AI Layer1 Araştırması: On-chain DeAI için verimli toprakları bulmak

Giriş

Son yıllarda, OpenAI, Anthropic, Google, Meta gibi önde gelen teknoloji şirketleri, büyük dil modellerinin (LLM) hızlı gelişimini sürekli olarak teşvik ediyor. LLM, her alanda benzeri görülmemiş yetenekler sergileyerek insan hayal gücünü büyük ölçüde genişletti ve hatta bazı senaryolarda insan iş gücünün yerini alma potansiyelini gösterdi. Ancak, bu teknolojilerin özü, az sayıda merkezi teknoloji devinin elinde sıkı bir şekilde tutuluyor. Güçlü sermaye ve yüksek maliyetli hesaplama kaynakları üzerindeki kontrolleri sayesinde, bu şirketler aşılması zor engeller oluşturdu ve çoğu geliştirici ve yenilikçi ekiplerin bunlarla rekabet etmesini zorlaştırdı.

Aynı zamanda, AI'nın hızlı evriminin ilk dönemlerinde, kamuoyunun genellikle teknolojinin sağladığı atılımlar ve kolaylıklar üzerinde yoğunlaştığı, ancak gizlilik koruma, şeffaflık, güvenlik gibi temel sorunlara yeterince dikkat edilmediği görülmektedir. Uzun vadede, bu sorunlar AI endüstrisinin sağlıklı gelişimini ve toplumsal kabulünü derinden etkileyecektir. Eğer bu sorunlar uygun bir şekilde çözülemezse, AI'nın "iyiye" mi yoksa "kötüye" mi yönlendirileceği tartışması daha da belirgin hale gelecektir ve merkezileşmiş devlerin kâr hırsı tarafından yönlendirildiği durumda, bu zorluklarla proaktif bir şekilde başa çıkmak için yeterli motivasyona sahip olma eğiliminde olmayacaklardır.

Blockchain teknolojisi, merkeziyetsiz, şeffaf ve sansüre karşı dirençli özellikleri sayesinde AI sektörünün sürdürülebilir gelişimi için yeni olanaklar sunmaktadır. Şu anda, bazı ana akım blok zincirlerinde birçok "Web3 AI" uygulaması ortaya çıkmıştır. Ancak derinlemesine bir analiz yapıldığında, bu projelerin hala birçok sorunla karşı karşıya olduğu görülebilir: Bir yandan, merkeziyetsizlik derecesi sınırlıdır; kritik aşamalar ve altyapı hala merkezi bulut hizmetlerine bağımlıdır, bu da gerçek anlamda açık bir ekosistemi desteklemekte zorluk çıkarır; diğer yandan, Web2 dünyasındaki AI ürünleriyle karşılaştırıldığında, on-chain AI'nın model yetenekleri, veri kullanımı ve uygulama senaryoları gibi alanlarda hala sınırlamaları vardır, yenilik derinliği ve genişliği artırılmalıdır.

Gerçekten merkeziyetsiz AI vizyonunu gerçekleştirmek, blockchain'in güvenli, verimli ve demokratik bir şekilde büyük ölçekli AI uygulamalarını barındırabilmesi ve performans açısından merkezi çözümlerle rekabet edebilmesi için, AI'ya özel olarak tasarlanmış bir Layer1 blockchain'i tasarlamamız gerekiyor. Bu, AI'nın açık inovasyonuna, yönetişim demokrasisine ve veri güvenliğine sağlam bir temel sağlayacak ve merkeziyetsiz AI ekosisteminin gelişimini teşvik edecektir.

AI Layer 1'in Temel Özellikleri

AI Layer 1, AI uygulamaları için özel olarak tasarlanmış bir blockchain olarak, temel mimarisi ve performans tasarımı AI görevlerinin ihtiyaçları etrafında sıkı bir şekilde şekillendirilmiştir ve on-chain AI ekosisteminin sürdürülebilir gelişimi ve refahını verimli bir şekilde desteklemeyi amaçlamaktadır. Daha spesifik olarak, AI Layer 1 aşağıdaki temel yeteneklere sahip olmalıdır:

1. Verimli teşvikler ve merkeziyetsiz mutabakat mekanizması AI Layer 1'in temeli, açık bir hesaplama gücü, depolama gibi kaynakların paylaşıldığı bir ağ inşa etmektir. Geleneksel blok zinciri düğümlerinin esas olarak defter kaydı tutmaya odaklanmasının aksine, AI Layer 1 düğümleri daha karmaşık görevleri üstlenmelidir; yalnızca hesaplama gücü sağlamakla kalmayıp, AI modellerinin eğitimini ve çıkarımını tamamlamalı, ayrıca depolama, veri, bant genişliği gibi çeşitli kaynakları katkıda bulunmalıdır. Böylece, AI altyapısındaki merkezi devlerin tekelini kırmayı hedeflemektedir. Bu durum, alt düzey konsensüs ve teşvik mekanizmaları için daha yüksek gereksinimler getirir: AI Layer 1, düğümlerin AI çıkarım, eğitim gibi görevlerdeki gerçek katkılarını doğru bir şekilde değerlendirebilmeli, teşvik edebilmeli ve doğrulamalıdır; böylece ağın güvenliği ve kaynakların verimli dağıtımı sağlanmalıdır. Ancak bu şekilde ağın istikrarı ve refahı garanti altına alınabilir ve toplam hesaplama gücü maliyetleri etkili bir şekilde azaltılabilir.

2. Üstün yüksek performans ve heterojen görev destek yeteneği Yapay zeka görevleri, özellikle LLM'nin eğitimi ve çıkarımı, hesaplama performansı ve paralel işleme yetenekleri konusunda son derece yüksek gereksinimler ortaya koymaktadır. Daha ileriye gidildiğinde, on-chain yapay zeka ekosistemleri genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çok çeşitli ve heterojen görev türlerini desteklemelidir. AI Layer 1, temel mimaride yüksek verim, düşük gecikme ve esnek paralel gibi gereksinimlere derinlemesine optimizasyon yapmalı ve heterojen hesaplama kaynaklarına yerel destek yeteneğini önceden ayarlamalıdır; böylece çeşitli yapay zeka görevleri verimli bir şekilde çalışabilir ve "tekil görev"ten "karmaşık çoklu ekosistem"e kesintisiz bir genişleme sağlanabilir.

3. Doğrulanabilirlik ve Güvenilir Çıktı Garantisi AI Layer 1 sadece model kötüye kullanımlarını, veri manipülasyonlarını ve diğer güvenlik risklerini önlemekle kalmamalı, aynı zamanda alt yapı mekanizmalarıyla AI çıktılarının doğrulanabilirliğini ve uyumunu güvence altına almalıdır. Güvenilir yürütme ortamları (TEE), sıfır bilgi kanıtları (ZK), çok taraflı güvenli hesaplamalar (MPC) gibi öncü teknolojilerin entegrasyonu sayesinde, platform her model çıkarımı, eğitim ve veri işleme sürecinin bağımsız olarak doğrulanabilmesini sağlar, AI sisteminin adilliğini ve şeffaflığını garanti eder. Ayrıca, bu doğrulanabilirlik kullanıcıların AI çıktılarının mantığını ve dayanağını netleştirmesine yardımcı olarak, "bulduğunuz şey istediğiniz şeydir" anlayışını gerçekleştirir ve kullanıcıların AI ürünlerine olan güvenini ve memnuniyetini artırır.

4. Veri gizliliği koruma AI uygulamaları genellikle kullanıcıların hassas verilerini içerir; finans, sağlık, sosyal medya gibi alanlarda veri gizliliğinin korunması son derece önemlidir. AI Layer 1, doğrulanabilirliği sağlarken, şifrelemeye dayalı veri işleme teknolojileri, gizlilik hesaplama protokolleri ve veri erişim yönetimi gibi yöntemleri kullanarak, verilerin çıkarım, eğitim ve depolama süreçlerindeki güvenliğini sağlamalı, veri sızıntılarını ve kötüye kullanımları etkili bir şekilde önlemeli, kullanıcıların veri güvenliği konusundaki endişelerini ortadan kaldırmalıdır.

5. Güçlü ekosistem taşıma ve geliştirme destek yeteneği AI doğasında Layer 1 altyapısı olarak, platform yalnızca teknik olarak lider olmakla kalmamalı, aynı zamanda geliştiricilere, düğüm işletmecilerine, AI hizmet sağlayıcılarına ve diğer ekosistem katılımcılarına kapsamlı geliştirme araçları, entegre SDK, işletim desteği ve teşvik mekanizmaları sunmalıdır. Platformun kullanılabilirliğini ve geliştirici deneyimini sürekli optimize ederek, zengin ve çeşitli AI doğası uygulamalarının hayata geçirilmesini teşvik etmek ve merkeziyetsiz AI ekosisteminin sürekli refahını sağlamak.

Yukarıdaki arka plan ve beklentilere dayanarak, bu makale Sentient, Sahara AI, Ritual, Gensyn, Bittensor ve 0G dahil olmak üzere altı AI Layer1 temsilci projesini detaylı bir şekilde tanıtacak, alanın en son gelişmelerini sistematik bir şekilde gözden geçirecek, proje gelişim durumunu analiz edecek ve gelecekteki trendleri tartışacaktır.

Sentient: Sadık Açık Kaynak Merkezi Olmayan AI Modeli İnşası

Proje Özeti

Sentient, bir açık kaynak protokol platformudur ve ( başlangıç aşamasında bir AI Layer1 blok zinciri oluşturmaktadır. Daha sonra Layer 1)'a geçecektir. AI Pipeline ve blok zinciri teknolojisini birleştirerek merkeziyetsiz bir yapay zeka ekonomisi inşa etmeyi hedeflemektedir. Temel amacı, merkezi LLM pazarındaki model mülkiyeti, çağrı izleme ve değer dağıtımı sorunlarını "OML" çerçevesi (açık, kârlı, sadık) aracılığıyla çözmektir; böylece AI modellerinin on-chain mülkiyet yapısı, çağrı şeffaflığı ve değer paylaşımını gerçekleştirmesini sağlamaktır. Sentient'in vizyonu, herkesin AI ürünlerini inşa etmesini, işbirliği yapmasını, sahip olmasını ve paraya dönüştürmesini sağlayarak adil ve açık bir AI Agent ağ ekosistemini teşvik etmektir.

Sentient Foundation ekibi, dünya genelindeki en iyi akademik uzmanları, blockchain girişimcilerini ve mühendisleri bir araya getirerek, topluluk odaklı, açık kaynaklı ve doğrulanabilir bir AGI platformu inşa etmeye adanmıştır. Ana üyeler arasında Princeton Üniversitesi'nden profesör Pramod Viswanath ve Hindistan Bilim Enstitüsü'nden profesör Himanshu Tyagi bulunmaktadır; bu kişiler sırasıyla AI güvenliği ve gizliliği ile ilgilenirken, Polygon'un kurucu ortağı Sandeep Nailwal blockchain stratejisi ve ekosistem düzenlemesi konusunda liderlik yapmaktadır. Ekip üyelerinin geçmişi, Meta, Coinbase, Polygon gibi tanınmış şirketler ile Princeton Üniversitesi, Hindistan Teknoloji Enstitüsü gibi önde gelen üniversiteleri kapsamaktadır ve AI/ML, NLP, bilgisayarla görme gibi alanlarda projeyi hayata geçirmek için birlikte çalışmaktadır.

Polygon'un kurucu ortağı Sandeep Nailwal'ın ikinci girişim projesi olan Sentient, kuruluşunun ilk gününden itibaren bir aura ile geldi ve zengin kaynaklar, bağlantılar ve pazar farkındalığına sahip olarak projenin gelişimi için güçlü bir destek sağladı. 2024 yılının ortalarında, Sentient 85 milyon dolarlık bir tohum finansmanı turunu tamamladı. Bu turda Founders Fund, Pantera ve Framework Ventures öncülük etti. Diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi onlarca tanınmış VC bulunuyor.

tasarım mimarisi ve uygulama katmanı

Altyapı Katmanı

Temel Mimari

Sentient'in temel mimarisi, AI Pipeline ve on-chain sisteminden oluşmaktadır:

AI boru hattı, "Sadık AI" eserlerinin geliştirilmesi ve eğitilmesi için temel oluşturur ve iki ana süreci içerir:

• Veri Planlaması (Data Curation): Modelin hizalanması için topluluk tarafından yönlendirilen veri seçme süreci.
• Sadakat Eğitimi (Loyalty Training): Modelin topluluk niyetleriyle uyumlu bir eğitim sürecini sürdürmesini sağlamak.

Blok zinciri sistemi, protokole şeffaflık ve merkeziyetsiz kontrol sağlayarak AI eserlerinin sahipliğini, kullanım izlemesini, gelir dağılımını ve adil yönetimi güvence altına alır. Spesifik mimari dört katmana ayrılmıştır:

• Depolama katmanı: Model ağırlıklarını ve parmak izi kayıt bilgilerini depolar;
• Dağıtım Katmanı: Yetkilendirme sözleşmesi kontrol modeli çağrı girişi;
• Erişim katmanı: Kullanıcının yetkilendirilip yetkilendirilmediğini doğrulamak için izin kanıtı aracılığıyla.
• Teşvik katmanı: Kazanç yönlendirme sözleşmesi her çağrıda eğitmenlere, dağıtıcıya ve doğrulayıcılara ödeme dağıtır.

OML Model Çerçevesi

OML çerçevesi (Açık Open, Para Kazanılabilir Monetizable, Sadık Loyal), Sentient tarafından önerilen temel bir konsepttir ve açık kaynak AI modellerine net mülkiyet koruması ve ekonomik teşvik mekanizmaları sağlamayı amaçlamaktadır. On-chain teknolojisi ve AI yerel kriptografisini birleştirerek, aşağıdaki özelliklere sahiptir:

• Açıklık: Modelin açık kaynak olması, kod ve veri yapısının şeffaf olması, topluluğun yeniden üretimini, denetimini ve geliştirmesini kolaylaştırır.
• Para kazanma: Her model çağrısı bir gelir akışını tetikler, on-chain sözleşme gelirleri eğitmenler, dağıtıcılar ve doğrulayıcılara dağıtacaktır.
• Sadakat: Model, katkıda bulunan topluluğa aittir, yükseltme yönü ve yönetim DAO tarafından belirlenir, kullanım ve değişiklikler kripto mekanizması ile kontrol edilir.

AI Yerel Kriptografi (AI-native Cryptography)

Yerli AI kriptografi, AI modellerinin sürekliliğini, düşük boyutlu manifold yapısını ve modelin türevlenebilir özelliklerini kullanarak, "doğrulanabilir ama çıkarılamaz" hafif güvenlik mekanizmaları geliştirmektedir. Temel teknolojisi şudur:

• Parmak izi yerleştirme: Eğitim sırasında, modelin benzersiz imzasını oluşturmak için gizli bir dizi sorgu-yanıt anahtar-değer çifti eklenir;
• Mülkiyet doğrulama protokolü: Üçüncü taraf dedektör (Prover) aracılığıyla sorgu biçiminde parmak izinin saklanıp saklanmadığını doğrulama;
• İzinli çağrı mekanizması: Çağrıdan önce model sahibinin verdiği "yetki belgesi" alınmalı, sistem buna dayanarak modelin bu girişi çözmesine ve doğru yanıtı döndürmesine yetki vermelidir.

Bu yöntem, "davranışa dayalı yetkilendirme çağrısı + aitlik doğrulaması"nı tekrar şifreleme maliyeti olmadan gerçekleştirebilir.

Model Hakları ve Güvenli Uygulama Çerçevesi

Sentient şu anda Melange karışık güvenliği kullanmaktadır: parmak izleri ile hak belirleme, TEE uygulaması ve on-chain sözleşmelerin kâr paylaşımı bir araya getirilmiştir. Parmak izi yöntemi OML 1.0 uygulaması ana hattıdır ve "iyimser güvenlik (Optimistic Security)" fikrini vurgulamaktadır; yani uyumlu varsayılır, ihlal durumunda tespit edilebilir ve cezalandırılabilir.

Parmak izi mekanizması, OML'in ana uygulamasıdır ve belirli "soru-cevap" çiftlerini gömerek modelin eğitim aşamasında benzersiz imzalar oluşturmasını sağlar. Bu imzalar sayesinde, model sahipleri mülkiyeti doğrulayabilir, yetkisiz kopyalama ve ticarileşmeyi önleyebilir. Bu mekanizma, yalnızca model geliştiricilerinin haklarını korumakla kalmaz, aynı zamanda modelin kullanım davranışına izlenebilir bir on-chain kayıt sağlar.

Ayrıca, Sentient, modelin yalnızca yetkilendirilmiş isteklere yanıt vermesini sağlamak için güvenilir yürütme ortamını kullanan Enclave TEE hesaplama çerçevesini tanıttı ve izinsiz erişim ve kullanımını engelledi. TEE donanıma bağımlı olmasına ve bazı güvenlik riskleri içermesine rağmen, yüksek performansı ve gerçek zamanlılık avantajları, onu mevcut model dağıtımının ana teknolojisi haline getiriyor.

Gelecekte, Sentient sıfır bilgi kanıtları (ZK) ve tamamen homomorfik şifreleme (FHE) teknolojilerini tanıtmayı planlıyor, böylece gizlilik korumasını ve doğrulanabilirliği daha da artırarak AI modellerinin merkeziyetsiz dağıtımı için daha olgun çözümler sunacak.

gerekmektedir