AI Layer 1: Buscando la tierra fértil de DeAI en la cadena
En los últimos años, compañías tecnológicas líderes como OpenAI, Anthropic, Google y Meta han impulsado el rápido desarrollo de los modelos de lenguaje a gran escala (LLM). Los LLM han demostrado capacidades sin precedentes en diversas industrias, ampliando enormemente el espacio de imaginación humana, e incluso han mostrado el potencial de reemplazar el trabajo humano en ciertos escenarios. Sin embargo, el núcleo de estas tecnologías está firmemente controlado por un pequeño número de gigantes tecnológicos centralizados. Con un capital sólido y el control de costosos recursos de computación, estas empresas han establecido barreras difíciles de superar, lo que dificulta a la gran mayoría de desarrolladores y equipos de innovación competir con ellas.
Al mismo tiempo, en la fase inicial de rápida evolución de la IA, la opinión pública a menudo se centra en los avances y la conveniencia que trae la tecnología, mientras que la atención a cuestiones centrales como la protección de la privacidad, la transparencia y la seguridad es relativamente insuficiente. A largo plazo, estos problemas afectarán profundamente el desarrollo saludable de la industria de la IA y su aceptación social. Si no se resuelven adecuadamente, la controversia sobre si la IA es "benévola" o "malévola" se volverá cada vez más prominente, y los gigantes centralizados, impulsados por su instinto de lucro, a menudo carecen de la suficiente motivación para enfrentar estos desafíos de manera proactiva.
La tecnología blockchain, gracias a sus características de descentralización, transparencia y resistencia a la censura, ofrece nuevas posibilidades para el desarrollo sostenible de la industria de la IA. Actualmente, ya han surgido numerosas aplicaciones de "Web3 AI" en varias blockchains populares. Sin embargo, un análisis más profundo revela que estos proyectos aún enfrentan muchos problemas: por un lado, el grado de descentralización es limitado, y los eslabones clave y la infraestructura aún dependen de servicios en la nube centralizados; la propiedad meme es demasiado pronunciada, lo que dificulta el apoyo a un ecosistema verdaderamente abierto; por otro lado, en comparación con los productos de IA del mundo Web2, la IA en cadena sigue siendo limitada en términos de capacidad del modelo, utilización de datos y escenarios de aplicación, y la profundidad y amplitud de la innovación necesitan ser mejoradas.
Para lograr verdaderamente la visión de una IA descentralizada, hacer que la blockchain pueda llevar aplicaciones de IA a gran escala de manera segura, eficiente y democrática, y competir en términos de rendimiento con soluciones centralizadas, necesitamos diseñar una blockchain Layer1 hecha a medida para la IA. Esto proporcionará una base sólida para la innovación abierta en IA, la gobernanza democrática y la seguridad de los datos, impulsando el próspero desarrollo del ecosistema de IA descentralizada.
Las características clave de AI Layer 1
AI Layer 1, como una blockchain diseñada específicamente para aplicaciones de IA, su arquitectura subyacente y diseño de rendimiento están estrechamente alineados con las necesidades de las tareas de IA, con el objetivo de respaldar de manera eficiente el desarrollo sostenible y la prosperidad del ecosistema de IA on-chain. En concreto, AI Layer 1 debe contar con las siguientes capacidades centrales:
Mecanismo de incentivos eficientes y consenso descentralizado
El núcleo de AI Layer 1 radica en construir una red compartida de recursos abiertos como potencia de cálculo y almacenamiento. A diferencia de los nodos de blockchain tradicionales que se centran principalmente en el registro de libros contables, los nodos de AI Layer 1 deben asumir tareas más complejas, no solo proporcionando potencia de cálculo, completando el entrenamiento y la inferencia de modelos de IA, sino también contribuyendo con almacenamiento, datos, ancho de banda y otros recursos diversificados, rompiendo así el monopolio de los gigantes centralizados en la infraestructura de IA. Esto plantea mayores requisitos para el consenso subyacente y el mecanismo de incentivos: AI Layer 1 debe poder evaluar, incentivar y verificar con precisión la contribución real de los nodos en tareas de inferencia y entrenamiento de IA, logrando la seguridad de la red y la distribución eficiente de recursos. Solo así se puede garantizar la estabilidad y prosperidad de la red, y reducir eficazmente el costo total de la potencia de cálculo.
Excelentes capacidades de alto rendimiento y soporte para tareas heterogéneas
Las tareas de IA, especialmente el entrenamiento y la inferencia de LLM, imponen requisitos muy altos en el rendimiento computacional y la capacidad de procesamiento paralelo. Además, el ecosistema de IA on-chain a menudo necesita soportar una variedad de tipos de tareas heterogéneas, que incluyen diferentes estructuras de modelos, procesamiento de datos, inferencia, almacenamiento y otros escenarios diversos. AI Layer 1 debe optimizarse profundamente en la arquitectura subyacente para satisfacer las demandas de alto rendimiento, baja latencia y paralelismo elástico, y preestablecer la capacidad de soporte nativo para recursos de computación heterogéneos, asegurando que todo tipo de tareas de IA puedan ejecutarse de manera eficiente, logrando una expansión fluida de "tareas únicas" a "ecosistemas complejos y diversos."
Verificabilidad y garantía de resultados confiables
La Capa 1 de IA no solo debe prevenir riesgos de seguridad como el comportamiento malicioso del modelo y la manipulación de datos, sino que también debe garantizar la verificabilidad y alineación de los resultados de salida de la IA desde el mecanismo a nivel base. A través de la integración de tecnologías de vanguardia como el entorno de ejecución confiable (TEE), pruebas de conocimiento cero (ZK) y computación segura multiparte (MPC), la plataforma puede permitir que cada inferencia del modelo, entrenamiento y proceso de manejo de datos sean verificables de manera independiente, asegurando la equidad y transparencia del sistema de IA. Al mismo tiempo, esta verificabilidad también puede ayudar a los usuarios a entender la lógica y los fundamentos de la salida de la IA, logrando "lo que se obtiene es lo que se desea", y aumentando la confianza y satisfacción de los usuarios con los productos de IA.
Protección de la privacidad de los datos
Las aplicaciones de IA a menudo implican datos sensibles de los usuarios, siendo la protección de la privacidad de los datos especialmente crucial en campos como las finanzas, la salud y las redes sociales. AI Layer 1 debe adoptar tecnologías de procesamiento de datos basadas en criptografía, protocolos de computación privada y gestión de permisos de datos, asegurando así la seguridad de los datos en todo el proceso de inferencia, entrenamiento y almacenamiento, previniendo eficazmente la filtración y el uso indebido de datos, y eliminando las preocupaciones de los usuarios sobre la seguridad de los datos.
Capacidad poderosa de soporte y desarrollo del ecosistema
Como infraestructura de Layer 1 nativa de IA, la plataforma no solo debe tener una ventaja tecnológica, sino que también debe proporcionar a los desarrolladores, operadores de nodos, proveedores de servicios de IA y otros participantes del ecosistema herramientas de desarrollo completas, SDK integrados, soporte operativo y mecanismos de incentivos. Al optimizar continuamente la disponibilidad de la plataforma y la experiencia del desarrollador, se promoverá la implementación de diversas aplicaciones nativas de IA y se logrará la prosperidad continua del ecosistema de IA descentralizado.
Con base en el contexto y las expectativas anteriores, este artículo presentará en detalle seis proyectos representativos de AI Layer1, incluidos Sentient, Sahara AI, Ritual, Gensyn, Bittensor y 0G, sistematizando los últimos avances del sector, analizando el estado actual del desarrollo de los proyectos y explorando las tendencias futuras.
Sentient: Construyendo modelos de IA descentralizados y de código abierto con lealtad
Resumen del proyecto
Sentient es una plataforma de protocolo de código abierto que está construyendo una blockchain de AI Layer1 (, en la fase inicial como Layer 2, que luego se trasladará a Layer 1). A través de la combinación de AI Pipeline y tecnología blockchain, se está construyendo una economía de inteligencia artificial descentralizada. Su objetivo principal es resolver los problemas de propiedad del modelo, seguimiento de llamadas y distribución de valor en el mercado LLM centralizado mediante el marco "OML" (abierto, rentable, leal), para lograr una estructura de propiedad en cadena, transparencia en las llamadas y distribución de valor para los modelos de IA. La visión de Sentient es permitir que cualquier persona pueda construir, colaborar, poseer y monetizar productos de IA, impulsando así un ecosistema de red de agentes de IA justo y abierto.
El equipo de Sentient Foundation reúne a los mejores expertos académicos, emprendedores de blockchain e ingenieros de todo el mundo, dedicándose a construir una plataforma AGI impulsada por la comunidad, de código abierto y verificable. Los miembros clave incluyen al profesor Pramod Viswanath de la Universidad de Princeton y al profesor Himanshu Tyagi del Instituto Indio de Ciencia, responsables respectivamente de la seguridad y la privacidad de la IA, mientras que Sandeep Nailwal, cofundador de Polygon, lidera la estrategia blockchain y el diseño ecológico. Los antecedentes de los miembros del equipo abarcan empresas de renombre como Meta, Coinbase, Polygon, así como universidades de élite como la Universidad de Princeton y el Instituto Indio de Tecnología, cubriendo campos como IA/ML, NLP, visión por computadora, trabajando juntos para impulsar la implementación del proyecto.
Como el segundo proyecto emprendedor de Sandeep Nailwal, cofundador de Polygon, Sentient llegó con un halo desde su creación, con abundantes recursos, contactos y reconocimiento en el mercado, lo que proporciona un fuerte respaldo para el desarrollo del proyecto. A mediados de 2024, Sentient completó una ronda de financiamiento inicial de 85 millones de dólares, liderada por Founders Fund, Pantera y Framework Ventures, con otros inversionistas que incluyen a Delphi, Hashkey y Spartan, entre decenas de reconocidas firmas de capital de riesgo.
arquitectura de diseño y capa de aplicación
Capa de infraestructura
Arquitectura central
La arquitectura central de Sentient se compone de dos partes: un Pipeline de IA y un sistema de blockchain.
El pipeline de IA es la base para desarrollar y entrenar artefactos de "IA leal", que incluye dos procesos fundamentales:
Curación de Datos (Data Curation): Proceso de selección de datos impulsado por la comunidad, utilizado para la alineación del modelo.
Entrenamiento de Lealtad (Loyalty Training): asegurar que el modelo mantenga un proceso de entrenamiento alineado con la intención de la comunidad.
El sistema de blockchain proporciona transparencia y control descentralizado para los protocolos, asegurando la propiedad de los artefactos de IA, el seguimiento de su uso, la distribución de ingresos y la gobernanza justa. La arquitectura específica se divide en cuatro capas:
Capa de almacenamiento: almacena los pesos del modelo y la información de registro de huellas dactilares;
Capa de distribución: el contrato de autorización controla la entrada de llamadas al modelo;
Capa de acceso: verifica si el usuario está autorizado a través de la prueba de permiso;
Capa de incentivos: el contrato de enrutamiento de ingresos asignará el pago a los entrenadores, desplegadores y validadores en cada llamada.
Marco de modelo OML
El marco OML (Abierto Open, Monetizable, Leal Loyal) es la filosofía central propuesta por Sentient, que tiene como objetivo proporcionar protección de propiedad y mecanismos de incentivo económico claros para modelos de IA de código abierto. Al combinar tecnología on-chain y criptografía nativa de IA, tiene las siguientes características:
Apertura: El modelo debe ser de código abierto, con un código y una estructura de datos transparentes, lo que facilita la reproducción, auditoría y mejora por parte de la comunidad.
Monetización: cada llamada al modelo desencadenará un flujo de ingresos, el contrato on-chain distribuirá los ingresos a los entrenadores, implementadores y validadores.
Lealtad: El modelo pertenece a la comunidad de contribuyentes, la dirección de la actualización y la gobernanza son decididas por la DAO, y su uso y modificación están controlados por mecanismos criptográficos.
Criptografía nativa de IA (AI-native Cryptography)
La criptografía nativa de IA utiliza la continuidad de los modelos de IA, la estructura de variedades de baja dimensión y las características diferenciables de los modelos, desarrollando un mecanismo de seguridad ligero "verificable pero no removible". Su tecnología central es:
Huella digital incrustada: insertar un conjunto de pares clave-valor de consulta-respuesta ocultos durante el entrenamiento para formar la firma única del modelo;
Protocolo de verificación de propiedad: verificar si la huella dactilar se conserva a través de un detector de terceros (Prover) en forma de consulta.
Mecanismo de llamada de permisos: antes de la llamada, se debe obtener el "certificado de autorización" emitido por el propietario del modelo, y el sistema autorizará al modelo a decodificar la entrada y devolver la respuesta correcta en base a ello.
Este método permite implementar "llamadas autorizadas basadas en el comportamiento + verificación de pertenencia" sin costos de re-encriptación.
Marco de ejecución seguro y de derechos de modelo
Sentient actualmente utiliza la seguridad híbrida Melange: combinando la verificación de huellas dactilares, la ejecución TEE y la distribución de beneficios del contrato on-chain. El método de huellas dactilares se implementa en la línea principal OML 1.0, enfatizando la idea de "Seguridad Optimista", es decir, que se asume el cumplimiento y se puede detectar y sancionar en caso de incumplimiento.
El mecanismo de huellas dactilares es una implementación clave de OML, que a través de la inserción de pares específicos de "pregunta-respuesta" permite al modelo generar una firma única durante la fase de entrenamiento. A través de estas firmas, el propietario del modelo puede verificar la pertenencia, evitando copias y comercialización no autorizadas. Este mecanismo no solo protege los derechos de los desarrolladores del modelo, sino que también proporciona un registro on-chain rastreable de las acciones de uso del modelo.
Además, Sentient ha lanzado el marco de computación Enclave TEE, aprovechando la ejecución confiable.
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
10 me gusta
Recompensa
10
4
Compartir
Comentar
0/400
ImaginaryWhale
· hace23h
El círculo de capital se trata de cómo se reparte el dinero.
Ver originalesResponder0
WalletWhisperer
· hace23h
los patrones de arbitraje estadístico sugieren una correlación del 93% con la centralización, para ser honesto
AI Layer 1: Construcción de la infraestructura básica de la cadena de bloques para el ecosistema DeAI on-chain
AI Layer 1: Buscando la tierra fértil de DeAI en la cadena
En los últimos años, compañías tecnológicas líderes como OpenAI, Anthropic, Google y Meta han impulsado el rápido desarrollo de los modelos de lenguaje a gran escala (LLM). Los LLM han demostrado capacidades sin precedentes en diversas industrias, ampliando enormemente el espacio de imaginación humana, e incluso han mostrado el potencial de reemplazar el trabajo humano en ciertos escenarios. Sin embargo, el núcleo de estas tecnologías está firmemente controlado por un pequeño número de gigantes tecnológicos centralizados. Con un capital sólido y el control de costosos recursos de computación, estas empresas han establecido barreras difíciles de superar, lo que dificulta a la gran mayoría de desarrolladores y equipos de innovación competir con ellas.
Al mismo tiempo, en la fase inicial de rápida evolución de la IA, la opinión pública a menudo se centra en los avances y la conveniencia que trae la tecnología, mientras que la atención a cuestiones centrales como la protección de la privacidad, la transparencia y la seguridad es relativamente insuficiente. A largo plazo, estos problemas afectarán profundamente el desarrollo saludable de la industria de la IA y su aceptación social. Si no se resuelven adecuadamente, la controversia sobre si la IA es "benévola" o "malévola" se volverá cada vez más prominente, y los gigantes centralizados, impulsados por su instinto de lucro, a menudo carecen de la suficiente motivación para enfrentar estos desafíos de manera proactiva.
La tecnología blockchain, gracias a sus características de descentralización, transparencia y resistencia a la censura, ofrece nuevas posibilidades para el desarrollo sostenible de la industria de la IA. Actualmente, ya han surgido numerosas aplicaciones de "Web3 AI" en varias blockchains populares. Sin embargo, un análisis más profundo revela que estos proyectos aún enfrentan muchos problemas: por un lado, el grado de descentralización es limitado, y los eslabones clave y la infraestructura aún dependen de servicios en la nube centralizados; la propiedad meme es demasiado pronunciada, lo que dificulta el apoyo a un ecosistema verdaderamente abierto; por otro lado, en comparación con los productos de IA del mundo Web2, la IA en cadena sigue siendo limitada en términos de capacidad del modelo, utilización de datos y escenarios de aplicación, y la profundidad y amplitud de la innovación necesitan ser mejoradas.
Para lograr verdaderamente la visión de una IA descentralizada, hacer que la blockchain pueda llevar aplicaciones de IA a gran escala de manera segura, eficiente y democrática, y competir en términos de rendimiento con soluciones centralizadas, necesitamos diseñar una blockchain Layer1 hecha a medida para la IA. Esto proporcionará una base sólida para la innovación abierta en IA, la gobernanza democrática y la seguridad de los datos, impulsando el próspero desarrollo del ecosistema de IA descentralizada.
Las características clave de AI Layer 1
AI Layer 1, como una blockchain diseñada específicamente para aplicaciones de IA, su arquitectura subyacente y diseño de rendimiento están estrechamente alineados con las necesidades de las tareas de IA, con el objetivo de respaldar de manera eficiente el desarrollo sostenible y la prosperidad del ecosistema de IA on-chain. En concreto, AI Layer 1 debe contar con las siguientes capacidades centrales:
Mecanismo de incentivos eficientes y consenso descentralizado El núcleo de AI Layer 1 radica en construir una red compartida de recursos abiertos como potencia de cálculo y almacenamiento. A diferencia de los nodos de blockchain tradicionales que se centran principalmente en el registro de libros contables, los nodos de AI Layer 1 deben asumir tareas más complejas, no solo proporcionando potencia de cálculo, completando el entrenamiento y la inferencia de modelos de IA, sino también contribuyendo con almacenamiento, datos, ancho de banda y otros recursos diversificados, rompiendo así el monopolio de los gigantes centralizados en la infraestructura de IA. Esto plantea mayores requisitos para el consenso subyacente y el mecanismo de incentivos: AI Layer 1 debe poder evaluar, incentivar y verificar con precisión la contribución real de los nodos en tareas de inferencia y entrenamiento de IA, logrando la seguridad de la red y la distribución eficiente de recursos. Solo así se puede garantizar la estabilidad y prosperidad de la red, y reducir eficazmente el costo total de la potencia de cálculo.
Excelentes capacidades de alto rendimiento y soporte para tareas heterogéneas Las tareas de IA, especialmente el entrenamiento y la inferencia de LLM, imponen requisitos muy altos en el rendimiento computacional y la capacidad de procesamiento paralelo. Además, el ecosistema de IA on-chain a menudo necesita soportar una variedad de tipos de tareas heterogéneas, que incluyen diferentes estructuras de modelos, procesamiento de datos, inferencia, almacenamiento y otros escenarios diversos. AI Layer 1 debe optimizarse profundamente en la arquitectura subyacente para satisfacer las demandas de alto rendimiento, baja latencia y paralelismo elástico, y preestablecer la capacidad de soporte nativo para recursos de computación heterogéneos, asegurando que todo tipo de tareas de IA puedan ejecutarse de manera eficiente, logrando una expansión fluida de "tareas únicas" a "ecosistemas complejos y diversos."
Verificabilidad y garantía de resultados confiables La Capa 1 de IA no solo debe prevenir riesgos de seguridad como el comportamiento malicioso del modelo y la manipulación de datos, sino que también debe garantizar la verificabilidad y alineación de los resultados de salida de la IA desde el mecanismo a nivel base. A través de la integración de tecnologías de vanguardia como el entorno de ejecución confiable (TEE), pruebas de conocimiento cero (ZK) y computación segura multiparte (MPC), la plataforma puede permitir que cada inferencia del modelo, entrenamiento y proceso de manejo de datos sean verificables de manera independiente, asegurando la equidad y transparencia del sistema de IA. Al mismo tiempo, esta verificabilidad también puede ayudar a los usuarios a entender la lógica y los fundamentos de la salida de la IA, logrando "lo que se obtiene es lo que se desea", y aumentando la confianza y satisfacción de los usuarios con los productos de IA.
Protección de la privacidad de los datos Las aplicaciones de IA a menudo implican datos sensibles de los usuarios, siendo la protección de la privacidad de los datos especialmente crucial en campos como las finanzas, la salud y las redes sociales. AI Layer 1 debe adoptar tecnologías de procesamiento de datos basadas en criptografía, protocolos de computación privada y gestión de permisos de datos, asegurando así la seguridad de los datos en todo el proceso de inferencia, entrenamiento y almacenamiento, previniendo eficazmente la filtración y el uso indebido de datos, y eliminando las preocupaciones de los usuarios sobre la seguridad de los datos.
Capacidad poderosa de soporte y desarrollo del ecosistema Como infraestructura de Layer 1 nativa de IA, la plataforma no solo debe tener una ventaja tecnológica, sino que también debe proporcionar a los desarrolladores, operadores de nodos, proveedores de servicios de IA y otros participantes del ecosistema herramientas de desarrollo completas, SDK integrados, soporte operativo y mecanismos de incentivos. Al optimizar continuamente la disponibilidad de la plataforma y la experiencia del desarrollador, se promoverá la implementación de diversas aplicaciones nativas de IA y se logrará la prosperidad continua del ecosistema de IA descentralizado.
Con base en el contexto y las expectativas anteriores, este artículo presentará en detalle seis proyectos representativos de AI Layer1, incluidos Sentient, Sahara AI, Ritual, Gensyn, Bittensor y 0G, sistematizando los últimos avances del sector, analizando el estado actual del desarrollo de los proyectos y explorando las tendencias futuras.
Sentient: Construyendo modelos de IA descentralizados y de código abierto con lealtad
Resumen del proyecto
Sentient es una plataforma de protocolo de código abierto que está construyendo una blockchain de AI Layer1 (, en la fase inicial como Layer 2, que luego se trasladará a Layer 1). A través de la combinación de AI Pipeline y tecnología blockchain, se está construyendo una economía de inteligencia artificial descentralizada. Su objetivo principal es resolver los problemas de propiedad del modelo, seguimiento de llamadas y distribución de valor en el mercado LLM centralizado mediante el marco "OML" (abierto, rentable, leal), para lograr una estructura de propiedad en cadena, transparencia en las llamadas y distribución de valor para los modelos de IA. La visión de Sentient es permitir que cualquier persona pueda construir, colaborar, poseer y monetizar productos de IA, impulsando así un ecosistema de red de agentes de IA justo y abierto.
El equipo de Sentient Foundation reúne a los mejores expertos académicos, emprendedores de blockchain e ingenieros de todo el mundo, dedicándose a construir una plataforma AGI impulsada por la comunidad, de código abierto y verificable. Los miembros clave incluyen al profesor Pramod Viswanath de la Universidad de Princeton y al profesor Himanshu Tyagi del Instituto Indio de Ciencia, responsables respectivamente de la seguridad y la privacidad de la IA, mientras que Sandeep Nailwal, cofundador de Polygon, lidera la estrategia blockchain y el diseño ecológico. Los antecedentes de los miembros del equipo abarcan empresas de renombre como Meta, Coinbase, Polygon, así como universidades de élite como la Universidad de Princeton y el Instituto Indio de Tecnología, cubriendo campos como IA/ML, NLP, visión por computadora, trabajando juntos para impulsar la implementación del proyecto.
Como el segundo proyecto emprendedor de Sandeep Nailwal, cofundador de Polygon, Sentient llegó con un halo desde su creación, con abundantes recursos, contactos y reconocimiento en el mercado, lo que proporciona un fuerte respaldo para el desarrollo del proyecto. A mediados de 2024, Sentient completó una ronda de financiamiento inicial de 85 millones de dólares, liderada por Founders Fund, Pantera y Framework Ventures, con otros inversionistas que incluyen a Delphi, Hashkey y Spartan, entre decenas de reconocidas firmas de capital de riesgo.
arquitectura de diseño y capa de aplicación
Capa de infraestructura
Arquitectura central
La arquitectura central de Sentient se compone de dos partes: un Pipeline de IA y un sistema de blockchain.
El pipeline de IA es la base para desarrollar y entrenar artefactos de "IA leal", que incluye dos procesos fundamentales:
El sistema de blockchain proporciona transparencia y control descentralizado para los protocolos, asegurando la propiedad de los artefactos de IA, el seguimiento de su uso, la distribución de ingresos y la gobernanza justa. La arquitectura específica se divide en cuatro capas:
Marco de modelo OML
El marco OML (Abierto Open, Monetizable, Leal Loyal) es la filosofía central propuesta por Sentient, que tiene como objetivo proporcionar protección de propiedad y mecanismos de incentivo económico claros para modelos de IA de código abierto. Al combinar tecnología on-chain y criptografía nativa de IA, tiene las siguientes características:
Criptografía nativa de IA (AI-native Cryptography)
La criptografía nativa de IA utiliza la continuidad de los modelos de IA, la estructura de variedades de baja dimensión y las características diferenciables de los modelos, desarrollando un mecanismo de seguridad ligero "verificable pero no removible". Su tecnología central es:
Este método permite implementar "llamadas autorizadas basadas en el comportamiento + verificación de pertenencia" sin costos de re-encriptación.
Marco de ejecución seguro y de derechos de modelo
Sentient actualmente utiliza la seguridad híbrida Melange: combinando la verificación de huellas dactilares, la ejecución TEE y la distribución de beneficios del contrato on-chain. El método de huellas dactilares se implementa en la línea principal OML 1.0, enfatizando la idea de "Seguridad Optimista", es decir, que se asume el cumplimiento y se puede detectar y sancionar en caso de incumplimiento.
El mecanismo de huellas dactilares es una implementación clave de OML, que a través de la inserción de pares específicos de "pregunta-respuesta" permite al modelo generar una firma única durante la fase de entrenamiento. A través de estas firmas, el propietario del modelo puede verificar la pertenencia, evitando copias y comercialización no autorizadas. Este mecanismo no solo protege los derechos de los desarrolladores del modelo, sino que también proporciona un registro on-chain rastreable de las acciones de uso del modelo.
Además, Sentient ha lanzado el marco de computación Enclave TEE, aprovechando la ejecución confiable.