Relatório de Pesquisa AI Layer1: Encontrando o solo fértil para DeAI na cadeia
Resumo
Fundo
Nos últimos anos, empresas de tecnologia líderes como OpenAI, Anthropic, Google e Meta têm impulsionado rapidamente o desenvolvimento de grandes modelos de linguagem. Esses modelos de linguagem demonstraram habilidades sem precedentes em diversos setores, expandindo enormemente o espaço de imaginação da humanidade e até mesmo mostrando potencial para substituir o trabalho humano em algumas situações. No entanto, o cerne dessa tecnologia está firmemente nas mãos de poucos gigantes tecnológicos centralizados. Com capital robusto e controle sobre recursos computacionais caros, essas empresas estabeleceram barreiras quase intransponíveis, dificultando a concorrência para a grande maioria dos desenvolvedores e equipes de inovação.
Ao mesmo tempo, no início da rápida evolução da IA, a opinião pública tende a se concentrar nas inovações e conveniências trazidas pela tecnologia, enquanto a atenção a questões centrais como proteção da privacidade, transparência e segurança é relativamente insuficiente. A longo prazo, essas questões afetarão profundamente o desenvolvimento saudável da indústria de IA e a aceitação social. Se não forem resolvidas adequadamente, a controvérsia sobre se a IA deve "fazer o bem" ou "fazer o mal" se tornará cada vez mais proeminente, e os gigantes centralizados, impulsionados pelo instinto de lucro, muitas vezes carecem de motivação suficiente para enfrentar esses desafios proativamente.
A tecnologia blockchain, com suas características de descentralização, transparência e resistência à censura, oferece novas possibilidades para o desenvolvimento sustentável da indústria de IA. Atualmente, várias aplicações "Web3 AI" já surgiram em algumas blockchains mainstream. No entanto, uma análise mais profunda revela que esses projetos ainda enfrentam muitos problemas: por um lado, o grau de descentralização é limitado, as etapas críticas e a infraestrutura ainda dependem de serviços em nuvem centralizados, dificultando o suporte a um ecossistema verdadeiramente aberto; por outro lado, em comparação com os produtos de IA do mundo Web2, a IA na cadeia ainda é limitada em termos de capacidade do modelo, utilização de dados e cenários de aplicação, e a profundidade e a amplitude da inovação precisam ser melhoradas.
Para realmente alcançar a visão de uma IA descentralizada, permitindo que a blockchain suporte aplicações de IA em larga escala de forma segura, eficiente e democrática, e competindo em desempenho com soluções centralizadas, precisamos projetar uma blockchain Layer 1 feita sob medida para a IA. Isso fornecerá uma base sólida para a inovação aberta da IA, a democracia na governança e a segurança dos dados, promovendo o próspero desenvolvimento do ecossistema de IA descentralizada.
As características principais da AI Layer 1
AI Layer 1, como uma blockchain projetada especificamente para aplicações de IA, tem sua arquitetura subjacente e design de desempenho intimamente alinhados com as necessidades das tarefas de IA, visando apoiar de forma eficiente o desenvolvimento e a prosperidade sustentável do ecossistema de IA na cadeia. Especificamente, AI Layer 1 deve possuir as seguintes capacidades centrais:
Mecanismos de incentivo eficientes e consenso descentralizado O núcleo do AI Layer 1 está na construção de uma rede compartilhada de recursos abertos, como poder computacional e armazenamento. Ao contrário dos nós da blockchain tradicional, que se concentram principalmente na contabilidade de livros, os nós do AI Layer 1 precisam assumir tarefas mais complexas, que não só incluem fornecer poder computacional e completar o treinamento e a inferência de modelos de IA, mas também contribuir com armazenamento, dados, largura de banda e outros recursos diversificados, quebrando assim o monopólio dos gigantes centralizados na infraestrutura de IA. Isso impõe requisitos mais elevados para o consenso subjacente e os mecanismos de incentivo: o AI Layer 1 deve ser capaz de avaliar, incentivar e verificar com precisão a contribuição real dos nós em tarefas de inferência e treinamento de IA, garantindo a segurança da rede e a alocação eficiente dos recursos. Só assim será possível garantir a estabilidade e a prosperidade da rede, além de reduzir efetivamente o custo total do poder computacional.
Desempenho elevado e capacidade de suporte a tarefas heterogéneas A tarefa de IA, especialmente o treino e a inferência de grandes modelos de linguagem, exige desempenhos computacionais e capacidades de processamento paralelo extremamente elevados. Além disso, o ecossistema de IA na cadeia frequentemente precisa de suportar uma variedade de tipos de tarefas heterogéneas, incluindo diferentes estruturas de modelos, processamento de dados, inferência, armazenamento e outros cenários diversos. O AI Layer 1 deve ser otimizado profundamente na arquitetura subjacente para necessidades de alta taxa de transferência, baixa latência e paralelismo flexível, e prever uma capacidade nativa de suporte a recursos computacionais heterogéneos, garantindo que diversas tarefas de IA possam ser executadas de forma eficiente, possibilitando uma expansão suave de "tarefa única" para "ecossistema complexo e diversificado".
Verificabilidade e Garantia de Saída Confiável A camada de IA Layer 1 não só deve prevenir comportamentos maliciosos do modelo e a adulteração de dados, mas também deve garantir, a partir do mecanismo subjacente, a verificabilidade e a conformidade dos resultados da saída da IA. Através da integração de ambientes de execução confiáveis, provas de conhecimento zero, computação segura multipartidária e outras tecnologias de ponta, a plataforma permite que cada inferência, treinamento e processo de processamento de dados do modelo possam ser verificados de forma independente, garantindo a justiça e transparência do sistema de IA. Ao mesmo tempo, essa verificabilidade também pode ajudar os usuários a entender claramente a lógica e a base das saídas da IA, realizando "o que se obtém é o que se deseja", aumentando a confiança e satisfação dos usuários em relação aos produtos de IA.
Proteção de Privacidade de Dados As aplicações de IA frequentemente envolvem dados sensíveis dos usuários, sendo a proteção da privacidade dos dados particularmente crítica nas áreas financeira, médica e social. A IA Layer 1 deve garantir a verificabilidade ao mesmo tempo que utiliza técnicas de processamento de dados baseadas em criptografia, protocolos de computação de privacidade e gestão de permissões de dados, assegurando a segurança dos dados em todo o processo de inferência, treinamento e armazenamento, prevenindo eficazmente vazamentos e abusos de dados, eliminando as preocupações dos usuários em relação à segurança dos dados.
Capacidade robusta de suporte ao desenvolvimento e à infraestrutura ecológica Como uma infraestrutura de Layer 1 nativa de IA, a plataforma não apenas precisa ter uma liderança técnica, mas também deve fornecer aos desenvolvedores, operadores de nós, prestadores de serviços de IA e outros participantes do ecossistema ferramentas de desenvolvimento completas, SDKs integrados, suporte operacional e mecanismos de incentivo. Ao otimizar continuamente a usabilidade da plataforma e a experiência do desenvolvedor, promove-se a implementação de aplicações nativas de IA ricas e diversas, alcançando a prosperidade contínua de um ecossistema de IA descentralizado.
Com base no contexto e expectativas acima, este artigo irá detalhar seis projetos representativos de AI Layer1, incluindo Sentient, Sahara AI, Ritual, Gensyn, Bittensor e 0G, sistematizando os últimos avanços da área, analisando o estado atual do desenvolvimento dos projetos e explorando as tendências futuras.
Sentient: Construindo modelos de IA descentralizados e de código aberto com lealdade.
Visão Geral do Projeto
Sentient é uma plataforma de protocolo de código aberto que está a construir uma blockchain AI Layer1 (, inicialmente na fase Layer 2, e depois migrará para a Layer 1). Ao combinar a AI Pipeline e a tecnologia blockchain, pretende construir um ecossistema descentralizado de inteligência artificial. O seu objetivo central é resolver os problemas de propriedade de modelos, rastreamento de chamadas e distribuição de valor no mercado de grandes modelos de linguagem centralizados através da estrutura "OML" (aberta, lucrativa, leal), permitindo que os modelos de IA realizem uma estrutura de propriedade na cadeia, transparência nas chamadas e partilha de valor. A visão da Sentient é permitir que qualquer pessoa possa construir, colaborar, possuir e monetizar produtos de IA, promovendo assim um ecossistema de rede de Agentes de IA justo e aberto.
A equipe da Sentient Foundation reúne os principais especialistas acadêmicos, empreendedores de blockchain e engenheiros do mundo, dedicando-se a construir uma plataforma AGI comunitária, de código aberto e verificável. Os membros principais incluem o professor Pramod Viswanath da Universidade de Princeton e o professor Himanshu Tyagi do Instituto Indiano de Ciência, responsáveis pela segurança e proteção da privacidade da IA, enquanto o cofundador da Polygon, Sandeep Nailwal, lidera a estratégia de blockchain e o planejamento ecológico. Os membros da equipe têm experiência em empresas renomadas como Meta, Coinbase, Polygon, além de universidades de prestígio como a Universidade de Princeton e o Instituto Indiano de Tecnologia, abrangendo áreas como AI/ML, NLP e visão computacional, colaborando para a implementação do projeto.
Como um projeto de segunda empreitada de Sandeep Nailwal, cofundador da Polygon, o Sentient já chegou ao mercado com um grande prestígio, contando com ricos recursos, conexões e reconhecimento no mercado, o que proporciona um forte respaldo para o desenvolvimento do projeto. Em meados de 2024, o Sentient completou uma rodada de financiamento seed de 85 milhões de dólares, com a Founders Fund, Pantera e Framework Ventures como investidores principais, e outras instituições de investimento incluindo Delphi, Hashkey e Spartan, entre várias outras VCs renomadas.
Arquitetura de design e camada de aplicação
Infraestrutura
Arquitetura Principal
A arquitetura central do Sentient é composta por um pipeline de IA (AI Pipeline) e um sistema de blockchain.
O pipeline de IA é a base para o desenvolvimento e treino de artefatos de "IA Leal", contendo dois processos centrais:
Curadoria de Dados (Data Curation): processo de seleção de dados impulsionado pela comunidade, utilizado para o alinhamento do modelo.
Treinamento de Fidelidade (Loyalty Training): garantir que o modelo mantenha um processo de treinamento alinhado com a intenção da comunidade.
O sistema de blockchain fornece transparência e controle descentralizado para os protocolos, garantindo a propriedade, rastreamento de uso, distribuição de receitas e governança justa dos artefatos de IA. A arquitetura específica é dividida em quatro camadas:
Camada de armazenamento: armazena os pesos do modelo e as informações de registro da impressão digital;
Camada de distribuição: entrada de chamada do modelo controlada pelo contrato de autorização;
Camada de acesso: verifica se o usuário está autorizado através da prova de permissão;
Camada de incentivo: o contrato de roteamento de receitas irá distribuir o pagamento a cada chamada entre os treinadores, implementadores e validadores.
Estrutura do modelo OML
A estrutura OML (Aberto Open, Monetizável Monetizable, Leal Loyal) é o conceito central proposto pela Sentient, destinada a fornecer proteção clara de propriedade e mecanismos de incentivo econômico para modelos de IA de código aberto. Ao combinar tecnologia na cadeia e criptografia nativa de IA, possui as seguintes características:
Abertura: O modelo deve ser de código aberto, com código e estrutura de dados transparentes, facilitando a reprodução, auditoria e melhoria pela comunidade.
Monetização: Cada chamada de modelo desencadeará um fluxo de receita, o contrato na cadeia distribuirá os ganhos aos treinadores, implementadores e validadores.
Lealdade: O modelo pertence à comunidade de contribuidores, a direção de atualização e a governança são decididas pela DAO, o uso e a modificação estão sob o controle de mecanismos criptográficos.
Criptografia nativa de IA (AI-native Cryptography)
A criptografia nativa de IA utiliza a continuidade dos modelos de IA, a estrutura de variedades de baixa dimensão e as características diferenciáveis dos modelos para desenvolver um mecanismo de segurança leve "verificável, mas não removível". A sua tecnologia central é:
Impressão digital incorporada: inserir um conjunto de pares chave-valor de consulta-resposta ocultos durante o treinamento para formar a assinatura única do modelo;
Protocolo de verificação de propriedade: verificar se a impressão digital foi mantida através de um detector de terceiros (Prover) na forma de perguntas de consulta;
Mecanismo de chamada de licença: é necessário obter o "certificado de autorização" emitido pelo proprietário do modelo antes da chamada, e o sistema autoriza o modelo a decodificar a entrada e retornar a resposta correta com base nisso.
Este método permite a implementação de "chamada autorizada baseada em comportamento + verificação de afiliação" sem o custo de recriptografia.
Modelo de Certificação e Estrutura de Execução Segura
Sentient atualmente utiliza a segurança Melange misturada: combinação de verificação por impressão digital, execução TEE e contrato na cadeia para distribuição de lucros. O método de impressão digital é a implementação da linha principal OML 1.0, enfatizando a ideia de "Segurança Otimista", ou seja, conformidade por default, podendo ser detectada e punida em caso de violação.
O mecanismo de impressões digitais é a implementação chave do OML, permitindo que o modelo gere assinaturas únicas na fase de treinamento através da incorporação de pares específicos de "pergunta-resposta". Com essas assinaturas, os proprietários do modelo podem verificar a propriedade, prevenindo cópias e comercializações não autorizadas. Este mecanismo não só protege os direitos dos desenvolvedores do modelo, mas também fornece um registro rastreável na cadeia das ações de uso do modelo.
Além disso, a Sentient lançou a estrutura de computação Enclave TEE, que utiliza um ambiente de execução confiável para garantir que os modelos respondam apenas a solicitações autorizadas, prevenindo acessos e usos não autorizados. Embora o TEE dependa de hardware e apresente certos riscos de segurança, suas vantagens de alto desempenho e tempo real tornam-no a tecnologia central para a implantação de modelos atualmente.
No futuro, a Sentient planeia introduzir provas de conhecimento nulo.
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
Exploração da camada 1 de IA: infraestruturas fundamentais para construir um ecossistema de IA descentralizado
Relatório de Pesquisa AI Layer1: Encontrando o solo fértil para DeAI na cadeia
Resumo
Fundo
Nos últimos anos, empresas de tecnologia líderes como OpenAI, Anthropic, Google e Meta têm impulsionado rapidamente o desenvolvimento de grandes modelos de linguagem. Esses modelos de linguagem demonstraram habilidades sem precedentes em diversos setores, expandindo enormemente o espaço de imaginação da humanidade e até mesmo mostrando potencial para substituir o trabalho humano em algumas situações. No entanto, o cerne dessa tecnologia está firmemente nas mãos de poucos gigantes tecnológicos centralizados. Com capital robusto e controle sobre recursos computacionais caros, essas empresas estabeleceram barreiras quase intransponíveis, dificultando a concorrência para a grande maioria dos desenvolvedores e equipes de inovação.
Ao mesmo tempo, no início da rápida evolução da IA, a opinião pública tende a se concentrar nas inovações e conveniências trazidas pela tecnologia, enquanto a atenção a questões centrais como proteção da privacidade, transparência e segurança é relativamente insuficiente. A longo prazo, essas questões afetarão profundamente o desenvolvimento saudável da indústria de IA e a aceitação social. Se não forem resolvidas adequadamente, a controvérsia sobre se a IA deve "fazer o bem" ou "fazer o mal" se tornará cada vez mais proeminente, e os gigantes centralizados, impulsionados pelo instinto de lucro, muitas vezes carecem de motivação suficiente para enfrentar esses desafios proativamente.
A tecnologia blockchain, com suas características de descentralização, transparência e resistência à censura, oferece novas possibilidades para o desenvolvimento sustentável da indústria de IA. Atualmente, várias aplicações "Web3 AI" já surgiram em algumas blockchains mainstream. No entanto, uma análise mais profunda revela que esses projetos ainda enfrentam muitos problemas: por um lado, o grau de descentralização é limitado, as etapas críticas e a infraestrutura ainda dependem de serviços em nuvem centralizados, dificultando o suporte a um ecossistema verdadeiramente aberto; por outro lado, em comparação com os produtos de IA do mundo Web2, a IA na cadeia ainda é limitada em termos de capacidade do modelo, utilização de dados e cenários de aplicação, e a profundidade e a amplitude da inovação precisam ser melhoradas.
Para realmente alcançar a visão de uma IA descentralizada, permitindo que a blockchain suporte aplicações de IA em larga escala de forma segura, eficiente e democrática, e competindo em desempenho com soluções centralizadas, precisamos projetar uma blockchain Layer 1 feita sob medida para a IA. Isso fornecerá uma base sólida para a inovação aberta da IA, a democracia na governança e a segurança dos dados, promovendo o próspero desenvolvimento do ecossistema de IA descentralizada.
As características principais da AI Layer 1
AI Layer 1, como uma blockchain projetada especificamente para aplicações de IA, tem sua arquitetura subjacente e design de desempenho intimamente alinhados com as necessidades das tarefas de IA, visando apoiar de forma eficiente o desenvolvimento e a prosperidade sustentável do ecossistema de IA na cadeia. Especificamente, AI Layer 1 deve possuir as seguintes capacidades centrais:
Mecanismos de incentivo eficientes e consenso descentralizado O núcleo do AI Layer 1 está na construção de uma rede compartilhada de recursos abertos, como poder computacional e armazenamento. Ao contrário dos nós da blockchain tradicional, que se concentram principalmente na contabilidade de livros, os nós do AI Layer 1 precisam assumir tarefas mais complexas, que não só incluem fornecer poder computacional e completar o treinamento e a inferência de modelos de IA, mas também contribuir com armazenamento, dados, largura de banda e outros recursos diversificados, quebrando assim o monopólio dos gigantes centralizados na infraestrutura de IA. Isso impõe requisitos mais elevados para o consenso subjacente e os mecanismos de incentivo: o AI Layer 1 deve ser capaz de avaliar, incentivar e verificar com precisão a contribuição real dos nós em tarefas de inferência e treinamento de IA, garantindo a segurança da rede e a alocação eficiente dos recursos. Só assim será possível garantir a estabilidade e a prosperidade da rede, além de reduzir efetivamente o custo total do poder computacional.
Desempenho elevado e capacidade de suporte a tarefas heterogéneas A tarefa de IA, especialmente o treino e a inferência de grandes modelos de linguagem, exige desempenhos computacionais e capacidades de processamento paralelo extremamente elevados. Além disso, o ecossistema de IA na cadeia frequentemente precisa de suportar uma variedade de tipos de tarefas heterogéneas, incluindo diferentes estruturas de modelos, processamento de dados, inferência, armazenamento e outros cenários diversos. O AI Layer 1 deve ser otimizado profundamente na arquitetura subjacente para necessidades de alta taxa de transferência, baixa latência e paralelismo flexível, e prever uma capacidade nativa de suporte a recursos computacionais heterogéneos, garantindo que diversas tarefas de IA possam ser executadas de forma eficiente, possibilitando uma expansão suave de "tarefa única" para "ecossistema complexo e diversificado".
Verificabilidade e Garantia de Saída Confiável A camada de IA Layer 1 não só deve prevenir comportamentos maliciosos do modelo e a adulteração de dados, mas também deve garantir, a partir do mecanismo subjacente, a verificabilidade e a conformidade dos resultados da saída da IA. Através da integração de ambientes de execução confiáveis, provas de conhecimento zero, computação segura multipartidária e outras tecnologias de ponta, a plataforma permite que cada inferência, treinamento e processo de processamento de dados do modelo possam ser verificados de forma independente, garantindo a justiça e transparência do sistema de IA. Ao mesmo tempo, essa verificabilidade também pode ajudar os usuários a entender claramente a lógica e a base das saídas da IA, realizando "o que se obtém é o que se deseja", aumentando a confiança e satisfação dos usuários em relação aos produtos de IA.
Proteção de Privacidade de Dados As aplicações de IA frequentemente envolvem dados sensíveis dos usuários, sendo a proteção da privacidade dos dados particularmente crítica nas áreas financeira, médica e social. A IA Layer 1 deve garantir a verificabilidade ao mesmo tempo que utiliza técnicas de processamento de dados baseadas em criptografia, protocolos de computação de privacidade e gestão de permissões de dados, assegurando a segurança dos dados em todo o processo de inferência, treinamento e armazenamento, prevenindo eficazmente vazamentos e abusos de dados, eliminando as preocupações dos usuários em relação à segurança dos dados.
Capacidade robusta de suporte ao desenvolvimento e à infraestrutura ecológica Como uma infraestrutura de Layer 1 nativa de IA, a plataforma não apenas precisa ter uma liderança técnica, mas também deve fornecer aos desenvolvedores, operadores de nós, prestadores de serviços de IA e outros participantes do ecossistema ferramentas de desenvolvimento completas, SDKs integrados, suporte operacional e mecanismos de incentivo. Ao otimizar continuamente a usabilidade da plataforma e a experiência do desenvolvedor, promove-se a implementação de aplicações nativas de IA ricas e diversas, alcançando a prosperidade contínua de um ecossistema de IA descentralizado.
Com base no contexto e expectativas acima, este artigo irá detalhar seis projetos representativos de AI Layer1, incluindo Sentient, Sahara AI, Ritual, Gensyn, Bittensor e 0G, sistematizando os últimos avanços da área, analisando o estado atual do desenvolvimento dos projetos e explorando as tendências futuras.
Sentient: Construindo modelos de IA descentralizados e de código aberto com lealdade.
Visão Geral do Projeto
Sentient é uma plataforma de protocolo de código aberto que está a construir uma blockchain AI Layer1 (, inicialmente na fase Layer 2, e depois migrará para a Layer 1). Ao combinar a AI Pipeline e a tecnologia blockchain, pretende construir um ecossistema descentralizado de inteligência artificial. O seu objetivo central é resolver os problemas de propriedade de modelos, rastreamento de chamadas e distribuição de valor no mercado de grandes modelos de linguagem centralizados através da estrutura "OML" (aberta, lucrativa, leal), permitindo que os modelos de IA realizem uma estrutura de propriedade na cadeia, transparência nas chamadas e partilha de valor. A visão da Sentient é permitir que qualquer pessoa possa construir, colaborar, possuir e monetizar produtos de IA, promovendo assim um ecossistema de rede de Agentes de IA justo e aberto.
A equipe da Sentient Foundation reúne os principais especialistas acadêmicos, empreendedores de blockchain e engenheiros do mundo, dedicando-se a construir uma plataforma AGI comunitária, de código aberto e verificável. Os membros principais incluem o professor Pramod Viswanath da Universidade de Princeton e o professor Himanshu Tyagi do Instituto Indiano de Ciência, responsáveis pela segurança e proteção da privacidade da IA, enquanto o cofundador da Polygon, Sandeep Nailwal, lidera a estratégia de blockchain e o planejamento ecológico. Os membros da equipe têm experiência em empresas renomadas como Meta, Coinbase, Polygon, além de universidades de prestígio como a Universidade de Princeton e o Instituto Indiano de Tecnologia, abrangendo áreas como AI/ML, NLP e visão computacional, colaborando para a implementação do projeto.
Como um projeto de segunda empreitada de Sandeep Nailwal, cofundador da Polygon, o Sentient já chegou ao mercado com um grande prestígio, contando com ricos recursos, conexões e reconhecimento no mercado, o que proporciona um forte respaldo para o desenvolvimento do projeto. Em meados de 2024, o Sentient completou uma rodada de financiamento seed de 85 milhões de dólares, com a Founders Fund, Pantera e Framework Ventures como investidores principais, e outras instituições de investimento incluindo Delphi, Hashkey e Spartan, entre várias outras VCs renomadas.
Arquitetura de design e camada de aplicação
Infraestrutura
Arquitetura Principal
A arquitetura central do Sentient é composta por um pipeline de IA (AI Pipeline) e um sistema de blockchain.
O pipeline de IA é a base para o desenvolvimento e treino de artefatos de "IA Leal", contendo dois processos centrais:
O sistema de blockchain fornece transparência e controle descentralizado para os protocolos, garantindo a propriedade, rastreamento de uso, distribuição de receitas e governança justa dos artefatos de IA. A arquitetura específica é dividida em quatro camadas:
Estrutura do modelo OML
A estrutura OML (Aberto Open, Monetizável Monetizable, Leal Loyal) é o conceito central proposto pela Sentient, destinada a fornecer proteção clara de propriedade e mecanismos de incentivo econômico para modelos de IA de código aberto. Ao combinar tecnologia na cadeia e criptografia nativa de IA, possui as seguintes características:
Criptografia nativa de IA (AI-native Cryptography)
A criptografia nativa de IA utiliza a continuidade dos modelos de IA, a estrutura de variedades de baixa dimensão e as características diferenciáveis dos modelos para desenvolver um mecanismo de segurança leve "verificável, mas não removível". A sua tecnologia central é:
Este método permite a implementação de "chamada autorizada baseada em comportamento + verificação de afiliação" sem o custo de recriptografia.
Modelo de Certificação e Estrutura de Execução Segura
Sentient atualmente utiliza a segurança Melange misturada: combinação de verificação por impressão digital, execução TEE e contrato na cadeia para distribuição de lucros. O método de impressão digital é a implementação da linha principal OML 1.0, enfatizando a ideia de "Segurança Otimista", ou seja, conformidade por default, podendo ser detectada e punida em caso de violação.
O mecanismo de impressões digitais é a implementação chave do OML, permitindo que o modelo gere assinaturas únicas na fase de treinamento através da incorporação de pares específicos de "pergunta-resposta". Com essas assinaturas, os proprietários do modelo podem verificar a propriedade, prevenindo cópias e comercializações não autorizadas. Este mecanismo não só protege os direitos dos desenvolvedores do modelo, mas também fornece um registro rastreável na cadeia das ações de uso do modelo.
Além disso, a Sentient lançou a estrutura de computação Enclave TEE, que utiliza um ambiente de execução confiável para garantir que os modelos respondam apenas a solicitações autorizadas, prevenindo acessos e usos não autorizados. Embora o TEE dependa de hardware e apresente certos riscos de segurança, suas vantagens de alto desempenho e tempo real tornam-no a tecnologia central para a implantação de modelos atualmente.
No futuro, a Sentient planeia introduzir provas de conhecimento nulo.