AI Layer1 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 insan hayal gücünü büyük ölçüde genişletti ve bazı senaryolarda insan emeğini ikame etme potansiyelini bile gösterdi. Ancak, bu teknolojilerin temeli, az sayıda merkezi teknoloji devinin elinde sıkı bir şekilde tutuluyor. Güçlü sermaye ve yüksek maliyetli hesaplama kaynaklarına hakimiyetleri sayesinde, bu şirketler aşılması zor engeller oluşturdu ve büyük çoğunlukta geliştiricilerin ve yenilikçi ekiplerin onlarla rekabet etmesini zorlaştırdı.

Aynı zamanda, AI'nin hızlı evriminin başlarında, toplumsal kamuoyu genellikle teknolojinin getirdiği yenilikler ve kolaylıklar üzerinde yoğunlaşırken, gizlilik koruma, şeffaflık, güvenlik gibi temel sorunlara olan ilgi nispeten azdır. Uzun vadede, bu sorunlar AI endüstrisinin sağlıklı gelişimini ve toplumsal kabulünü derinden etkileyecektir. Eğer bu sorunlar uygun bir şekilde çözülemezse, AI'nin "iyiye" mi yoksa "kötüye" mi gideceği tartışması daha da belirgin hale gelecektir. Merkezi devlerin kâr güdüsü altında, bu zorluklarla proaktif bir şekilde başa çıkmak için genellikle yeterli motivasyona sahip olmadıkları görülmektedir.

Blok zincir teknolojisi, merkeziyetsizlik, şeffaflık ve sansüre dayanıklılık özellikleri sayesinde, AI sektörünün sürdürülebilir gelişimi için yeni olanaklar sunmaktadır. Şu anda, Solana, Base gibi önde gelen blok zincirlerinde birçok "Web3 AI" uygulaması ortaya çıkmıştır. Ancak derinlemesine bir analiz yapıldığında, bu projelerin hala birçok sorun barındırdığı görülebilir: bir yandan, merkeziyetsizlik derecesi sınırlıdır, anahtar aşamalar ve altyapı hala merkezi bulut hizmetlerine bağımlıdır, meme özellikleri fazladır, bu da gerçek anlamda açık bir ekosistemi desteklemekte zorluk çıkarmaktadır; diğer yandan, Web2 dünyasındaki AI ürünleriyle karşılaştırıldığında, on-chain AI'nın model yetenekleri, veri kullanımı ve uygulama senaryoları gibi alanlarda hala sınırlılıkları vardır, yenilik derinliği ve genişliği artırılmalıdır.

Gerçekten merkeziyetsiz AI vizyonunu gerçekleştirmek, blockchain'in büyük ölçekli AI uygulamalarını güvenli, verimli ve demokratik bir şekilde barındırabilmesi ve performans açısından merkezi çözümlerle rekabet edebilmesi için, AI'ya özel tasarlanmış bir Layer1 blockchain'i tasarlamamız gerekiyor. Bu, AI'nın açık inovasyonuna, yönetişim demokrasisine ve veri güvenliğine sağlam bir temel sağlayarak merkeziyetsiz AI ekosisteminin refahını ve 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 ihtiyaçları etrafında sıkı bir şekilde döner ve zincir üzerindeki AI ekosisteminin sürdürülebilir gelişimi ve refahını etkin bir şekilde desteklemeyi amaçlar. Daha spesifik olarak, AI Layer 1'in aşağıdaki temel yeteneklere sahip olması gerekmektedir:

1. Etkili teşvik ve merkeziyetsiz konsensüs mekanizması AI Layer 1’in temel amacı, açık bir hesaplama, depolama ve diğer kaynakların paylaşıldığı bir ağ oluşturmaktır. Geleneksel blok zinciri düğümleri öncelikle defter kaydı tutmaya odaklanırken, AI Layer 1 düğümleri daha karmaşık görevleri üstlenmek zorundadır; yalnızca hesaplama gücü sağlamakla kalmayıp, AI modeli eğitimi ve çıkarımı gerçekleştirmeli, aynı zamanda depolama, veri, bant genişliği gibi çeşitli kaynakları da katkıda bulunmalıdır. Bu, merkezi devlerin AI altyapısındaki tekelini kırmak için gereklidir. Bu durum, temel konsensüs ve teşvik mekanizmaları için daha yüksek gereksinimler ortaya koymaktadır: AI Layer 1, düğümlerin AI çıkarımı, eğitimi gibi görevlerdeki gerçek katkılarını doğru bir şekilde değerlendirebilmek, teşvik edebilmek ve doğrulayabilmelidir. Böylece ağın güvenliğini ve kaynakların etkin dağılımını sağlamak mümkün olacaktır. Ancak bu şekilde ağın istikrarı ve refahı garanti altına alınabilir 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 ortaya koymaktadır. Dahası, on-chain AI ekosisteminin genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çeşitli sahneleri içeren çeşitlendirilmiş ve heterojen görev türlerini desteklemesi de gerekmektedir. AI Layer 1, temel mimaride yüksek verim, düşük gecikme ve esnek paralel gibi taleplere yönelik derin optimizasyonlar yapmalı ve heterojen hesaplama kaynaklarının yerel destek yeteneğini önceden belirlemelidir, böylece çeşitli AI görevleri verimli bir şekilde çalışabilir ve "tek tip görevden" "karmaşık çok yönlü ekosisteme" sorunsuz bir şekilde genişleyebilir.

3. Doğrulanabilirlik ve Güvenilir Çıktı Garantisi AI Layer 1, yalnızca modelin kötüye kullanılmasını, verilerin değiştirilmesini gibi güvenlik açıklarını önlemekle kalmamalı, aynı zamanda temelden mekanizma ile 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 adilliğini ve şeffaflığını güvence altına alır. Aynı zamanda, bu 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 kullanıcıya ait hassas verileri içerir, finans, sağlık, sosyal medya gibi alanlarda veri gizliliği koruma özellikle önemlidir. AI Layer 1, doğrulanabilirliği sağlarken, şifrelemeye dayalı veri işleme teknikleri, gizlilik hesaplama protokolleri ve veri izin yönetimi gibi yöntemler kullanarak, verilerin çıkarım, eğitim ve depolama süreçlerinde güvenliğini sağlamakta, veri sızıntılarını ve kötüye kullanımı etkili bir şekilde önlemekte ve kullanıcıların veri güvenliği ile ilgili endişelerini ortadan kaldırmaktadır.

5. Güçlü ekosistem barındırma ve geliştirme destek yeteneği AI'ya özgü Layer 1 altyapısı olarak, platform yalnızca teknik açıdan liderliğe sahip olmakla kalmamalı, aynı zamanda geliştiriciler, düğüm 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'ya özgü uygulamaların hayata geçirilmesini teşvik etmeli ve merkeziyetsiz AI ekosisteminin sürekli refahını sağlamalıdır.

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

Sentient: Sadık Açık Kaynak Merkezi Olmayan AI Modeli Oluşturma

Proje Özeti

Sentient, açık kaynak bir protokol platformudur ve bir AI Layer1 blok zinciri ( inşa etmektedir. İlk aşama Layer 2 olarak başlayacak, ardından Layer 1)'e geçecektir. AI Pipeline ve blok zinciri teknolojisini birleştirerek merkeziyetsiz bir yapay zeka ekonomisi inşa etmeyi hedeflemektedir. Temel amacı, "OML" çerçevesi (Açık, Karlı, Sadık) aracılığıyla merkezi LLM pazarındaki model mülkiyeti, çağrı izleme ve değer dağıtımı sorunlarını çözerek, AI modellerinin on-chain mülkiyet yapısını, çağrı şeffaflığını ve değer paylaştırmasını sağlamaktır. Sentient'in vizyonu, herkesin AI ürünlerini inşa etmesine, iş birliği yapmasına, sahip olmasına ve paraya dönüştürmesine olanak tanımak, böylece adil, açık bir AI Agent ağ ekosistemini teşvik etmektir.

Sentient Foundation ekibi, dünya çapında önde gelen akademik uzmanları, blok zinciri girişimcileri 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 yer almakta olup, sırasıyla AI güvenliği ve gizlilik korumasından sorumludurlar. Ayrıca, Polygon'un kurucu ortağı Sandeep Nailwal, blok zinciri stratejisi ve ekosistem düzenlemelerini yönetmektedir. Ekip üyeleri, Meta, Coinbase, Polygon gibi tanınmış şirketlerden ve Princeton Üniversitesi, Hindistan Teknoloji Enstitüsü gibi önde gelen üniversitelerden gelmektedir; AI/ML, NLP, bilgisayarla görme gibi alanlarda birlikte projeyi hayata geçirmek için çaba göstermektedir.

Polygon'un kurucu ortağı Sandeep Nailwal'ın ikinci girişim projesi olarak Sentient, kuruluşunun ilk gününden itibaren bir aura ile birlikte geldi ve zengin kaynaklar, bağlantılar ve pazar farkındalığına sahipti, bu da projenin gelişimine güçlü bir destek sağladı. 2024 ortasında Sentient, Founders Fund, Pantera ve Framework Ventures'ın öncülüğünde 85 milyon dolar tohum yatırımı tamamladı; diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi birçok tanınmış VC yer aldı.

tasarım mimarisi ve uygulama katmanı

Altyapı Katmanı

Temel Mimari

Sentient'in çekirdek mimarisi, AI Pipeline ve on-chain sistemin iki bölümünden oluşmaktadır:

AI boru hattı, "Sadık AI" eserlerinin geliştirilmesi ve eğitilmesinin temelini oluşturur ve iki ana süreci içerir:

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

Blok zinciri sistemi, protokollere şeffaflık ve merkeziyetsiz kontrol sağlayarak, AI eserlerinin sahipliğini, kullanım izlemeyi, gelir dağıtımını ve adil yönetimi güvence altına alır. Özelleşmiş 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 izin kanıtı kullanır;
• Teşvik katmanı: Getiri yönlendirme sözleşmesi, her çağrıda ödemeyi eğitmenler, dağıtıcılar ve doğrulayıcılara dağıtır.

OML Model Çerçevesi

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

• Açıklık: Modelin açık kaynak olması, kodun ve veri yapısının şeffaf olması, topluluğun yeniden üretimini, denetimini ve geliştirmesini kolaylaştırmalıdır.
• Para kazanma: Her model çağrısı gelir akışını tetikler, on-chain sözleşme gelirleri eğitmen, dağıtıcı ve doğrulayıcıya dağıtır.
• Sadakat: Model, katkıcı topluluğuna aittir; güncelleme yönü ve yönetim DAO tarafından belirlenir, kullanım ve değişiklikler kripto mekanizması tarafından kontrol edilir.

AI Yerel Kriptografi (AI-native Cryptography)

AI yerel şifreleme, AI modellerinin sürekliliği, düşük boyutlu manifold yapısı ve modelin diferansiyasyon yeteneğinden yararlanarak "doğrulanabilir ama çıkarılamaz" hafif güvenlik mekanizmaları geliştirmektir. Temel teknolojisi şudur:

• Parmak izi yerleştirme: Eğitim sırasında, modelin benzersiz imzasını oluşturmak için gizli bir dizi sorgu-cevap anahtar-değer çifti eklenir;
• Mülkiyet doğrulama protokolü: Üçüncü taraf dedektörü (Prover) aracılığıyla sorgu biçiminde parmak izinin korunup korunmadığını doğrulama;
• İzin çağrı mekanizması: Çağrıdan önce model sahibinin verdiği "izin belgesi" alınmalı, sistem buna göre modelin bu girişi çözmesine ve doğru yanıtı döndürmesine yetki vermelidir.

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

Model Hakları ve Güvenli Uygulama Çerçevesi

Sentient şu anda Melange karışık güvenliğini kullanmaktadır: parmak izi ile hak belirleme, TEE uygulaması ve on-chain sözleşme gelir paylaşımının birleşimi. Parmak izi yöntemi OML 1.0 ile ana hat olarak uygulanmakta olup, "iyimser güvenlik (Optimistic Security)" düşüncesine vurgu yapmaktadır, yani varsayılan olarak uyumlu, ihlaller tespit edilip cezalandırılabilir.

Parmak izi mekanizması, OML'nin ana uygulamasıdır. Bu, modelin eğitim aşamasında benzersiz bir imza oluşturmasını sağlamak için belirli "soru-cevap" çiftlerini entegre ederek gerçekleşir. Bu imzalar sayesinde, model sahibi mülkiyeti doğrulayabilir, yetkisiz kopyalamayı ve ticareti engelleyebilir. Bu mekanizma yalnızca model geliştiricilerin haklarını korumakla kalmaz, aynı zamanda modelin kullanımına dair izlenebilir bir on-chain kayıt sağlar.

Ayrıca, Sentient, yetkilendirilmiş taleplere yalnızca yanıt veren ve izinsiz erişim ve kullanımın önüne geçen güvenilir yürütme ortamlarını (AWS Nitro Enclaves gibi) kullanan Enclave TEE hesaplama çerçevesini tanıttı. TEE donanıma bağımlı olmasına ve belirli güvenlik riskleri bulundurmasına rağmen, yüksek performansı ve gerçek zamanlılık avantajları, onu mevcut model dağıtımının temel teknolojisi haline getiriyor.

Gelecekte, Sentient, gizlilik korumasını ve doğrulanabilirliği daha da artırmak için sıfır bilgi kanıtları (ZK) ve tamamen homomorfik şifreleme (FHE) teknolojilerini tanıtmayı planlıyor.