, Coinbase, Polygon, а також провідні університети, такі як Принстонський університет і Індійський технологічний інститут, охоплюючи області AI/ML, NLP, комп'ютерного зору та спільно працюючи над реалізацією проекту.
Як другий стартап спільного засновника Polygon Sandeep Nailwal, Sentient з моменту свого заснування мала ореол популярності, володіючи багатими ресурсами, зв'язками та ринковою впізнаваністю, що надало потужну підтримку розвитку проекту. У середині 2024 року Sentient завершила раунд фінансування на суму 85 мільйонів доларів, який очолили Founders Fund, Pantera та Framework Ventures, інші інвестиційні компанії включають Delphi, Hashkey та Spartan, а також десятки інших відомих венчурних капіталістів.
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 узгодження моделі.
Тренування лояльності (Loyalty Training): забезпечення того, щоб модель проходила тренувальний процес, що відповідає намірам спільноти.
Система блокчейну забезпечує прозорість та децентралізоване управління протоколами, гарантує власність на AI артефакти, відстеження використання, розподіл доходів та справедливе управління. Конкретна архітектура поділена на чотири рівні:
Зберігання: зберігання ваг моделей та інформації про реєстрацію відбитків пальців;
Розподільчий рівень: вхід для виклику моделі контролю контракту авторизації;
Доступний рівень: перевірка правомірності на основі підтвердження прав користувача;
Інцентівний рівень: контракт маршрутизації доходів буде розподіляти плату на кожному виклику між тренерами, розробниками та валідаторами.
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. Поєднуючи у блокчейні технології та AI рідну криптографію, має такі характеристики:
Відкритість: Модель повинна бути з відкритим вихідним кодом, код і структура даних мають бути прозорими, щоб спростити відтворення, аудит і вдосконалення з боку спільноти.
Монетизація: Кожен виклик моделі запускає потік доходів, у блокчейні контракт буде розподіляти доходи між тренерами, розробниками та валідаторами.
Вірність: Модель належить спільноті внесків, напрямок оновлення та управління визначається DAO, використання та зміна контролюються криптомеханізмами.
AI рідна криптографія (AI-native Cryptography)
AI-оригінальне шифрування використовує неперервність AI-моделей, структуру низьковимірних маніфольдів та диференційовані характеристики моделей для розробки "перевірених, але не видалюваних" легковагових механізмів безпеки. Його основна технологія:
Вбудовування відбитків пальців: під час навчання вставляється набір прихованих пар ключ-значення запит-відповідь для формування унікального підпису моделі;
Протокол перевірки прав власності: перевірка того, чи зберігається відбиток пальця у формі запиту за допомогою стороннього детектора (Prover);
Механізм дозволеного виклику: перед викликом необхідно отримати "документ дозволу", виданий власником моделі, після чого система надає моделі дозвіл на декодування цього вводу та повернення точної відповіді.
Цей спосіб дозволяє реалізувати "авторизаційні виклики на основі поведінки + верифікацію належності" без витрат на повторне шифрування.
Модель підтвердження прав та безпечна виконавча рамка
Sentient наразі використовує Melange змішану безпеку: комбінація підтвердження за допомогою відбитків пальців, виконання TEE та розподіл прибутків за допомогою смарт-контрактів. При цьому метод відбитків пальців реалізується за допомогою OML 1.0, наголошуючи на ідеї "оптимістичної безпеки (Optimistic Security)", тобто за замовчуванням вважається, що все відповідає вимогам, а порушення можуть бути виявлені та покарані.
Механізм відбитків пальців є ключовою реалізацією OML, він через вбудовані специфічні "питання-відповіді" дозволяє моделі генерувати унікальний підпис на етапі навчання. За цими підписами власники моделі можуть перевіряти приналежність, запобігаючи несанкціонованому копіюванню та комерціалізації. Цей механізм не лише захищає права розробників моделей, а й забезпечує відстежувані записи у блокчейні щодо використання моделі.
Крім того, Sentient випустила обчислювальну платформу Enclave TEE, яка використовує довірене середовище виконання (таке як AWS Nitro Enclaves), щоб забезпечити, що моделі відповідають лише на авторизовані запити, запобігаючи несанкціонованому доступу та використанню. Хоча TEE залежить від апаратного забезпечення і має певні ризики безпеки, її висока продуктивність та реальний час роблять її основною технологією для розгортання моделей сьогодні.
У майбутньому Sentient планує впровадити технології нульових знань (ZK) та повну гомоморфну криптографію (FHE), щоб ще більше посилити захист приватності та верифікацію для AI моделей.
Переглянути оригінал
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.
13 лайків
Нагородити
13
3
Поділіться
Прокоментувати
0/400
MagicBean
· 07-13 19:52
Гіганти більше не можуть грати!
Переглянути оригіналвідповісти на0
BoredApeResistance
· 07-13 19:47
Ще одна нова історія про обман для дурнів у web3
Переглянути оригіналвідповісти на0
FrogInTheWell
· 07-13 19:41
Коли роздрібний інвестор зможе дозволити собі грати в AI
Підйом AI Layer1: нова інфраструктура децентралізованої AI екосистеми
AI Layer1 дослідження: пошук родючих ґрунтів для DeAI у блокчейні
Огляд
В останні роки провідні технологічні компанії, такі як OpenAI, Anthropic, Google, Meta, постійно сприяють стрімкому розвитку великих мовних моделей (LLM). LLM демонструють безпрецедентні можливості в різних сферах, значно розширюючи межі людської уяви, і навіть в деяких випадках показують потенціал для заміни людської праці. Однак ядро цих технологій залишається під контролем небагатьох централізованих технологічних гігантів. Спираючись на потужний капітал і контроль над дорогими обчислювальними ресурсами, ці компанії створили непрохідні бар'єри, які ускладнюють конкуренцію для більшості розробників і інноваційних команд.
Водночас, на початку швидкого розвитку ШІ суспільна думка зазвичай зосереджена на прориві та зручностях, які приносить технологія, тоді як увага до таких ключових питань, як захист приватності, прозорість, безпека, є відносно недостатньою. У довгостроковій перспективі ці питання глибоко вплинуть на здоровий розвиток індустрії ШІ та соціальну прийнятність. Якщо їх не вдасться належним чином вирішити, суперечка про те, чи "направити ШІ на добро", чи "на зло" стане ще більш помітною, тоді як централізовані гіганти, керуючись інстинктом наживи, часто не мають достатньої мотивації для активного реагування на ці виклики.
Технологія блокчейн, завдяки своїм децентралізованим, прозорим і стійким до цензури характеристикам, відкриває нові можливості для сталого розвитку AI-індустрії. На сьогоднішній день на таких основних блокчейнах, як Solana, Base, вже з'явилося безліч застосунків "Web3 AI". Однак при глибшому аналізі можна виявити, що ці проекти все ще стикаються з численними проблемами: з одного боку, ступінь децентралізації обмежена, ключові етапи та інфраструктура все ще залежать від централізованих хмарних послуг, а мемні властивості занадто сильні, що ускладнює підтримку дійсно відкритої екосистеми; з іншого боку, у порівнянні з AI-продуктами світу Web2, AI на блокчейні все ще має обмеження в моделях, використанні даних і сценаріях застосування, глибина та ширина інновацій потребують покращення.
Щоб справді реалізувати бачення децентралізованого ШІ, щоб у блокчейні безпечно, ефективно та демократично розміщувати масштабні AI-додатки та протистояти централізованим рішенням за продуктивністю, нам потрібно спроектувати Layer1 блокчейн, спеціально створений для AI. Це забезпечить міцну основу для відкритих інновацій у сфері AI, демократичного управління та безпеки даних, сприяючи процвітанню децентралізованої екосистеми AI.
Основні характеристики AI Layer 1
AI Layer 1 як блокчейн, спеціально розроблений для AI-додатків, має підпорядковану архітектуру та дизайн продуктивності, які тісно пов’язані з вимогами AI-завдань, з метою ефективної підтримки стійкого розвитку та процвітання AI-екосистеми у блокчейні. Конкретно, AI Layer 1 повинен мати такі основні можливості:
Ефективні стимули та децентралізований механізм консенсусу. Ядро AI Layer 1 полягає у створенні відкритої мережі для спільного використання ресурсів, таких як обчислювальна потужність та зберігання. На відміну від традиційних вузлів блокчейна, які в основному зосереджуються на веденні бухгалтерського обліку, вузли AI Layer 1 повинні виконувати більш складні завдання: не лише надавати обчислювальну потужність, завершувати навчання та інференцію AI-моделей, але також вносити різноманітні ресурси, такі як зберігання, дані, пропускна здатність, щоб розірвати монополію централізованих гігантів у сфері інфраструктури AI. Це висуває вищі вимоги до базового консенсусу та механізму стимулювання: AI Layer 1 має 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 і процвітання мережі, а також ефективно знизити загальні витрати на обчислювальну потужність.
Висока продуктивність та підтримка гетерогенних задач AI завдань, особливо навчання та висновків LLM, висувають надзвичайно високі вимоги до обчислювальної продуктивності та можливостей паралельної обробки. Більше того, у блокчейні AI екосистема часто повинна підтримувати різноманітні, гетерогенні типи задач, включаючи різні структури моделей, обробку даних, висновки, зберігання та інші різноманітні сценарії. AI Layer 1 повинен бути глибоко оптимізованим на базовій архітектурі для вимог високої пропускної здатності, низької затримки та еластичної паралельності, а також передбачити рідну підтримку гетерогенних обчислювальних ресурсів, щоб забезпечити ефективне виконання різних AI завдань та реалізувати плавне розширення від "однорідних завдань" до "складної багатогранної екосистеми".
Верифікація та гарантія надійного виходу AI Layer 1 не лише повинна запобігати зловживанням моделі, змінам даних та іншим загрозам безпеці, але й забезпечувати верифікацію та узгодженість результатів виходу AI з базового механізму. Завдяки інтеграції довірчих виконавчих середовищ (TEE), нульових знань (ZK), багатосторонніх безпечних обчислень (MPC) та інших передових технологій, платформа може забезпечити можливість незалежної верифікації кожного процесу інференції моделі, навчання та обробки даних, тим самим гарантувати справедливість та прозорість системи AI. Крім того, ця верифікація може допомогти користувачам чітко зрозуміти логіку та основи виходу AI, реалізуючи "отримане - це бажане", підвищуючи довіру та задоволеність користувачів продукцією AI.
Захист конфіденційності даних Застосування штучного інтелекту часто пов'язане з чутливими даними користувачів, особливо в фінансовій, медичній, соціальній та інших сферах, захист конфіденційності даних є надзвичайно важливим. AI Layer 1 має забезпечити верифікацію, одночасно використовуючи технології обробки даних на основі шифрування, протоколи обчислення конфіденційності та управління правами даних, щоб гарантувати безпеку даних на всіх етапах: під час інференції, навчання та зберігання, ефективно запобігаючи витоку та зловживанню даними, усуваючи занепокоєння користувачів щодо безпеки даних.
Потужна екосистема та підтримка розробки Як AI-оригінальна інфраструктура рівня 1, платформа повинна не тільки мати технологічну перевагу, але й забезпечувати розробників, операторів вузлів, постачальників AI-послуг та інших учасників екосистеми комплексними інструментами розробки, інтегрованими SDK, підтримкою експлуатації та механізмами заохочення. Постійно оптимізуючи доступність платформи та досвід розробників, сприяти реалізації різноманітних AI-оригінальних додатків, забезпечуючи стійке процвітання децентралізованої AI-екосистеми.
Виходячи з вищезазначеного контексту та очікувань, у цій статті буде детально представлено шість представницьких проектів AI Layer1, включаючи Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, систематизовано останні досягнення в цій галузі, проаналізовано стан розвитку проектів і обговорено майбутні тенденції.
Sentient: побудова вірних відкритих децентралізованих AI моделей
Огляд проекту
Sentient є відкритою платформою протоколів, яка створює AI Layer1 у блокчейні (, початкова стадія - Layer 2, а пізніше буде перенесена на Layer 1). Поєднуючи AI Pipeline та технології блокчейну, вона будує децентралізовану економіку штучного інтелекту. Її основною метою є вирішення проблеми належності моделей, відстеження викликів та розподілу вартості на централізованому ринку LLM за допомогою "OML" (відкритий, прибутковий, лояльний) для забезпечення структури власності моделей AI на у блокчейні, прозорості викликів та розподілу вартості. Бачення Sentient полягає в тому, щоб будь-хто міг створювати, співпрацювати, володіти та монетизувати продукти AI, що сприятиме розвитку справедливої та відкритої екосистеми мережі AI Agent.
Команда Sentient Foundation об'єднала провідних академічних експертів, підприємців у сфері блокчейну та інженерів з усього світу, що прагнуть створити спільноту, яка керується, з відкритим кодом і верифікується платформа AGI. До складу ключових членів 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 блокчейну та екосистеми. Фон учасників команди охоплює такі відомі компанії, як Meta, Coinbase, Polygon, а також провідні університети, такі як Принстонський університет і Індійський технологічний інститут, охоплюючи області AI/ML, NLP, комп'ютерного зору та спільно працюючи над реалізацією проекту.
Як другий стартап спільного засновника Polygon Sandeep Nailwal, Sentient з моменту свого заснування мала ореол популярності, володіючи багатими ресурсами, зв'язками та ринковою впізнаваністю, що надало потужну підтримку розвитку проекту. У середині 2024 року Sentient завершила раунд фінансування на суму 85 мільйонів доларів, який очолили Founders Fund, Pantera та Framework Ventures, інші інвестиційні компанії включають Delphi, Hashkey та Spartan, а також десятки інших відомих венчурних капіталістів.
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:
Система блокчейну забезпечує прозорість та децентралізоване управління протоколами, гарантує власність на AI артефакти, відстеження використання, розподіл доходів та справедливе управління. Конкретна архітектура поділена 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. Поєднуючи у блокчейні технології та AI рідну криптографію, має такі характеристики:
AI рідна криптографія (AI-native Cryptography)
AI-оригінальне шифрування використовує неперервність AI-моделей, структуру низьковимірних маніфольдів та диференційовані характеристики моделей для розробки "перевірених, але не видалюваних" легковагових механізмів безпеки. Його основна технологія:
Цей спосіб дозволяє реалізувати "авторизаційні виклики на основі поведінки + верифікацію належності" без витрат на повторне шифрування.
Модель підтвердження прав та безпечна виконавча рамка
Sentient наразі використовує Melange змішану безпеку: комбінація підтвердження за допомогою відбитків пальців, виконання TEE та розподіл прибутків за допомогою смарт-контрактів. При цьому метод відбитків пальців реалізується за допомогою OML 1.0, наголошуючи на ідеї "оптимістичної безпеки (Optimistic Security)", тобто за замовчуванням вважається, що все відповідає вимогам, а порушення можуть бути виявлені та покарані.
Механізм відбитків пальців є ключовою реалізацією OML, він через вбудовані специфічні "питання-відповіді" дозволяє моделі генерувати унікальний підпис на етапі навчання. За цими підписами власники моделі можуть перевіряти приналежність, запобігаючи несанкціонованому копіюванню та комерціалізації. Цей механізм не лише захищає права розробників моделей, а й забезпечує відстежувані записи у блокчейні щодо використання моделі.
Крім того, Sentient випустила обчислювальну платформу Enclave TEE, яка використовує довірене середовище виконання (таке як AWS Nitro Enclaves), щоб забезпечити, що моделі відповідають лише на авторизовані запити, запобігаючи несанкціонованому доступу та використанню. Хоча TEE залежить від апаратного забезпечення і має певні ризики безпеки, її висока продуктивність та реальний час роблять її основною технологією для розгортання моделей сьогодні.
У майбутньому Sentient планує впровадити технології нульових знань (ZK) та повну гомоморфну криптографію (FHE), щоб ще більше посилити захист приватності та верифікацію для AI моделей.