AI Layer1 Derinlik Araştırma 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 teşvik etti. LLM, çeşitli sektörlerde eşi benzeri görülmemiş yetenekler sergileyerek insan hayal gücünü büyük ölçüde genişletti ve bazı senaryolarda insan emeğinin yerini alabilme potansiyelini bile gösterdi. Ancak, bu teknolojilerin çekirdeği, az sayıda merkezi teknoloji devinin elinde sıkı bir şekilde tutulmaktadır. Güçlü sermaye ve yüksek maliyetli hesaplama kaynakları üzerindeki kontrolü sayesinde, bu şirketler aşılması zor engeller oluşturdu ve çoğu geliştirici ve yenilikçi ekibin onlarla rekabet etmesini zorlaştırdı.

Aynı zamanda, AI'nın hızlı evriminin başlangıcında, toplumun kamuoyunun genellikle teknolojinin getirdiği yenilikler ve kolaylıklar üzerine yoğunlaştığı, ancak gizlilik koruma, şeffaflık, güvenlik gibi temel sorunlara olan ilginin görece az olduğu görülmektedir. Uzun vadede, bu sorunlar AI endüstrisinin sağlıklı gelişimini ve toplumsal kabulünü derinden etkileyecektir. Eğer bu sorunlar uygun bir şekilde çözülemezse, AI'nın "iyiye doğru" mu yoksa "kötüye doğru" mu gideceği konusundaki tartışmalar daha da belirginleşecektir ve merkezi devlerin kâr güdüsü altında bu zorluklarla başa çıkmak için yeterli motivasyonu bulamadığı sıklıkla görülmektedir.

Blockchain teknolojisi, merkeziyetsiz, şeffaf ve sansüre dayanıklı özellikleri sayesinde AI sektörünün sürdürülebilir gelişimi için yeni olanaklar sunmaktadır. Şu anda, birçok ana akım blockchain üzerinde çok sayıda "Web3 AI" uygulaması ortaya çıkmıştır. Ancak derinlemesine analiz yapıldığında, bu projelerin hâlâ birçok sorunu olduğu görülmektedir: bir yandan, merkeziyetsizlik derecesi sınırlıdır, kritik aşamalar ve altyapı hâlâ merkezi bulut hizmetlerine bağımlıdır ve gerçek anlamda açık bir ekosistemi desteklemekte zorluk çekmektedir; 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, blockchain'in büyük ölçekli AI uygulamalarını güvenli, verimli ve demokratik bir şekilde barındırabilmesi ve performans açısından merkezi çözümlerle rekabet edebilmesi için, AI'ya özgü tasarlanmış bir Layer1 blockchain'i geliştirmemiz gerekiyor. Bu, AI'nın açık yeniliği, yönetişimde demokrasi 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, alt yapı mimarisi ve performans tasarımı, AI görevlerinin ihtiyaçları etrafında sıkı bir şekilde döner; bu, on-chain AI ekosisteminin sürdürülebilir gelişimini ve refahını verimli bir şekilde desteklemeyi amaçlar. Özellikle, AI Layer 1'in aşağıdaki temel yeteneklere sahip olması gerekir:

1. Verimli teşvik ve merkeziyetsiz konsensüs mekanizması AI Layer 1'in çekirdeği, açık hesaplama gücü, depolama gibi kaynakların paylaşım ağı inşa etmekte yatmaktadır. Geleneksel blok zinciri düğümlerinin yalnızca defter kaydı tutmaya odaklanmasının aksine, AI Layer 1 düğümleri daha karmaşık görevleri üstlenmek zorundadır; yalnızca hesaplama gücü sağlamakla kalmayıp, AI modellerinin eğitimi ve çıkarımını da tamamlamakta, ayrıca depolama, veri, bant genişliği gibi çeşitli kaynakları da katkıda bulunmalıdır. Bu, merkezi devlerin AI altyapısındaki tekelini kırmak içindir. Bu durum, alt katman konsensüsü ve teşvik mekanizmaları için daha yüksek gereksinimler ortaya koymaktadır: AI Layer 1, düğümlerin AI çıkarım, eğitim gibi görevlerdeki gerçek katkılarını doğru bir şekilde değerlendirebilmeli, teşvik edebilmeli ve doğrulayabilmelidir; bu da ağın güvenliğini ve kaynakların etkili dağıtımını sağlamalıdır. Ancak bu şekilde ağın istikrarı ve refahı garanti altına alınabilir ve genel hesaplama maliyetleri etkin bir şekilde azaltılabilir.

2. Üstün yüksek performans ve heterojen görev destek yeteneği Yapay zeka görevleri, özellikle LLM'nin eğitimi ve çıkarımı, hesaplama performansı ve paralel işleme yeteneği için son derece yüksek gereksinimler ortaya koymaktadır. Daha ileriye gidildiğinde, on-chain AI ekosistemi genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çeşitli senaryoları desteklemek için çok çeşitli ve heterojen görev türlerini de sağlamalıdır. AI Layer 1, temel mimaride yüksek verim, düşük gecikme ve esnek paralellik gibi gereksinimler için derinlik optimizasyonu yapmalı ve heterojen hesaplama kaynaklarının yerel destek yeteneklerini önceden ayarlamalıdır; böylece çeşitli AI görevlerinin verimli bir şekilde çalışmasını sağlamak ve "tek tip görevden" "karmaşık çok yönlü ekosisteme" sorunsuz bir genişleme gerçekleştirmek mümkün olacaktır.

3. Doğrulanabilirlik ve güvenilir çıktı garantisi AI Layer 1 sadece model kötüye kullanımı, veri manipülasyonu gibi güvenlik tehditlerini önlemekle kalmaz, aynı zamanda AI çıktı sonuçlarının doğrulanabilirliği ve uyumluluğunu temin etmek için alt yapı mekanizmalarından da faydalanır. Güvenilir yürütme alanı (TEE), sıfır bilgi kanıtı (ZK), çok taraflı güvenli hesaplama (MPC) gibi öncü teknolojileri entegre ederek, platform her bir model çıkarımı, eğitimi ve veri işleme sürecinin bağımsız olarak doğrulanabilmesini sağlar, AI sisteminin adilliği ve şeffaflığını garanti eder. Ayrıca, bu doğrulanabilirlik kullanıcıların AI çıktılarının mantığını ve dayanağını net bir şekilde anlamalarına yardımcı olur, "elde edilen istenilenle örtüşür" ilkesini gerçekleştirir ve kullanıcıların AI ürünlerine olan güvenini ve memnuniyetini arttırır.

4. Veri gizliliği koruma AI uygulamaları genellikle kullanıcıların hassas verilerini içerir; finans, sağlık, sosyal medya gibi alanlarda veri gizliliği koruma özellikle kritik öneme sahiptir. AI Layer 1, doğrulanabilirliği sağlarken, şifrelemeye dayalı veri işleme teknikleri, gizlilik hesaplama protokolleri ve veri izin yönetimi gibi yöntemleri kullanarak, verilerin çıkarım, eğitim ve depolama süreçleri boyunca güvenliğini sağlamalıdır. Bu, veri sızıntılarını ve kötüye kullanımı etkili bir şekilde önleyerek, kullanıcıların veri güvenliği konusunda endişelerini ortadan kaldırır.

5. Güçlü ekosistem destek ve geliştirme yeteneği AI yerel Layer 1 altyapısı olarak, platformun yalnızca teknik olarak lider olması değil, aynı zamanda geliştiricilere, düğüm işletmecilerine, AI hizmet sağlayıcılarına ve diğer ekosistem katılımcılarına kapsamlı geliştirme araçları, entegre SDK'lar, operasyonel destek ve teşvik mekanizmaları sunması gerekmektedir. Platformun kullanılabilirliğini ve geliştirici deneyimini sürekli olarak optimize ederek, zengin ve çeşitli AI yerel uygulamaların hayata geçmesine 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 olmak üzere altı AI Layer1 temsilci projesi detaylı bir şekilde tanıtılacak, alanın en son gelişmeleri sistematik olarak gözden geçirilecek, projelerin gelişim durumu analiz edilecek ve gelecek trendler tartışılacaktır.

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. ( başlangıç aşaması Layer 2'dir, daha sonra Layer 1)'e geçilecektir. AI Pipeline ve blok zinciri teknolojisini birleştirerek merkeziyetsiz bir yapay zeka ekonomisi oluşturmayı hedeflemektedir. Temel amacı, merkezi LLM pazarındaki model mülkiyeti, çağrı takibi ve değer dağıtım sorunlarını "OML" çerçevesi (açık, kârlı, sadık) üzerinden çözmektir. Böylece AI modellerinin on-chain mülkiyet yapısını, çağrı şeffaflığını ve değer paylaşımını gerçekleştirmeyi sağlamaktadır. 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, dünya çapında en iyi akademik uzmanları, blok zinciri girişimcilerini ve mühendisleri bir araya getirerek, topluluk odaklı, açık kaynaklı ve doğrulanabilir bir AGI platformu inşa etmeye adanmıştır. Temel üyeler arasında Princeton Üniversitesi'nden Pramod Viswanath ve Hindistan Bilim Enstitüsü'nden Himanshu Tyagi yer almakta olup, sırasıyla AI güvenliği ve gizliliği konularında sorumludur. Ayrıca, bir ticaret platformunun kurucu ortağı Sandeep Nailwal, blok zinciri stratejisi ve ekosistem düzenlemesi alanında liderlik yapmaktadır. Ekip üyelerinin geçmişleri, birçok tanınmış şirketin yanı sıra Princeton Üniversitesi, Hindistan Teknoloji Enstitüsü gibi önde gelen üniversiteleri kapsamakta olup, AI/ML, NLP, bilgisayarla görme gibi alanlarda projeyi hayata geçirmek için iş birliği yapmaktadır.

Ünlü bir ticaret platformunun kurucu ortağı Sandeep Nailwal'ın ikinci girişim projesi olan Sentient, kuruluşunun ilk gününden itibaren bir aura ile gelmiş olup, zengin kaynaklar, bağlantılar ve pazar farkındalığına sahip olarak projenin gelişimine güçlü bir destek sağlamıştır. 2024 yılının ortalarında, Sentient 85 milyon dolar tohum finansmanı tamamladı ve bu finansmanda Founders Fund, Pantera ve Framework Ventures öncülük etti; diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi tanınmış VC'lerin de bulunduğu onlarca yatırım kuruluşu yer almaktadır.

Tasarım Mimarisi ve Uygulama Katmanı

Altyapı Katmanı

Kilit Mimari

Sentient'in temel mimarisi, AI boru hattı (AI Pipeline) ve blok zinciri sisteminden oluşmaktadır:

AI boru hattı, "Sadık AI" nesnelerini geliştirmek ve eğitmek için bir temeldir ve iki ana süreç içerir:​

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

Blok zinciri sistemi, protokole şeffaflık ve merkeziyetsiz kontrol sağlayarak AI eserlerinin mülkiyeti, kullanım takibi, gelir dağılımı ve adil yönetimi güvence altına alır. Belirli yapı dört katmana ayrılmıştır:

• Depolama katmanı: Model ağırlıklarını ve parmak izi kayıt bilgilerini depolamak;
• Dağıtım katmanı: Yetkilendirme sözleşmesi kontrol modeli çağrı girişi;
• Erişim katmanı: Kullanıcının yetkilendirilip yetkilendirilmediğini doğrulamak için izin kanıtı kullanır;
• Teşvik katmanı: Gelir yönlendirme sözleşmesi her çağrıda eğitmenlere, dağıtıcıya ve doğrulayıcılara ödeme dağıtır.

OML Model Çerçevesi

OML çerçevesi (Açık Open, Paraya Dönüştürülebilir Monetizable, Sadık Loyal), Sentient tarafından önerilen temel bir kavramdır ve açık kaynak AI modellerine net mülkiyet koruma 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 yapısı şeffaf olmalı, topluluğun yeniden üretmesi, denetlemesi ve geliştirmesi için kolay olmalıdır.
• Para kazanma: Model çağrısı her seferinde gelir akışını tetikler, on-chain sözleşmesi gelirleri eğitici, dağıtıcı ve doğrulayıcılara dağıtır.
• Sadakat: Model, katkı veren topluluğa aittir, yükseltme yönü ve yönetişim DAO tarafından belirlenir, kullanım ve değişiklikler kriptografik mekanizmalarla kontrol edilir.

AI Yerel Kriptografi (AI-native Cryptography)

Yerli AI kriptosu, AI modellerinin sürekliliği, düşük boyutlu manifold yapısı ve modelin türevlenebilir özelliklerini kullanarak "doğrulanabilir ancak kaldırılabilir" hafif güvenlik mekanizmaları geliştirmektedir. Temel teknolojisi şudur:

• Parmak izi gömülü: Eğitim sırasında bir dizi gizli sorgu-cevap anahtar-değer çifti ekleyerek modelin benzersiz imzasını oluşturma;
• Mülkiyet doğrulama protokolü: Üçüncü taraf dedektör (Prover) aracılığıyla sorgu şeklinde parmak izinin korunup korunmadığını doğrulamak;
• İzin çağrısı mekanizması: Çağrılmadan önce model sahibinden verilen "izin belgesi" alınmalı, sistem buna dayanarak modelin bu girişi çözmesine ve doğru yanıtı döndürmesine yetki vermelidir.

Bu yöntem, "davranışa dayalı yetkilendirme çağrısı + aitlik doğrulaması"nın yeniden şifreleme maliyeti olmadan gerçekleştirilmesini sağlar.

Model Hak Sahipliği ve Güvenli Uygulama Çerçevesi

Sentient şu anda Melange karışık güvenlik kullanıyor: parmak izi doğrulama, TEE yürütme ve on-chain sözleşme kâr paylaşımının birleşimi. Parmak izi yöntemi OML 1.0 ile ana hat olarak uygulanmıştır ve "iyimser güvenlik (Optimistic Security)" anlayışını vurgular, yani uyumlu olduğu varsayılır, ihlal durumunda tespit edilebilir ve cezalandırılabilir.

Parmak izi mekanizması, OML'nin ana uygulamasıdır; belirli "soru-cevap" çiftlerini gömerek, modelin eğitim aşamasında benzersiz bir imza oluşturmasını sağlar. Bu imzalar sayesinde, model sahipleri sahipliği doğrulayabilir, yetkisiz kopyalama ve ticarileşmeyi engelleyebilir. Bu mekanizma yalnızca model geliştiricilerinin haklarını korumakla kalmaz, aynı zamanda modelin kullanım davranışları için izlenebilir on-chain kayıtlar sağlar.

Ayrıca, Sentient, AWS Nitro Enclaves gibi güvenilir yürütme ortamlarını kullanarak, modellerin yalnızca yetkilendirilmiş isteklere yanıt vermesini sağlayan Enclave TEE hesaplama çerçevesini tanıttı ve yetkisiz erişimi ve kullanımı önledi. TEE donanıma bağımlı olmasına ve belirli güvenlik riskleri taşımasına rağmen, 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 tanıtmayı planlıyor, gizlilik koruma ve doğrulanabilirliği daha da artırarak AI modellerinin merkeziyetsiz dağıtımı için daha olgun çözümler sunacak.

Uygulamak