AI Layer1 Araştırma Raporu: On-chain DeAI için 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 sektörde benzeri görülmemiş yetenekler sergileyerek insan hayal gücünü büyük ölçüde genişletiyor ve hatta bazı senaryolarında insan iş gücünün yerini alma potansiyelini gösteriyor. Ancak, bu teknolojilerin merkezi olan çekirdek, birkaç merkezi teknoloji devinin elinde sıkıca tutuluyor. Güçlü sermaye ve yüksek maliyetli hesaplama kaynakları üzerindeki kontrolü sayesinde, bu şirketler aşılması zor engeller kurarak, büyük çoğunlukta geliştiricilerin ve yenilikçi ekiplerin onlarla rekabet etmesini zorlaştırıyor.

Aynı zamanda, AI'nın hızlı evriminin başlangıcında, toplumsal kamuoyunun genellikle teknolojinin getirdiği atılımlar ve kolaylıklar üzerine yoğunlaştığı, ancak gizlilik koruma, şeffaflık, güvenlik gibi temel sorunlara olan ilginin görece yetersiz kaldığı görülmektedir. Uzun vadede, bu sorunlar AI endüstrisinin sağlıklı gelişimi ve toplumsal kabulü üzerinde derin bir etki yaratacaktır. Eğer bu sorunlar uygun bir şekilde çözülemezse, AI'nın "iyiye" mi yoksa "kötüye" mi gideceği tartışmaları daha da belirginleşecektir; merkezi devlerin kar elde etme içgüdüsüyle, bu zorluklarla proaktif bir şekilde başa çıkmak için genellikle yeterli motivasyona sahip olmadığı görülmektedir.

Blockchain teknolojisi, merkeziyetsiz, şeffaf ve sansüre dirençli özellikleri sayesinde, AI sektörünün sürdürülebilir gelişimi için yeni olanaklar sunmaktadır. Şu anda, birçok ana akım blockchain üzerinde sayısız "Web3 AI" uygulaması ortaya çıkmıştır. Ancak derinlemesine bir analiz yapıldığında, bu projelerin hâlâ birçok sorunla karşı karşıya olduğu görülmektedir: 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 sınırlı olduğu görülmektedir; yenilik derinliği ve genişliği artırılmayı beklemektedir.

Gerçekten merkeziyetsiz bir AI vizyonunu gerçekleştirmek, blok zincirinin büyük ölçekli AI uygulamalarını güvenli, verimli ve demokratik bir şekilde barındırmasını sağlamak ve performans açısından merkezi çözümlerle rekabet edebilmesi için, AI'ya özel olarak tasarlanmış bir Layer1 blok zinciri geliştirmemiz gerekiyor. Bu, AI'nın açık yenilik, yönetim demokrasisi ve veri güvenliği için sağlam bir temel sağlayacak, 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 ve performans tasarımı, AI görevlerinin ihtiyaçları etrafında sıkı bir şekilde şekillendirilmiştir ve zincir üzerindeki AI ekosisteminin sürdürülebilir gelişimini ve refahını etkin bir şekilde desteklemeyi amaçlamaktadır. Özellikle, 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, depolama gibi kaynakların paylaşıldığı bir ağ inşa etmektir. Geleneksel blok zinciri düğümlerinin esasen defter kaydına odaklanmasının aksine, AI Layer 1 düğümleri daha karmaşık görevler üstlenmelidir; yalnızca hesaplama gücü sağlamakla kalmayıp, AI modellerinin eğitimi ve çıkarımı ile birlikte depolama, veri, bant genişliği gibi çeşitli kaynakları da katkıda bulunmalıdır. Bu, merkezi büyük oyuncuların AI altyapısındaki tekelini kırmak için gereklidir. Bu durum, alt katman konsensüsü ve teşvik mekanizması için daha yüksek gereksinimler ortaya çıkarır: AI Layer 1, düğümlerin AI çıkarımı, eğitimi gibi görevlerdeki gerçek katkılarını doğru bir şekilde değerlendirebilmeli, teşvik edebilmeli ve doğrulayabilmelidir; böylece ağın güvenliği ve kaynakların verimli dağılımı sağlanabilir. Ancak bu şekilde ağın istikrarı ve refahı garanti altına alınabilir ve toplam hesaplama maliyetleri etkili bir şekilde azaltılabilir.

2. Üstün yüksek performans ve heterojen görev destekleme yeteneği AI görevleri, özellikle LLM'nin eğitim ve çıkarım süreçleri, hesaplama performansı ve paralel işleme kapasitesi için son derece yüksek gereksinimler ortaya koymaktadır. Daha da ötesi, on-chain AI ekosistemi genellikle farklı model yapılarını, veri işleme, çıkarım, depolama gibi çok çeşitli ve heterojen görev türlerini desteklemek zorundadır. AI Layer 1, temel mimarisiyle yüksek throughput, düşük gecikme ve esnek paralel işleme gibi gereksinimler için derinlemesine optimize edilmeli ve heterojen hesaplama kaynaklarına yerel destek yeteneği sağlamalıdır, böylece çeşitli AI görevleri verimli bir şekilde çalışabilir ve "tekil görev"ten "karmaşık çok yönlü ekosistem"e sorunsuz bir genişleme sağlanabilir.

3. Doğrulanabilirlik ve Güvenilir Çıktı Garantisi AI Layer 1, yalnızca modelin kötüye kullanılmasını, verilerin değiştirilmesini ve diğer güvenlik tehditlerini önlemekle kalmamalı, aynı zamanda alt düzey mekanizmalarla AI çıktı sonuçlarının doğrulanabilirliğini ve uyumunu 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, AI sisteminin adaletini ve şeffaflığını garanti eder. Aynı zamanda, bu doğrulanabilirlik kullanıcıların AI çıktılarının mantığını ve dayanaklarını net bir şekilde anlamalarına yardımcı olarak, "elde edilen, istenen" ilkesini gerçekleştirir ve kullanıcıların AI ürünlerine olan güvenlerini ve memnuniyetlerini artırır.

4. Veri gizliliği koruma AI uygulamaları sıklıkla kullanıcıların hassas verilerini içerir, finans, sağlık, sosyal gibi alanlarda veri gizliliği korunması son derece kritik öneme sahiptir. AI Layer 1, doğrulanabilirliği sağlamanın yanı sıra, şifrelemeye dayalı veri işleme teknolojileri, gizlilik hesaplama protokolleri ve veri erişim yönetimi gibi yöntemleri kullanarak verilerin çıkarım, eğitim ve depolama süreçlerinin tamamında güvenliğini sağlamalı, veri sızıntılarını ve kötüye kullanımları etkili bir şekilde önlemeli ve kullanıcıların veri güvenliği konusundaki endişelerini ortadan kaldırmalıdır.

5. Güçlü Ekosistem Taşıma ve Geliştirme Destek Kapasitesi AI yerel Layer 1 altyapısı olarak, platform yalnızca teknik olarak öncü olmalı değil, aynı zamanda geliştiriciler, düğüm işletmecileri, 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 yerel uygulamalarının hayata geçmesini 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 ayrıntılı olarak tanıtılacak, yarış alanının en son gelişmeleri sistematik bir şekilde ele alınacak, projelerin gelişim durumu analiz edilecek ve gelecekteki eğilimler tartışılacaktır.

Sentient: Sadık Açık Kaynak Merkeziyetsiz AI Modeli Kurma

Proje Özeti

Sentient, açık kaynak bir protokol platformudur ve AI Layer1 blok zinciri ( inşa etmektedir. İlk aşamada 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, merkezi LLM pazarındaki model mülkiyeti, çağrı izleme ve değer dağıtımı sorunlarını "OML" çerçevesi (açık, kârlı, sadık) aracılığıyla çözmektir. Böylece yapay zeka modellerinin on-chain mülkiyet yapısı, çağrı şeffaflığı ve değer paylaşımı sağlanacaktır. Sentient'in vizyonu, herkesin yapay zeka 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 kaynak ve doğrulanabilir bir AGI platformu kurmaya kendini adamıştır. Anahtar üyeler arasında Princeton Üniversitesi profesörü Pramod Viswanath ve Hindistan Bilim Enstitüsü profesörü Himanshu Tyagi bulunmaktadır; bu kişiler sırasıyla AI güvenliği ve gizliliği konularında sorumludur. Ayrıca, Polygon'un kurucu ortağı Sandeep Nailwal, blockchain stratejisi ve ekosistem düzenlemesi konularında liderlik yapmaktadır. Ekip üyelerinin geçmişi, Meta, Coinbase, Polygon gibi tanınmış şirketlerin yanı sıra Princeton Üniversitesi, Hindistan Teknoloji Enstitüsü gibi önde gelen üniversiteleri kapsamaktadır ve AI/ML, NLP, bilgisayarla görme gibi alanlarda projeyi hayata geçirmek için iş birliği yapmaktadır.

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 piyasa bilinirliği ile projenin gelişimine güçlü bir destek sağladı. 2024 ortasında, Sentient 85 milyon dolarlık tohum aşaması finansmanını 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 çekirdek mimarisi, AI Pipeline ve on-chain sistemin iki bölümünden oluşmaktadır:

AI boru hattı, "sadık AI" eserlerinin geliştirilmesi ve eğitilmesi için bir temeldir ve iki ana süreci 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 nesnelerinin mülkiyetini, kullanım takibini, gelir dağıtımını ve adil yönetişimi güvence altına alır. Belirli mimari dört katmana ayrılmıştır:

• Depolama katmanı: Model ağırlıkları 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 ödeme dağılımını eğitmenlere, dağıtımcılara ve doğrulayıcılara yapacaktır.

OML model çerçevesi

OML çerçevesi (Açık Open, Para Kazanılabilir Monetizable, Sadık Loyal), Sentient tarafından önerilen temel bir kavramdır ve açık kaynaklı AI modellerine net mülkiyet koruma ve ekonomik teşvik mekanizmaları sağlamayı amaçlamaktadır. Zincir üstü on-chain teknolojisi ve AI yerel kriptografisi birleştirilerek 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 bir gelir akışını tetikler, on-chain sözleşme gelirleri eğitmenlere, dağıtımcılara ve doğrulayıcılara dağıtacaktır.
• Sadakat: Model, katkı sağlayıcı topluluğuna aittir, yükseltme yönü ve yönetim DAO tarafından belirlenir, kullanım ve değişiklikler kripto mekanizması ile kontrol edilir.

AI Yerel Kriptografi (AI-native Cryptography)

AI yerel kripto, AI modellerinin sürekliliği, düşük boyutlu manifold yapısı ve modelin türevlenebilir özelliklerinden yararlanarak "doğrulanabilir ama kaldırılmaz" hafif güvenlik mekanizmaları geliştirmektir. Temel teknolojisi şudur:

• Parmak izi gömme: 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 saklanıp saklanmadığını doğrulama;
• İzin çağrı mekanizması: Çağrıdan önce model sahibi tarafından 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"nı yeniden şifreleme maliyeti olmadan gerçekleştirebilir.

Model Hakları ve Güvenli Uygulama Çerçevesi

Sentient şu anda Melange karışık güvenliğini kullanıyor: parmak izi ile hak doğrulama, TEE yürütme ve on-chain sözleşme kâr paylaşımı birleşimi. Parmak izi yöntemi OML 1.0 ile ana hat olarak uygulanmakta olup, "iyimser güvenlik (Optimistic Security)" fikrini vurgulamakta, yani varsayılan olarak uyumlu, ihlal durumunda tespit edilip ceza verilebilir.

Parmak izi mekanizması, OML'nin ana uygulamasıdır ve modelin eğitim aşamasında benzersiz imzalar oluşturmak için belirli "soru-cevap" çiftlerinin yerleştirilmesi yoluyla çalışır. Bu imzalar sayesinde, modelin sahibi mülkiyeti doğrulayabilir, yetkisiz kopyalamayı ve ticari kullanımını engelleyebilir. Bu mekanizma yalnızca model geliştiricilerin haklarını korumakla kalmaz, aynı zamanda modelin kullanım davranışları için izlenebilir bir on-chain kayıt sağlar.

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