Дослідження сектору AI Layer1: пошук родючих ґрунтів для DeAI у блокчейні
Огляд
Останніми роками провідні технологічні компанії, такі як OpenAI, Anthropic, Google, Meta, постійно сприяють швидкому розвитку великих мовних моделей (LLM). LLM демонструють безпрецедентні можливості в різних галузях, значно розширюючи людську уяву, навіть у деяких випадках показуючи потенціал заміни людської праці. Однак ядро цих технологій міцно контролюється невеликою групою централізованих технологічних гігантів. Завдяки потужному капіталу та контролю над дорогими обчислювальними ресурсами ці компанії створили непереборні бар'єри, що ускладнює для абсолютної більшості розробників та інноваційних команд конкуренцію з ними.
Водночас, на початкових етапах швидкого розвитку ШІ суспільна думка часто зосереджується на прориві та зручностях, які забезпечує технологія, тоді як увага до таких ключових питань, як захист конфіденційності, прозорість, безпека, є відносно недостатньою. У довгостроковій перспективі ці питання глибоко вплинуть на здоровий розвиток індустрії ШІ та її прийняття в суспільстві. Якщо їх не вирішити належним чином, суперечка про те, чи буде ШІ "на благо", чи "на шкоду", стане ще більш вираженою, а централізовані гіганти, керуючись інстинктом прибутковості, зазвичай не мають достатньої мотивації для активного реагування на ці виклики.
Технологія блокчейну, завдяки своїм децентралізованим, прозорим і стійким до цензури характеристикам, відкриває нові можливості для стійкого розвитку індустрії штучного інтелекту. Наразі на деяких основних блокчейнах вже з'явилося безліч застосувань "Web3 AI". Але при глибшому аналізі можна виявити, що ці проекти все ще мають безліч проблем: з одного боку, ступінь децентралізації обмежена, ключові етапи та інфраструктура все ще залежать від централізованих хмарних сервісів, що ускладнює підтримку дійсно відкритої екосистеми; з іншого боку, порівняно з AI-продуктами світу Web2, AI на блокчейні має обмеження в моделях, використанні даних і сценаріях застосування, глибина та ширина інновацій потребують покращення.
Щоб насправді реалізувати бачення децентралізованого ШІ, зробити так, щоб у блокчейні можна було безпечно, ефективно та демократично вміщати масштабні AI-додатки, та щоб його продуктивність могла конкурувати з централізованими рішеннями, нам потрібно розробити Layer1 блокчейн, спеціально створений для ШІ. Це забезпечить міцну основу для відкритих інновацій у ШІ, демократичного управління та безпеки даних, сприяючи процвітанню децентралізованої екосистеми ШІ.
Основні характеристики AI Layer 1
AI Layer 1 як блокчейн, спеціально розроблений для AI-додатків, має архітектуру та продуктивність, які тісно пов'язані з вимогами AI-завдань, з метою ефективної підтримки сталого розвитку та процвітання AI-екосистеми у блокчейні. Більш конкретно, AI Layer 1 має мати такі ключові можливості:
Ефективні стимули та механізм децентралізованого консенсусу Основою AI Layer 1 є створення відкритої мережі для спільного використання ресурсів, таких як обчислювальна потужність та зберігання. На відміну від традиційних вузлів блокчейну, які зосереджені переважно на веденні бухгалтерії, вузли AI Layer 1 повинні виконувати більш складні завдання: не тільки надавати обчислювальну потужність, завершувати навчання та інференцію AI моделей, але й вносити різноманітні ресурси, такі як зберігання, дані, пропускна здатність, таким чином руйнуючи монополію централізованих гігантів на інфраструктуру AI. Це висуває вищі вимоги до базового консенсусу та механізму стимулювання: AI Layer 1 повинен мати можливість точно оцінювати, стимулювати та перевіряти фактичний внесок вузлів у завдання, такі як інференція та навчання AI, забезпечуючи безпеку мережі та ефективний розподіл ресурсів. Лише так можна гарантувати стабільність та процвітання мережі, а також ефективно знизити загальні витрати на обчислювальну потужність.
Висока продуктивність і підтримка гетерогенних завдань Завдання AI, особливо навчання та висновки LLM, висувають дуже високі вимоги до обчислювальної продуктивності та можливостей паралельної обробки. Більш того, у блокчейні AI-екосистеми часто повинні підтримувати різноманітні, гетерогенні типи завдань, включаючи різні структури моделей, обробку даних, висновки, зберігання та інші різноманітні сценарії. AI Layer 1 повинен бути глибоко оптимізований на базовій архітектурі для задоволення потреб у високій пропускній здатності, низькій затримці та еластичній паралельності, а також передбачити рідну підтримку гетерогенних обчислювальних ресурсів, щоб забезпечити ефективну роботу всіх AI-завдань і досягти плавного розширення від "однорідних завдань" до "складної різноманітної екосистеми".
Верифікація та гарантія надійного виводу AI Layer 1 не лише повинна запобігати зловживанням з боку моделей, змінам даних та іншим загрозам безпеці, але й повинна з основних механізмів забезпечити верифікацію та узгодженість результатів виводу AI. Завдяки інтеграції надійного середовища виконання (TEE), доказів з нульовим розголошенням (ZK), багатосторонніх безпечних обчислень (MPC) та інших передових технологій, платформа може забезпечити, щоб кожен процес інференції моделі, навчання та обробки даних міг бути незалежно перевірений, гарантуючи справедливість та прозорість системи AI. Водночас ця верифікація також може допомогти користувачам зрозуміти логіку та обґрунтування виводу AI, реалізуючи "отримане - це бажане", підвищуючи довіру та задоволеність користувачів продуктами AI.
Захист конфіденційності даних Застосування ШІ часто пов'язане з чутливими даними користувачів, особливо у фінансовій, медичній, соціальній сферах, захист конфіденційності даних є надзвичайно важливим. AI Layer 1 має забезпечити одночасно перевірність, використовуючи засоби обробки даних на основі шифрування, протоколи конфіденційних обчислень та управління правами на дані, щоб забезпечити безпеку даних на всіх етапах, таких як висновок, навчання та зберігання, ефективно запобігаючи витоку даних і зловживанню, усуваючи занепокоєння користувачів щодо безпеки даних.
Потужна екосистема підтримки та розробки Як AI-родинна інфраструктура Layer 1, платформа повинна не лише мати технологічну перевагу, але й надавати розробникам, операторам вузлів, постачальникам AI-послуг та іншим учасникам екосистеми комплексні інструменти розробки, інтегровані SDK, підтримку експлуатації та механізми стимулювання. Постійно оптимізуючи доступність платформи та досвід розробників, сприяти реалізації різноманітних AI-родинних застосунків та забезпечити стійке процвітання децентралізованої AI-екосистеми.
Виходячи з вищезазначеного контексту та очікувань, у цій статті буде детально представлено шість представницьких проєктів AI Layer1, включаючи Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, систематизовано останні досягнення в цій сфері, проаналізовано поточний стан розвитку проєктів і обговорено майбутні тенденції.
Sentient: Створення відданих відкритих децентралізованих AI моделей
Огляд проекту
Sentient є відкритою платформою протоколів, яка створює AI Layer1 у блокчейні ( на початковому етапі Layer 2, а потім буде перенесена на Layer 1), поєднуючи AI Pipeline з технологією блокчейн для створення децентралізованої економіки штучного інтелекту. Його основна мета полягає в вирішенні проблеми власності моделей, відстеження викликів та розподілу вартості на централізованому ринку LLM через «OML» (відкритий, прибутковий, лояльний) фреймворк, щоб забезпечити структуру власності моделей AI на блокчейні, прозорість викликів та розподіл вартості. Візія Sentient полягає в тому, щоб кожен міг створювати, співпрацювати, володіти та монетизувати AI-продукти, сприяючи справедливій та відкритій екосистемі мережі AI Agent.
Команда Sentient Foundation об'єднала провідних академічних експертів, підприємців у сфері блокчейну та інженерів з усього світу, щоб створити платформу AGI, яка базується на спільноті, є відкритим кодом та може бути перевірена. До складу основних членів входять професор Принстонського університету Pramod Viswanath та професор Інституту індійських наук Himanshu Tyagi, які відповідають за безпеку та захист приватності AI, а стратегію блокчейну та екологічне планування очолює співзасновник Polygon Sandeep Nailwal. Фон учасників команди охоплює такі відомі компанії, як Meta, Coinbase, Polygon, а також провідні університети, такі як Принстонський університет, Індійський технологічний інститут тощо, в областях AI/ML, NLP, комп'ютерного зору та ін., спільно сприяючи реалізації проекту.
Як другий стартап співзасновника Polygon Sandeep Nailwal, Sentient з самого початку мав ауру, володіючи багатими ресурсами, зв'язками та ринковим визнанням, що забезпечило потужну підтримку розвитку проекту. У середині 2024 року Sentient завершив раунд фінансування на суму 85 мільйонів доларів, в якому провідними інвесторами стали Founders Fund, Pantera та Framework Ventures, а також десятки інших відомих венчурних компаній, таких як Delphi, Hashkey та Spartan.
Проектування архітектури та прикладного рівня
Інфраструктурний рівень
Основна архітектура
Основна архітектура Sentient складається з двох частин: AI Pipeline та у блокчейні.
AI pipeline є основою для розробки та навчання "лояльного AI" артефактів, що містить два основні процеси:
Планування даних (Data Curation): процес вибору даних, що здійснюється спільнотою, для вирівнювання моделей.
Тренування лояльності (Loyalty Training): забезпечення того, щоб модель підтримувала навчальний процес, відповідний намірам спільноти.
Блокчейн-система надає прозорість і децентралізоване управління для протоколів, забезпечуючи власність на штучні артефакти, відстеження використання, розподіл доходів та справедливе управління. Конкретна архітектура розділена на чотири рівні:
Служба зберігання: зберігання ваг моделей та інформації про реєстрацію відбитків пальців;
Розподільчий рівень: вхід для виклику моделі контролю за контрактом на авторизацію;
Рівень доступу: перевірка правомірності доступу користувача через підтвердження прав.
Ін Incentive Layer: Контракт маршрутизації доходів буде розподіляти плату за кожен виклик між тренерами, розробниками та перевірниками.
OML модельна структура
OML фреймворк (Відкритий Open, Можливий для монетизації Monetizable, Лояльний Loyal) є основною концепцією, запропонованою Sentient, і 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 повинні бути прозорими, щоб спростити відтворення, аудит і вдосконалення спільнотою.
Монетизація: Кожен виклик моделі викликає потік доходів, у блокчейні контракт розподілить доходи між тренерами, розробниками та перевіряючими.
Вірність: Модель належить спільноті внесків, напрямок оновлень та управління визначається DAO, використання та зміни контролюються криптомеханізмом.
AI рідна криптографія (AI-native Cryptography)
AI-роджена криптографія – це використання безперервності AI-моделей, структур низьковимірних маніфолдів та властивостей диференційованості моделей для розробки "перевіряємого, але невидалимого" легковагого механізму безпеки. Її ключова технологія:
Вбудовування відбитків пальців: під час навчання вставляється набір прихованих пар запит-відповідь для формування унікального підпису моделі;
Протокол перевірки прав власності: перевірка збереження відбитка пальця у формі запиту через сторонній детектор (Prover);
Механізм ліцензування викликів: перед викликом необхідно отримати "дозвіл" від власника моделі, а система на його основі надає дозвіл моделі декодувати цей вхід і повернути точну відповідь.
Цей спосіб дозволяє реалізувати "авторизацію на основі поведінки + перевірку належності" без витрат на повторне шифрування.
Модель правовстановлення та безпечного виконання
Sentient наразі використовує Melange-суміш безпеки: поєднання підтвердження особи за допомогою відбитків пальців, виконання TEE та розподіл прибутку за допомогою смарт-контрактів у блокчейні. Серед методів підтвердження особи основним є OML 1.0, що підкреслює ідею "оптимістичної безпеки (Optimistic Security)", тобто за замовчуванням відповідність, а порушення можуть бути виявлені та покарані.
Механізм відбитків пальців є ключовою реалізацією OML, він дозволяє моделі створювати унікальний підпис на етапі навчання шляхом вбудовування певних "питань-відповідей". За допомогою цих підписів власники моделі можуть перевіряти належність, запобігаючи несанкціонованому копіюванню та комерціалізації. Цей механізм не тільки захищає права розробників моделей, але й надає відстежувані записи у блокчейні щодо поведінки використання моделі.
Крім того, Sentient запустив обчислювальну платформу Enclave TEE, яка використовує довірене середовище виконання (таке як AWS Nitro Enclaves), щоб забезпечити, що модель реагує лише на авторизовані запити, запобігаючи несанкціонованому доступу та використанню. Хоча TEE залежить від апаратного забезпечення і має певні ризики безпеки, його висока продуктивність і реальний час роблять його основною технологією для розгортання сучасних моделей.
У майбутньому Sentient планує впровадити технології нульових знань (ZK) та повної гомоморфної криптографії (FHE), щоб ще більше посилити захист конфіденційності та перевіряємості, забезпечуючи більш зріле децентралізоване розгортання AI моделей.
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.
12 лайків
Нагородити
12
3
Репост
Поділіться
Прокоментувати
0/400
TooScaredToSell
· 19год тому
degen може тільки лежати, його контролюють великі компанії
Дослідження AI Layer1: аналіз технологічних основ децентралізованого штучного інтелекту
Дослідження сектору AI Layer1: пошук родючих ґрунтів для DeAI у блокчейні
Огляд
Останніми роками провідні технологічні компанії, такі як OpenAI, Anthropic, Google, Meta, постійно сприяють швидкому розвитку великих мовних моделей (LLM). LLM демонструють безпрецедентні можливості в різних галузях, значно розширюючи людську уяву, навіть у деяких випадках показуючи потенціал заміни людської праці. Однак ядро цих технологій міцно контролюється невеликою групою централізованих технологічних гігантів. Завдяки потужному капіталу та контролю над дорогими обчислювальними ресурсами ці компанії створили непереборні бар'єри, що ускладнює для абсолютної більшості розробників та інноваційних команд конкуренцію з ними.
Водночас, на початкових етапах швидкого розвитку ШІ суспільна думка часто зосереджується на прориві та зручностях, які забезпечує технологія, тоді як увага до таких ключових питань, як захист конфіденційності, прозорість, безпека, є відносно недостатньою. У довгостроковій перспективі ці питання глибоко вплинуть на здоровий розвиток індустрії ШІ та її прийняття в суспільстві. Якщо їх не вирішити належним чином, суперечка про те, чи буде ШІ "на благо", чи "на шкоду", стане ще більш вираженою, а централізовані гіганти, керуючись інстинктом прибутковості, зазвичай не мають достатньої мотивації для активного реагування на ці виклики.
Технологія блокчейну, завдяки своїм децентралізованим, прозорим і стійким до цензури характеристикам, відкриває нові можливості для стійкого розвитку індустрії штучного інтелекту. Наразі на деяких основних блокчейнах вже з'явилося безліч застосувань "Web3 AI". Але при глибшому аналізі можна виявити, що ці проекти все ще мають безліч проблем: з одного боку, ступінь децентралізації обмежена, ключові етапи та інфраструктура все ще залежать від централізованих хмарних сервісів, що ускладнює підтримку дійсно відкритої екосистеми; з іншого боку, порівняно з AI-продуктами світу Web2, AI на блокчейні має обмеження в моделях, використанні даних і сценаріях застосування, глибина та ширина інновацій потребують покращення.
Щоб насправді реалізувати бачення децентралізованого ШІ, зробити так, щоб у блокчейні можна було безпечно, ефективно та демократично вміщати масштабні AI-додатки, та щоб його продуктивність могла конкурувати з централізованими рішеннями, нам потрібно розробити Layer1 блокчейн, спеціально створений для ШІ. Це забезпечить міцну основу для відкритих інновацій у ШІ, демократичного управління та безпеки даних, сприяючи процвітанню децентралізованої екосистеми ШІ.
Основні характеристики AI Layer 1
AI Layer 1 як блокчейн, спеціально розроблений для AI-додатків, має архітектуру та продуктивність, які тісно пов'язані з вимогами AI-завдань, з метою ефективної підтримки сталого розвитку та процвітання AI-екосистеми у блокчейні. Більш конкретно, AI Layer 1 має мати такі ключові можливості:
Ефективні стимули та механізм децентралізованого консенсусу Основою AI Layer 1 є створення відкритої мережі для спільного використання ресурсів, таких як обчислювальна потужність та зберігання. На відміну від традиційних вузлів блокчейну, які зосереджені переважно на веденні бухгалтерії, вузли AI Layer 1 повинні виконувати більш складні завдання: не тільки надавати обчислювальну потужність, завершувати навчання та інференцію AI моделей, але й вносити різноманітні ресурси, такі як зберігання, дані, пропускна здатність, таким чином руйнуючи монополію централізованих гігантів на інфраструктуру AI. Це висуває вищі вимоги до базового консенсусу та механізму стимулювання: AI Layer 1 повинен мати можливість точно оцінювати, стимулювати та перевіряти фактичний внесок вузлів у завдання, такі як інференція та навчання AI, забезпечуючи безпеку мережі та ефективний розподіл ресурсів. Лише так можна гарантувати стабільність та процвітання мережі, а також ефективно знизити загальні витрати на обчислювальну потужність.
Висока продуктивність і підтримка гетерогенних завдань Завдання AI, особливо навчання та висновки LLM, висувають дуже високі вимоги до обчислювальної продуктивності та можливостей паралельної обробки. Більш того, у блокчейні AI-екосистеми часто повинні підтримувати різноманітні, гетерогенні типи завдань, включаючи різні структури моделей, обробку даних, висновки, зберігання та інші різноманітні сценарії. AI Layer 1 повинен бути глибоко оптимізований на базовій архітектурі для задоволення потреб у високій пропускній здатності, низькій затримці та еластичній паралельності, а також передбачити рідну підтримку гетерогенних обчислювальних ресурсів, щоб забезпечити ефективну роботу всіх AI-завдань і досягти плавного розширення від "однорідних завдань" до "складної різноманітної екосистеми".
Верифікація та гарантія надійного виводу AI Layer 1 не лише повинна запобігати зловживанням з боку моделей, змінам даних та іншим загрозам безпеці, але й повинна з основних механізмів забезпечити верифікацію та узгодженість результатів виводу AI. Завдяки інтеграції надійного середовища виконання (TEE), доказів з нульовим розголошенням (ZK), багатосторонніх безпечних обчислень (MPC) та інших передових технологій, платформа може забезпечити, щоб кожен процес інференції моделі, навчання та обробки даних міг бути незалежно перевірений, гарантуючи справедливість та прозорість системи AI. Водночас ця верифікація також може допомогти користувачам зрозуміти логіку та обґрунтування виводу AI, реалізуючи "отримане - це бажане", підвищуючи довіру та задоволеність користувачів продуктами AI.
Захист конфіденційності даних Застосування ШІ часто пов'язане з чутливими даними користувачів, особливо у фінансовій, медичній, соціальній сферах, захист конфіденційності даних є надзвичайно важливим. AI Layer 1 має забезпечити одночасно перевірність, використовуючи засоби обробки даних на основі шифрування, протоколи конфіденційних обчислень та управління правами на дані, щоб забезпечити безпеку даних на всіх етапах, таких як висновок, навчання та зберігання, ефективно запобігаючи витоку даних і зловживанню, усуваючи занепокоєння користувачів щодо безпеки даних.
Потужна екосистема підтримки та розробки Як AI-родинна інфраструктура Layer 1, платформа повинна не лише мати технологічну перевагу, але й надавати розробникам, операторам вузлів, постачальникам AI-послуг та іншим учасникам екосистеми комплексні інструменти розробки, інтегровані SDK, підтримку експлуатації та механізми стимулювання. Постійно оптимізуючи доступність платформи та досвід розробників, сприяти реалізації різноманітних AI-родинних застосунків та забезпечити стійке процвітання децентралізованої AI-екосистеми.
Виходячи з вищезазначеного контексту та очікувань, у цій статті буде детально представлено шість представницьких проєктів AI Layer1, включаючи Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, систематизовано останні досягнення в цій сфері, проаналізовано поточний стан розвитку проєктів і обговорено майбутні тенденції.
Sentient: Створення відданих відкритих децентралізованих AI моделей
Огляд проекту
Sentient є відкритою платформою протоколів, яка створює AI Layer1 у блокчейні ( на початковому етапі Layer 2, а потім буде перенесена на Layer 1), поєднуючи AI Pipeline з технологією блокчейн для створення децентралізованої економіки штучного інтелекту. Його основна мета полягає в вирішенні проблеми власності моделей, відстеження викликів та розподілу вартості на централізованому ринку LLM через «OML» (відкритий, прибутковий, лояльний) фреймворк, щоб забезпечити структуру власності моделей AI на блокчейні, прозорість викликів та розподіл вартості. Візія Sentient полягає в тому, щоб кожен міг створювати, співпрацювати, володіти та монетизувати AI-продукти, сприяючи справедливій та відкритій екосистемі мережі AI Agent.
Команда Sentient Foundation об'єднала провідних академічних експертів, підприємців у сфері блокчейну та інженерів з усього світу, щоб створити платформу AGI, яка базується на спільноті, є відкритим кодом та може бути перевірена. До складу основних членів входять професор Принстонського університету Pramod Viswanath та професор Інституту індійських наук Himanshu Tyagi, які відповідають за безпеку та захист приватності AI, а стратегію блокчейну та екологічне планування очолює співзасновник Polygon Sandeep Nailwal. Фон учасників команди охоплює такі відомі компанії, як Meta, Coinbase, Polygon, а також провідні університети, такі як Принстонський університет, Індійський технологічний інститут тощо, в областях AI/ML, NLP, комп'ютерного зору та ін., спільно сприяючи реалізації проекту.
Як другий стартап співзасновника Polygon Sandeep Nailwal, Sentient з самого початку мав ауру, володіючи багатими ресурсами, зв'язками та ринковим визнанням, що забезпечило потужну підтримку розвитку проекту. У середині 2024 року Sentient завершив раунд фінансування на суму 85 мільйонів доларів, в якому провідними інвесторами стали Founders Fund, Pantera та Framework Ventures, а також десятки інших відомих венчурних компаній, таких як Delphi, Hashkey та Spartan.
Проектування архітектури та прикладного рівня
Інфраструктурний рівень
Основна архітектура
Основна архітектура Sentient складається з двох частин: AI Pipeline та у блокчейні.
AI pipeline є основою для розробки та навчання "лояльного AI" артефактів, що містить два основні процеси:
Блокчейн-система надає прозорість і децентралізоване управління для протоколів, забезпечуючи власність на штучні артефакти, відстеження використання, розподіл доходів та справедливе управління. Конкретна архітектура розділена на чотири рівні:
OML модельна структура
OML фреймворк (Відкритий Open, Можливий для монетизації Monetizable, Лояльний Loyal) є основною концепцією, запропонованою Sentient, і 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-роджена криптографія – це використання безперервності AI-моделей, структур низьковимірних маніфолдів та властивостей диференційованості моделей для розробки "перевіряємого, але невидалимого" легковагого механізму безпеки. Її ключова технологія:
Цей спосіб дозволяє реалізувати "авторизацію на основі поведінки + перевірку належності" без витрат на повторне шифрування.
Модель правовстановлення та безпечного виконання
Sentient наразі використовує Melange-суміш безпеки: поєднання підтвердження особи за допомогою відбитків пальців, виконання TEE та розподіл прибутку за допомогою смарт-контрактів у блокчейні. Серед методів підтвердження особи основним є OML 1.0, що підкреслює ідею "оптимістичної безпеки (Optimistic Security)", тобто за замовчуванням відповідність, а порушення можуть бути виявлені та покарані.
Механізм відбитків пальців є ключовою реалізацією OML, він дозволяє моделі створювати унікальний підпис на етапі навчання шляхом вбудовування певних "питань-відповідей". За допомогою цих підписів власники моделі можуть перевіряти належність, запобігаючи несанкціонованому копіюванню та комерціалізації. Цей механізм не тільки захищає права розробників моделей, але й надає відстежувані записи у блокчейні щодо поведінки використання моделі.
Крім того, Sentient запустив обчислювальну платформу Enclave TEE, яка використовує довірене середовище виконання (таке як AWS Nitro Enclaves), щоб забезпечити, що модель реагує лише на авторизовані запити, запобігаючи несанкціонованому доступу та використанню. Хоча TEE залежить від апаратного забезпечення і має певні ризики безпеки, його висока продуктивність і реальний час роблять його основною технологією для розгортання сучасних моделей.
У майбутньому Sentient планує впровадити технології нульових знань (ZK) та повної гомоморфної криптографії (FHE), щоб ще більше посилити захист конфіденційності та перевіряємості, забезпечуючи більш зріле децентралізоване розгортання AI моделей.