AI Layer1 Araştırma Raporu: On-chain DeAI'nin Verimli Topraklarını Bulmak

Genel Bakış

Son yıllarda, OpenAI, Anthropic, Google, Meta gibi önde gelen teknoloji şirketleri büyük dil modellerinin (LLM) hızlı gelişimini sürekli olarak teşvik ediyor. LLM, her alanda daha önce görülmemiş yetenekler sergileyerek insan hayal gücünü büyük ölçüde genişletti ve hatta bazı senaryolarda insan iş gücünün yerini alma potansiyeli gösterdi. Ancak, bu teknolojilerin temeli az sayıda merkezi teknoloji devinin elinde sıkı bir şekilde tutuluyor. Güçlü sermaye ve yüksek maliyetli hesaplama kaynaklarına yönelik kontrol ile bu şirketler, çoğu geliştirici ve yenilikçi ekip için aşılması zor engeller oluşturuyor.

Ayrıca, AI'nin hızlı evriminin başlangıcında, toplumun genel görüşü genellikle teknolojinin sağladığı atılımlar ve kolaylıklar üzerine odaklanırken, gizlilik korunumu, şeffaflık, güvenlik gibi temel sorunlara olan ilgi nispeten yetersiz kalmaktadır. Uzun vadede, bu sorunlar AI endüstrisinin sağlıklı gelişimi ve toplumsal kabulü üzerinde derin bir etki yaratacaktır. Eğer bu sorunlar uygun bir şekilde çözülemezse, AI'nin "iyi yönelimi" mi yoksa "kötü yönelimi" mi olduğu tartışması giderek daha belirgin hale gelecektir ve merkezi devlerin kâr amacı güden içgüdüleriyle bu zorluklarla aktif olarak başa çıkma motivasyonları genellikle yetersiz kalmaktadır.

Blockchain teknolojisi, merkeziyetsiz, şeffaf ve sansüre dayanıklı özellikleri sayesinde AI endüstrisinin sürdürülebilir gelişimi için yeni olanaklar sunmaktadır. Şu anda, bazı ana akım blockchainlerde çok sayıda "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 merkezi bulut hizmetlerine bağımlıdır; meme özellikleri fazladır, bu da gerçek anlamda açık bir ekosistemi desteklemede zorluk yaratmaktadır; diğer yandan, Web2 dünyasındaki AI ürünleri ile karşılaştırıldığında, on-chain AI'nın model yetenekleri, veri kullanımı ve uygulama senaryoları gibi alanlarda hala kısıtlamaları vardır; yenilik derinliği ve genişliği artırılmalıdır.

Gerçekten merkeziyetsiz AI vizyonunu gerçekleştirmek, blok zincirinin büyük ölçekli AI uygulamalarını güvenli, verimli ve demokratik bir şekilde barındırabilmesini sağlamak ve performans açısından merkezi çözümlerle başa çıkabilmesi için, AI'ya özel tasarlanmış bir Layer1 blok zinciri tasarlamamız gerekiyor. Bu, AI'nın açık yeniliği, yönetişim demokrasisi ve veri güvenliği için sağlam bir temel sağlayacak ve merkeziyetsiz AI ekosisteminin refahını artıracaktır.

AI Layer 1'in temel özellikleri

AI Layer 1, AI uygulamaları için özel olarak tasarlanmış bir blok zinciri olarak, alt yapı ve performans tasarımı, AI görevlerinin ihtiyaçlarına sıkı bir şekilde odaklanmakta olup, zincir üzerindeki AI ekosisteminin sürdürülebilir gelişimini ve refahını etkili bir şekilde desteklemeyi amaçlamaktadır. Daha spesifik olarak, AI Layer 1'in aşağıdaki temel yeteneklere sahip olması gerekmektedir:

1. Etkili teşvikler ve merkeziyetsiz konsensüs mekanizması AI Layer 1'in temeli, açık bir hesaplama, depolama gibi kaynakların paylaşıldığı bir ağ kurmaktır. Geleneksel blok zinciri düğümlerinin öncelikle defter kaydı tutmaya odaklanmasının aksine, AI Layer 1 düğümleri daha karmaşık görevleri üstlenmelidir; yalnızca hesaplama gücü sağlamakla kalmayıp, AI modellerinin eğitimini ve çıkarımını tamamlamalı, aynı zamanda depolama, veri, bant genişliği gibi çeşitli kaynakları da katkıda bulunmalıdır. Bu da merkeziyetsiz devlerin AI altyapısı üzerindeki tekelini kırmayı sağlayacaktır. Bu durum, alt düzey konsensüs ve teşvik mekanizmaları için daha yüksek gereksinimler ortaya koymaktadır: AI Layer 1, düğümlerin AI çıkarım, eğitim gibi görevlerdeki gerçek katkılarını doğru bir şekilde değerlendirebilmeli, teşvik edebilmeli ve doğrulayabilmelidir. Bu sayede ağın güvenliği ve kaynakların verimli dağılımı sağlanabilir. Ancak bu şekilde ağın istikrarı ve refahı garanti altına alınabilir ve toplam hesaplama maliyetleri etkin bir şekilde azaltılabilir.

2. Olağanüstü yüksek performans ve heterojen görev destekleme yeteneği AI görevleri, özellikle LLM'nin eğitimi ve çıkarımı, hesaplama performansı ve paralel işleme yeteneği için son derece yüksek talepler getirmektedir. Daha da ötesi, on-chain AI ekosistemi genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çeşitli senaryoları içeren çeşitli, heterojen görev türlerini desteklemelidir. AI Layer 1, alt yapı mimarisinde yüksek throughput, düşük gecikme ve esnek paralellik gibi ihtiyaçlar için derin optimizasyon yapmalı ve heterojen hesaplama kaynaklarına yerel destek sağlamak için önceden ayarlamalıdır, böylece her türlü AI görevi verimli bir şekilde çalışabilir ve "tek tip görev" den "karmaşık çeşitli ekosistem" e sorunsuz bir genişleme sağlanabilir.

3. Doğrulanabilirlik ve Güvenilir Çıktı Garantisi AI Layer 1, yalnızca modelin kötüye kullanılmasını, verilerin değiştirilmesini gibi güvenlik tehditlerini önlemekle kalmamalı, aynı zamanda temel mekanizmalarla AI çıktılarının doğrulanabilirliğini ve uyumunu sağlamalıdır. Güvenilir yürütme ortamı (TEE), sıfır bilgi kanıtı (ZK), çok taraflı güvenli hesaplama (MPC) gibi öncü teknolojileri entegre ederek, platform her bir model çıkarımını, eğitim ve veri işleme sürecinin bağımsız olarak doğrulanabilmesini sağlar, böylece AI sisteminin adaletini ve şeffaflığını garantiler. Aynı zamanda, bu tür bir doğrulanabilirlik kullanıcıların AI çıktılarının mantığını ve dayanağını net bir şekilde anlamalarına yardımcı olur, "bulunanın istenileni" gerçekleştirilmesini sağlar ve kullanıcıların AI ürünlerine olan güvenini ve memnuniyetini artırır.

4. Veri gizliliği koruma AI uygulamaları genellikle kullanıcıların hassas verilerini içerir, finans, sağlık, sosyal vb. alanlarda veri gizliliği koruma özellikle önemlidir. AI Layer 1, doğrulanabilirliği sağlarken, şifrelemeye dayalı veri işleme teknikleri, gizlilik hesaplama protokolleri ve veri erişim yönetimi gibi yöntemleri benimsemeli, verilerin çıkarım, eğitim ve depolama gibi tüm süreçlerinde güvenliğini sağlamalı, veri sızıntılarını ve kötüye kullanımı etkili bir şekilde önlemeli, kullanıcıların veri güvenliği konusundaki endişelerini ortadan kaldırmalıdır.

5. Güçlü Ekosistem Taşıma ve Geliştirme Destek Kapasitesi AI yerel Layer 1 altyapısı olarak, platform sadece teknik açıdan önde olmakla kalmamalı, aynı zamanda geliştiricilere, düğüm operatörlerine, 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 yerel uygulamaların hayata geçmesini teşvik etmeli ve merkeziyetsiz AI ekosisteminin sürdürülebilir refahını sağlamalıdır.

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, bu alandaki en son gelişmeleri sistematik olarak inceleyecek, projelerin mevcut gelişim durumunu analiz edecek ve gelecekteki eğilimleri tartışacaktır.

Sentient: Sadık açık kaynaklı merkeziyetsiz AI modeli inşa etmek

Proje Özeti

Sentient, açık kaynaklı bir protokol platformudur ve AI Layer1 blok zincirini ( başlangıç aşaması olarak Layer 2'yi inşa etmektedir, daha sonra Layer 1)'e geçecektir. AI Pipeline ve blok zinciri teknolojisini birleştirerek merkezi olmayan bir yapay zeka ekonomisi inşa etmeyi hedeflemektedir. Temel amacı, "OML" çerçevesi (açık, kârlı, sadık) aracılığıyla merkezi LLM pazarındaki model mülkiyeti, çağrı izleme ve değer dağıtım sorunlarını çözmek, böylece AI modellerinin on-chain mülkiyet yapısına, çağrı şeffaflığına ve değer paylaşımına ulaşmasını sağlamaktır. Sentient'in vizyonu, herkesin AI ürünlerini inşa etmesine, işbirliği yapmasına, sahip olmasına ve para kazanmasına olanak tanıyarak adil ve açık bir AI Agent ağ ekosistemini teşvik etmektir.

Sentient Foundation ekibi, küresel çapta önde gelen akademik uzmanları, blockchain girişimcilerini ve mühendisleri bir araya getirerek, topluluk odaklı, açık kaynaklı ve doğrulanabilir bir AGI platformu inşa etmeye kendini adamıştır. Ana üyeler arasında Princeton Üniversitesi'nden Profesör Pramod Viswanath ve Hindistan Bilim Enstitüsü'nden Profesör Himanshu Tyagi yer almakta olup, AI güvenliği ve gizlilik koruma konularında sorumludurlar. Ayrıca, Polygon'un kurucu ortağı Sandeep Nailwal, blockchain stratejisi ve ekosistem tasarımı konusunda liderlik yapmaktadır. Ekip üyeleri, Meta, Coinbase, Polygon gibi tanınmış şirketlerin yanı sıra Princeton Üniversitesi, Hindistan Teknoloji Enstitüsü gibi önde gelen üniversitelerden gelmekte olup, AI/ML, NLP, bilgisayarla görme gibi alanlarda projeyi hayata geçirmek için güç birliği yapmaktadır.

Polygon'un kurucu ortağı Sandeep Nailwal'ın ikinci girişim projesi olan Sentient, kuruluşunun başında kendi ışığını taşırken, zengin kaynaklar, bağlantılar ve pazar bilinirliği ile proje gelişimine güçlü bir destek sağladı. 2024 yılının ortalarında Sentient, Founders Fund, Pantera ve Framework Ventures'ın liderlik ettiği 85 milyon dolarlık ilk yatırım turunu tamamladı; diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi onlarca tanınmış VC yer aldı.

Tasarım Mimarisi ve Uygulama Katmanı

Altyapı Katmanı

Kilit Mimarisi

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

AI boru hattı, "sadık AI" eserlerini geliştirmek ve eğitmek için temeli oluşturur ve iki ana süreci içerir:​

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

Blok zinciri sistemi, protokole şeffaflık ve merkeziyetsiz kontrol sağlayarak AI eserlerinin mülkiyetini, kullanım takibini, gelir dağılımını ve adil yönetişimi güvence altına alır. Belirli mimari dört katmana ayrılmıştır:

• Depolama katmanı: Model ağırlıklarını ve parmak izi kayıt bilgilerini depolama.
• Dağıtım katmanı: Yetkilendirme sözleşmesi kontrol modeli çağrı girişi;
• Erişim katmanı: Kullanıcının yetkilendirilip yetkilendirilmediğini doğrulamak için izin kanıtı kullanır;
• Teşvik katmanı: Gelir yönlendirme sözleşmesi her çağrıda eğitici, dağıtıcı ve doğrulayıcıya ödeme dağıtır.

OML model çerçevesi

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

• Açıklık: Model açık kaynak olmalı, kod ve veri yapısı şeffaf olmalı, topluluğun yeniden üretmesini, denetlemesini ve geliştirmesini kolaylaştırmalıdır.
• Para kazanma: Her model çağrısı bir gelir akışını tetikler, on-chain sözleşme gelirleri eğitmenlere, dağıtıcıya ve doğrulayıcılara dağıtır.
• Sadakat: Model, katkı veren topluluğa aittir, güncelleme yönü ve yönetim DAO tarafından belirlenir, kullanım ve değişiklik, kriptografik mekanizma ile kontrol edilir.

AI Yerel Kriptografi (AI-native Cryptography)

AI yerel kripto, AI modellerinin sürekliliği, düşük boyutlu manifold yapısı ve modelin diferansiyellenebilir özelliklerini kullanarak "doğrulanabilir ama kaldırılabilir olmayan" hafif güvenlik mekanizmaları geliştirmektir. Temel teknolojisi şudur:

• Parmak izi gömülü: Eğitim sırasında, modelin benzersiz imzasını oluşturmak için bir dizi gizli sorgu-cevap anahtar-değer çifti eklenir;
• Mülkiyet doğrulama protokolü: Üçüncü taraf dedektör (Prover) aracılığıyla sorgu biçiminde parmak izinin korunup korunmadığını doğrulamak;
• İzin çağrı mekanizması: Çağrıdan önce model sahibinin verdiği "yetki belgesi" alınmalıdır, sistem buna göre modeli bu girdi çözmesi ve doğru yanıtı döndürmesi için yetkilendirir.

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

Model Haklarının Belirlenmesi ve Güvenli Uygulama Çerçevesi

Sentient şu anda Melange karışık güvenliği kullanıyor: parmak izi doğrulama, TEE yürütme ve on-chain sözleşme gelir paylaşımını birleştiriyor. Parmak izi yöntemi OML 1.0 ile ana hat olarak uygulanmakta olup, "iyimser güvenlik (Optimistic Security)" anlayışını vurgulamaktadır; yani varsayılan olarak uyumlu kabul edilir, ihlal durumunda tespit edilebilir ve cezalandırılabilir.

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

Ayrıca, Sentient, yalnızca yetkilendirilmiş isteklere yanıt veren ve yetkisiz erişim ile kullanımı önleyen güvenilir yürütme ortamlarını (örneğin, AWS Nitro Enclaves) kullanan Enclave TEE hesaplama çerçevesini tanıttı. TEE donanıma bağımlıdır ve belirli güvenlik riskleri taşımaktadır, ancak yüksek performansı ve gerçek zamanlılık avantajları, onu mevcut model dağıtımının temel teknolojisi haline getirmektedir.

Gelecekte, Sentient sıfır bilgi kanıtları (ZK) ve homomorfik şifreleme (FHE) teknolojilerini entegre ederek gizlilik korumasını ve doğrulanabilirliği artırmayı, AI modellerinin on-chain.