AI Layer1 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 etmektedir. LLM, her sektörde eşi benzeri görülmemiş yetenekler sergileyerek insanın hayal gücünü büyük ölçüde genişletmiştir ve hatta bazı senaryolarda insan iş gücünün yerini alma potansiyelini bile göstermiştir. Ancak, bu teknolojilerin çekirdeği az sayıda merkezi teknoloji devinin elinde bulunmaktadır. Güçlü sermaye ve yüksek maliyetli hesaplama kaynaklarına olan hakimiyetleri ile bu şirketler, çoğu geliştirici ve yenilikçi ekiplerin onlarla rekabet etmesini zorlaştıran aşılması güç engeller oluşturmuşlardır.

Aynı zamanda, AI'nin hızlı evriminin başlarında, toplumsal kamuoyu genellikle teknolojinin sağladığı atılımlar ve kolaylıklar üzerinde yoğunlaşırken, gizlilik koruma, şeffaflık, güvenlik gibi temel sorunlara olan ilgi nispeten yetersiz kalmıştır. Uzun vadede, bu sorunlar AI endüstrisinin sağlıklı gelişimini ve toplumsal kabulünü derinden etkileyecektir. Eğer bu sorunlar uygun bir şekilde çözülemezse, AI'nın "iyi" veya "kötü" yönelimi konusundaki tartışmalar daha da belirgin hale gelecektir ve merkezi devlerin kâr güdüsü altında, bu zorluklarla proaktif bir şekilde başa çıkma motivasyonu genellikle yetersiz kalacaktır.

Blockchain teknolojisi, merkeziyetsizlik, şeffaflık ve sansüre dayanıklılık gibi özellikleri sayesinde AI endüstrisinin sürdürülebilir gelişimi için yeni olanaklar sunmaktadır. Şu anda, bazı ana akım blok zincirleri üzerinde birçok "Web3 AI" uygulaması ortaya çıkmıştır. Ancak derinlemesine analiz yapıldığında, bu projelerin hâlâ birçok sorunu olduğu görülebilir: Bir yandan, merkeziyetsizlik derecesi sınırlıdır, kritik aşamalar ve altyapı hâlâ merkezi bulut hizmetlerine bağımlıdır, bu da gerçek anlamda açık bir ekosistemi desteklemekte zorluk çıkarmaktadır; diğer yandan, Web2 dünyasındaki AI ürünleri ile karşılaştırıldığında, on-chain AI'nın model yetenekleri, veri kullanımı ve uygulama senaryoları gibi alanlarda hâlâ sınırlılıkları vardır, yenilik derinliği ve genişliği artırılmayı beklemektedir.

Gerçekten merkeziyetsiz AI vizyonunu gerçekleştirmek, blok zincirinin güvenli, verimli ve demokratik bir şekilde büyük ölçekli AI uygulamalarını barındırmasını sağlamak ve performans açısından merkezi çözümlerle rekabet edebilmesi için, AI'ye 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 gelişimi ve refahını verimli bir şekilde desteklemeyi amaçlamaktadır. Özellikle, AI Layer 1'in aşağıdaki temel yeteneklere sahip olması gerekmektedir:

1. Etkili teşvikler ve merkeziyetsiz konsensüs mekanizması AI Layer 1'in çekirdeği, açık bir hesaplama, depolama ve diğer kaynakların paylaşıldığı bir ağ inşa etmektir. Geleneksel blok zinciri düğümleri esas olarak defter kaydı tutmaya odaklanırken, AI Layer 1 düğümleri daha karmaşık görevler üstlenmek zorundadır; sadece hesaplama sağlamakla kalmayıp, AI modellerinin eğitimini ve çıkarımını da tamamlamalı ve ayrıca depolama, veri, bant genişliği gibi çeşitli kaynakları katkıda bulunmalıdır. Böylece, merkezi devlerin AI altyapısındaki tekelini kırabilir. Bu durum, alt düzey konsensüs ve teşvik mekanizmaları için daha yüksek gereksinimler getirir: AI Layer 1, düğümlerin AI çıkarımı, eğitimi gibi görevlerdeki gerçek katkılarını doğru bir şekilde değerlendirebilmelidir ve ağın güvenliğini ve kaynakların etkili dağılımını sağlamak için teşvik edebilmelidir. Ancak bu şekilde, ağın istikrarı ve refahı garanti altına alınabilir ve genel hesaplama maliyetleri etkili bir şekilde azaltılabilir.

2. Üstün yüksek performans ve heterojen görev destek yeteneği AI görevleri, özellikle LLM'in eğitimi ve çıkarımı, hesaplama performansı ve paralel işleme yeteneği için son derece yüksek talepler ortaya koymaktadır. Dahası, on-chain AI ekosistemi genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çok çeşitli, heterojen görev türlerini desteklemek zorundadır. AI Layer 1, temel mimarisinde yüksek throughput, düşük gecikme ve esnek paralel gibi ihtiyaçlara yönelik derinlemesine optimizasyonlar yapmalı ve heterojen hesaplama kaynaklarına doğal destek yeteneğini önceden tanımlamalıdır. Böylece çeşitli AI görevlerinin verimli bir şekilde çalışmasını sağlayarak "tek tip görev"ten "karmaşık çoklu ekosistem"e sorunsuz bir genişleme gerçekleştirilmelidir.

3. Doğrulanabilirlik ve Güvenilir Çıktı Güvencesi AI Layer 1, yalnızca modelin kötüye kullanımını, veri manipülasyonunu gibi güvenlik açıklarını önlemekle kalmamalı, aynı zamanda temel mekanizma aracılığıyla 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 model çıkarımı, eğitim ve veri işleme sürecinin bağımsız olarak doğrulanabilmesini sağlar ve AI sisteminin adaletini ve şeffaflığını garanti eder. Aynı zamanda, bu doğrulanabilirlik kullanıcıların AI çıktılarının mantığını ve dayanağını net bir şekilde anlamalarına yardımcı olur, "olanı isteyene" ulaştırır ve kullanıcıların AI ürünlerine olan güvenini ve memnuniyetini artırır.

4. Veri Gizliliği Koruma AI uygulamaları genellikle kullanıcıların hassas verilerini içerir, finans, sağlık, sosyal gibi alanlarda veri gizliliği koruma özellikle 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 konusundaki endişelerini ortadan kaldırmalıdır.

5. Güçlü ekosistem taşıma ve geliştirme destek yeteneği AI yerel Layer 1 altyapısı olarak, platform yalnızca teknik olarak öncülük etmekle kalmamalı, aynı zamanda geliştiriciler, düğüm operatörleri, AI hizmet sağlayıcıları gibi 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 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 ayrıntılı olarak tanıtacak, alanın en son gelişmelerini sistematik olarak gözden geçirecek, projelerin gelişim durumunu analiz edecek ve gelecekteki trendleri tartışacaktır.

Sentient: Sadık açık kaynaklı merkeziyetsiz AI modeli inşa etmek

Proje Özeti

Sentient, açık kaynak bir protokol platformudur ve bir AI Layer1 blok zinciri ( inşa etmektedir. İlk aşamada Layer 2 olarak başlayacak, daha sonra 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 çözmek için "OML" çerçevesi (açık, kârlı, sadık) aracılığıyla AI modellerinin on-chain mülkiyet yapısı, çağrı şeffaflığı 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 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 profesörü Pramod Viswanath ve Hindistan Bilim Enstitüsü profesörü Himanshu Tyagi yer almakta olup, sırasıyla AI güvenliği ve gizlilik korumasından sorumludurlar. Ayrıca, Polygon'un kurucu ortağı Sandeep Nailwal, blockchain stratejisi ve ekosistem düzenlemesi üzerinde liderlik yapmaktadır. Ekip üyelerinin geçmişi, Meta, Coinbase, Polygon gibi tanınmış şirketlerin yanı sıra Princeton Üniversitesi, Hindistan Teknoloji Enstitüsü gibi önde gelen üniversiteleri kapsamakta olup, AI/ML, NLP, bilgisayarla görme gibi alanlarda işbirliği yaparak projeyi hayata geçirmektedir.

Polygon'un kurucu ortağı Sandeep Nailwal'ın ikinci girişim projesi olan Sentient, kuruluşunun başında kendine özgü bir aura ile birlikte, zengin kaynaklar, bağlantılar ve pazar bilinirliği ile güçlü bir destek sunarak proje gelişimine katkıda bulundu. 2024 ortalarında, Sentient 85 milyon dolarlık bir tohum finansmanı turunu tamamladı; Founders Fund, Pantera ve Framework Ventures öncülük etti, diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi onlarca tanınmış VC yer aldı.

Tasarım Mimarisi ve Uygulama Katmanı

Altyapı Katmanı

Temel Mimari

Sentient'in temel mimarisi, AI Pipeline (Yapay Zeka Boru Hattı) ve blockchain sistemi olmak üzere iki bölümden oluşmaktadır:

AI boru hattı, "sadık AI" eserlerini geliştirme ve eğitme temelidir 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 mülkiyetini, kullanım takibini, gelir dağılımını ve adil yönetimi güvence altına alır. Belirli mimari dört katmana ayrılır:

• Depolama katmanı: Model ağırlıklarını ve parmak izi kayıt bilgilerini depolamak;
• Dağıtım katmanı: Yetkilendirme sözleşmesi kontrol model çağrı girişi;
• Erişim katmanı: Kullanıcının yetkilendirilip yetkilendirilmediğini doğrulamak için izin kanıtını kullanır;
• Teşvik katmanı: Kazanç yönlendirme sözleşmesi, her çağrıda ödemeleri eğitmenler, dağıtıcılar ve doğrulayıcılara dağıtacaktır.

OML model çerçevesi

OML çerçevesi (Açık Open, Paraya Çevirilebilir Monetizable, Sadık Loyal) Sentient tarafından sunulan temel bir kavramdır ve açık kaynak AI modellerine net mülkiyet koruması ve ekonomik teşvik mekanizmaları sağlamayı hedeflemektedir. 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 üretimini, denetimini ve geliştirmesini kolaylaştırmalıdır.
• Paraya Çevirme: Model çağrıldıkça gelir akışı tetiklenecek, on-chain sözleşme gelirleri eğitici, dağıtıcı ve doğrulayıcıya dağıtacaktır.
• Sadakat: Model, katkı sağlayıcı topluluğuna aittir, güncelleme yönü ve yönetişim DAO tarafından belirlenir, kullanım ve değişiklikler kriptografik mekanizmalarla kontrol edilir.

AI Yerel Kriptografi (AI-native Cryptography)

AI yerel kripto, AI modellerinin sürekliliğini, düşük boyutlu manifold yapılarını ve modelin türevlenebilir özelliklerini kullanarak, "doğrulanabilir ama kaldırılması mümkün olmayan" hafif güvenlik mekanizmaları geliştirmektir. Temel teknolojisi şudur:

• Parmak izi gömülü: Eğitim sırasında, modelin benzersiz imzasını oluşturmak için gizli bir dizi sorgu-cevap anahtar değeri 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 "izin belgesi" alınmalı, sistem buna göre modelin bu girişi çözümlemesine ve doğru yanıtı vermesine yetki vermelidir.

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

Model Hak Sahipliği ve Güvenli Uygulama Çerçevesi

Sentient şu anda Melange karışık güvenliği kullanmaktadır: parmak izi ile hak doğrulama, TEE yürütme ve on-chain sözleşme kar paylaşımı bir araya getirilmiştir. Parmak izi yöntemi OML 1.0 ile ana hat olarak uygulanmakta olup, "iyimser güvenlik (Optimistic Security)" düşüncesini vurgular, yani varsayılan olarak uyumlu kabul edilir, ihlaller sonradan tespit edilip cezalandırılabilir.

Parmak izi mekanizması, OML'nin ana uygulamasıdır; bu mekanizma, modelin eğitim aşamasında benzersiz imzalar oluşturabilmesi için belirli "soru-cevap" çiftlerini gömerek çalışır. Bu imzalar sayesinde, modelin sahibi mülkiyeti doğrulayabilir, yetkisiz kopyalamayı ve ticarileşmeyi önleyebilir. Bu mekanizma, yalnızca model geliştiricilerin haklarını korumakla kalmaz, aynı zamanda modelin kullanım davranışına izlenebilir bir on-chain kayıt sağlar.

Ayrıca, Sentient, yetkili taleplere yalnızca yanıt veren ve izinsiz erişimi ve kullanımı önleyen güvenilir bir yürütme ortamı (örneğin, AWS Nitro Enclaves) kullanarak Enclave TEE hesaplama çerçevesini tanıttı. TEE donanıma bağımlıdır ve bazı güvenlik riskleri taşır, ancak yüksek performansı ve gerçek zamanlılık avantajları, onu mevcut model dağıtımının temel teknolojisi haline getiriyor.

Gelecekte, Sentient sıfır bilgi kanıtları (ZK) ve tamamen homomorfik şifreleme (FHE) teknolojilerini entegre etmeyi planlıyor, böylece gizlilik koruma ve doğrulanabilirliği artırarak AI modellerinin merkeziyetsiz dağıtımı için daha olgun bir yapı sağlıyor.