AI Layer1 Araştırması: 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, çeşitli sektörlerde eşi benzeri görülmemiş yetenekler sergileyerek insan hayal gücünü büyük ölçüde genişletti ve hatta bazı senaryolarda insan iş gücünü ikame etme potansiyelini gösterdi. Ancak, bu teknolojilerin çekirdeği, 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 oluşturarak, büyük çoğunlukta geliştiricilerin ve yenilikçi ekiplerin onlarla rekabet etmesini zorlaştırıyor.

Aynı zamanda, AI'nın hızlı evriminin başlangıcında, toplumsal kamuoyu genellikle teknolojinin getirdiği yenilikler ve kolaylıklar üzerinde yoğunlaşırken, gizlilik koruma, şeffaflık, güvenlik gibi temel sorunlara olan ilgi görece daha az olmuştur. Uzun vadede bu meseleler, AI sektörünün sağlıklı gelişimi ve toplumsal kabulü üzerinde derin bir etki yaratacaktır. Eğer bu sorunlar uygun bir şekilde çözülemezse, AI'nın "iyi" ya da "kötü" yönelimi tartışması daha da belirgin hale gelecektir ve merkezileşmiş devlerin kar elde etme içgüdüsü altında, bu zorluklarla başa çıkmak için yeterli motivasyona sahip olmamaları sıkça görülmektedir.

Blockchain teknolojisi, merkezsiz, şeffaf ve sansüre karşı dirençli özellikleri sayesinde, AI endüstrisinin sürdürülebilir gelişimi için yeni olasılıklar sunmaktadır. Şu anda, ana akım blok zincirlerde birçok "Web3 AI" uygulaması ortaya çıkmıştır. Ancak derinlemesine analiz edildiğinde, bu projelerin hala birçok sorunla karşı karşıya olduğu görülmektedir: bir yandan, merkezsizlik derecesi sınırlıdır, kritik aşamalar ve altyapı hala merkezi bulut hizmetlerine bağımlıdır, bu da gerçek anlamda açık bir ekosistemi desteklemede zorluk çıkarmaktadır; 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, blok zincirinin büyük ölçekli AI uygulamalarını güvenli, verimli ve demokratik bir şekilde barındırabilmesi ve performans açısından merkezi çözümlerle rekabet edebilmesi için, AI'ya özel olarak tasarlanmış bir Layer1 blok zinciri tasarlamamız gerekiyor. Bu, AI'nın açık inovasyonu, yönetim demokrasisini ve veri güvenliğini sağlam bir temel sağlayarak, 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 odaklanarak, on-chain AI ekosisteminin sürdürülebilir gelişimini ve refahını etkin bir şekilde desteklemeyi amaçlamaktadır. Daha spesifik olarak, AI Layer 1 aşağıdaki temel yeteneklere sahip olmalıdır:

1. Etkili teşvikler ve merkeziyetsiz konsensüs mekanizması AI Layer 1'in temeli, açık bir hesaplama gücü, depolama gibi kaynakların paylaşıldığı bir ağ inşa etmektir. Geleneksel blok zinciri düğümleri esas olarak defter kaydı tutmaya odaklanırken, AI Layer 1 düğümleri daha karmaşık görevleri üstlenmek zorundadır; sadece hesaplama gücü sağlamak, AI modellerinin eğitimini ve çıkarımını tamamlamakla kalmayıp, ayrıca depolama, veri, bant genişliği gibi çeşitli kaynakları da katkıda bulunmalı, böylece merkezi devlerin AI altyapısındaki tekelini kırmalıdır. Bu, temel konsensüs ve teşvik mekanizması için daha yüksek gereksinimler ortaya koymaktadır: AI Layer 1, düğümlerin AI çıkarımı, eğitimi gibi görevlerdeki gerçek katkılarını doğru bir şekilde değerlendirebilmeli, teşvik edebilmeli ve doğrulayabilmelidir; bu da ağın güvenliğini ve kaynakların verimli dağıtımını sağlamaktadır. Ancak bu şekilde ağın istikrarı ve refahı garanti altına alınabilir ve genel hesaplama gücü maliyeti etkili bir şekilde azaltılabilir.

2. Üstün yüksek performans ve heterojen görev destekleme yeteneği AI görevleri, özellikle LLM'nin eğitimi ve çıkarımı, hesaplama performansı ve paralel işleme yetenekleri için oldukça yüksek talepler getirmektedir. Dahası, on-chain AI ekosistemi genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çeşitli senaryoları içeren çeşitli, heterojen görev türlerini desteklemelidir. AI Layer 1, temel mimaride yüksek throughput, düşük gecikme ve esnek paralel gibi gereksinimler için derin optimizasyon yapmalı ve heterojen hesaplama kaynaklarına yerel destek yeteneğini önceden belirlemelidir, böylece her türlü AI görevinin verimli bir şekilde çalışmasını sağlayarak "tek tip görev"ten "karmaşık çoklu ekosistem"e sorunsuz bir genişleme sağlanmalıdır.

3. Doğrulanabilirlik ve Güvenilir Çıktı Güvencesi AI Layer 1, yalnızca modelin kötüye kullanımı, veri manipülasyonu gibi güvenlik açıklarını önlemekle kalmamalı, aynı zamanda temel mekanizmalarla AI çıktılarının doğrulanabilirliğini ve uyumluluğunu sağlamalıdır. Güvenilir yürütme ortamı (TEE), sıfır bilgi kanıtı (ZK), çok taraflı güvenli hesaplama (MPC) gibi öncü teknolojileri entegre ederek, platform her bir model çıkarımının, eğitim ve veri işleme sürecinin bağımsız olarak doğrulanabilmesini sağlar, AI sisteminin adaletini ve şeffaflığını temin eder. Aynı zamanda, 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 gizliliği koruma son derece önemlidir. AI Layer 1, doğrulanabilirliği sağlarken, şifrelemeye dayalı veri işleme teknolojileri, gizlilik hesaplama protokolleri ve veri izin yönetimi gibi yöntemleri kullanarak, verilerin çıkarım, eğitim ve depolama süreçleri boyunca güvenliğini sağlamakta, veri sızıntılarını ve kötüye kullanımı etkili bir şekilde önlemekte, kullanıcıların veri güvenliği konusundaki endişelerini ortadan kaldırmaktadır.

5. Güçlü Ekosistem Taşıma ve Geliştirme Destek Kapasitesi AI doğasına sahip Layer 1 altyapısı olarak, platform yalnızca teknik olarak önde olmakla kalmamalı, aynı zamanda geliştiricilere, düğüm işletmecilerine, AI hizmet sağlayıcılarına ve diğer ekosistem katılımcılarına kapsamlı geliştirme araçları, entegre SDK'lar, operasyon desteği ve teşvik mekanizmaları sunmalıdır. Platformun kullanılabilirliğini ve geliştirici deneyimini sürekli olarak optimize ederek, zengin ve çeşitli AI doğasına sahip uygulamaların hayata geçmesini teşvik etmek ve merkeziyetsiz AI ekosisteminin sürekli refahını sağlamak.

Yukarıdaki arka plan ve beklentilere dayanarak, bu makalede Sentient, Sahara AI, Ritual, Gensyn, Bittensor ve 0G dahil altı AI Layer1 temsilci projesi detaylı bir şekilde tanıtılacak, alanın en son gelişmeleri sistematik olarak incelenecek, projelerin gelişim durumu analiz edilecek ve gelecekteki trendler tartışılacaktır.

Sentient: Sadık Açık Kaynak Merkezi Olmayan AI Modeli Oluşturma

Proje Özeti

Sentient, açık kaynaklı bir protokol platformudur ve bir AI Layer1 blok zinciri inşa etmektedir. ( başlangıç aşaması Layer 2 olup, daha sonra Layer 1)'e geçecektir. AI Pipeline ve blok zinciri teknolojisini birleştirerek merkeziyetsiz bir yapay zeka ekonomisi inşa etmektedir. Temel hedefi, merkezi LLM pazarındaki model mülkiyeti, çağrı izleme ve değer dağıtım sorunlarını çözmek için "OML" çerçevesi (Açık, Karlı, Sadık) aracılığıyla AI modellerinin on-chain mülkiyet yapısını, çağrı şeffaflığını ve değer paylaşımını gerçekleştirmektir. Sentient'in vizyonu, herkesin AI ürünlerini inşa etmesini, işbirliği yapmasını, sahip olmasını ve paraya çevirmesini sağlamak, böylece adil ve açık bir AI Agent ağ ekosistemini teşvik etmektir.

Sentient Foundation ekibi, dünyanın önde gelen akademik uzmanlarını, blockchain girişimcilerini ve mühendislerini bir araya getirerek topluluk odaklı, açık kaynaklı ve doğrulanabilir bir AGI platformu inşa etmeye kendini adamıştır. Temel üyeler arasında Princeton Üniversitesi profesörü Pramod Viswanath ve Hindistan Bilim Enstitüsü profesörü Himanshu Tyagi bulunmaktadır; bu kişiler sırasıyla AI güvenliği ve gizlilik korumasından sorumludur. Ayrıca, Polygon'un kurucu ortağı Sandeep Nailwal, blockchain stratejisi ve ekosistem düzenlemesi konularında 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, bilgisayarla görme gibi alanlarda projeyi hayata geçirmek için iş birliği yapmaktadır.

Polygon'un kurucu ortağı Sandeep Nailwal'ın ikinci girişim projesi olan Sentient, kuruluşunun ilk gününden itibaren bir aura ile birlikte geldi ve zengin kaynaklar, bağlantılar ve piyasa farkındalığına sahip olarak proje gelişimine güçlü bir destek sağladı. 2024 ortasında, Sentient 85 milyon dolarlık bir tohum finansmanı tamamladı ve bu finansman Founders Fund, Pantera ve Framework Ventures tarafından liderlik edildi; diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi birçok tanınmış VC yer aldı.

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 bir temeldir 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.

Blok zinciri sistemi, protokole şeffaflık ve merkeziyetsiz kontrol sağlayarak AI eserlerinin sahipliğini, kullanım takibini, gelir dağılımını ve adil yönetimi garanti eder. Spesifik mimari dört katmana ayrılır:

• Depolama katmanı: Model ağırlıkları 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 ödemeleri eğitmenler, dağıtıcılar ve doğrulayıcılara dağıtır.

OML model çerçevesi

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

• Açıklık: Model açık kaynak olmalıdır, kod ve veri yapıları şeffaf olmalı, topluluğun yeniden üretmesini, denetlemesini ve geliştirmesini kolaylaştırmalıdır.
• Para kazanma: Her model çağrısı, gelir akışını tetikler; on-chain sözleşme, gelirleri eğitmenler, dağıtıcılar ve doğrulayıcılara dağıtır.
• Sadakat: Model, katkıda bulunan topluluğa aittir; yükseltme yönü ve yönetişim DAO tarafından belirlenir, kullanımı ve değiştirilmesi şifreleme mekanizmasıyla kontrol edilir.

AI Yerel Kriptografi (AI-native Cryptography)

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

• Parmak izi yerleştirme: Eğitim sırasında, modeli benzersiz bir imza haline getirmek için gizli bir sorgu-cevap anahtar değeri çifti seti eklenir;
• Mülkiyet doğrulama protokolü: Üçüncü taraf dedektör (Prover) aracılığıyla sorgu şeklinde parmak izinin saklanıp saklanmadığını doğrulama;
• İzin çağrısı mekanizması: Çağrıdan önce model sahibi tarafından verilen "izin belgesi"nin alınması gerekir, sistem buna göre modelin bu girdiyi çözmesine ve doğru yanıtı döndürmesine yetki verir.

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

Model Haklarının Belirlenmesi ve Güvenli İcra Çerçevesi

Sentient şu anda Melange karışık güvenliğini kullanmaktadır: parmak izi doğrulama, TEE yürütme ve on-chain sözleşme kâr paylaşımını birleştiren. Parmak izi yöntemi OML 1.0 ile ana hat olarak gerçekleştirilmiştir, "iyimser güvenlik (Optimistic Security)" fikrini vurgular, yani uyum varsayılır, ihlal durumunda tespit edilebilir ve ceza verilebilir.

Parmak izi mekanizması, OML'nin ana uygulamasıdır. Bu mekanizma, modelin eğitim aşamasında benzersiz imzalar oluşturmasını sağlamak için belirli "soru-cevap" çiftlerini gömerek çalışır. Bu imzalar sayesinde, model sahipleri aitliği doğrulayabilir, yetkisiz kopyalamayı ve ticarileşmeyi engelleyebilir. 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 ortamlarını (örneğin, AWS Nitro Enclaves) kullanan Enclave TEE hesaplama çerçevesini tanıttı ve yetkisiz erişim ve kullanımın önlenmesini sağladı. TEE donanıma bağımlı olmasına ve belirli güvenlik açıkları içermesine rağmen, yüksek performansı ve gerçek zamanlılık avantajları, onu mevcut model dağıtımının temel teknolojisi haline getiriyor.