Rapport de recherche AI Layer1 : À la recherche d'un sol fertile pour DeAI off-chain
Aperçu
Contexte
Ces dernières années, des entreprises technologiques de premier plan telles qu'OpenAI, Anthropic, Google et Meta ont continuellement poussé le développement rapide des modèles de langage de grande taille (LLM). Les LLM ont montré des capacités sans précédent dans divers secteurs, élargissant considérablement l'imagination humaine et montrant même le potentiel de remplacer le travail humain dans certaines situations. Cependant, le cœur de ces technologies est fermement contrôlé par quelques géants technologiques centralisés. Grâce à un capital solide et à un contrôle sur des ressources de calcul coûteuses, ces entreprises ont établi des barrières difficiles à franchir, rendant la concurrence difficile pour la grande majorité des développeurs et des équipes d'innovation.
Au début de l'évolution rapide de l'IA, l'opinion publique se concentre souvent sur les percées et les commodités offertes par la technologie, tandis que les préoccupations concernant la protection de la vie privée, la transparence et la sécurité, qui sont des problèmes clés, sont relativement sous-estimées. À long terme, ces questions auront un impact profond sur le développement sain de l'industrie de l'IA et son acceptation par la société. Si elles ne sont pas résolues de manière appropriée, le débat sur le fait que l'IA soit "bienveillante" ou "malveillante" deviendra de plus en plus saillant, et les géants centralisés, motivés par leur instinct de profit, manquent souvent de la motivation suffisante pour faire face à ces défis.
La technologie blockchain, grâce à ses caractéristiques de décentralisation, de transparence et de résistance à la censure, offre de nouvelles possibilités pour le développement durable de l'industrie de l'IA. Actuellement, de nombreuses applications "Web3 AI" ont émergé sur des blockchains majeures. Cependant, une analyse approfondie révèle que ces projets présentent encore de nombreux problèmes : d'une part, le degré de décentralisation est limité, les étapes clés et les infrastructures dépendent encore des services cloud centralisés, ce qui rend difficile le soutien d'un écosystème véritablement ouvert ; d'autre part, par rapport aux produits d'IA du monde Web2, l'IA on-chain reste limitée en termes de capacité des modèles, d'utilisation des données et de scénarios d'application, et la profondeur et l'étendue de l'innovation doivent être améliorées.
Pour réaliser véritablement la vision d'une IA décentralisée, permettant à la blockchain de supporter des applications d'IA à grande échelle de manière sécurisée, efficace et démocratique, tout en rivalisant en performance avec des solutions centralisées, nous devons concevoir une blockchain Layer 1 spécialement conçue pour l'IA. Cela fournira une base solide pour l'innovation ouverte en IA, la gouvernance démocratique et la sécurité des données, favorisant le développement prospère d'un écosystème d'IA décentralisé.
Les caractéristiques clés de la couche 1 AI
AI Layer 1, en tant que blockchain spécialement conçue pour les applications d'IA, a une architecture sous-jacente et un design de performance étroitement liés aux besoins des tâches d'IA, visant à soutenir efficacement le développement durable et la prospérité de l'écosystème d'IA off-chain. Plus précisément, AI Layer 1 devrait posséder les capacités clés suivantes :
Mécanisme de consensus décentralisé et d'incitation efficace Le cœur de l'AI Layer 1 réside dans la construction d'un réseau partagé ouvert de ressources telles que la puissance de calcul et le stockage. Contrairement aux nœuds de blockchain traditionnels qui se concentrent principalement sur la tenue des livres, les nœuds de l'AI Layer 1 doivent assumer des tâches plus complexes, non seulement fournir de la puissance de calcul, réaliser l'entraînement et l'inférence des modèles d'IA, mais aussi contribuer à des ressources diversifiées telles que le stockage, les données et la bande passante, brisant ainsi le monopole des géants centralisés sur l'infrastructure de l'IA. Cela impose des exigences plus élevées en matière de consensus de base et de mécanisme d'incitation : l'AI Layer 1 doit être capable d'évaluer, d'inciter et de vérifier avec précision la contribution réelle des nœuds dans les tâches d'inférence et d'entraînement de l'IA, réalisant ainsi la sécurité du réseau et la répartition efficace des ressources. Ce n'est qu'ainsi que l'on peut garantir la stabilité et la prospérité du réseau, tout en réduisant efficacement le coût global de la puissance de calcul.
Performances élevées exceptionnelles et capacité de support des tâches hétérogènes Les tâches AI, en particulier l'entraînement et l'inférence des LLM, posent des exigences très élevées en matière de performances de calcul et de capacités de traitement parallèle. De plus, l'écosystème AI off-chain doit souvent prendre en charge une diversité de types de tâches hétérogènes, y compris différentes structures de modèles, traitement des données, inférence, stockage et autres scénarios variés. AI Layer 1 doit être profondément optimisé au niveau de l'architecture de base pour répondre aux besoins de haut débit, de faible latence et de parallélisme élastique, tout en prévoyant une capacité de support natif pour les ressources de calcul hétérogènes, afin de garantir que toutes les tâches AI puissent fonctionner efficacement, permettant une expansion fluide de "tâches simples" à "écosystèmes complexes et variés".
Vérifiabilité et garantie de sortie fiable L'AI Layer 1 doit non seulement prévenir les comportements malveillants des modèles et les risques de falsification des données, mais également garantir la vérifiabilité et l'alignement des résultats produits par l'IA depuis le mécanisme de base. En intégrant des technologies de pointe telles que l'environnement d'exécution de confiance (TEE), la preuve à divulgation nulle de connaissance (ZK) et le calcul sécurisé multipartite (MPC), la plateforme permet à chaque processus d'inférence de modèle, d'entraînement et de traitement des données d'être vérifié de manière indépendante, assurant ainsi l'équité et la transparence du système d'IA. De plus, cette vérifiabilité aide les utilisateurs à comprendre la logique et les bases des sorties de l'IA, réalisant ainsi "ce qui est obtenu est ce qui est souhaité", renforçant la confiance et la satisfaction des utilisateurs envers les produits d'IA.
Protection de la vie privée des données L'application de l'IA implique souvent des données sensibles des utilisateurs. Dans les domaines financier, médical et social, la protection de la vie privée des données est particulièrement cruciale. AI Layer 1 doit garantir la vérifiabilité tout en adoptant des technologies de traitement des données basées sur le chiffrement, des protocoles de calcul de la vie privée et des moyens de gestion des droits d'accès aux données, afin d'assurer la sécurité des données tout au long du processus d'inférence, d'entraînement et de stockage, empêchant efficacement les fuites et les abus de données, et éliminant les préoccupations des utilisateurs concernant la sécurité des données.
Capacité puissante de support et de développement de l'écosystème En tant qu'infrastructure de Layer 1 d'origine AI, la plateforme doit non seulement posséder un leadership technique, mais aussi fournir aux développeurs, opérateurs de nœuds, fournisseurs de services AI et autres participants de l'écosystème des outils de développement complets, des SDK intégrés, un support opérationnel et des mécanismes d'incitation. En optimisant continuellement la disponibilité de la plateforme et l'expérience des développeurs, elle favorise la mise en œuvre d'applications AI natives riches et diversifiées, réalisant la prospérité continue d'un écosystème AI décentralisé.
Sur la base de ce contexte et de ces attentes, cet article présentera en détail six projets représentatifs de l'IA Layer1, y compris Sentient, Sahara AI, Ritual, Gensyn, Bittensor et 0G, en organisant systématiquement les derniers progrès du secteur, en analysant l'état actuel du développement des projets et en explorant les tendances futures.
Sentient : construire des modèles d'IA décentralisés open source et fidèles
Aperçu du projet
Sentient est une plateforme de protocole open source qui développe une blockchain AI Layer1. À ses débuts, elle sera en Layer 2, puis migrera vers Layer 1(. En combinant la technologie AI Pipeline et blockchain, elle construit un écosystème d'intelligence artificielle décentralisé. Son objectif principal est de résoudre les problèmes de propriété des modèles, de traçabilité des appels et de distribution de valeur sur le marché LLM centralisé grâce au cadre "OML" (ouvert, rentable, loyal), permettant une structure de propriété sur la chaîne, une transparence des appels et une distribution de valeur des modèles AI. La vision de Sentient est de permettre à quiconque de construire, collaborer, posséder et monétiser des produits AI, favorisant ainsi un écosystème de réseau d'agents AI juste et ouvert.
L'équipe de la Sentient Foundation regroupe des experts académiques, des entrepreneurs en blockchain et des ingénieurs de premier plan à l'échelle mondiale, s'engageant à construire une plateforme AGI communautaire, open source et vérifiable. Les membres clés comprennent Pramod Viswanath, professeur à l'Université de Princeton, et Himanshu Tyagi, professeur à l'Institut Indien de Science, responsables respectivement de la sécurité et de la protection de la vie privée de l'IA, tandis que Sandeep Nailwal, co-fondateur de Polygon, dirige la stratégie blockchain et l'écosystème. Les membres de l'équipe ont des antécédents dans des entreprises réputées telles que Meta, Coinbase, Polygon, ainsi que dans des établissements d'enseignement supérieur de premier plan tels que l'Université de Princeton et l'Institut Indien de Technologie, couvrant des domaines tels que l'IA/ML, le NLP, la vision par ordinateur, et collaborent pour faire avancer le projet.
En tant que projet de seconde entreprise de Sandeep Nailwal, cofondateur de Polygon, Sentient a dès le départ bénéficié d'une aura, disposant de ressources, de réseaux et d'une reconnaissance sur le marché riches, offrant un fort soutien au développement du projet. Mi-2024, Sentient a complété un financement de 85 millions de dollars lors de son tour de table de semence, dirigé par Founders Fund, Pantera et Framework Ventures, avec d'autres institutions d'investissement telles que Delphi, Hashkey et Spartan, parmi des dizaines de VC connus.
![Biteye et PANews publient un rapport de recherche sur AI Layer1 : à la recherche d'un sol fertile pour DeAI off-chain])https://img-cdn.gateio.im/webp-social/moments-f4a64f13105f67371db1a93a52948756.webp(
)# Conception de l'architecture et couche d'application
infrastructure layer
architecture centrale
L'architecture centrale de Sentient est composée de deux parties : le pipeline AI (AI Pipeline) et le système de blockchain.
Le pipeline AI est la base du développement et de l'entraînement des artefacts "AI fidèle", comprenant deux processus clés :
Planification des données (Data Curation) : processus de sélection des données piloté par la communauté, utilisé pour l'alignement des modèles.
Formation à la fidélité (Loyalty Training) : assurer que le modèle maintienne un processus d'entraînement aligné avec les intentions de la communauté.
Le système de blockchain offre transparence et contrôle décentralisé pour le protocole, garantissant la propriété des artefacts d'IA, le suivi de l'utilisation, la distribution des revenus et une gouvernance équitable. L'architecture spécifique est divisée en quatre couches :
Couche de stockage : stocker les poids du modèle et les informations d'enregistrement des empreintes digitales ;
Couche de distribution : le contrat d'autorisation contrôle l'entrée d'appel du modèle ;
Couche d'accès : vérifie si l'utilisateur est autorisé via une preuve d'autorisation ;
Couche d'incitation : Le contrat de routage des revenus distribuera les paiements à chaque appel aux entraîneurs, déployeurs et validateurs.
Cadre de modèle OML
Le cadre OML (Open, Monetizable, Loyal) est le concept central proposé par Sentient, visant à fournir une protection claire de la propriété et des mécanismes d'incitation économique pour les modèles d'IA open source. En combinant la technologie off-chain et la cryptographie native à l'IA, il présente les caractéristiques suivantes :
Ouverture : le modèle doit être open source, avec un code et une structure de données transparents, facilitant la reproduction, l'audit et l'amélioration par la communauté.
Monétisation : À chaque appel de modèle, un flux de revenus est déclenché, et le contrat off-chain distribuera les revenus aux formateurs, déployeurs et validateurs.
Loyauté : Le modèle appartient à la communauté des contributeurs, la direction de la mise à niveau et la gouvernance sont décidées par le DAO, l'utilisation et la modification sont contrôlées par des mécanismes cryptographiques.
Cryptographie native à l'IA
La cryptographie native à l'IA utilise la continuité des modèles d'IA, la structure des variétés de faible dimension et les caractéristiques différentiables des modèles pour développer un mécanisme de sécurité léger "vérifiable mais non amovible". Sa technologie clé est :
Empreinte digitale : insérer un ensemble de paires clé-valeur query-response cachées lors de l'entraînement pour former la signature unique du modèle ;
Protocole de vérification de propriété : validation de l'empreinte par un détecteur tiers (Prover) sous forme de question query ;
Mécanisme d'appel autorisé : Avant d'appeler, il est nécessaire d'obtenir un "certificat d'autorisation" délivré par le propriétaire du modèle, puis le système autorise le modèle à décoder cette entrée et à renvoyer une réponse précise.
Cette méthode permet de réaliser "appel d'autorisation basé sur le comportement + vérification d'appartenance" sans coût de recryptage.
Cadre de validation des modèles et d'exécution sécurisée
Sentient utilise actuellement la sécurité mixte Melange : combinaison de la vérification par empreinte digitale, de l'exécution TEE et de la répartition des profits des contrats off-chain. La méthode par empreinte digitale est mise en œuvre par OML 1.0, soulignant la philosophie de "sécurité optimiste (Optimistic Security)", c'est-à-dire conformité par défaut, détection et sanction en cas de violation.
Le mécanisme d'empreinte digitale est une mise en œuvre clé de l'OML. Il permet de générer des signatures uniques pendant la phase d'entraînement en intégrant des paires "question-réponse" spécifiques. Grâce à ces signatures, le propriétaire du modèle peut vérifier l'appartenance, empêchant ainsi les copies et la commercialisation non autorisées. Ce mécanisme protège non seulement les droits des développeurs de modèles, mais fournit également des enregistrements d'utilisation traçables off-chain.
De plus, Sentient a lancé le cadre de calcul Enclave TEE, qui utilise des environnements d'exécution de confiance (comme AWS Nitro Enclaves) pour garantir que le modèle ne répond qu'aux demandes autorisées, empêchant ainsi les accès et l'utilisation non autorisés. Bien que le TEE repose sur du matériel et présente certains risques de sécurité, ses avantages en termes de performance et de réactivité en font la technologie centrale pour le déploiement actuel des modèles.
À l'avenir, Sentient prévoit d'introduire des technologies de preuve à divulgation nulle de connaissance (ZK) et de cryptage homomorphe complet (FHE) pour renforcer davantage la protection de la vie privée et la vérifiabilité, offrant des solutions plus matures pour le déploiement décentralisé des modèles d'IA.
![Biteye et PANews publient un rapport de recherche sur l'AI Layer1 : à la recherche d'un sol fertile pour DeAI off-chain]###
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
14 J'aime
Récompense
14
3
Partager
Commentaire
0/400
YieldChaser
· Il y a 5h
C'est le AI Layer1 qui sort!
Voir l'originalRépondre0
PoolJumper
· Il y a 5h
Cette fois-ci, les VC sont tous entrés dans le secteur de l'IA, To the moon
Panorama de la course AI Layer1 : la lutte pour l'infrastructure de l'IA décentralisée
Rapport de recherche AI Layer1 : À la recherche d'un sol fertile pour DeAI off-chain
Aperçu
Contexte
Ces dernières années, des entreprises technologiques de premier plan telles qu'OpenAI, Anthropic, Google et Meta ont continuellement poussé le développement rapide des modèles de langage de grande taille (LLM). Les LLM ont montré des capacités sans précédent dans divers secteurs, élargissant considérablement l'imagination humaine et montrant même le potentiel de remplacer le travail humain dans certaines situations. Cependant, le cœur de ces technologies est fermement contrôlé par quelques géants technologiques centralisés. Grâce à un capital solide et à un contrôle sur des ressources de calcul coûteuses, ces entreprises ont établi des barrières difficiles à franchir, rendant la concurrence difficile pour la grande majorité des développeurs et des équipes d'innovation.
Au début de l'évolution rapide de l'IA, l'opinion publique se concentre souvent sur les percées et les commodités offertes par la technologie, tandis que les préoccupations concernant la protection de la vie privée, la transparence et la sécurité, qui sont des problèmes clés, sont relativement sous-estimées. À long terme, ces questions auront un impact profond sur le développement sain de l'industrie de l'IA et son acceptation par la société. Si elles ne sont pas résolues de manière appropriée, le débat sur le fait que l'IA soit "bienveillante" ou "malveillante" deviendra de plus en plus saillant, et les géants centralisés, motivés par leur instinct de profit, manquent souvent de la motivation suffisante pour faire face à ces défis.
La technologie blockchain, grâce à ses caractéristiques de décentralisation, de transparence et de résistance à la censure, offre de nouvelles possibilités pour le développement durable de l'industrie de l'IA. Actuellement, de nombreuses applications "Web3 AI" ont émergé sur des blockchains majeures. Cependant, une analyse approfondie révèle que ces projets présentent encore de nombreux problèmes : d'une part, le degré de décentralisation est limité, les étapes clés et les infrastructures dépendent encore des services cloud centralisés, ce qui rend difficile le soutien d'un écosystème véritablement ouvert ; d'autre part, par rapport aux produits d'IA du monde Web2, l'IA on-chain reste limitée en termes de capacité des modèles, d'utilisation des données et de scénarios d'application, et la profondeur et l'étendue de l'innovation doivent être améliorées.
Pour réaliser véritablement la vision d'une IA décentralisée, permettant à la blockchain de supporter des applications d'IA à grande échelle de manière sécurisée, efficace et démocratique, tout en rivalisant en performance avec des solutions centralisées, nous devons concevoir une blockchain Layer 1 spécialement conçue pour l'IA. Cela fournira une base solide pour l'innovation ouverte en IA, la gouvernance démocratique et la sécurité des données, favorisant le développement prospère d'un écosystème d'IA décentralisé.
Les caractéristiques clés de la couche 1 AI
AI Layer 1, en tant que blockchain spécialement conçue pour les applications d'IA, a une architecture sous-jacente et un design de performance étroitement liés aux besoins des tâches d'IA, visant à soutenir efficacement le développement durable et la prospérité de l'écosystème d'IA off-chain. Plus précisément, AI Layer 1 devrait posséder les capacités clés suivantes :
Mécanisme de consensus décentralisé et d'incitation efficace Le cœur de l'AI Layer 1 réside dans la construction d'un réseau partagé ouvert de ressources telles que la puissance de calcul et le stockage. Contrairement aux nœuds de blockchain traditionnels qui se concentrent principalement sur la tenue des livres, les nœuds de l'AI Layer 1 doivent assumer des tâches plus complexes, non seulement fournir de la puissance de calcul, réaliser l'entraînement et l'inférence des modèles d'IA, mais aussi contribuer à des ressources diversifiées telles que le stockage, les données et la bande passante, brisant ainsi le monopole des géants centralisés sur l'infrastructure de l'IA. Cela impose des exigences plus élevées en matière de consensus de base et de mécanisme d'incitation : l'AI Layer 1 doit être capable d'évaluer, d'inciter et de vérifier avec précision la contribution réelle des nœuds dans les tâches d'inférence et d'entraînement de l'IA, réalisant ainsi la sécurité du réseau et la répartition efficace des ressources. Ce n'est qu'ainsi que l'on peut garantir la stabilité et la prospérité du réseau, tout en réduisant efficacement le coût global de la puissance de calcul.
Performances élevées exceptionnelles et capacité de support des tâches hétérogènes Les tâches AI, en particulier l'entraînement et l'inférence des LLM, posent des exigences très élevées en matière de performances de calcul et de capacités de traitement parallèle. De plus, l'écosystème AI off-chain doit souvent prendre en charge une diversité de types de tâches hétérogènes, y compris différentes structures de modèles, traitement des données, inférence, stockage et autres scénarios variés. AI Layer 1 doit être profondément optimisé au niveau de l'architecture de base pour répondre aux besoins de haut débit, de faible latence et de parallélisme élastique, tout en prévoyant une capacité de support natif pour les ressources de calcul hétérogènes, afin de garantir que toutes les tâches AI puissent fonctionner efficacement, permettant une expansion fluide de "tâches simples" à "écosystèmes complexes et variés".
Vérifiabilité et garantie de sortie fiable L'AI Layer 1 doit non seulement prévenir les comportements malveillants des modèles et les risques de falsification des données, mais également garantir la vérifiabilité et l'alignement des résultats produits par l'IA depuis le mécanisme de base. En intégrant des technologies de pointe telles que l'environnement d'exécution de confiance (TEE), la preuve à divulgation nulle de connaissance (ZK) et le calcul sécurisé multipartite (MPC), la plateforme permet à chaque processus d'inférence de modèle, d'entraînement et de traitement des données d'être vérifié de manière indépendante, assurant ainsi l'équité et la transparence du système d'IA. De plus, cette vérifiabilité aide les utilisateurs à comprendre la logique et les bases des sorties de l'IA, réalisant ainsi "ce qui est obtenu est ce qui est souhaité", renforçant la confiance et la satisfaction des utilisateurs envers les produits d'IA.
Protection de la vie privée des données L'application de l'IA implique souvent des données sensibles des utilisateurs. Dans les domaines financier, médical et social, la protection de la vie privée des données est particulièrement cruciale. AI Layer 1 doit garantir la vérifiabilité tout en adoptant des technologies de traitement des données basées sur le chiffrement, des protocoles de calcul de la vie privée et des moyens de gestion des droits d'accès aux données, afin d'assurer la sécurité des données tout au long du processus d'inférence, d'entraînement et de stockage, empêchant efficacement les fuites et les abus de données, et éliminant les préoccupations des utilisateurs concernant la sécurité des données.
Capacité puissante de support et de développement de l'écosystème En tant qu'infrastructure de Layer 1 d'origine AI, la plateforme doit non seulement posséder un leadership technique, mais aussi fournir aux développeurs, opérateurs de nœuds, fournisseurs de services AI et autres participants de l'écosystème des outils de développement complets, des SDK intégrés, un support opérationnel et des mécanismes d'incitation. En optimisant continuellement la disponibilité de la plateforme et l'expérience des développeurs, elle favorise la mise en œuvre d'applications AI natives riches et diversifiées, réalisant la prospérité continue d'un écosystème AI décentralisé.
Sur la base de ce contexte et de ces attentes, cet article présentera en détail six projets représentatifs de l'IA Layer1, y compris Sentient, Sahara AI, Ritual, Gensyn, Bittensor et 0G, en organisant systématiquement les derniers progrès du secteur, en analysant l'état actuel du développement des projets et en explorant les tendances futures.
Sentient : construire des modèles d'IA décentralisés open source et fidèles
Aperçu du projet
Sentient est une plateforme de protocole open source qui développe une blockchain AI Layer1. À ses débuts, elle sera en Layer 2, puis migrera vers Layer 1(. En combinant la technologie AI Pipeline et blockchain, elle construit un écosystème d'intelligence artificielle décentralisé. Son objectif principal est de résoudre les problèmes de propriété des modèles, de traçabilité des appels et de distribution de valeur sur le marché LLM centralisé grâce au cadre "OML" (ouvert, rentable, loyal), permettant une structure de propriété sur la chaîne, une transparence des appels et une distribution de valeur des modèles AI. La vision de Sentient est de permettre à quiconque de construire, collaborer, posséder et monétiser des produits AI, favorisant ainsi un écosystème de réseau d'agents AI juste et ouvert.
L'équipe de la Sentient Foundation regroupe des experts académiques, des entrepreneurs en blockchain et des ingénieurs de premier plan à l'échelle mondiale, s'engageant à construire une plateforme AGI communautaire, open source et vérifiable. Les membres clés comprennent Pramod Viswanath, professeur à l'Université de Princeton, et Himanshu Tyagi, professeur à l'Institut Indien de Science, responsables respectivement de la sécurité et de la protection de la vie privée de l'IA, tandis que Sandeep Nailwal, co-fondateur de Polygon, dirige la stratégie blockchain et l'écosystème. Les membres de l'équipe ont des antécédents dans des entreprises réputées telles que Meta, Coinbase, Polygon, ainsi que dans des établissements d'enseignement supérieur de premier plan tels que l'Université de Princeton et l'Institut Indien de Technologie, couvrant des domaines tels que l'IA/ML, le NLP, la vision par ordinateur, et collaborent pour faire avancer le projet.
En tant que projet de seconde entreprise de Sandeep Nailwal, cofondateur de Polygon, Sentient a dès le départ bénéficié d'une aura, disposant de ressources, de réseaux et d'une reconnaissance sur le marché riches, offrant un fort soutien au développement du projet. Mi-2024, Sentient a complété un financement de 85 millions de dollars lors de son tour de table de semence, dirigé par Founders Fund, Pantera et Framework Ventures, avec d'autres institutions d'investissement telles que Delphi, Hashkey et Spartan, parmi des dizaines de VC connus.
![Biteye et PANews publient un rapport de recherche sur AI Layer1 : à la recherche d'un sol fertile pour DeAI off-chain])https://img-cdn.gateio.im/webp-social/moments-f4a64f13105f67371db1a93a52948756.webp(
)# Conception de l'architecture et couche d'application
infrastructure layer
architecture centrale
L'architecture centrale de Sentient est composée de deux parties : le pipeline AI (AI Pipeline) et le système de blockchain.
Le pipeline AI est la base du développement et de l'entraînement des artefacts "AI fidèle", comprenant deux processus clés :
Le système de blockchain offre transparence et contrôle décentralisé pour le protocole, garantissant la propriété des artefacts d'IA, le suivi de l'utilisation, la distribution des revenus et une gouvernance équitable. L'architecture spécifique est divisée en quatre couches :
Cadre de modèle OML
Le cadre OML (Open, Monetizable, Loyal) est le concept central proposé par Sentient, visant à fournir une protection claire de la propriété et des mécanismes d'incitation économique pour les modèles d'IA open source. En combinant la technologie off-chain et la cryptographie native à l'IA, il présente les caractéristiques suivantes :
Cryptographie native à l'IA
La cryptographie native à l'IA utilise la continuité des modèles d'IA, la structure des variétés de faible dimension et les caractéristiques différentiables des modèles pour développer un mécanisme de sécurité léger "vérifiable mais non amovible". Sa technologie clé est :
Cette méthode permet de réaliser "appel d'autorisation basé sur le comportement + vérification d'appartenance" sans coût de recryptage.
Cadre de validation des modèles et d'exécution sécurisée
Sentient utilise actuellement la sécurité mixte Melange : combinaison de la vérification par empreinte digitale, de l'exécution TEE et de la répartition des profits des contrats off-chain. La méthode par empreinte digitale est mise en œuvre par OML 1.0, soulignant la philosophie de "sécurité optimiste (Optimistic Security)", c'est-à-dire conformité par défaut, détection et sanction en cas de violation.
Le mécanisme d'empreinte digitale est une mise en œuvre clé de l'OML. Il permet de générer des signatures uniques pendant la phase d'entraînement en intégrant des paires "question-réponse" spécifiques. Grâce à ces signatures, le propriétaire du modèle peut vérifier l'appartenance, empêchant ainsi les copies et la commercialisation non autorisées. Ce mécanisme protège non seulement les droits des développeurs de modèles, mais fournit également des enregistrements d'utilisation traçables off-chain.
De plus, Sentient a lancé le cadre de calcul Enclave TEE, qui utilise des environnements d'exécution de confiance (comme AWS Nitro Enclaves) pour garantir que le modèle ne répond qu'aux demandes autorisées, empêchant ainsi les accès et l'utilisation non autorisés. Bien que le TEE repose sur du matériel et présente certains risques de sécurité, ses avantages en termes de performance et de réactivité en font la technologie centrale pour le déploiement actuel des modèles.
À l'avenir, Sentient prévoit d'introduire des technologies de preuve à divulgation nulle de connaissance (ZK) et de cryptage homomorphe complet (FHE) pour renforcer davantage la protection de la vie privée et la vérifiabilité, offrant des solutions plus matures pour le déploiement décentralisé des modèles d'IA.
![Biteye et PANews publient un rapport de recherche sur l'AI Layer1 : à la recherche d'un sol fertile pour DeAI off-chain]###