AI Layer1 Araştırma Raporu: On-chain DeAI için verimli toprakları aramak

Genel Bakış

Son yıllarda, OpenAI, Anthropic, Google, Meta gibi önde gelen teknoloji şirketleri büyük dil modellerinin (LLM) hızlı gelişimini sürekli olarak teşvik ediyor. LLM, çeşitli sektörlerde eşi benzeri görülmemiş yetenekler sergileyerek insanların hayal gücünü büyük ölçüde genişletiyor ve hatta bazı senaryolarda insan iş gücünün yerini alma potansiyelini gösteriyor. Ancak, bu teknolojilerin temeli, az sayıda merkezileşmiş teknoloji devinin elinde sıkı sıkıya tutuluyor. Güçlü sermaye ve yüksek maliyetli hesaplama kaynaklarını kontrol etme yetenekleri ile bu şirketler, çoğu geliştirici ve yenilikçi ekip için aşılması zor engeller oluşturuyor.

Aynı zamanda, AI'nın hızlı evriminin başlangıcında, toplumsal kamuoyu genellikle teknolojinin sağladığı atılımlar ve kolaylıklar üzerine yoğunlaşırken, gizlilik koruma, şeffaflık, güvenlik gibi temel sorunlara olan ilgi nispeten azdır. Uzun vadede, bu sorunlar AI sektörünün sağlıklı gelişimi ve toplumsal kabulü üzerinde derin bir etki yaratacaktır. Eğer bu sorunlar uygun bir şekilde çözülemezse, AI'nın "iyiliğe" mi yoksa "kötülüğe" mi yönelmesi konusundaki tartışma daha da belirginleşecektir; merkezileşmiş devlerin kar elde etme güdüsüyle, bu zorluklara proaktif bir şekilde yanıt verme motivasyonu genellikle yetersiz kalmaktadır.

Blockchain teknolojisi, merkeziyetsizliği, şeffaflığı ve sansüre karşı dayanıklılığı sayesinde, AI sektörünün sürdürülebilir gelişimine yeni olanaklar sunmaktadır. Şu anda, ana akım blok zincirlerinde birçok "Web3 AI" uygulaması ortaya çıkmıştır. Ancak derinlemesine bir analiz yapıldığında, bu projelerin hala birçok sorunla karşı karşıya olduğu görülmektedir: bir yandan, merkeziyetsizlik derecesi sınırlıdır, kritik aşamalar ve altyapı hala merkezi bulut hizmetlerine bağımlıdır ve gerçekten açık bir ekosistemi desteklemek zordur; diğer yandan, Web2 dünyasındaki AI ürünleriyle karşılaştırıldığında, on-chain AI'nın model yetenekleri, veri kullanımı ve uygulama senaryoları gibi konularda hala sınırlamaları bulunmaktadır, yenilik derinliği ve genişliği geliştirilmelidir.

Gerçekten merkeziyetsiz bir AI vizyonunu gerçekleştirmek, blockchain'in güvenli, verimli ve demokratik bir şekilde büyük ölçekli AI uygulamalarını taşıyabilmesi ve performans açısından merkezi çözümlerle rekabet edebilmesi için, AI'ya özel olarak tasarlanmış bir Layer1 blockchain'i tasarlamamız gerekiyor. Bu, AI'nın açık inovasyonu, yönetim demokrasisini ve veri güvenliğini sağlam bir temel üzerine inşa edecek 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, alt yapı mimarisi ve performans tasarımı, AI görevlerinin ihtiyaçları etrafında sıkı bir şekilde döner ve on-chain AI ekosisteminin sürdürülebilir gelişimi ve refahını etkin bir şekilde desteklemeyi amaçlar. Daha spesifik olarak, AI Layer 1 şu temel yeteneklere sahip olmalıdır:

1. Verimli teşvik ve merkeziyetsiz konsensüs mekanizması AI Layer 1'in temeli, açık bir hesaplama gücü, depolama ve diğer kaynakların paylaşıldığı bir ağ inşa etmekte yatıyor. Geleneksel blok zinciri düğümlerinin öncelikle defter kaydı tutmaya odaklanmasından farklı olarak, AI Layer 1 düğümleri daha karmaşık görevler üstlenmelidir; yalnızca hesaplama gücü sağlamakla kalmayıp, AI modellerinin eğitimi ve çıkarımı süreçlerini de tamamlamalı, ayrıca depolama, veri, bant genişliği gibi çeşitli kaynakları da katkıda bulunmalıdır. Bu, merkezi devlerin AI altyapısındaki tekelini kırmaya yardımcı olur. Bu durum, temel konsensüs ve teşvik mekanizmaları için daha yüksek gereksinimler ortaya koyar: AI Layer 1, AI çıkarımları, eğitimi gibi görevlerde düğümlerin gerçek katkılarını doğru bir şekilde değerlendirme, teşvik etme ve doğrulama yeteneğine sahip olmalıdır. Böylece ağın güvenliğini ve kaynakların verimli dağılımını sağlamak mümkün olur. Ancak bu şekilde ağın istikrarı ve refahı garanti altına alınabilir ve toplam hesaplama gücü maliyetleri etkili bir şekilde düşürülebilir.

2. Üstün yüksek performans ve heterojen görev destek yeteneği AI görevleri, özellikle LLM'nin eğitimi ve çıkarımı, hesaplama performansı ve paralel işleme yetenekleri üzerinde son derece yüksek talepler ortaya koymaktadır. Daha da ötesi, on-chain AI ekosistemleri genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çeşitli görev türlerini desteklemek zorundadır. AI Layer 1, temel mimarisinde yüksek throughput, düşük gecikme ve esnek paralellik gibi ihtiyaçlar için derin optimizasyon yapmalı ve heterojen hesaplama kaynaklarına yerel destek yetenekleri sunmalıdır; bu, çeşitli AI görevlerinin verimli bir şekilde çalışmasını sağlamak ve "tek tip görev"ten "karmaşık çoklu ekosistem"e sorunsuz bir genişlemeyi gerçekleştirmek için gereklidir.

3. Doğrulanabilirlik ve Güvenilir Çıktı Garantisi AI Layer 1 sadece model kötüye kullanımı, veri manipülasyonu gibi güvenlik risklerini önlemekle kalmamalı, aynı zamanda AI çıktılarının doğrulanabilirliği ve uyumluluğunu temin eden alt mekanizmaları da sağlamalıdır. Güvenilir yürütme ortamları (TEE), sıfır bilgi kanıtları (ZK), çok taraflı güvenli hesaplama (MPC) gibi öncü teknolojileri entegre ederek, platform her bir model çıkarımı, eğitimi ve veri işleme sürecinin bağımsız olarak doğrulanabilmesini sağlar, bu da AI sisteminin adaletini ve şeffaflığını garanti eder. Aynı zamanda, bu tür bir doğrulanabilirlik kullanıcıların AI çıktılarının mantığını ve dayanağını netleştirmesine yardımcı olur, "alınan, istenilen" ilkesini gerçekleştirir ve kullanıcıların AI ürünlerine olan güvenini ve memnuniyetini artırır.

4. Veri Gizliliği Koruma Yapay zeka uygulamaları genellikle kullanıcıların hassas verilerini içerir; finans, sağlık, sosyal medya gibi alanlarda, veri gizliliği koruma kritik öneme sahiptir. AI Layer 1, doğrulanabilirliği sağlarken, şifreleme tabanlı veri işleme teknolojileri, gizlilik hesaplama protokolleri ve veri izin yönetimi gibi yöntemler kullanarak, verilerin çıkarım, eğitim ve depolama süreçlerinde güvenliğini sağlamalı, veri sızıntılarını ve kötüye kullanımları etkili bir şekilde önlemeli ve kullanıcıların veri güvenliği konusundaki endişelerini ortadan kaldırmalıdır.

5. Güçlü ekosistem barındırma ve geliştirme destek yetenekleri AI yerel Layer 1 altyapısı olarak, platform yalnızca teknik olarak öncü olmakla kalmamalı, aynı zamanda geliştiriciler, nod operatörleri, AI hizmet sağlayıcıları gibi ekosistem katılımcılarına kapsamlı geliştirme araçları, entegre SDK'lar, operasyon desteği ve teşvik mekanizmaları sunmalıdır. Platformun kullanılabilirliğini ve geliştirici deneyimini sürekli optimize ederek, zengin ve çeşitli AI yerel uygulamaların hayata geçirilmesini sağlamak ve merkeziyetsiz AI ekosisteminin sürekli refahını gerçekleştirmek.

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 olarak gözden geçirecek, projelerin mevcut durumunu analiz edecek ve gelecekteki eğilimleri tartışacaktır.

Sentient: Sadık Açık Kaynak Merkeziyetsiz AI Modeli Oluşturma

Proje Özeti

Sentient, açık kaynaklı bir protokol platformudur ve AI Layer1 blok zinciri ( üzerinde çalışmaktadır. İlk aşamada Layer 2 olarak başlayacak ve ardından Layer 1)'e geçecektir. AI Pipeline ve blok zinciri teknolojisini birleştirerek merkeziyetsiz bir yapay zeka ekonomisi inşa etmeyi amaçlamaktadır. Temel hedefi, merkezi LLM pazarındaki model sahipliği, çağrı izleme ve değer dağıtımı sorunlarını "OML" çerçevesi (Açık, Karlı, Sadık) aracılığıyla çözmektir. Bu sayede AI modellerinin zincir üzerindeki mülkiyet yapısını, çağrıların şeffaflığını ve değer paylaşımını gerçekleştirmesini sağlamaktadır. Sentient'in vizyonu, herkesin AI ürünlerini inşa etmesine, iş birliği yapmasına, sahip olmasına ve paraya çevirmesine olanak tanımak ve böylece adil, açık bir AI Agent ağ ekosistemini teşvik etmektir.

Sentient Foundation ekibi, dünya çapında önde gelen akademik uzmanları, blockchain girişimcilerini ve mühendisleri bir araya getirerek, topluluk odaklı, açık kaynaklı ve doğrulanabilir bir AGI platformu inşa etmeye adanmıştır. Temel üyeler arasında Princeton Üniversitesi profesörü Pramod Viswanath ve Hindistan Bilim Enstitüsü profesörü Himanshu Tyagi bulunmaktadır; her ikisi de AI güvenliği ve gizliliği konularında sorumludur ve blockchain stratejisi ile ekosistem düzenlemesi Polygon'un kurucu ortağı Sandeep Nailwal tarafından yönetilmektedir. 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 görü gibi alanlarda projelerin hayata geçmesine katkıda bulunmaktadır.

Polygon'un kurucu ortağı Sandeep Nailwal'ın ikinci girişim projesi olan Sentient, kuruluşundan itibaren bir cazibe merkezi haline geldi ve zengin kaynaklar, bağlantılar ve piyasa bilinirliği ile projeye güçlü bir destek sağladı. 2024 yılının ortalarında Sentient, Founders Fund, Pantera ve Framework Ventures'ın liderlik ettiği 85 milyon dolarlık bir tohum yatırımı tamamladı; diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi onlarca tanınmış VC yer alıyor.

tasarım mimarisi ve uygulama katmanı

Altyapı Katmanı

Temel Mimari

Sentient'in temel mimarisi, AI boru hattı (AI Pipeline) ve blockchain sistemi olmak üzere iki bölümden oluşmaktadır:

AI boru hattı, "sadık AI" eserlerinin geliştirilmesi ve eğitilmesi için bir temel oluşturur ve iki temel süreç içerir:​

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

Blockchain sistemi, protokole şeffaflık ve merkeziyetsiz kontrol sağlayarak, AI eserlerinin mülkiyeti, kullanım takibi, gelir dağılımı ve adil yönetişimi güvence altına alır. Belirli 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 kullanır;
• Teşvik katmanı: Kazanç yönlendirme sözleşmesi, her çağrıda ödemeyi eğitmenlere, dağıtıcılara ve doğrulayıcılara dağıtır.

OML model çerçevesi

OML çerçevesi (Açık Open, Paraya Dönüştürülebilir Monetizable, Sadık Loyal), Sentient tarafından önerilen temel bir kavramdır ve açık kaynak AI modellerine net mülkiyet koruması ve ekonomik teşvik mekanizmaları sağlamayı amaçlamaktadır. Zincir üzerindeki teknolojiyi ve AI yerel kriptografisini birleştirerek aşağıdaki özelliklere sahiptir:

• Açıklık: Model açık kaynak olmalı, kod ve veri yapısı şeffaf olmalı, topluluğun yeniden üretimini, denetimini ve geliştirmesini kolaylaştırmalıdır.
• Para kazanma: Modelin her çağrısı, gelir akışını tetikler; on-chain sözleşme, gelirleri eğitmenler, dağıtıcılar ve doğrulayıcılara dağıtacaktır.
• Sadakat: Model, katkı sağlayan topluluğa aittir, yükseltme yönü ve yönetim DAO tarafından belirlenir, kullanım ve değişiklikler şifreleme mekanizması ile kontrol edilir.

AI Yerel Kriptografi (AI-native Cryptography)

AI yerel kripto, AI modellerinin sürekliliğini, düşük boyutlu manifold yapısını ve modelin türevlenebilir özelliklerini kullanarak "doğrulanabilir ancak çıkarılamaz" hafif güvenlik mekanizmaları geliştirmektir. Temel teknolojisi şudur:

• Parmak izi gömü: Eğitim sırasında, modelin benzersiz imzasını oluşturmak için gizli bir dizi sorgu-cevap anahtar-değer çifti eklenir;
• Mülkiyet Doğrulama Protokolü: Bir üçüncü taraf dedektörü (Prover) aracılığıyla sorgu biçiminde parmak izinin saklanıp saklanmadığını doğrulama;
• İzin çağrı mekanizması: Çağrıdan önce model sahibinden alınan "izin belgesi" ile sistem, bu belgeye dayanarak modelin bu girişi çözmesine ve doğru yanıtı döndürmesine yetki verir.

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

Model Hakları ve Güvenli Uygulama Çerçevesi

Sentient şu anda Melange karışık güvenliğini kullanıyor: parmak izi doğrulama, TEE yürütme ve on-chain sözleşme kâr paylaşımını birleştiriyor. Parmak izi yöntemi OML 1.0 ile ana hat olarak uygulanmakta, "iyimser güvenlik (Optimistic Security)" düşüncesini vurgulamakta, yani varsayılan olarak uyumlu, ihlal durumunda tespit edilip ceza uygulanabilir.

Parmak izi mekanizması, OML'nin ana uygulamasıdır ve modelin eğitim aşamasında benzersiz imzalar oluşturmasını sağlamak için belirli "soru-cevap" çiftlerini gömerek çalışır. Bu imzalar sayesinde, model sahibi aitliği doğrulayabilir, yetkisiz kopyalanmayı ve ticarileşmeyi önleyebilir. Bu mekanizma, model geliştiricilerinin haklarını korumakla kalmaz, aynı zamanda modelin kullanım davranışları için izlenebilir bir on-chain kayıt sağlar.

Ayrıca, Sentient, yetkilendirilmiş istekleri yalnızca yanıtlamak için güvenilir yürütme ortamlarını (AWS Nitro Enclaves gibi) kullanarak Enclave TEE hesaplama çerçevesini tanıttı; izinsiz erişim ve kullanımı engelliyor. TEE donanıma bağımlı olduğu ve bazı güvenlik riskleri taşıdığı için, yüksek performansı ve gerçek zamanlılık avantajları, mevcut model dağıtımı için onu cazip kılıyor.