Pengenalan

Perbandingan Aplikasi Kecerdasan Buatan Populer

Sebagai aplikasi yang didukung AI, Hyperspace menawarkan beberapa keunggulan dibandingkan dengan model AI terkenal seperti Claude dan ChatGPT. Ini unggul dalam generasi gambar, eksekusi node, dan pencarian web. Selain itu, berkat arsitektur berbasis Web3-nya, Hyperspace memberikan kecepatan eksekusi yang lebih efisien dalam fungsionalitas kunci.

Latar Belakang Pendanaan

Menurut RootData, Hyperspace telah menerima pendanaan dari dana crypto-native Blue7. Namun, detail pendanaan spesifik belum diungkapkan. Blue7 sebelumnya telah berinvestasi dalam proyek Web3 terkemuka, termasuk jaringan otomatisasi dan relay Gelato Network, solusi Layer 2 tingkat enterprise Lightlink, dan platform AI-blockchain Talus.

Anggota Tim

Anggota Inti (Sumber)

Tim inti dari Hyperspace dipimpin oleh salah satu pendirinya dan CEO-nya, Varun Mathur. Namun, informasi tentang karir masa lalu Varun sangat sedikit yang tersedia secara publik.

Pembaruan tentang Node Hyperspace (Sumber: Varun’s X)

Varun Mathur (@varun_mathur) secara aktif berbagi wawasan dan pembaruan tentang pengembangan Hyperspace melalui akun X-nya (sebelumnya Twitter). Pengguna dapat menemukan data berharga mengenai jumlah node, kemajuan terkini, dan arah strategis dari sudut pandang pendiri.

Produk dan Komponen Inti

Sebagai ekosistem eksekusi model AI yang sangat dapat disesuaikan, Hyperspace memiliki 49,3 ribu node, lebih dari 1,2 juta titik data token, 400 juta entri data tertanam, lebih dari 500 model AI, dan basis data vektor 3,2TB. Komponen-komponen ini memastikan dukungan komprehensif untuk berbagai kebutuhan pengguna.

1. Jenis Produk Klien

Jenis Produk Klien

Hyperspace menawarkan beberapa pilihan klien, termasuk Browser Node, Desktop Node, dan Antarmuka Baris Perintah (CLI). Berkat tingkat kustomisasinya yang tinggi, Hyperspace dapat menyediakan berbagai sistem eksekusi model AI.

2. Komponen Inti

2.1 Manajemen Identitas

Entitas dalam sistem (selanjutnya disebut sebagai node) diidentifikasi secara unik melalui alamat node mereka. Alamat node bukan hanya representasi langsung dari kunci publik node tetapi lebih kepada hash kriptografis dari kunci publiknya. Alasan penggunaan hash kriptografis daripada kunci publik langsung terletak pada pertimbangan keamanan tertentu dalam sistem terdesentralisasi, terutama dalam mitigasi serangan Sybil dan serangan Eclipse tanpa otoritas terpusat yang dipercayai.

Sistem mengadopsi teka-teki kriptografi, khususnya mekanisme Proof-of-Work (PoW), untuk meningkatkan ketahanan jaringan terhadap serangan tersebut.

Hyperspace mempertimbangkan teka-teki kriptografis sebagai metode paling praktis untuk menghasilkan ID node terdistribusi di lingkungan tanpa entitas kepercayaan terpusat. Keuntungan utamanya adalah kemampuannya untuk membuat sulit bagi penyerang potensial untuk mengganggu jaringan.

Pada intinya, jaringan yang sepenuhnya terdesentralisasi harus memanfaatkan teknik kriptografi bukan hanya sebagai pilihan optimal tetapi sebagai kebutuhan mendasar untuk memaksimalkan ketahanan terhadap serangan.

Dengan pendekatan menggunakan nilai yang di-hash daripada kunci publik untuk menghasilkan ID node, kunci publik masih dapat digunakan untuk menandatangani pesan yang pertukarannya antara node. Mengingat keterbatasan sumber daya komputasi, tanda tangan pesan dikategorikan menjadi dua jenis:

• Tanda Tangan Lemah:
  Tanda tangan lemah tidak menandatangani seluruh pesan tetapi hanya mencakup alamat IP, port, dan timestamp. Timestamp membatasi periode validitas tanda tangan.
  • Ini membantu mencegah serangan replay, terutama dalam skenario IP dinamis.
  • Karena sinkronisasi waktu di antara node-node yang berbeda mungkin memiliki ketidaksesuaian, cap waktu dapat menggunakan granularitas waktu yang lebih kasar.
  • Tanda tangan lemah cocok untuk skenario di mana integritas pesan lengkap tidak kritis, seperti pesan PING.
• Tanda Tangan Kuat
  • Tanda tangan kuat menandatangani seluruh konten pesan. Ini memastikan integritas pesan dan meningkatkan perlindungan terhadap serangan man-in-the-middle.
  • Untuk mencegah serangan replay, pesan Remote Procedure Call (RPC) menyertakan nonce.

2.2 Server Komunitas Hyperspace (HCS) dan Node Inferensi Hyperspace (HIN)

Alur Kerja Operasional HCS dan HIN

• Node HCS memainkan peran sentral dalam ekosistem Hyperspace AI. Berfungsi sebagai orakel, koordinator, dan pengurut, mereka memfasilitasi interaksi di antara Node Inferensi Hyperspace (HINs).
• Node HIN harus menjalin hubungan dengan node HCS dan dapat memilih HCS mana yang akan terhubung berdasarkan preferensi operator node. HIN harus mengirimkan kapasitas komputasinya dan rentang model AI yang dapat dieksekusi ke HCS.

Bersama-sama, HCS dan HIN membentuk mekanisme inferensi lengkap:

Setelah koneksi awal, Node Inferensi Hyperspace (HIN) harus mengirim pesan komunikasi sekunder ke Server Komunitas Hyperspace (HCS), yang dikenal sebagai pesan pendaftaran. Proses pendaftaran adalah sebagai berikut:

• HIN Mengirimkan Pesan Registrasi
  1. Pesan tersebut mencakup spesifikasi komputasi yang dinyatakan oleh HIN dan model AI yang didukung dan dapat dieksekusi.
• HCS Mengirim Tantangan Verifikasi Inferensi
  1. Tantangan ini disajikan sebagai masalah komputasi. Jenis masalah ditentukan secara otonom oleh HCS.
  2. HIN harus memecahkan tantangan dan mengirimkan hasil inferensinya melalui panggilan.

Model Bukti Kecurangan dan Tantangan 2.3

Jika seorang klien menerima dua tanggapan yang berbeda atau tanggapan yang mencurigakan secara tidak benar, ia dapat mengajukan klaim penipuan ke blockchain untuk kompensasi.

Proses Bukti Penipuan

• Klien mengajukan klaim penipuan ke blockchain.
• Node lain dapat menghitung ulang pertanyaan dan memverifikasi integritas hasil inferensi.
• Jika hasil inferensi terbukti salah, sebuah node dapat mengajukan tantangan on-chain.
• Proses tantangan disinkronkan di blockchain dan dipantau oleh kontrak pintar.
• Hanya hash output dari model bahasa besar (LLM) yang diperlukan, memastikan bahwa konten inferensi lengkap tetap dirahasiakan.
• Semua node memiliki jendela waktu untuk mengirimkan hasil inferensi mereka untuk dibandingkan sebelum tantangan selesai.

Model Tantangan

Setelah sebuah tantangan diajukan, node yang ditantang harus menyediakan root state perantara. Penantang merespons dengan mengidentifikasi root state yang pertama bermasalah dan mengeluarkan tantangan. Node yang ditantang kemudian mengirimkan root state perantara dari root state yang ditantang ke root state sebelumnya. Proses ini berulang hingga langkah eksekusi menyempit menjadi satu transaksi, yang diselesaikan di-chain. Proses tantangan melibatkan langkah-langkah dan rumus yang kompleks. Ini mengikuti proses verifikasi langkah logaritmik dan memastikan keamanan dan akurasi hasil inferensi dengan secara bertahap menyempitkan cakupan tantangan (yaitu, secara bertahap memverifikasi root state).

2.4 Ekonomi Kripto dan Model Insentif

Sebuah kerangka ekonomi yang melekat dan mekanisme insentif memastikan integritas semua entitas yang berpartisipasi. Ekosistem blockchain yang sedang berkembang sering kali memperkenalkan token baru untuk memperkuat keamanan kriptoekonomi. Namun, token-token ini sering kali kesulitan mencapai skala dan distribusi yang memadai pada tahap awal mereka, yang menimbulkan tantangan dalam membangun dasar keamanan yang kuat.

EigenLayer secara efektif mengatasi tantangan ini dengan memperkenalkan validator Ethereum dan memanfaatkan jaminan keamanan kriptoekonomi Ethereum. Hyperspace AI mengadopsi kerangka kerja ini dengan memanfaatkan operator EigenLayer untuk meningkatkan keamanan jaringan Hyperspace AI.

Hyperspace AI menawarkan kerangka kerja yang sangat dapat disesuaikan, yang memungkinkan pengguna menyesuaikan platform data mereka dengan beragam komponen dan model AI. Fitur utamanya meliputi:

• Dukungan Multi-Model: Mendukung beberapa model kecerdasan buatan open-source dan memungkinkan pengguna memilih model berdasarkan kebutuhan mereka.
• Jaringan Data Informasi: Menghasilkan jaringan informasi berdasarkan sumber data berkualitas tinggi.
• Eksekusi Node: Memungkinkan pengguna untuk menjalankan node pada klien desktop atau berbasis browser, berpartisipasi dalam jaringan peer-to-peer, dan mendapatkan insentif.
• Basis Data Vektor: Memberikan akses ke basis data vektor yang diperbarui untuk pengambilan informasi yang efisien.
• Titik Panas Jaringan: Memungkinkan pengguna untuk membuat dan berbagi sumber daya AI untuk imbalan guna mengurangi biaya operasional.
• Protokol Pembayaran Cepat: Melaksanakan protokol yang disesuaikan untuk memastikan transaksi jaringan yang efisien.

Hyperspace AI secara mulus mengintegrasikan teknologi blockchain dengan inferensi AI. Ini menciptakan ekosistem eksekusi model AI terdesentralisasi dan aman yang bergantung kurang pada entitas terpusat dan memberikan transparansi, skalabilitas, dan resistensi serangan yang lebih tinggi.

Kelebihan dan Tantangan

Tidak seperti aplikasi AI terpusat seperti ChatGPT dan Claude, Hyperspace paling dikenal dengan desentralisasinya.

Privasi Data

• Hyperspace AI: Sebagai protokol terdesentralisasi, itu memberdayakan pemilik data untuk tetap mengontrol data mereka. Pengguna memiliki kebebasan untuk memilih bagaimana mereka membagikan data mereka serta memanfaatkan kontrak pintar dan enkripsi untuk memastikan privasi dan keamanan. Sebagai imbalannya, peserta akan mendapatkan token sebagai penghargaan atas kontribusi data mereka.
• ChatGPT/Claude: Model-model ini beroperasi di bawah struktur terpusat, di mana penyimpanan data dan pemrosesan bergantung pada server-server terpusat. Ini berarti data pengguna disimpan di server yang dikelola oleh OpenAI atau Anthropic, yang menimbulkan potensi risiko privasi.

Mekanisme Insentif Token

• Hyperspace AI: Dengan memanfaatkan teknologi blockchain dan tokenisasi, peserta—termasuk penyedia data, pengembang, dan operator node—dapat dihadiahi atas kontribusi data, sumber daya komputasi, atau tugas inferensi. Model insentif ekonomi ini mendorong partisipasi komunitas yang aktif, sehingga mendorong pertumbuhan ekosistem.
• ChatGPT/Claude: Model-model ini utamanya menghasilkan pendapatan melalui rencana langganan dan akses API. Mereka kurang memiliki sistem insentif terdesentralisasi. Pengguna dan pengembang tertarik pada model-model ini karena fungsionalitasnya (misalnya, langganan API), bukan karena imbalan berbasis blockchain.

Transparansi dan Verifikasi Model

• Hyperspace AI: Blockchain memastikan transparansi dalam pelatihan model AI dan penggunaan data. Setiap langkah—termasuk berbagi data, pelatihan model, dan permintaan inferensi—dapat dilacak dan diverifikasi. Hal ini penting untuk memastikan keadilan dan kepercayaan dalam model AI.
• ChatGPT/Claude: Model-model ini umumnya bersifat tertutup, dengan sedikit transparansi mengenai proses pelatihan dan sumber data mereka. Kurangnya visibilitas ini membuat pengguna dan pengembang sulit untuk sepenuhnya percaya pada model-model tersebut.

Komputasi Terdistribusi dan Berbagi Sumber Daya

• Hyperspace AI: Dengan memanfaatkan Node Inferensi Terdesentralisasi (HIN), Hyperspace AI dapat mendistribusikan tugas komputasi secara global. Hal ini mengurangi ketergantungan pada pusat data besar dan mengoptimalkan efisiensi serta pemanfaatan sumber daya.
• ChatGPT/Claude: Model-model ini bergantung pada server pusat untuk inferensi dan komputasi. Struktur terpusat ini dapat menyebabkan keterbatasan sumber daya, dan kegagalan server apa pun dapat memengaruhi semua pengguna.

Tantangan paling signifikan bagi Hyperspace AI terletak pada adopsi massal. Sementara keuntungan dari desentralisasi jelas, penerimaan luas terhadap aplikasi blockchain tetap menjadi pertempuran berat. Ini adalah tantangan umum di banyak sektor desentralisasi, seperti DePIN dan permainan blockchain. Tentu, dibandingkan dengan beberapa tahun yang lalu, adopsi blockchain tidak lagi sebegitu sulit, berkat interaksi yang semakin meningkat antara Bitcoin, lembaga keuangan tradisional, dan badan regulasi.

Kesimpulan

Hyperspace AI telah mengembangkan jaringan komputasi AI terdesentralisasi, aman, dan efisien dengan mengintegrasikan blockchain dengan inferensi AI. Komponen intinya memastikan keandalan dan verifikasi dari komputasi AI sambil mengurangi ketergantungan pada infrastruktur terpusat. Selain itu, Hyperspace AI menawarkan platform yang sangat dapat disesuaikan untuk pengguna. Melalui kolaborasi HCS (Hyperspace Community Server) dan HIN (Hyperspace Inference Nodes), jaringan memfasilitasi eksekusi dan validasi tugas inferensi AI secara efisien dalam lingkungan tanpa kepercayaan. Hyperspace AI siap menjadi infrastruktur komputasi AI terdesentralisasi kunci untuk menyediakan solusi yang lebih transparan, adil, dan aman untuk aplikasi masa depan seiring dengan pertumbuhan permintaan.