Звіт про AI Layer1: пошук родючих ґрунтів для DeAI у блокчейні
Огляд
Фон
Останніми роками провідні технологічні компанії, такі як OpenAI, Anthropic, Google, Meta, безперервно сприяють стрімкому розвитку великих мовних моделей (LLM). LLM демонструють безпрецедентні можливості в різних сферах, значно розширюючи межі людської уяви, а в деяких випадках навіть показують потенціал заміщення людської праці. Однак ядро цих технологій залишається під контролем кількох централізованих технологічних гігантів. Завдяки потужному капіталу та контролю над дорогими ресурсами обчислень ці компанії створили непереборні бар'єри, що ускладнює абсолютній більшості розробників та інноваційних команд з ними конкурувати.
Одночасно, на початковому етапі швидкого розвитку ШІ, суспільна думка часто зосереджується на прориві та зручностях, які приносить технологія, тоді як увага до таких ключових питань, як захист конфіденційності, прозорість, безпека тощо, є відносно недостатньою. У довгостроковій перспективі ці проблеми глибоко вплинуть на здоровий розвиток індустрії ШІ та соціальну прийнятність. Якщо ці питання не будуть належним чином вирішені, суперечка щодо "доброї" чи "поганої" природи ШІ стане все більш виразною, а централізовані гіганти, керуючись інстинктом отримання прибутку, часто не мають достатньої мотивації для активного вирішення цих викликів.
Технологія блокчейн завдяки своїм децентралізованим, прозорим і стійким до цензури характеристикам відкриває нові можливості для сталого розвитку індустрії ШІ. На даний момент на таких основних блокчейнах, як Solana, Base, вже з'явилося безліч застосунків "Web3 AI". Але глибокий аналіз показує, що ці проекти все ще стикаються з багатьма проблемами: з одного боку, рівень децентралізації обмежений, ключові етапи та інфраструктура все ще залежать від централізованих хмарних сервісів, надмірна мемність ускладнює підтримку справжньої відкритої екосистеми; з іншого боку, у порівнянні з AI-продуктами світу Web2, ланцюговий AI все ще має обмеження в моделях, використанні даних та сценаріях застосування, глибина та широта інновацій потребують покращення.
Щоб справді реалізувати бачення децентралізованого ШІ, зробивши так, щоб у блокчейні безпечно, ефективно та демократично могли розміщуватися масштабні AI-додатки, і щоб він міг конкурувати з централізованими рішеннями за продуктивністю, нам потрібно спроектувати Layer1 блокчейн, спеціально розроблений для AI. Це забезпечить міцну основу для відкритих інновацій у сфері AI, демократичного управління та безпеки даних, сприяючи процвітанню децентралізованої екосистеми AI.
Основні характеристики AI Layer 1
AI Layer 1 як блокчейн, спеціально пристосований для AI-додатків, має підґрунтя архітектури та дизайну продуктивності, що тісно пов'язані з вимогами AI-завдань, з метою ефективної підтримки сталого розвитку та процвітання AI-екосистеми у блокчейні. Конкретно кажучи, AI Layer 1 має володіти такими основними можливостями:
Ефективні стимули та децентралізований механізм консенсусу Ядро AI Layer 1 полягає в побудові відкритої мережі для спільного використання ресурсів, таких як обчислювальна потужність, зберігання тощо. На відміну від традиційних блокчейн-вузлів, які в основному зосереджуються на веденні бухгалтерії, вузли AI Layer 1 повинні виконувати більш складні завдання, зокрема надавати обчислювальну потужність, виконувати навчання та інференцію AI-моделей, а також вносити різноманітні ресурси, такі як зберігання, дані, пропускна здатність, щоб зламати монополію централізованих гігантів в інфраструктурі AI. Це висуває вищі вимоги до базового консенсусу та механізму стимулювання: AI Layer 1 повинен бути в змозі точно оцінювати, стимулювати та перевіряти фактичний внесок вузлів у завдання інференції, навчання AI тощо, забезпечуючи безпеку мережі та ефективний розподіл ресурсів. Лише так можна гарантувати стабільність та процвітання мережі, а також ефективно знизити загальні витрати на обчислювальну потужність.
Виняткова висока продуктивність та підтримка гетерогенних завдань Завдання AI, особливо навчання та розуміння LLM, ставлять дуже високі вимоги до обчислювальної продуктивності та можливостей паралельної обробки. Більше того, у блокчейні екосистема AI часто повинна підтримувати різноманітні гетерогенні типи завдань, включаючи різні структури моделей, обробку даних, розуміння, зберігання та інші різноманітні сценарії. AI Layer 1 повинен на основі архітектури глибоко оптимізувати потреби у високій пропускній здатності, низькій затримці та гнучкій паралельній обробці, а також заздалегідь передбачати нативну підтримку гетерогенних обчислювальних ресурсів, щоб забезпечити ефективне виконання всіх завдань AI та реалізувати плавне розширення від "однорідних завдань" до "складної різноманітної екосистеми".
Перевірність та надійність виходу AI Layer 1 повинні не лише запобігати зловживанням моделлю, змінам даних та іншим загрозам безпеці, але й забезпечувати перевірність та узгодженість результатів, що виходять з самого базового механізму. Завдяки інтеграції довірених виконавчих середовищ (TEE), нульових знань (ZK), багатосторонніх безпечних обчислень (MPC) та інших передових технологій платформа може гарантувати, що кожен процес моделювання, навчання та обробки даних може бути незалежно перевірений, забезпечуючи справедливість та прозорість AI-системи. Водночас ця перевірність також допомагає користувачам зрозуміти логіку та підстави виходу AI, реалізуючи "отримане є бажаним", підвищуючи довіру та задоволеність користувачів продуктами AI.
Захист конфіденційності даних Застосування ШІ часто пов'язані з чутливими даними користувачів, у фінансовій, медичній, соціальній та інших сферах захист конфіденційності даних є особливо важливим. AI Layer 1 повинен забезпечити перевірність, одночасно використовуючи технології обробки даних на основі шифрування, протоколи обчислення конфіденційності та управління правами доступу до даних, щоб гарантувати безпеку даних протягом усього процесу, включаючи інференцію, навчання та зберігання, ефективно запобігаючи витоку та зловживанню даними, усуваючи побоювання користувачів щодо безпеки даних.
Потужна екосистема підтримки та розробки Як AI-орієнтована інфраструктура Layer 1, платформа повинна не тільки мати технологічну перевагу, але й забезпечити учасників екосистеми, таких як розробники, оператори вузлів, постачальники AI-послуг, повноцінними розробницькими інструментами, інтегрованими SDK, підтримкою експлуатації та механізмами винагороди. Постійно оптимізуючи доступність платформи та досвід розробників, ми сприяємо реалізації різноманітних AI-орієнтованих застосунків, що забезпечує стійкий розвиток децентралізованої AI-екосистеми.
На основі вищезазначеного контексту та очікувань, у цій статті буде детально представлено шість представницьких проектів AI Layer1, включаючи Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, системно розглянуто останні досягнення в цій сфері, проаналізовано стан розвитку проектів та обговорено майбутні тенденції.
Sentient: побудова вірної відкритої децентралізованої AI моделі
Огляд проекту
Sentient є відкритою платформою протоколів, яка розробляє AI Layer1 у блокчейні ( на початковій стадії Layer 2, а потім буде перенесена на Layer 1). Поєднуючи AI Pipeline та технології блокчейну, вона будує децентралізовану економіку штучного інтелекту. Її основна мета полягає у вирішенні проблеми власності моделей, відстеження викликів та розподілу вартості на централізованому ринку LLM за допомогою рамок "OML" (відкритий, прибутковий, лояльний), дозволяючи AI моделям реалізувати структуру власності у блокчейні, прозорість викликів та розподіл вартості. Візія Sentient полягає в тому, щоб кожен міг створювати, співпрацювати, володіти та монетизувати AI продукти, просуваючи справедливу та відкриту екосистему мережі AI Agent.
Команда Sentient Foundation об'єднала провідних академічних експертів, підприємців у сфері блокчейн-технологій та інженерів з усього світу, з метою створення спільноти, що керується, відкритої та перевірної платформи AGI. До складу основних членів входять професор Принстонського університету Pramod Viswanath та професор Індійського наукового інституту Himanshu Tyagi, які відповідають за безпеку та захист приватності штучного інтелекту, тоді як співзасновник Polygon Sandeep Nailwal очолює стратегію блокчейну та екосистемну розробку. Фон учасників команди охоплює такі відомі компанії, як Meta, Coinbase, Polygon, а також провідні університети, такі як Принстонський університет та Індійський технологічний інститут, охоплюючи сфери AI/ML, NLP, комп'ютерного зору та інші, спільно сприяючи реалізації проекту.
Як другий стартап, заснований спільно засновником Polygon Sandeep Nailwal, Sentient з моменту свого створення мав аурою, володіючи багатими ресурсами, зв'язками та ринковою обізнаністю, що забезпечило потужну підтримку для розвитку проекту. У середині 2024 року Sentient завершив раунд фінансування на суму 85 мільйонів доларів США, який очолили Founders Fund, Pantera та Framework Ventures, а також десятки інших відомих венчурних капітальних компаній, включаючи Delphi, Hashkey та Spartan.
Проектування архітектури та прикладного рівня
Інфраструктурний рівень
Ключова архітектура
Ядро архітектури Sentient складається з двох частин: AI Pipeline та у блокчейні.
Штучний інтелект (AI) є основою для розробки та навчання артефактів "вірного AI", що включає два основні процеси:
Планування даних (Data Curation): процес вибору даних, що керується спільнотою, для вирівнювання моделей.
Тренування лояльності (Loyalty Training): забезпечення того, щоб модель підтримувала процес навчання, що відповідає намірам спільноти.
Система блокчейну забезпечує прозорість та децентралізований контроль для протоколу, гарантує власність на AI артефакти, відстеження використання, розподіл доходів та справедливе управління. Конкретна архітектура поділяється на чотири рівні:
Слой зберігання: зберігання ваг моделей та інформації про реєстрацію відбитків.
Розподільчий рівень: модель контролю виклику контрактів авторизації;
Доступний рівень: перевірка правомочності користувача через підтвердження прав.
Слой стимулювання: Контракт маршрутизації доходів буде виплачувати винагороду тренерам, розробникам та валідаторам з кожного виклику.
OML модельна структура
OML фреймворк (Відкритий Open, Монетизований Monetizable, Лояльний Loyal) є ключовою концепцією, запропонованою Sentient, яка має на меті забезпечити чіткий захист прав власності та економічні стимули для відкритих AI моделей. Завдяки поєднанню технології у блокчейні та AI нативної криптографії, має такі характеристики:
Відкритість: Модель повинна бути з відкритим кодом, код і структура даних повинні бути прозорими, щоб спростити відтворення, аудит і покращення з боку спільноти.
Монетизація: Кожен виклик моделі викликає потік доходу, у блокчейні контракт буде розподіляти прибуток між тренерами, розробниками та перевірниками.
Вірність: Модель належить спільноті внесків, напрямок оновлення та управління визначається DAO, використання та зміни контролюються криптомеханізмом.
AI рідна криптографія (AI-native Cryptography)
AI-оригінальне шифрування використовує безперервність AI-моделей, структуру низьковимірного маніфольда та диференційовані характеристики моделей для розробки "перевіряємого, але незнімного" легковагового механізму безпеки. Його ключова технологія:
Вбудовування відбитків пальців: під час навчання вставляється набір прихованих пар запит-відповідь, що формує унікальний підпис моделі;
Протокол перевірки права власності: перевірка збереження відбитка пальця у формі запиту за допомогою третьої сторони-детектора (Prover);
Механізм дозволу на виклик: перед викликом потрібно отримати "дозвільний сертифікат", виданий власником моделі, а система на основі цього надає дозвіл моделі декодувати цей вхід та повернути точну відповідь.
Цей спосіб дозволяє реалізувати "авторизаційний виклик на основі поведінки + верифікацію належності" без витрат на повторне шифрування.
Модель підтвердження прав і безпечне виконання рамки
Sentient наразі використовує Melange змішану безпеку: поєднання авторизації за відбитком пальця, виконання TEE та розподілу прибутку за смарт-контрактами у блокчейні. При цьому метод відбитка пальця реалізується за OML 1.0, підкреслюючи ідею "оптимістичної безпеки (Optimistic Security)", тобто за замовчуванням вважається, що все відповідає нормам, а порушення можуть бути виявлені і покарані.
Механізм відбитків пальців є ключовою реалізацією OML, який через вбудовані конкретні "питання-відповіді" дозволяє моделі генерувати унікальний підпис на етапі навчання. Завдяки цим підписам власник моделі може підтвердити приналежність, запобігаючи несанкціонованому копіюванню та комерціалізації. Цей механізм не лише захищає права розробників моделей, але й надає відстежувані записи використання моделі у блокчейні.
Крім того, Sentient представила обчислювальну платформу Enclave TEE, яка використовує довірене середовище виконання (таке як AWS Nitro Enclaves), щоб забезпечити, що моделі реагують 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 ключовою технологією для розгортання сучасних моделей.
У майбутньому Sentient планує впровадити технології нульових знань (ZK) та гомоморфного шифрування (FHE), щоб进一步 покращити захист приватності та перевіряємість.
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.
15 лайків
Нагородити
15
5
Поділіться
Прокоментувати
0/400
NullWhisperer
· 17год тому
технічно кажучи... підхід sentient здається вразливим до тих самих старих проблем централізації, чесно кажучи
Переглянути оригіналвідповісти на0
LiquidationTherapist
· 18год тому
Фонове дослідження досить надійне
Переглянути оригіналвідповісти на0
MEVHunterWang
· 18год тому
Штучний інтелект... контролює людство, я думаю, це малоймовірно~
AI Layer1 новий зірка з'являється на горизонті: Sentient створює у блокчейні DeAI інфраструктуру
Звіт про AI Layer1: пошук родючих ґрунтів для DeAI у блокчейні
Огляд
Фон
Останніми роками провідні технологічні компанії, такі як OpenAI, Anthropic, Google, Meta, безперервно сприяють стрімкому розвитку великих мовних моделей (LLM). LLM демонструють безпрецедентні можливості в різних сферах, значно розширюючи межі людської уяви, а в деяких випадках навіть показують потенціал заміщення людської праці. Однак ядро цих технологій залишається під контролем кількох централізованих технологічних гігантів. Завдяки потужному капіталу та контролю над дорогими ресурсами обчислень ці компанії створили непереборні бар'єри, що ускладнює абсолютній більшості розробників та інноваційних команд з ними конкурувати.
Одночасно, на початковому етапі швидкого розвитку ШІ, суспільна думка часто зосереджується на прориві та зручностях, які приносить технологія, тоді як увага до таких ключових питань, як захист конфіденційності, прозорість, безпека тощо, є відносно недостатньою. У довгостроковій перспективі ці проблеми глибоко вплинуть на здоровий розвиток індустрії ШІ та соціальну прийнятність. Якщо ці питання не будуть належним чином вирішені, суперечка щодо "доброї" чи "поганої" природи ШІ стане все більш виразною, а централізовані гіганти, керуючись інстинктом отримання прибутку, часто не мають достатньої мотивації для активного вирішення цих викликів.
Технологія блокчейн завдяки своїм децентралізованим, прозорим і стійким до цензури характеристикам відкриває нові можливості для сталого розвитку індустрії ШІ. На даний момент на таких основних блокчейнах, як Solana, Base, вже з'явилося безліч застосунків "Web3 AI". Але глибокий аналіз показує, що ці проекти все ще стикаються з багатьма проблемами: з одного боку, рівень децентралізації обмежений, ключові етапи та інфраструктура все ще залежать від централізованих хмарних сервісів, надмірна мемність ускладнює підтримку справжньої відкритої екосистеми; з іншого боку, у порівнянні з AI-продуктами світу Web2, ланцюговий AI все ще має обмеження в моделях, використанні даних та сценаріях застосування, глибина та широта інновацій потребують покращення.
Щоб справді реалізувати бачення децентралізованого ШІ, зробивши так, щоб у блокчейні безпечно, ефективно та демократично могли розміщуватися масштабні AI-додатки, і щоб він міг конкурувати з централізованими рішеннями за продуктивністю, нам потрібно спроектувати Layer1 блокчейн, спеціально розроблений для AI. Це забезпечить міцну основу для відкритих інновацій у сфері AI, демократичного управління та безпеки даних, сприяючи процвітанню децентралізованої екосистеми AI.
Основні характеристики AI Layer 1
AI Layer 1 як блокчейн, спеціально пристосований для AI-додатків, має підґрунтя архітектури та дизайну продуктивності, що тісно пов'язані з вимогами AI-завдань, з метою ефективної підтримки сталого розвитку та процвітання AI-екосистеми у блокчейні. Конкретно кажучи, AI Layer 1 має володіти такими основними можливостями:
Ефективні стимули та децентралізований механізм консенсусу Ядро AI Layer 1 полягає в побудові відкритої мережі для спільного використання ресурсів, таких як обчислювальна потужність, зберігання тощо. На відміну від традиційних блокчейн-вузлів, які в основному зосереджуються на веденні бухгалтерії, вузли AI Layer 1 повинні виконувати більш складні завдання, зокрема надавати обчислювальну потужність, виконувати навчання та інференцію AI-моделей, а також вносити різноманітні ресурси, такі як зберігання, дані, пропускна здатність, щоб зламати монополію централізованих гігантів в інфраструктурі AI. Це висуває вищі вимоги до базового консенсусу та механізму стимулювання: AI Layer 1 повинен бути в змозі точно оцінювати, стимулювати та перевіряти фактичний внесок вузлів у завдання інференції, навчання AI тощо, забезпечуючи безпеку мережі та ефективний розподіл ресурсів. Лише так можна гарантувати стабільність та процвітання мережі, а також ефективно знизити загальні витрати на обчислювальну потужність.
Виняткова висока продуктивність та підтримка гетерогенних завдань Завдання AI, особливо навчання та розуміння LLM, ставлять дуже високі вимоги до обчислювальної продуктивності та можливостей паралельної обробки. Більше того, у блокчейні екосистема AI часто повинна підтримувати різноманітні гетерогенні типи завдань, включаючи різні структури моделей, обробку даних, розуміння, зберігання та інші різноманітні сценарії. AI Layer 1 повинен на основі архітектури глибоко оптимізувати потреби у високій пропускній здатності, низькій затримці та гнучкій паралельній обробці, а також заздалегідь передбачати нативну підтримку гетерогенних обчислювальних ресурсів, щоб забезпечити ефективне виконання всіх завдань AI та реалізувати плавне розширення від "однорідних завдань" до "складної різноманітної екосистеми".
Перевірність та надійність виходу AI Layer 1 повинні не лише запобігати зловживанням моделлю, змінам даних та іншим загрозам безпеці, але й забезпечувати перевірність та узгодженість результатів, що виходять з самого базового механізму. Завдяки інтеграції довірених виконавчих середовищ (TEE), нульових знань (ZK), багатосторонніх безпечних обчислень (MPC) та інших передових технологій платформа може гарантувати, що кожен процес моделювання, навчання та обробки даних може бути незалежно перевірений, забезпечуючи справедливість та прозорість AI-системи. Водночас ця перевірність також допомагає користувачам зрозуміти логіку та підстави виходу AI, реалізуючи "отримане є бажаним", підвищуючи довіру та задоволеність користувачів продуктами AI.
Захист конфіденційності даних Застосування ШІ часто пов'язані з чутливими даними користувачів, у фінансовій, медичній, соціальній та інших сферах захист конфіденційності даних є особливо важливим. AI Layer 1 повинен забезпечити перевірність, одночасно використовуючи технології обробки даних на основі шифрування, протоколи обчислення конфіденційності та управління правами доступу до даних, щоб гарантувати безпеку даних протягом усього процесу, включаючи інференцію, навчання та зберігання, ефективно запобігаючи витоку та зловживанню даними, усуваючи побоювання користувачів щодо безпеки даних.
Потужна екосистема підтримки та розробки Як AI-орієнтована інфраструктура Layer 1, платформа повинна не тільки мати технологічну перевагу, але й забезпечити учасників екосистеми, таких як розробники, оператори вузлів, постачальники AI-послуг, повноцінними розробницькими інструментами, інтегрованими SDK, підтримкою експлуатації та механізмами винагороди. Постійно оптимізуючи доступність платформи та досвід розробників, ми сприяємо реалізації різноманітних AI-орієнтованих застосунків, що забезпечує стійкий розвиток децентралізованої AI-екосистеми.
На основі вищезазначеного контексту та очікувань, у цій статті буде детально представлено шість представницьких проектів AI Layer1, включаючи Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, системно розглянуто останні досягнення в цій сфері, проаналізовано стан розвитку проектів та обговорено майбутні тенденції.
Sentient: побудова вірної відкритої децентралізованої AI моделі
Огляд проекту
Sentient є відкритою платформою протоколів, яка розробляє AI Layer1 у блокчейні ( на початковій стадії Layer 2, а потім буде перенесена на Layer 1). Поєднуючи AI Pipeline та технології блокчейну, вона будує децентралізовану економіку штучного інтелекту. Її основна мета полягає у вирішенні проблеми власності моделей, відстеження викликів та розподілу вартості на централізованому ринку LLM за допомогою рамок "OML" (відкритий, прибутковий, лояльний), дозволяючи AI моделям реалізувати структуру власності у блокчейні, прозорість викликів та розподіл вартості. Візія Sentient полягає в тому, щоб кожен міг створювати, співпрацювати, володіти та монетизувати AI продукти, просуваючи справедливу та відкриту екосистему мережі AI Agent.
Команда Sentient Foundation об'єднала провідних академічних експертів, підприємців у сфері блокчейн-технологій та інженерів з усього світу, з метою створення спільноти, що керується, відкритої та перевірної платформи AGI. До складу основних членів входять професор Принстонського університету Pramod Viswanath та професор Індійського наукового інституту Himanshu Tyagi, які відповідають за безпеку та захист приватності штучного інтелекту, тоді як співзасновник Polygon Sandeep Nailwal очолює стратегію блокчейну та екосистемну розробку. Фон учасників команди охоплює такі відомі компанії, як Meta, Coinbase, Polygon, а також провідні університети, такі як Принстонський університет та Індійський технологічний інститут, охоплюючи сфери AI/ML, NLP, комп'ютерного зору та інші, спільно сприяючи реалізації проекту.
Як другий стартап, заснований спільно засновником Polygon Sandeep Nailwal, Sentient з моменту свого створення мав аурою, володіючи багатими ресурсами, зв'язками та ринковою обізнаністю, що забезпечило потужну підтримку для розвитку проекту. У середині 2024 року Sentient завершив раунд фінансування на суму 85 мільйонів доларів США, який очолили Founders Fund, Pantera та Framework Ventures, а також десятки інших відомих венчурних капітальних компаній, включаючи Delphi, Hashkey та Spartan.
Проектування архітектури та прикладного рівня
Інфраструктурний рівень
Ключова архітектура
Ядро архітектури Sentient складається з двох частин: AI Pipeline та у блокчейні.
Штучний інтелект (AI) є основою для розробки та навчання артефактів "вірного AI", що включає два основні процеси:
Система блокчейну забезпечує прозорість та децентралізований контроль для протоколу, гарантує власність на AI артефакти, відстеження використання, розподіл доходів та справедливе управління. Конкретна архітектура поділяється на чотири рівні:
OML модельна структура
OML фреймворк (Відкритий Open, Монетизований Monetizable, Лояльний Loyal) є ключовою концепцією, запропонованою Sentient, яка має на меті забезпечити чіткий захист прав власності та економічні стимули для відкритих AI моделей. Завдяки поєднанню технології у блокчейні та AI нативної криптографії, має такі характеристики:
AI рідна криптографія (AI-native Cryptography)
AI-оригінальне шифрування використовує безперервність AI-моделей, структуру низьковимірного маніфольда та диференційовані характеристики моделей для розробки "перевіряємого, але незнімного" легковагового механізму безпеки. Його ключова технологія:
Цей спосіб дозволяє реалізувати "авторизаційний виклик на основі поведінки + верифікацію належності" без витрат на повторне шифрування.
Модель підтвердження прав і безпечне виконання рамки
Sentient наразі використовує Melange змішану безпеку: поєднання авторизації за відбитком пальця, виконання TEE та розподілу прибутку за смарт-контрактами у блокчейні. При цьому метод відбитка пальця реалізується за OML 1.0, підкреслюючи ідею "оптимістичної безпеки (Optimistic Security)", тобто за замовчуванням вважається, що все відповідає нормам, а порушення можуть бути виявлені і покарані.
Механізм відбитків пальців є ключовою реалізацією OML, який через вбудовані конкретні "питання-відповіді" дозволяє моделі генерувати унікальний підпис на етапі навчання. Завдяки цим підписам власник моделі може підтвердити приналежність, запобігаючи несанкціонованому копіюванню та комерціалізації. Цей механізм не лише захищає права розробників моделей, але й надає відстежувані записи використання моделі у блокчейні.
Крім того, Sentient представила обчислювальну платформу Enclave TEE, яка використовує довірене середовище виконання (таке як AWS Nitro Enclaves), щоб забезпечити, що моделі реагують 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 ключовою технологією для розгортання сучасних моделей.
У майбутньому Sentient планує впровадити технології нульових знань (ZK) та гомоморфного шифрування (FHE), щоб进一步 покращити захист приватності та перевіряємість.