AI Layer 1: On-chain DeAI için verimli topraklar aramak

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 olmayan yetenekler sergileyerek insan hayal gücünün sınırlarını büyük ölçüde genişletiyor ve hatta bazı sahnelerde insan iş gücünün yerini alma potansiyelini gösteriyor. Ancak, bu teknolojilerin temeli birkaç merkezi teknoloji devinin elinde sıkı bir şekilde tutuluyor. Güçlü sermaye ve yüksek maliyetli hesaplama kaynakları üzerindeki kontrolü ile bu şirketler, çoğu geliştirici ve yenilikçi ekip için aşılması zor engeller oluşturuyor.

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 azdır. Uzun vadede, bu sorunlar AI sektörünün sağlıklı gelişimini ve toplumsal kabulünü derinden etkileyecektir. Eğer bu sorunlar düzgün bir şekilde çözülemezse, AI'nin "iyiliğe" mi yoksa "kötülüğe" mi yönelmesi tartışması giderek daha belirgin hale gelecektir ve merkezileşmiş devlerin kar arayışı motivasyonu altında, genellikle bu zorluklarla başa çıkma konusunda yeterli motivasyona sahip olmadıkları görülmektedir.

Blockchain teknolojisi, merkeziyetsizlik, şeffaflık ve sansüre dayanıklılık özellikleri sayesinde AI endüstrisinin sürdürülebilir gelişimi için yeni olanaklar sunmaktadır. Şu anda, bazı ana akım blok zincirlerinde birçok "Web3 AI" uygulaması ortaya çıkmıştır. Ancak, derinlemesine bir analiz yapıldığında, bu projelerin hala birçok sorunla karşı karşıya olduğu görülmektedir: bir yandan, merkeziyetsizlik düzeyi sınırlıdır, kritik noktalar ve altyapılar hâlâ merkezi bulut hizmetlerine bağımlıdır, meme özellikleri aşırı ağırdır ve gerçek anlamda açık bir ekosistemi desteklemede zorluk çekmektedir; diğer yandan, Web2 dünyasındaki AI ürünleriyle 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, blok zincirinin büyük ölçekli AI uygulamalarını güvenli, verimli ve demokratik bir şekilde barındırabilmesi ve performans açısından merkezi çözümlerle rekabet edebilmesi için, AI'ye özel olarak tasarlanmış bir Layer1 blok zinciri tasarlamamız gerekiyor. Bu, AI'nın açık inovasyonu, yönetişimdemokrasisini ve veri güvenliğini sağlam bir temelle destekleyecek, merkeziyetsiz AI ekosisteminin gelişimini teşvik edecektir.

AI Layer 1'in Temel Özellikleri

AI Layer 1, AI uygulamaları için özel olarak tasarlanmış bir blockchain olarak, altyapı ve performans tasarımı AI görevlerinin gereksinimlerine sıkı bir şekilde odaklanmakta olup, on-chain AI ekosisteminin sürdürülebilir gelişimi ve refahını verimli bir şekilde desteklemeyi amaçlamaktadır. Spesifik olarak, AI Layer 1'in aşağıdaki temel yeteneklere sahip olması gerekmektedir:

1. Etkili teşvik ve merkeziyetsiz konsensüs mekanizması AI Layer 1'in özü, açık bir hesaplama gücü, depolama ve diğer kaynakların paylaşım ağı inşa etmektir. Geleneksel blok zinciri düğümlerinin esasen defter kaydına odaklanmasının aksine, AI Layer 1 düğümleri daha karmaşık görevleri üstlenmelidir; bu sadece hesaplama gücü sağlamakla kalmayıp, AI modellerinin eğitimi ve çıkarımı da gerçekleştirilmelidir. Ayrıca, depolama, veri, bant genişliği gibi çeşitli kaynakları da katkıda bulunmalıdır, böylece AI altyapısındaki merkezi devlerin tekelini kırabilir. Bu, temel konsensüs ve teşvik mekanizmaları için daha yüksek talepler getirir: AI Layer 1, düğümlerin AI çıkarımı, eğitimi gibi görevlerindeki gerçek katkılarını doğru bir şekilde değerlendirebilmeli, teşvik edebilmeli ve doğrulamalıdır; böylece ağın güvenliğini ve kaynakların verimli dağıtımını sağlamalıdır. 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 eğitim ve çıkarımı, hesaplama performansı ve paralel işleme kapasitesi açısından son derece yüksek talepler getirmektedir. Daha da önemlisi, on-chain AI ekosistemi genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çeşitli, heterojen görev türlerini desteklemek zorundadır. AI Layer 1, alt yapı mimarisinde yüksek throughput, düşük gecikme ve esnek paralel gibi ihtiyaçlar için derin bir optimizasyon yapmalı ve heterojen hesaplama kaynaklarının yerel destek yeteneğini önceden ayarlamalıdır, böylece çeşitli AI görevlerinin verimli bir şekilde çalışmasını sağlayarak "tek tip görev"ten "karmaşık çoklu ekosistem"e pürüzsüz bir genişleme gerçekleştirebilir.

3. Doğrulanabilirlik ve güvenilir çıktı garantisi AI Layer 1 yalnızca model kötüye kullanımı, veri manipülasyonu gibi güvenlik tehditlerini önlemekle kalmamalı, ayrıca alt düzey mekanizmalarla AI çıktılarının doğrulanabilirliğini ve uyumunu da sağlamalıdır. Güvenilir yürütme ortamı (TEE), sıfır bilgi kanıtı (ZK), çok taraflı güvenli hesaplama (MPC) gibi öncü teknolojilerin entegrasyonu sayesinde, platform her bir model çıkarımı, eğitimi ve veri işleme sürecinin bağımsız olarak doğrulanabilmesini sağlar, böylece AI sisteminin adaletini ve şeffaflığını güvence altına alır. Aynı zamanda, bu doğrulanabilirlik kullanıcıların AI çıktılarının mantığını ve dayanaklarını netleştirmesine yardımcı olur, "edinilen, istenilen" ilkesini 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 gizliliğinin korunması özellikle kritik öneme sahiptir. AI Layer 1, doğrulanabilirliği güvence altına alırken, şifreleme tabanlı veri işleme teknolojileri, gizlilik hesaplama protokolleri ve veri izin yönetimi gibi yöntemleri kullanarak, verilerin çıkarım, eğitim ve depolama süreçlerinde güvenliğini sağlamalı, veri sızıntılarını ve kötüye kullanımı etkili bir şekilde önlemeli, kullanıcıların veri güvenliği konusunda endişelerini gidermelidir.

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, operasyon desteği ve teşvik mekanizmaları sunmalıdır. Platformun kullanılabilirliğini ve geliştirici deneyimini sürekli optimize ederek, zengin ve çeşitli AI yerel 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 ayrıntılı bir şekilde tanıtılacak, alanın en son gelişmeleri sistematik bir şekilde gözden geçirilecek, projelerin mevcut durumu analiz edilecek ve gelecekteki eğilimler tartışılacaktır.

Sentient: Sadık Açık Kaynak Merkezi Olmayan AI Modeli Oluşturma

Proje Özeti

Sentient, açık kaynak bir protokol platformudur ve AI Layer1 blockchain ( oluşturmayı hedeflemektedir. İlk aşaması Layer 2 olarak başlayacak, daha sonra Layer 1)'ye geçecektir. AI Pipeline ve blockchain teknolojisini birleştirerek merkeziyetsiz bir yapay zeka ekonomisi inşa etmeyi amaçlamaktadır. Temel hedefi, merkezi LLM pazarındaki model sahipliği, çağrı izleme ve değer dağıtımı sorunlarını "OML" çerçevesi (Açık, Karlı, Sadık) aracılığıyla çözmektir. Bu sayede AI modellerinin on-chain sahiplik yapısına, çağrı şeffaflığına ve değer paylaşımına ulaşmasını sağlamaktır. Sentient'in vizyonu, herkesin AI ürünlerini inşa etmesine, iş birliği yapmasına, sahip olmasına ve ticari hale getirmesine 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 etmeye kendini adamıştır. Çekirdek üyeleri arasında Princeton Üniversitesi'nden profesör Pramod Viswanath ve Hindistan Bilim Enstitüsü'nden profesör Himanshu Tyagi yer almakta olup, sırasıyla AI güvenliği ve gizliliği konularında sorumludur. Aynı zamanda Polygon'un kurucu ortağı Sandeep Nailwal, blockchain stratejisi ve ekosistem planlamasını yönetmektedir. Ekip üyeleri, Meta, Coinbase, Polygon gibi tanınmış şirketlerin yanı sıra Princeton Üniversitesi, Hindistan Teknoloji Enstitüsü gibi önde gelen yükseköğretim kurumlarından gelmekte olup, AI/ML, NLP, bilgisayarla görme gibi alanlarda projeyi hayata geçirmek için işbirliği yapmaktadır.

Polygon'un kurucu ortaklarından Sandeep Nailwal'ın ikinci girişim projesi olan Sentient, kuruluşunun başında bir aura ile doğdu; zengin kaynaklara, bağlantılara ve pazar farkındalığına sahip olarak projenin gelişimine güçlü bir destek sağladı. 2024 yılının ortalarında, Sentient, Founders Fund, Pantera ve Framework Ventures'ın öncülüğünde 85 milyon dolarlık bir tohum finansmanı tamamladı; diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi onlarca tanınmış VC yer alıyor.

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" nesnelerinin geliştirilmesi ve eğitilmesi için bir temeldir ve iki ana süreci içerir:

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

Blok zinciri sistemi, protokollere şeffaflık ve merkeziyetsiz kontrol sağlayarak AI eserlerinin mülkiyetini, kullanım takibini, gelir dağılımını ve adil yönetimi güvence altına alır. Belirli 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 kanıtını 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 kavramdır ve açık kaynak AI modellerine net mülkiyet koruması ve ekonomik teşvik mekanizmaları sağlamayı amaçlamaktadır. 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 üretmesini, denetlemesini ve geliştirmesini kolaylaştırmalıdır.
• Para kazanma: Her model çağrısı, gelir akışını tetikler; on-chain sözleşme, gelirleri eğitmenler, dağıtıcılar ve doğrulayıcılara dağıtır.
• 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)

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

• Parmak izi gömülü: Eğitim sırasında modelin benzersiz imzasını oluşturmak için gizli bir dizi sorgu-cevap anahtar-değer çifti eklenir;
• Mülkiyet doğrulama protokolü: Parmak izinin korunup korunmadığını doğrulamak için üçüncü taraf dedektörü (Prover) aracılığıyla sorgu şeklinde soru sorma;
• İzin çağırma mekanizması: Çağrılmadan önce model sahibinden alınan "yetki belgesi"nin temin edilmesi gerekmektedir, sistem buna dayanarak modelin bu girdiyi çözmesine ve doğru yanıtı döndürmesine yetki verir.

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

Model Hakları ve Güvenli İcra Çerçevesi

Sentient şu anda Melange karışık güvenliğini kullanmaktadır: parmak izi ile mülkiyet doğrulama, TEE yürütme ve on-chain sözleşme gelir paylaşımının bir kombinasyonu. Parmak izi yöntemi OML 1.0 ile ana hat olarak uygulanmakta olup, "iyimser güvenlik (Optimistic Security)" anlayışını vurgulamaktadır; yani uyumlu varsayılarak, ihlal durumunda tespit edilebilir ve cezalandırılabilir.

Parmak izi mekanizması, OML'nin temel uygulamasıdır; belirli "soru-cevap" çiftlerini entegre ederek modelin eğitim aşamasında benzersiz bir imza oluşturmasını sağlar. Bu imzalar aracılığıyla model sahibi, sahipliği doğrulayabilir, yetkisiz kopyalama ve ticarileşmeyi önleyebilir. Bu mekanizma sadece model geliştiricilerinin haklarını korumakla kalmaz, aynı zamanda model kullanım davranışlarına izlenebilir on-chain kayıtları sunar.

Ayrıca, Sentient, güvenilir yürütme kullanan Enclave TEE hesaplama çerçevesini tanıttı.