AI Layer1 Araştırma Raporu: On-chain DeAI İçin Verimli Topraklar Arayışı

Genel Bakış

Son yıllarda, OpenAI, Anthropic, Google, Meta gibi öncü teknoloji şirketleri büyük dil modellerinin (LLM) hızlı gelişimini sürekli olarak teşvik etmektedir. LLM, her alanda benzeri görülmemiş yetenekler sergileyerek insan hayal gücünü büyük ölçüde genişletmiş ve hatta bazı senaryolarda insan iş gücünün yerini alma potansiyeli göstermiştir. Ancak, bu teknolojilerin çekirdeği, az sayıda merkezi teknoloji devinin elinde sıkı bir şekilde tutulmaktadır. Bu şirketler, güçlü sermaye ve yüksek maliyetli hesaplama kaynakları üzerindeki kontrolleri sayesinde, aşılması zor engeller oluşturmakta ve büyük çoğunlukta geliştiricilerin ve yenilikçi ekiplerin bunlarla rekabet etmesini zorlaştırmaktadır.

Ayrıca, AI'nin hızlı evriminin başlarında, toplumsal kamuoyu genellikle teknolojinin getirdiği atılımlar ve kolaylıklar üzerine 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 düzgün bir şekilde çözülmezse, AI'nın "iyiye mi yoksa kötüye mi" gideceği konusundaki tartışma daha da belirgin hale gelecektir ve merkezileşmiş devlerin kar güdüsüyle, bu zorluklarla proaktif bir şekilde başa çıkmak için genellikle yeterli motivasyona sahip olmadığı görülmektedir.

Blockchain teknolojisi, merkeziyetsizlik, şeffaflık ve sansüre dayanıklılık gibi özellikleri sayesinde, AI endüstrisinin sürdürülebilir gelişimi için yeni olanaklar sunmaktadır. Şu anda, bazı önde gelen blok zincirlerinde birçok "Web3 AI" uygulaması ortaya çıkmıştır. Ancak derinlemesine analiz edildiğinde, bu projelerin hâlâ birçok sorunla karşı karşıya olduğu görülebilir: bir yandan, merkeziyetsizlik derecesi sınırlıdır, kritik aşamalar ve altyapılar 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 sınırlamaları vardır, yenilik derinliği ve genişliği artırılmalıdır.

Gerçekten merkeziyetsiz AI vizyonunu gerçekleştirmek, blockchain'in büyük ölçekli AI uygulamalarını güvenli, verimli ve demokratik bir şekilde barındırmasını sağlamak ve performans açısından merkezi çözümlerle rekabet edebilmesi için, AI'ya özel tasarlanmış bir Layer1 blockchain tasarlamamız gerekiyor. Bu, AI'nın açık inovasyonuna, yönetim demokrasisine ve veri güvenliğine sağlam bir temel sağlayacak ve merkeziyetsiz AI ekosisteminin refahını teşvik edecektir.

AI Layer 1'in Temel Özellikleri

AI Layer 1, AI uygulamaları için özel olarak tasarlanmış bir blok zinciri olarak, altyapısı ve performans tasarımı AI görevlerinin gereksinimlerini yakından dikkate alır ve on-chain AI ekosisteminin sürdürülebilir gelişimini ve refahını verimli bir şekilde desteklemeyi amaçlar. Özellikle, AI Layer 1 aşağıdaki temel yeteneklere sahip olmalıdır:

1. Verimli teşvik ve merkeziyetsiz uzlaşma mekanizması AI Layer 1'in temeli, açık bir hesaplama gücü, depolama ve diğer kaynakların paylaşım ağı inşa etmektir. Geleneksel blok zinciri düğümlerinin ağırlıklı olarak defter kaydı üzerine odaklanmasının aksine, AI Layer 1 düğümleri daha karmaşık görevleri üstlenmek zorundadır; sadece hesaplama gücü sağlamakla kalmayıp, AI modelinin eğitimi ve çıkarımını tamamlamak, aynı zamanda depolama, veri, bant genişliği gibi çeşitli kaynaklar da sunmak zorundadır. Bu, merkezi devlerin AI altyapısındaki tekelini kırmak amacıyla gereklidir. Bu durum, alt düzey konsensüs ve teşvik mekanizmaları 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 sağlamak içindir. Ancak bu şekilde ağın istikrarı ve refahı garanti altına alınabilir ve toplam hesaplama gücü maliyeti etkin bir şekilde azaltılabilir.

2. Üstün yüksek performans ve heterojen görev destek kapasitesi AI görevleri, özellikle LLM'nin eğitimi ve çıkarımı, hesaplama performansı ve paralel işleme yetenekleri için yüksek talepler ortaya koymaktadır. Daha ileri gidildiğinde, on-chain AI ekosisteminin genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çok çeşitli ve heterojen görev türlerini desteklemesi gerekmektedir. AI Layer 1, alt yapı mimarisinde yüksek iş hacmi, düşük gecikme ve esnek paralellik gibi gereksinimler için derinlemesine optimizasyon yapmalı ve heterojen hesaplama kaynakları için yerel destek yeteneği önceden ayarlanmalıdır. Bu, "tekil görev"ten "karmaşık çok yönlü ekosistem"e sorunsuz bir genişleme sağlamak için her türlü AI görevlerinin verimli bir şekilde çalışmasını garanti etmelidir.

3. Doğrulanabilirlik ve güvenilir çıktı garantisi AI Layer 1 yalnızca modelin kötüye kullanılmasını, veri manipülasyonunu ve diğer güvenlik tehditlerini önlemekle kalmamalı, aynı zamanda AI'nın çıktı sonuçlarının doğrulanabilirliğini ve uyumluluğunu temin etmek için temel mekanizmalar açısından da sağlam olmalıdır. Güvenilir yürütme ortamı (TEE), sıfır bilgi kanıtı (ZK), çok taraflı güvenli hesaplama (MPC) gibi öncü teknolojilerin entegrasyonu ile platform, her bir model çıkarımı, eğitim ve veri işleme sürecinin bağımsız olarak doğrulanabilmesini sağlar, AI sisteminin adilliğini ve şeffaflığını garanti eder. Aynı zamanda, bu doğrulanabilirlik, kullanıcılara AI çıktılarının mantığını ve dayanağını net bir şekilde anlamalarına yardımcı olarak "olan, istenen" gerçekleştirilir ve kullanıcıların AI ürünlerine olan güveni ve memnuniyeti artırılır.

4. Veri Gizliliği Koruma AI uygulamaları genellikle kullanıcıların hassas verilerini içerir; finans, sağlık, sosyal medya gibi alanlarda veri gizliliği koruması son derece önemlidir. AI Layer 1, doğrulanabilirliği sağlarken, şifreleme tabanlı veri işleme teknolojileri, gizlilik hesaplama protokolleri ve veri erişim yönetimi gibi yöntemleri kullanmalıdır. Verilerin çıkarım, eğitim ve depolama süreçlerinde güvenliğini sağlamak, veri sızıntısı ve kötüye kullanımını etkili bir şekilde önlemek ve kullanıcıların veri güvenliği konusundaki endişelerini gidermek için.

5. Güçlü ekosistem taşıma ve geliştirme destek yeteneği AI doğasına sahip Layer 1 altyapısı olarak, platform yalnızca teknik olarak önde olmakla kalmamalı, aynı zamanda geliştiriciler, düğüm operatörleri, AI hizmet sağlayıcıları gibi ekosistem katılımcılarına kapsamlı geliştirme araçları, entegre SDK'lar, işletim desteği ve teşvik mekanizmaları sunmalıdır. Platformun kullanılabilirliğini ve geliştirici deneyimini sürekli optimize ederek, zengin ve çeşitli AI doğasına sahip uygulamaların hayata geçmesini sağlamak ve merkeziyetsiz AI ekosisteminin sürekli refahını gerçekleştirmek.

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, pazarın en son gelişmeleri sistematik olarak incelenecek, projelerin gelişim durumu analiz edilecek ve gelecekteki eğilimler tartışılacaktır.

Sentient: Sadık Açık Kaynak Merkezi Olmayan AI Modeli İnşa Etmek

Proje Özeti

Sentient, bir açık kaynak protokol platformudur ve bir AI Layer1 blok zinciri ( oluşturma aşamasındadır. Başlangıçta Layer 2 olarak başlayacak, ardından Layer 1)'e taşınacaktır. AI Pipeline ve blok zinciri teknolojisini birleştirerek merkeziyetsiz bir yapay zeka ekonomisi inşa etmeyi hedeflemektedir. Temel hedefi, merkezi LLM pazarındaki model mülkiyeti, çağrı izleme ve değer dağıtımı sorunlarını "OML" çerçevesi (açık, kârlı, sadık) aracılığıyla çözerek, AI modellerinin on-chain mülkiyet yapısı, çağrı şeffaflığı ve değer paylaşımı sağlamasını sağlamaktır. Sentient'in vizyonu, herkesin AI ürünlerini inşa etmesine, iş birliği yapmasına, sahip olmasına ve paraya dönüştürmesine olanak tanıyarak adil ve açık bir AI Agent ağ ekosistemini teşvik etmektir.

Sentient Foundation ekibi, dünya çapında önde gelen akademik uzmanları, blockchain girişimcileri ve mühendisleri bir araya getirerek, topluluk odaklı, açık kaynaklı ve doğrulanabilir bir AGI platformu inşa etmeyi hedefliyor. Temel üyeler arasında Princeton Üniversitesi profesörü Pramod Viswanath ve Hindistan Bilim Enstitüsü profesörü Himanshu Tyagi yer alıyor; bunlar sırasıyla AI güvenliği ve gizliliği konularında sorumluluk alıyor. Ayrıca, Polygon'un kurucu ortağı Sandeep Nailwal, blockchain stratejisi ve ekosistem düzenlemesi konusunda liderlik yapıyor. Ekip üyelerinin arka planı, Meta, Coinbase, Polygon gibi tanınmış şirketlerin yanı sıra Princeton Üniversitesi, Hindistan Teknoloji Enstitüsü gibi önde gelen üniversiteleri kapsıyor ve AI/ML, NLP, bilgisayarla görme gibi alanlarda işbirliği yaparak projeyi hayata geçirmeyi hedefliyor.

Polygon'un kurucu ortağı Sandeep Nailwal'ın ikinci girişim projesi olan Sentient, kuruluşunun başlarında sahip olduğu itibar ile birlikte zengin kaynaklar, bağlantılar ve piyasa farkındalığına sahip olarak güçlü bir destek sağlayarak proje gelişimini desteklemiştir. 2024 yılının ortalarında, Sentient 85 milyon dolarlık bir tohum finansmanı turunu tamamlamış, Founders Fund, Pantera ve Framework Ventures'ın liderliğinde, Delphi, Hashkey ve Spartan gibi tanınmış birçok VC'nin katılımıyla.

tasarım mimarisi ve uygulama katmanı

Altyapı Katmanı

Temel Mimarisi

Sentient'in temel mimarisi, AI Pipeline ve on-chain sistemden oluşmaktadır:

AI boru hattı, "sadık AI" nesnelerini geliştirme ve eğitme temelidir ve iki ana süreç içerir:

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

Blockchain sistemi, protokole şeffaflık ve merkezsiz kontrol sağlayarak, AI eserlerinin sahipliğini, kullanım takibini, gelir dağılımını ve adil yönetimi güvence altına alır. Spesifik mimari dört katmana ayrılmıştır:

• 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 izin kanıtı kullanır;
• Teşvik katmanı: Kazanç yönlendirme sözleşmesi, her çağrıda ödemeyi eğitmenlere, dağıtıcılara ve doğrulayıcılara dağıtacaktır.

OML model çerçevesi

OML çerçevesi (Açık Open, Para Kazanılabilir Monetizable, Sadık Loyal), Sentient'in sunduğu temel bir kavramdır ve açık kaynak AI modellerine net mülkiyet koruması ve ekonomik teşvik mekanizmaları sağlamayı amaçlamaktadır. On-chain teknolojisi ve AI yerel kriptografisini birleştirerek aşağıdaki özelliklere sahiptir:

• Açıklık: Model açık kaynak olmalı, kod ve veri yapıları şeffaf olmalı, böylece topluluk tarafından yeniden üretilebilir, denetlenebilir ve geliştirilebilir.
• Monetizasyon: Her model çağrısında gelir akışı tetiklenecek, on-chain sözleşme gelirleri eğitmenler, dağıtıcılar ve doğrulayıcılara dağıtacaktır.
• Sadakat: Model, katkı veren topluluğa aittir, güncelleme yönü ve yönetim DAO tarafından belirlenir, kullanım ve değişiklikler şifreleme mekanizması ile kontrol edilir.

AI Yerel Kriptografi (AI-native Cryptography)

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

• Parmak izi gömülü: Eğitim sırasında bir dizi gizli sorgu-yanıt anahtar-değer çifti ekleyerek modelin benzersiz imzasını oluşturma;
• Mülkiyet doğrulama protokolü: Üçüncü taraf dedektörü (Prover) aracılığıyla sorgu biçiminde parmak izinin saklanıp saklanmadığını doğrulamak;
• İzin çağrı mekanizması: Çağrıdan önce model sahibinin verdiği "izin belgesi" alınmalı, sistem buna göre modelin bu girişi çözmesine ve doğru yanıtı döndürmesine yetki 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 güvenliği kullanmaktadır: parmak izi ile hak sahipliği, TEE yürütme ve on-chain sözleşme gelir paylaşımının bir kombinasyonu. Parmak izi yöntemi OML 1.0 ile ana hat olarak uygulanmış olup, "iyimser güvenlik (Optimistic Security)" anlayışını vurgular; yani, varsayılan olarak uyumlu kabul edilir, ihlaller sonrasında tespit edilebilir ve cezalandırılabilir.

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 sahibi aitliği doğrulayabilir, yetkisiz kopyalamaları ve ticarileştirmeyi önleyebilir. Bu mekanizma yalnızca model geliştiricilerinin haklarını korumakla kalmaz, aynı zamanda modelin kullanım davranışları için izlenebilir on-chain kayıtlar sağlar.

Ayrıca, Sentient, yetkilendirilmiş taleplere yalnızca yanıt veren ve izin verilmeyen erişim ve kullanımı önleyen güvenilir yürütme ortamlarını (AWS Nitro Enclaves gibi) kullanarak Enclave TEE hesaplama çerçevesini tanıttı. TEE donanıma bağımlıdır ve belirli güvenlik riskleri barındırsa da, yüksek performansı ve gerçek zamanlılık avantajları, onu mevcut model dağıtımının temel teknolojisi haline getiriyor.

Gelecekte, Sentient sıfır bilgi kanıtı (ZK) ve homomorfik şifreleme (FHE) teknolojilerini entegre ederek gizlilik koruma ve doğrulanabilirliği daha da artırmayı, AI modellerinin merkeziyetsiz dağıtımını sağlamayı planlıyor.