Ambient：platform inovasi yang menggabungkan Blockchain dan AI

Di tengah perkembangan teknologi yang pesat saat ini, kombinasi antara Blockchain dan kecerdasan buatan telah menjadi fokus banyak proyek inovatif. Ambient lahir dalam konteks ini, bertujuan untuk menggabungkan arsitektur Blockchain terdesentralisasi dengan inferensi AI berskala besar, serta mengeksplorasi model ekonomi cerdas yang baru.

Sebagai fork Solana yang lengkap, Ambient mempertahankan karakteristik kecepatan dan efisiensi tinggi, sambil memperkenalkan mekanisme pembuktian Logits (PoL), menciptakan ekosistem Blockchain yang sepenuhnya baru.

Ringkasan Ambient

Ambient adalah sebuah Layer-1 Blockchain yang menggabungkan kompatibilitas Solana SVM dengan mekanisme proof-of-work yang inovatif, menawarkan kemampuan verifikasi inferensi skala besar. Ide inti dari Ambient adalah mengintegrasikan secara mendalam inferensi AI dan blockchain, menciptakan ekonomi AI terdesentralisasi.

Berbeda dengan sistem bukti kepemilikan (PoS) tradisional, Ambient menggunakan mekanisme insentif yang mirip dengan Bitcoin, memberikan keuntungan yang dapat diprediksi untuk node yang berpartisipasi dalam inferensi jaringan, penyesuaian, atau pelatihan. Cara ini menghindari ketergantungan pada GPU kelas atas, dengan memastikan bahwa penambang dapat menghasilkan keuntungan secara berkelanjutan melalui metode kompensasi berbasis transaksi dan inflasi. Baik penambang maupun pengguna dapat memperoleh hadiah yang sesuai dengan kontribusi mereka, sementara nilai platform meningkat seiring pertumbuhan jaringan.

Fitur utama dari Ambient meliputi:

1. Inferensi yang efisien dan keamanan: Menyediakan inferensi yang sepenuhnya terverifikasi pada model kecerdasan besar (600B+ parameter) dengan biaya kurang dari 1%.
2. Kinerja pelatihan yang luar biasa: Efisiensi pelatihan meningkat 10 kali lipat dibandingkan metode yang ada.
3. Tingkat pemanfaatan penambang yang tinggi: melalui optimasi model tunggal, meningkatkan tingkat pemanfaatan penambang dan efisiensi verifikasi inferensi.
4. Konsensus bukti kerja non-blokir: Mengadopsi mekanisme bukti kerja non-blokir, memastikan kompetisi ekonomi dalam aktivitas inti jaringan, sambil mempertahankan TPS yang tinggi.

Tim Proyek dan Status Perkembangan

CEO dan pendiri Ambient, Travis Good, memiliki latar belakang akademis yang beragam dalam ilmu pemerintahan, ekonomi, ilmu komputer, dan pembelajaran mesin. Gaya kepemimpinannya menekankan pada eksekusi dan semangat pragmatis, dengan tetap berpegang pada praktik praktis dan solusi yang dapat dilaksanakan saat mendorong inovasi teknologi.

Pada 1 April 2023, Ambient menyelesaikan pendanaan putaran benih sebesar 7,2 juta dolar AS, dipimpin dan diikuti oleh beberapa lembaga investasi terkemuka. Proyek ini berencana meluncurkan jaringan uji pada kuartal kedua atau ketiga.

Mekanisme Konsensus Logits

Algoritma pembuktian logits didasarkan pada prinsip kunci: logits (unit logika) merupakan sidik jari unik, dan dapat secara efektif menangkap status "pemikiran" model pada momen tertentu melalui nilai hash dalam proses generasi model. Dalam mekanisme ini, nilai hash pembuktian logits adalah daftar hash dari setiap kelompok logits sebelum setiap token output.

Singkatnya, untuk setiap token n hingga token terakhir t, nilai hash yang dibuktikan oleh logits adalah:

Hash(Hash(n) ... Hash(t))

Dan nilai hash dari logit progress marker yang dibuktikan adalah hash logit setelah menghasilkan x token, di mana x berada di antara n dan t (termasuk n dan t):

Hash(n) ... Hash(x) ... Hash(t)

Berdasarkan prinsip ini, Ambient membangun mekanisme verifikasi:

1. Penambang menghasilkan teks
2. Validator secara acak memilih satu kata, meminta penambang untuk memberikan "status pemikiran" pada titik tersebut.
3. Validator melakukan inferensi terhadap kata tersebut sekali dalam model dan konteks yang sama, menghasilkan "keadaan pikiran" mereka sendiri.
4. Bandingkan "status pemikiran" keduanya (dinyatakan melalui nilai hash), jika konsisten maka verifikasi berhasil

Mekanisme proof of work ini mirip dengan prinsip desain Bitcoin: biaya penambangan tinggi (melalui inferensi model yang dijalankan berulang kali dengan banyak token), tetapi proses verifikasi murah (hanya memerlukan inferensi 1 token). Ini tidak hanya meningkatkan efisiensi, tetapi juga memastikan keamanan dan keandalan verifikasi.