Отчет о исследовании AI Layer1: поиск благодатной почвы для DeAI в блокчейне
Обзор
Фон
В последние годы такие ведущие технологические компании, как OpenAI, Anthropic, Google, Meta, продолжают активно развивать большие языковые модели. Большие языковые модели демонстрируют беспрецедентные возможности в различных отраслях, значительно расширяя человеческое воображение и даже показывая потенциал замещения человеческого труда в некоторых сценариях. Тем не менее, ядро этих технологий надежно контролируется небольшим числом централизованных технологических гигантов. Обладая значительными капиталами и контролем над дорогими вычислительными ресурсами, эти компании создали непреодолимые барьеры, затрудняющие большинству разработчиков и инновационных команд конкурировать с ними.
В то же время, на ранних этапах быстрого развития ИИ общественное мнение часто сосредотачивается на прорывах и удобствах, которые приносит технология, в то время как внимание к таким ключевым вопросам, как защита конфиденциальности, прозрачность и безопасность, остается относительно недостаточным. В долгосрочной перспективе эти проблемы будут глубоко влиять на здоровье развития индустрии ИИ и ее приемлемость в обществе. Если эти вопросы не будут должным образом решены, споры о том, будет ли ИИ "на благо" или "во зло", станут все более заметными, в то время как централизованные гиганты, движимые инстинктом извлечения прибыли, часто не имеют достаточной мотивации, чтобы активно справляться с этими вызовами.
Технология блокчейна, благодаря своим характеристикам децентрализации, прозрачности и устойчивости к цензуре, предоставляет новые возможности для устойчивого развития отрасли ИИ. В настоящее время на некоторых основных блокчейнах уже появилось множество приложений "Web3 AI". Однако при глубоком анализе можно обнаружить, что у этих проектов все еще есть множество проблем: с одной стороны, степень децентрализации ограничена, ключевые этапы и инфраструктура по-прежнему зависят от централизованных облачных сервисов, что затрудняет поддержку по-настоящему открытой экосистемы; с другой стороны, по сравнению с продуктами ИИ в мире Web2, AI в блокчейне по-прежнему имеет ограничения в области возможностей моделей, использования данных и областей применения, глубина и широта инноваций требуют улучшения.
Чтобы действительно реализовать видение децентрализованного ИИ, необходимо, чтобы в блокчейне безопасно, эффективно и демократично размещались масштабные ИИ-приложения, конкурирующие по производительности с централизованными решениями. Нам нужно разработать Layer1 блокчейн, созданный специально для ИИ. Это создаст прочную основу для открытых инноваций в ИИ, демократического управления и безопасности данных, способствуя процветанию децентрализованной экосистемы ИИ.
Основные характеристики AI Layer 1
AI Layer 1 как блокчейн, специально созданный для AI-приложений, имеет архитектуру и производительность, которые тесно связаны с требованиями AI-задач, и предназначен для эффективной поддержки устойчивого развития и процветания AI-экосистемы в блокчейне. Конкретно, AI Layer 1 должен обладать следующими ключевыми возможностями:
Эффективные стимулы и децентрализованный механизм консенсуса. Ядро AI Layer 1 заключается в создании открытой сети для совместного использования ресурсов, таких как вычислительная мощность и хранение. В отличие от традиционных узлов блокчейна, которые в основном сосредоточены на ведении учета в главной книге, узлы AI Layer 1 должны выполнять более сложные задачи: не только предоставлять вычислительную мощность и завершать обучение и вывод AI моделей, но и вносить разнообразные ресурсы, такие как хранилище, данные и пропускная способность, чтобы разрушить монополию централизованных гигантов в инфраструктуре AI. Это предъявляет более высокие требования к базовому консенсусу и механизму стимулов: AI Layer 1 должен быть в состоянии точно оценивать, стимулировать и проверять фактический вклад узлов в задачи AI вывода и обучения, обеспечивая безопасность сети и эффективное распределение ресурсов. Только так можно гарантировать стабильность и процветание сети, а также эффективно снизить общие затраты на вычислительную мощность.
Превосходные высокие характеристики и способность поддержки гетерогенных задач Задачи ИИ, особенно обучение и вывод больших языковых моделей, предъявляют очень высокие требования к вычислительной производительности и параллельной обработке. Более того, экосистема AI в блокчейне часто должна поддерживать разнообразные и гетерогенные типы задач, включая различные структуры моделей, обработку данных, вывод, хранение и другие многообразные сценарии. AI Layer 1 должен быть глубоко оптимизирован для требований высокой пропускной способности, низкой задержки и эластичной параллельности на уровне архитектуры, а также предусмотреть нативную поддержку гетерогенных вычислительных ресурсов, чтобы обеспечить эффективное выполнение различных задач ИИ и реализовать плавное расширение от "однородных задач" до "сложной многообразной экосистемы".
Проверяемость и гарантии надежного вывода AI Layer 1 должны не только предотвращать злонамеренные действия моделей, подделку данных и другие угрозы безопасности, но и обеспечивать проверяемость и согласованность результатов AI на уровне основных механизмов. Интегрируя такие передовые технологии, как надежные вычислительные среды, доказательства с нулевым разглашением и безопасные вычисления с несколькими сторонами, платформа позволяет независимо проверять каждый процесс вывода модели, обучения и обработки данных, гарантируя справедливость и прозрачность AI-системы. В то же время такая проверяемость помогает пользователям четко понимать логику и основы выводов AI, достигая "что получено, то и пожелано", повышая доверие и удовлетворенность пользователей к продуктам AI.
Защита конфиденциальности данных AI-приложения часто涉及 чувствительные данные пользователей, и в таких областях, как финансы, медицина, социальные сети, защита конфиденциальности данных особенно важна. AI Layer 1 должен обеспечивать проверяемость, одновременно используя технологии обработки данных на основе шифрования, протоколы вычислений с конфиденциальностью и управление правами на данные, чтобы гарантировать безопасность данных на всех этапах, таких как вывод, обучение и хранение, эффективно предотвращая утечку и злоупотребление данными, устраняя тем самым беспокойство пользователей относительно безопасности данных.
Мощная способность к поддержке экосистемы и разработке. Будучи AI-родной инфраструктурой уровня 1, платформа должна не только обладать технологическим преимуществом, но и предоставлять полные инструменты для разработки, интегрированные SDK, поддержку операций и механизмы стимулов для участников экосистемы, таких как разработчики, операторы узлов и поставщики AI-услуг. Оптимизируя доступность платформы и опыт разработчиков, мы способствуем реализации разнообразных AI-родных приложений и обеспечиваем устойчивое процветание децентрализованной AI-экосистемы.
Основываясь на вышеизложенном контексте и ожиданиях, в данной статье подробно представлены шесть проектов AI Layer1, включая Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематически рассматриваются последние достижения в данной области, анализируется текущее состояние развития проектов и обсуждаются будущие тенденции.
Sentient: Создание преданного открытого децентрализованного ИИ-модели
Обзор проекта
Sentient - это платформа с открытым исходным кодом, которая создает AI Layer1 в блокчейне (. На начальном этапе она будет Layer 2, а затем перейдет на Layer 1). Объединяя AI Pipeline и технологии блокчейна, она строит децентрализованную экономику искусственного интеллекта. Ее основной целью является решение проблем принадлежности моделей, отслеживания вызовов и распределения ценности на централизованном рынке больших языковых моделей с помощью "OML" фрейма (открытого, прибыльного, преданного), обеспечивая структуру собственности моделей на блокчейне, прозрачность вызовов и распределение ценности. Видение Sentient заключается в том, чтобы любой мог создавать, сотрудничать, владеть и монетизировать AI-продукты, тем самым содействуя созданию справедливой и открытой экосистемы сети AI Agent.
Команда Sentient Foundation объединила лучших академических экспертов, блокчейн-предпринимателей и инженеров со всего мира, стремясь создать сообщество, управляемое, открытое и проверяемое AGI-платформой. Ключевые участники включают профессора Принстонского университета Прамода Висваната и профессора Индийского института науки Химаншу Тяги, которые отвечают за безопасность ИИ и защиту конфиденциальности, в то время как соучредитель Polygon Сандип Найлвал руководит стратегией блокчейна и экосистемой. Члены команды имеют опыт работы в таких известных компаниях, как Meta, Coinbase, Polygon, а также в ведущих учебных заведениях, таких как Принстонский университет и Индийский институт технологий, охватывая области AI/ML, NLP, компьютерного зрения и совместно способствуя реализации проекта.
В качестве второго стартапа соучредителя Polygon Sandeep Nailwal, Sentient с самого начала обладала ореолом, имея богатые ресурсы, связи и рыночное признание, что обеспечивало мощную поддержку для развития проекта. В середине 2024 года Sentient завершила финансирование на сумму 85 миллионов долларов в рамках раунда посевного капитала, который возглавили Founders Fund, Pantera и Framework Ventures, среди других инвестиционных компаний, включая Delphi, Hashkey и Spartan, и десятки других известных венчурных капиталистов.
Архитектура и уровень приложений
Инфраструктурный уровень
Ядро архитектуры
Ядро архитектуры Sentient состоит из двух частей: AI Pipeline и системы в блокчейне.
AI трубопровод является основой для разработки и обучения "лояльных AI" артефактов, включает в себя два основных процесса:
Планирование данных (Data Curation): процесс выбора данных, управляемый сообществом, используемый для выравнивания модели.
Обучение лояльности (Loyalty Training): обеспечение того, чтобы модель проходила процесс обучения, соответствующий намерениям сообщества.
Система блокчейна обеспечивает прозрачность и децентрализованный контроль для протоколов, гарантируя право собственности на AI-артефакты, отслеживание использования, распределение доходов и справедливое управление. Конкретная архитектура разделена на четыре уровня:
Уровень хранения: хранятся веса модели и информация о регистрации отпечатков.
Уровень распределения: точка входа в вызов модели контролируется контрактом авторизации;
Уровень доступа: проверка разрешений для подтверждения авторизации пользователя;
Уровень стимулов: Контракт маршрутизации доходов будет распределять выплаты между тренерами, развертывателями и валидаторами при каждом вызове.
OML модельный фрейм
OML фреймворк (Открытый Open, Монетизируемый Monetizable, Лояльный Loyal) является ключевой концепцией, предложенной Sentient, и направлен на предоставление четкой защиты прав собственности и экономических стимулов для открытых AI моделей. Он обладает следующими характеристиками за счет сочетания технологий в блокчейне и нативной криптографии AI:
Открытость: модель должна быть с открытым исходным кодом, код и структура данных должны быть прозрачными, чтобы сообщество могло воспроизводить, проверять и улучшать.
Монетизация: Каждый вызов модели будет запускать поток дохода, в блокчейне контракт будет распределять доход между тренерами, развертывателями и валидаторами.
Лояльность: Модель принадлежит сообществу вкладчиков, направление обновления и управление определяются DAO, использование и изменения контролируются криптомеханизмом.
AI нативная криптография (AI-native Cryptography)
AI-родная криптография использует непрерывность AI-моделей, структуру низкоразмерных многообразий и дифференцируемые характеристики моделей для разработки "проверяемого, но не подлежащего удалению" легковесного механизма безопасности. Основная технология заключается в следующем:
Встраивание отпечатков пальцев: в процессе обучения вставляется набор скрытых пар ключ-значение запрос-ответ для формирования уникальной подписи модели;
Протокол проверки собственности: проверка сохранения отпечатков пальцев в форме запроса с помощью стороннего детектора (Prover);
Механизм разрешений на вызов: перед вызовом необходимо получить "удостоверение полномочий", выданное владельцем модели, после чего система авторизует модель на декодирование этого ввода и возврат точного ответа.
Этот метод позволяет реализовать "авторизационные вызовы на основе поведения + верификация принадлежности" без затрат на повторное шифрование.
Модель правовой защиты и безопасного исполнения
Sentient в настоящее время использует Melange смешанную безопасность: комбинация подтверждения прав собственности по отпечаткам пальцев, выполнения в TEE и распределения доходов по смарт-контрактам в блокчейне. При этом метод отпечатков пальцев реализует OML 1.0 как основную линию, подчеркивая идею "оптимистической безопасности (Optimistic Security)", то есть предполагается соблюдение норм, а в случае нарушения это может быть обнаружено и наказано.
Механизм отпечатков пальцев является ключевой реализацией OML, который позволяет модели генерировать уникальную подпись на этапе обучения, внедряя определенные «вопрос-ответ» пары. С помощью этих подписей владельцы моделей могут подтверждать принадлежность, предотвращая несанкционированное копирование и коммерциализацию. Этот механизм не только защищает права разработчиков моделей, но и предоставляет отслеживаемую запись использования модели в блокчейне.
Кроме того, Sentient представила вычислительную платформу Enclave TEE, использующую доверенные среды выполнения для обеспечения того, чтобы модели отвечали только на авторизованные запросы, предотвращая несанкционированный доступ и использование. Хотя TEE зависит от аппаратного обеспечения и имеет некоторые угрозы безопасности, его высокая производительность и преимущества в реальном времени делают его ключевой технологией для развертывания моделей в настоящее время.
В будущем Sentient планирует внедрить нулевое знание.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
Исследование сектора AI Layer1: ключевая инфраструктура для построения Децентрализация AI экосистемы
Отчет о исследовании AI Layer1: поиск благодатной почвы для DeAI в блокчейне
Обзор
Фон
В последние годы такие ведущие технологические компании, как OpenAI, Anthropic, Google, Meta, продолжают активно развивать большие языковые модели. Большие языковые модели демонстрируют беспрецедентные возможности в различных отраслях, значительно расширяя человеческое воображение и даже показывая потенциал замещения человеческого труда в некоторых сценариях. Тем не менее, ядро этих технологий надежно контролируется небольшим числом централизованных технологических гигантов. Обладая значительными капиталами и контролем над дорогими вычислительными ресурсами, эти компании создали непреодолимые барьеры, затрудняющие большинству разработчиков и инновационных команд конкурировать с ними.
В то же время, на ранних этапах быстрого развития ИИ общественное мнение часто сосредотачивается на прорывах и удобствах, которые приносит технология, в то время как внимание к таким ключевым вопросам, как защита конфиденциальности, прозрачность и безопасность, остается относительно недостаточным. В долгосрочной перспективе эти проблемы будут глубоко влиять на здоровье развития индустрии ИИ и ее приемлемость в обществе. Если эти вопросы не будут должным образом решены, споры о том, будет ли ИИ "на благо" или "во зло", станут все более заметными, в то время как централизованные гиганты, движимые инстинктом извлечения прибыли, часто не имеют достаточной мотивации, чтобы активно справляться с этими вызовами.
Технология блокчейна, благодаря своим характеристикам децентрализации, прозрачности и устойчивости к цензуре, предоставляет новые возможности для устойчивого развития отрасли ИИ. В настоящее время на некоторых основных блокчейнах уже появилось множество приложений "Web3 AI". Однако при глубоком анализе можно обнаружить, что у этих проектов все еще есть множество проблем: с одной стороны, степень децентрализации ограничена, ключевые этапы и инфраструктура по-прежнему зависят от централизованных облачных сервисов, что затрудняет поддержку по-настоящему открытой экосистемы; с другой стороны, по сравнению с продуктами ИИ в мире Web2, AI в блокчейне по-прежнему имеет ограничения в области возможностей моделей, использования данных и областей применения, глубина и широта инноваций требуют улучшения.
Чтобы действительно реализовать видение децентрализованного ИИ, необходимо, чтобы в блокчейне безопасно, эффективно и демократично размещались масштабные ИИ-приложения, конкурирующие по производительности с централизованными решениями. Нам нужно разработать Layer1 блокчейн, созданный специально для ИИ. Это создаст прочную основу для открытых инноваций в ИИ, демократического управления и безопасности данных, способствуя процветанию децентрализованной экосистемы ИИ.
Основные характеристики AI Layer 1
AI Layer 1 как блокчейн, специально созданный для AI-приложений, имеет архитектуру и производительность, которые тесно связаны с требованиями AI-задач, и предназначен для эффективной поддержки устойчивого развития и процветания AI-экосистемы в блокчейне. Конкретно, AI Layer 1 должен обладать следующими ключевыми возможностями:
Эффективные стимулы и децентрализованный механизм консенсуса. Ядро AI Layer 1 заключается в создании открытой сети для совместного использования ресурсов, таких как вычислительная мощность и хранение. В отличие от традиционных узлов блокчейна, которые в основном сосредоточены на ведении учета в главной книге, узлы AI Layer 1 должны выполнять более сложные задачи: не только предоставлять вычислительную мощность и завершать обучение и вывод AI моделей, но и вносить разнообразные ресурсы, такие как хранилище, данные и пропускная способность, чтобы разрушить монополию централизованных гигантов в инфраструктуре AI. Это предъявляет более высокие требования к базовому консенсусу и механизму стимулов: AI Layer 1 должен быть в состоянии точно оценивать, стимулировать и проверять фактический вклад узлов в задачи AI вывода и обучения, обеспечивая безопасность сети и эффективное распределение ресурсов. Только так можно гарантировать стабильность и процветание сети, а также эффективно снизить общие затраты на вычислительную мощность.
Превосходные высокие характеристики и способность поддержки гетерогенных задач Задачи ИИ, особенно обучение и вывод больших языковых моделей, предъявляют очень высокие требования к вычислительной производительности и параллельной обработке. Более того, экосистема AI в блокчейне часто должна поддерживать разнообразные и гетерогенные типы задач, включая различные структуры моделей, обработку данных, вывод, хранение и другие многообразные сценарии. AI Layer 1 должен быть глубоко оптимизирован для требований высокой пропускной способности, низкой задержки и эластичной параллельности на уровне архитектуры, а также предусмотреть нативную поддержку гетерогенных вычислительных ресурсов, чтобы обеспечить эффективное выполнение различных задач ИИ и реализовать плавное расширение от "однородных задач" до "сложной многообразной экосистемы".
Проверяемость и гарантии надежного вывода AI Layer 1 должны не только предотвращать злонамеренные действия моделей, подделку данных и другие угрозы безопасности, но и обеспечивать проверяемость и согласованность результатов AI на уровне основных механизмов. Интегрируя такие передовые технологии, как надежные вычислительные среды, доказательства с нулевым разглашением и безопасные вычисления с несколькими сторонами, платформа позволяет независимо проверять каждый процесс вывода модели, обучения и обработки данных, гарантируя справедливость и прозрачность AI-системы. В то же время такая проверяемость помогает пользователям четко понимать логику и основы выводов AI, достигая "что получено, то и пожелано", повышая доверие и удовлетворенность пользователей к продуктам AI.
Защита конфиденциальности данных AI-приложения часто涉及 чувствительные данные пользователей, и в таких областях, как финансы, медицина, социальные сети, защита конфиденциальности данных особенно важна. AI Layer 1 должен обеспечивать проверяемость, одновременно используя технологии обработки данных на основе шифрования, протоколы вычислений с конфиденциальностью и управление правами на данные, чтобы гарантировать безопасность данных на всех этапах, таких как вывод, обучение и хранение, эффективно предотвращая утечку и злоупотребление данными, устраняя тем самым беспокойство пользователей относительно безопасности данных.
Мощная способность к поддержке экосистемы и разработке. Будучи AI-родной инфраструктурой уровня 1, платформа должна не только обладать технологическим преимуществом, но и предоставлять полные инструменты для разработки, интегрированные SDK, поддержку операций и механизмы стимулов для участников экосистемы, таких как разработчики, операторы узлов и поставщики AI-услуг. Оптимизируя доступность платформы и опыт разработчиков, мы способствуем реализации разнообразных AI-родных приложений и обеспечиваем устойчивое процветание децентрализованной AI-экосистемы.
Основываясь на вышеизложенном контексте и ожиданиях, в данной статье подробно представлены шесть проектов AI Layer1, включая Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематически рассматриваются последние достижения в данной области, анализируется текущее состояние развития проектов и обсуждаются будущие тенденции.
Sentient: Создание преданного открытого децентрализованного ИИ-модели
Обзор проекта
Sentient - это платформа с открытым исходным кодом, которая создает AI Layer1 в блокчейне (. На начальном этапе она будет Layer 2, а затем перейдет на Layer 1). Объединяя AI Pipeline и технологии блокчейна, она строит децентрализованную экономику искусственного интеллекта. Ее основной целью является решение проблем принадлежности моделей, отслеживания вызовов и распределения ценности на централизованном рынке больших языковых моделей с помощью "OML" фрейма (открытого, прибыльного, преданного), обеспечивая структуру собственности моделей на блокчейне, прозрачность вызовов и распределение ценности. Видение Sentient заключается в том, чтобы любой мог создавать, сотрудничать, владеть и монетизировать AI-продукты, тем самым содействуя созданию справедливой и открытой экосистемы сети AI Agent.
Команда Sentient Foundation объединила лучших академических экспертов, блокчейн-предпринимателей и инженеров со всего мира, стремясь создать сообщество, управляемое, открытое и проверяемое AGI-платформой. Ключевые участники включают профессора Принстонского университета Прамода Висваната и профессора Индийского института науки Химаншу Тяги, которые отвечают за безопасность ИИ и защиту конфиденциальности, в то время как соучредитель Polygon Сандип Найлвал руководит стратегией блокчейна и экосистемой. Члены команды имеют опыт работы в таких известных компаниях, как Meta, Coinbase, Polygon, а также в ведущих учебных заведениях, таких как Принстонский университет и Индийский институт технологий, охватывая области AI/ML, NLP, компьютерного зрения и совместно способствуя реализации проекта.
В качестве второго стартапа соучредителя Polygon Sandeep Nailwal, Sentient с самого начала обладала ореолом, имея богатые ресурсы, связи и рыночное признание, что обеспечивало мощную поддержку для развития проекта. В середине 2024 года Sentient завершила финансирование на сумму 85 миллионов долларов в рамках раунда посевного капитала, который возглавили Founders Fund, Pantera и Framework Ventures, среди других инвестиционных компаний, включая Delphi, Hashkey и Spartan, и десятки других известных венчурных капиталистов.
Архитектура и уровень приложений
Инфраструктурный уровень
Ядро архитектуры
Ядро архитектуры Sentient состоит из двух частей: AI Pipeline и системы в блокчейне.
AI трубопровод является основой для разработки и обучения "лояльных AI" артефактов, включает в себя два основных процесса:
Система блокчейна обеспечивает прозрачность и децентрализованный контроль для протоколов, гарантируя право собственности на AI-артефакты, отслеживание использования, распределение доходов и справедливое управление. Конкретная архитектура разделена на четыре уровня:
OML модельный фрейм
OML фреймворк (Открытый Open, Монетизируемый Monetizable, Лояльный Loyal) является ключевой концепцией, предложенной Sentient, и направлен на предоставление четкой защиты прав собственности и экономических стимулов для открытых AI моделей. Он обладает следующими характеристиками за счет сочетания технологий в блокчейне и нативной криптографии AI:
AI нативная криптография (AI-native Cryptography)
AI-родная криптография использует непрерывность AI-моделей, структуру низкоразмерных многообразий и дифференцируемые характеристики моделей для разработки "проверяемого, но не подлежащего удалению" легковесного механизма безопасности. Основная технология заключается в следующем:
Этот метод позволяет реализовать "авторизационные вызовы на основе поведения + верификация принадлежности" без затрат на повторное шифрование.
Модель правовой защиты и безопасного исполнения
Sentient в настоящее время использует Melange смешанную безопасность: комбинация подтверждения прав собственности по отпечаткам пальцев, выполнения в TEE и распределения доходов по смарт-контрактам в блокчейне. При этом метод отпечатков пальцев реализует OML 1.0 как основную линию, подчеркивая идею "оптимистической безопасности (Optimistic Security)", то есть предполагается соблюдение норм, а в случае нарушения это может быть обнаружено и наказано.
Механизм отпечатков пальцев является ключевой реализацией OML, который позволяет модели генерировать уникальную подпись на этапе обучения, внедряя определенные «вопрос-ответ» пары. С помощью этих подписей владельцы моделей могут подтверждать принадлежность, предотвращая несанкционированное копирование и коммерциализацию. Этот механизм не только защищает права разработчиков моделей, но и предоставляет отслеживаемую запись использования модели в блокчейне.
Кроме того, Sentient представила вычислительную платформу Enclave TEE, использующую доверенные среды выполнения для обеспечения того, чтобы модели отвечали только на авторизованные запросы, предотвращая несанкционированный доступ и использование. Хотя TEE зависит от аппаратного обеспечения и имеет некоторые угрозы безопасности, его высокая производительность и преимущества в реальном времени делают его ключевой технологией для развертывания моделей в настоящее время.
В будущем Sentient планирует внедрить нулевое знание.