AI Layer1 Ekosistem Araştırma Raporu: On-chain DeAI İçin Verimli Toprakları 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 eşi benzeri görülmemiş yetenekler sergileyerek, insanlığın hayal gücünü büyük ölçüde genişletti ve hatta bazı durumlarda insan iş gücünün yerini alma potansiyelini gösterdi. Ancak, bu teknolojilerin temeli, az sayıda merkezileşmiş teknoloji devinin elinde sıkı bir şekilde tutuluyor. Güçlü sermaye ve yüksek maliyetli hesaplama kaynakları üzerindeki kontrolü sayesinde, bu şirketler aşılması zor engeller oluşturdu ve büyük çoğunlukta geliştiricilerin ve yenilikçi ekiplerin onlarla rekabet etmesini zorlaştırdı.

Aynı zamanda, AI'nın hızlı evriminin başlarında, toplumsal kamuoyu genellikle teknolojinin getirdiği atılımlar ve kolaylıklar üzerine yoğunlaşırken, gizlilik koruma, şeffaflık, güvenlik gibi temel konulara olan ilgi nispeten az kalmaktadır. Uzun vadede, bu sorunlar AI endüstrisinin sağlıklı gelişimini ve toplumsal kabulünü derinden etkileyecektir. Eğer bu sorunlar uygun bir şekilde çözülemezse, AI'nın "iyi" mi yoksa "kötü" mü olacağına dair tartışmalar daha da belirginleşecektir ve merkezileşmiş devler, kar hırsıyla hareket ederken, bu zorluklara etkin bir şekilde yanıt verme motivasyonundan yoksun kalmaktadırlar.

Blockchain teknolojisi, merkeziyetsizlik, şeffaflık ve sansüre karşı dayanıklılık özellikleri sayesinde AI endüstrisinin 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 görülebilmektedir: bir yandan, merkeziyetsizlik derecesi sınırlıdır, kritik aşamalar ve altyapılar 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 artırılmayı beklemektedir.

Gerçekten merkeziyetsiz AI vizyonunu gerçekleştirmek, blok zincirinin güvenli, verimli ve demokratik bir şekilde büyük ölçekli AI uygulamalarını barındırabilmesi ve performans açısından merkezi çözümlerle rekabet edebilmesi 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 gelişimini teşvik edecektir.

AI Layer 1'in temel özellikleri

AI Layer 1, AI uygulamaları için özel olarak tasarlanmış bir blok zinciri olarak, temel mimarisi ve performans tasarımı AI görevlerinin ihtiyaçlarına sıkı bir şekilde odaklanmaktadır. Amacı, on-chain AI ekosisteminin sürdürülebilir gelişimini ve refahını etkili bir şekilde desteklemektir. Spesifik olarak, AI Layer 1 aşağıdaki 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 etmektir. Geleneksel blok zinciri düğümlerinin yalnızca defter kaydı tutmaya odaklanmasının aksine, AI Layer 1 düğümleri daha karmaşık görevleri üstlenmelidir; yalnızca hesaplama gücü sağlamakla kalmayıp, AI modelinin eğitimi ve çıkarımı gibi görevleri de yerine getirmeli ve depolama, veri, bant genişliği gibi çeşitli kaynakları katkıda bulunmalıdır. Bu, merkezi büyük oyuncuların AI altyapısındaki tekelini kırmak için gereklidir. Bu, temel konsensüs ve teşvik mekanizması için daha yüksek gereksinimler getirir: AI Layer 1, düğümlerin AI çıkarımı, eğitimi gibi görevlerdeki gerçek katkılarını doğru bir şekilde değerlendirebilmeli, teşvik edebilmeli ve doğrulayabilmelidir; böylece ağın güvenliği ve kaynakların verimli dağılımı sağlanabilir. Ancak bu şekilde ağın istikrarı ve refahı garanti edilebilir ve toplam hesaplama gücü maliyetleri etkili bir şekilde azaltılabilir.

2. Üstün yüksek performans ve heterojen görev destek yeteneği AI görevleri, özellikle LLM'nin eğitimi ve çıkarımı, hesaplama performansı ve paralel işleme yeteneği için son derece yüksek talepler getirir. Dahası, on-chain AI ekosistemi genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çeşitli görev türlerini desteklemek zorundadır. AI Layer 1, temel mimaride yüksek throughput, düşük gecikme ve esnek paralel gibi ihtiyaçlar için derinlemesine optimize edilmeli ve heterojen hesaplama kaynaklarına yerel destek yeteneği önceden ayarlanmalıdır; bu, çeşitli AI görevlerinin verimli bir şekilde çalışmasını sağlamak ve "tek tip görev"ten "karmaşık çoklu ekosistem"e sorunsuz bir şekilde genişlemeyi gerçekleştirmek için gereklidir.

3. Doğrulanabilirlik ve güvenilir çıktı garantisi AI Layer 1 yalnızca model kötüye kullanımı, veri değiştirme gibi güvenlik tehditlerini önlemekle kalmamalı, aynı zamanda alt yapı mekanizmalarıyla 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 çıkarımı, eğitim ve veri işleme sürecinin bağımsız olarak doğrulanabilmesini sağlar, böylece AI sisteminin adaletini ve şeffaflığını garanti eder. Aynı zamanda, bu doğrulanabilirlik kullanıcıların AI çıktılarının mantığını ve dayanağını netleştirmesine yardımcı olarak "elde edilenin istenilen olması" ilkesini gerçekleştirir, kullanıcıların AI ürünlerine olan güvenini ve memnuniyetini artırır.

4. Veri Gizliliği Koruması Yapay zeka uygulamaları genellikle kullanıcı hassas verilerini içerir; finans, sağlık, sosyal medya gibi alanlarda veri gizliliği koruması son derece önemlidir. AI Layer 1, doğrulanabilirliği sağlarken, şifrelemeye dayalı veri işleme teknolojileri, gizlilik hesaplama protokolleri ve veri yetki yönetimi gibi yöntemleri kullanarak verilerin çıkarım, eğitim ve depolama süreçlerindeki güvenliğini sağlamalı; veri sızıntısı ve kötüye kullanımı etkili bir şekilde önlemeli ve kullanıcıların veri güvenliği konusunda endişelerini ortadan kaldırmalıdır.

5. Güçlü ekosistem taşıma ve geliştirme destek yeteneği AI ile yerel Layer 1 altyapısı olarak, platformun yalnızca teknik olarak önde olması değil, aynı zamanda geliştiricilere, düğüm operatörlerine, AI hizmeti sağlayıcılarına ve diğer ekosistem katılımcılarına kapsamlı geliştirme araçları, entegre SDK, operasyonel destek ve teşvik mekanizmaları sunması gerekmektedir. Platformun kullanılabilirliğini ve geliştirici deneyimini sürekli optimize ederek, zengin ve çeşitli AI yerel uygulamalarının hayata geçmesini 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 olarak inceleyecek, projelerin mevcut gelişim durumunu analiz edecek ve gelecekteki eğilimleri tartışacaktır.

Sentient: Sadık Açık Kaynak Merkeziyetsiz AI Modeli Oluşturma

Proje Özeti

Sentient, bir açık kaynak protokol platformudur ve AI Layer1 blok zincirini ( oluşturmayı hedeflemektedir. İlk aşama Layer 2 olarak başlayacak ve sonrasında Layer 1)'a geçecektir. AI Pipeline ve blok zinciri teknolojisini birleştirerek merkeziyetsiz bir yapay zeka ekonomisi inşa etmeyi amaçlamaktadır. Temel hedefi, merkezi LLM pazarındaki model mülkiyeti, çağrı takibi ve değer dağıtımı sorunlarını "OML" çerçevesi (açık, kârlı, sadık) aracılığıyla çözerek, AI modellerinin on-chain mülkiyet yapısını, çağrı şeffaflığını ve değer paylaşımını gerçekleştirmektir. Sentient'in vizyonu, herkesin AI ürünlerini inşa etmesine, iş birliği yapmasına, sahip olmasına ve paraya dönüştürmesine olanak tanımak ve böylece adil, açık bir AI Agent ağ ekosistemini teşvik etmektir.

Sentient Foundation ekibi, dünya çapında önde gelen akademik uzmanlar, blokzincir girişimcileri ve mühendisleri bir araya getirerek, topluluk odaklı, açık kaynaklı ve doğrulanabilir bir AGI platformu inşa etmeye kendini adamıştır. Ana üyeleri arasında Princeton Üniversitesi'nden profesör Pramod Viswanath ve Hindistan Bilim Enstitüsü'nden profesör Himanshu Tyagi bulunmaktadır; her biri sırasıyla AI güvenliği ve gizlilik koruma konularında sorumludur. Ayrıca, Polygon'un kurucu ortağı Sandeep Nailwal, blokzincir stratejisi ve ekosistem düzenlemesi konusunda liderlik yapmaktadır. Ekip üyelerinin geçmişi, Meta, Coinbase, Polygon gibi tanınmış şirketlerin yanı sıra Princeton Üniversitesi, Hindistan Teknoloji Enstitüsü gibi önde gelen üniversiteleri kapsamaktadır ve AI/ML, NLP, bilgisayarlı görü gibi alanlarda işbirliği yaparak projeyi hayata geçirmeye çalışmaktadır.

Polygon'un kurucu ortaklarından Sandeep Nailwal'ın ikinci girişim projesi olan Sentient, kuruluşunun ilk gününden itibaren bir aura ile geldi ve zengin kaynaklar, bağlantılar ve piyasa farkındalığına sahipti, bu da projenin gelişimine güçlü bir destek sağladı. 2024 yılının ortalarında, Sentient 85 milyon dolarlık tohum finansmanı turunu tamamladı; Founders Fund, Pantera ve Framework Ventures öncülüğünde, Delphi, Hashkey ve Spartan gibi birçok tanınmış VC'nin de dahil olduğu diğer yatırımcılar bulunuyor.

tasarım mimarisi ve uygulama katmanı

Altyapı Katmanı

Kilit Mimari

Sentient'in temel mimarisi, AI Pipeline ve on-chain sistem olmak üzere iki bölümden oluşmaktadır:

AI boru hattı, "sadık AI" eserlerinin geliştirilmesi ve eğitilmesi için bir temel oluşturarak iki ana süreci içerir:​

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

Blockchain sistemi, protokole şeffaflık ve merkeziyetsiz kontrol sağlayarak, AI eserlerinin sahipliğini, kullanım izlenimini, gelir dağılımını ve adil yönetişimi güvence altına alır. Belirli mimari dört katmana ayrılmaktadır:

• 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 yetki kanıtı kullanır;
• Teşvik katmanı: Gelir yönlendirme sözleşmesi, her çağrıda ödeme dağılımını eğitmenlere, dağıtıcıya ve doğrulayıcılara yapar.

OML Model Çerçevesi

OML çerçevesi (Açık Open, Paraya Çevirilebilir Monetizable, Sadık Loyal), Sentient tarafından önerilen temel bir anlayıştır ve açık kaynak AI modellerine net mülkiyet koruması ve ekonomik teşvik mekanizmaları sağlamayı amaçlamaktadır. Zincir üstü on-chain teknolojisi ve AI yerel kriptografisini birleştirerek aşağıdaki özelliklere sahiptir:

• Açıklık: Model açık kaynak olmalı, kod ve veri yapısı şeffaf olmalı, topluluğun yeniden üretimi, denetimi ve iyileştirmesi için kolaylaştırmalıdır.
• Paraya Çevirme: Her model çağrısı, gelir akışını tetikler; on-chain sözleşme, gelirleri eğitmenler, dağıtıcılar ve doğrulayıcılara dağıtır.
• Sadakat: Model, katkı sağlayan topluluğa aittir; yükseltme yönü ve yönetim DAO tarafından belirlenir, kullanım ve değişiklikler kripto mekanizmasıyla kontrol edilir.

AI Yerel Kriptografi (AI-native Cryptography)

AI yerel kriptografi, AI modellerinin sürekliliği, düşük boyutlu manifold yapısı ve modelin farklılaştırılabilir özelliklerini kullanarak "doğrulanabilir ama çıkarılamaz" hafif güvenlik mekanizması geliştirmektedir. Temel teknolojisi şudur:

• Parmak izi gömme: Eğitim sırasında, modelin benzersiz imzasını oluşturmak için gizli bir dizi sorgu-cevap anahtar-değer çifti eklenir;
• Mülkiyet doğrulama protokolü: Üçüncü taraf dedektör (Prover) aracılığıyla sorgu biçiminde parmak izinin korunup korunmadığını doğrulamak;
• İzin çağrı mekanizması: Çağrılmadan önce model sahibinin verdiği "yetki belgesi" alınmalı, sistem daha sonra buna dayanarak modelin bu girişi çözmesine ve doğru yanıtı döndürmesine izin 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 gelir paylaşımının birleşimi. Parmak izi yöntemi OML 1.0 ana hattını uyguluyor ve "iyimser güvenlik (Optimistic Security)" düşüncesini vurguluyor; yani uyumlu varsayıyor, ihlal durumunda tespit edilebilir ve ceza uygulanabilir.

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

Ayrıca, Sentient, yetkilendirilmiş istekleri yalnızca yanıtlayan ve yetkisiz erişim ile kullanımını önleyen güvenilir bir yürütme ortamı (örneğin AWS Nitro Enclaves) kullanan Enclave TEE hesaplama çerçevesini tanıttı. TEE donanıma bağımlıdır ve belirli güvenlik riskleri barındırsa da, yüksek performansı ve