AI Layer1 Yarış Analizi: 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 alanda eşi benzeri görülmemiş yetenekler sergileyerek insan hayal gücünü büyük ölçüde genişletiyor ve bazı senaryolarda insan emeğinin yerini alma potansiyelini bile gösteriyor. Ancak bu teknolojilerin çekirdeği, az sayıda merkezi teknoloji devinin sıkı kontrolü altında. Güçlü sermaye ve yüksek maliyetli hesaplama kaynaklarına hakimiyetleri sayesinde, bu şirketler aşılması zor engeller oluşturdu ve böylece büyük bir çoğunlukta geliştiriciler ve yenilikçi ekiplerin onlarla rekabet etmesi zor hale geldi.

Aynı zamanda, AI'nın hızlı evriminin erken dönemlerinde, kamuoyu genellikle teknolojinin getirdiği yenilikler ve kolaylıklar üzerine yoğunlaşırken, gizlilik koruma, şeffaflık, güvenlik gibi temel sorunlara olan ilgi nispeten az kalmaktadır. Uzun vadede, bu sorunlar AI endüstrisinin sağlıklı gelişimini ve toplumsal kabulünü derinden etkileyecektir. Eğer bu sorunlar uygun bir şekilde çözülemezse, AI'nın "iyiye mi" yoksa "kötüye mi" gideceği tartışması daha da belirgin hale gelecektir ve merkezileşmiş devlerin kar elde etme içgüdüsüyle, genellikle bu zorluklarla proaktif bir şekilde başa çıkmak için yeterli motivasyonu bulamadıkları görülmektedir.

Blockchain teknolojisi, merkeziyetsizliği, şeffaflığı ve sansüre dayanıklılığı sayesinde, AI endüstrisinin sürdürülebilir gelişimi için yeni olanaklar sunmaktadır. Şu anda, ana akım blok zincirlerinde birçok "Web3 AI" uygulaması ortaya çıkmıştır. Ancak derinlemesine analiz yapıldığında, bu projelerin hala birçok sorunla karşı karşıya olduğu görülmektedir: bir yandan, merkeziyetsizlik düzeyi sınırlıdır, kritik aşamalar ve altyapı hala merkezi bulut hizmetlerine bağımlıdır, bu da gerçekten açık bir ekosistemi desteklemekte zorlanmaktadır; diğer yandan, Web2 dünyasındaki AI ürünleri ile karşılaştırıldığında, on-chain AI'nın model yetenekleri, veri kullanımı ve uygulama senaryoları gibi alanlarda hala sınırlı olduğu, yenilik derinliği ve genişliğinin artırılması gerektiği anlaşılmaktadır.

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'ye özel olarak tasarlanmış bir Layer1 blok zinciri oluşturmalıyız. Bu, AI'nın açık inovasyonuna, yönetim demokrasisine ve veri güvenliğine sağlam bir temel sağlayarak merkeziyetsiz AI ekosisteminin refahını artıracaktır.

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, zincir üzerindeki AI ekosisteminin sürdürülebilir gelişimini ve refahını etkili bir şekilde desteklemeyi amaçlar. Özellikle, AI Layer 1 aşağıdaki temel yeteneklere sahip olmalıdır:

1. Verimli teşvikler ve merkeziyetsiz konsensüs mekanizması AI Layer 1'in temelinde açık bir hesaplama, depolama gibi kaynakların paylaşım ağı oluşturmak yatmaktadır. Geleneksel blok zinciri düğümlerinin ağırlıklı olarak defter kaydı tutmaya odaklanmasının aksine, AI Layer 1 düğümleri daha karmaşık görevleri üstlenmek zorundadır; sadece hesaplama gücü sağlamakla kalmayıp, AI modelinin eğitimi ve çıkarımı işlemlerini gerçekleştirmeli, ayrıca depolama, veri, bant genişliği gibi çeşitli kaynakları katkıda bulunmalıdır. Böylece AI altyapısındaki merkezi devlerin tekelini kırmak mümkün olacaktır. Bu, alt düzey konsensüs ve teşvik mekanizması için daha yüksek gereksinimler ortaya çıkarmaktadır: AI Layer 1, düğümlerin AI çıkarımı, eğitimi gibi görevlerdeki gerçek katkılarını doğru bir şekilde değerlendirebilmeli, teşvik edebilmeli ve doğrulayabilmelidir; böylece ağın güvenliğini ve kaynakların verimli dağıtımını sağlayabilir. Ancak bu şekilde ağın istikrarı ve refahı garanti altına alınabilir ve genel hesaplama gücü maliyeti 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 üzerinde çok yüksek talepler ortaya koymaktadır. Daha ileriye gidecek olursak, on-chain AI ekosistemi genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çeşitli görev türlerini desteklemek zorundadır. AI Layer 1, temel mimaride yüksek throughput, düşük gecikme ve esnek paralellik gibi talepler için derinlemesine optimize edilmeli ve heterojen hesaplama kaynaklarının yerel destek yeteneği önceden ayarlanmalıdır, böylece her türlü AI görevi verimli bir şekilde çalışabilir ve "tekil görev"den "karmaşık çoklu ekosistem"e sorunsuz bir şekilde genişleyebilir.

3. Doğrulanabilirlik ve Güvenilir Çıktı Güvencesi AI Layer 1, yalnızca model kötüye kullanımı, veri manipülasyonu gibi güvenlik tehlikelerini önlemekle kalmamalı, aynı zamanda temel mekanizmalarla AI çıktılarının doğrulanabilirliğini ve hizalanabilirliğini de 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 adil ve şeffaf olmasını garanti eder. Aynı zamanda, bu doğrulanabilirlik, kullanıcıların AI çıktılarının mantığını ve dayanağını netleştirmesine yardımcı olarak, " elde edilen, istenilen" ilkesini gerçekleştirmekte ve kullanıcıların AI ürünlerine olan güvenini ve memnuniyetini artırmaktadır.

4. Veri gizliliği koruma AI uygulamaları genellikle kullanıcıların hassas verilerini içerir, finans, sağlık, sosyal alanlar gibi alanlarda veri gizliliği koruma özellikle önemlidir. AI Layer 1, doğrulanabilirliği sağlarken, şifreli veri işleme teknolojisi, gizlilik hesaplama protokolleri ve veri erişim yönetimi gibi yöntemleri kullanarak, verilerin çıkarım, eğitim ve depolama süreçlerindeki güvenliğini sağlamalı, veri sızıntısı ve kötüye kullanımı etkili bir şekilde önlemeli, kullanıcıların veri güvenliği konusunda endişelerini ortadan kaldırmalıdır.

5. Güçlü ekosistem taşıma ve geliştirme destek yeteneği AI yerel Layer 1 altyapısı olarak, platform sadece teknik olarak öncü olmakla kalmamalı, aynı zamanda geliştiricilere, düğüm operatörlerine, AI hizmet sağlayıcılarına ve diğer ekosistem katılımcılarına eksiksiz geliştirme araçları, entegre SDK'lar, operasyon desteği ve teşvik mekanizmaları sunmalıdır. Platformun kullanılabilirliği ve geliştirici deneyimini sürekli optimize ederek, zengin ve çeşitli AI yerel uygulamaların hayata geçmesini teşvik etmek ve merkeziyetsiz AI ekosisteminin sürekli refahını sağlamak hedeflenmektedir.

Yukarıdaki arka plan ve beklentilere dayanarak, bu makale Sentient, Sahara AI, Ritual, Gensyn, Bittensor ve 0G dahil olmak üzere altı AI Layer1 temsilci projesini ayrıntılı olarak tanıtacak, alanın en son gelişmelerini sistematik olarak inceleyecek, projelerin gelişim durumunu analiz edecek ve gelecekteki trendleri tartışacaktır.

Sentient: Sadık Açık Kaynaklı Merkeziyetsiz AI Modeli Oluşturma

Proje Özeti

Sentient, bir açık kaynak protokol platformudur ve bir AI Layer1 blok zinciri inşa etmektedir. ( başlangıç aşaması Layer 2 olarak belirlenmiş, daha sonra Layer 1)'e taşınacaktır. AI Pipeline ve blok zinciri teknolojisini birleştirerek merkeziyetsiz bir yapay zeka ekonomisi inşa etmeyi hedeflemektedir. Temel amacı, merkezi LLM pazarındaki model sahipliği, çağrı izleme ve değer dağıtımı sorunlarını çözmek için "OML" çerçevesi (Açık, Karlı, Sadık) aracılığıyla AI modellerinin on-chain sahiplik yapısını, çağrı şeffaflığını ve değer paylaşımını sağlamaktır. Sentient'in vizyonu, herkesin AI ürünlerini inşa etmesine, iş birliği yapmasına, sahip olmasına ve para kazanmasına olanak tanıyarak adil ve 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 kaynaklı ve doğrulanabilir bir AGI platformu inşa etmeye kendini adamıştır. Ana 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, blockchain stratejisi ve ekosistem düzenlemesi konularında liderlik yapmaktadır. Ekip üyelerinin geçmişi Meta, Coinbase, Polygon gibi şirketler ile Princeton Üniversitesi, Hindistan Teknoloji Enstitüleri gibi önde gelen üniversiteleri kapsamaktadır ve AI/ML, NLP, bilgisayarla görü gibi alanlarda projeleri hayata geçirmek için iş birliği yapmaktadır.

Polygon'un kurucu ortağı Sandeep Nailwal'ın ikinci girişim projesi olarak Sentient, kuruluşunun başında zengin kaynaklar, bağlantılar ve pazardaki tanınırlığı ile bir aura ile birlikte geldi ve proje gelişimi için güçlü bir destek sağladı. 2024 ortalarında, Sentient 85 milyon dolarlık bir tohum finansmanı turunu tamamladı, lider yatırımcıları Founders Fund, Pantera ve Framework Ventures oldu, diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi onlarca VC yer aldı.

tasarım mimarisi ve uygulama katmanı

Altyapı Katmanı

Temel Mimari

Sentient'in temel mimarisi, AI Pipeline ve on-chain sisteminin iki bölümünden oluşur:

AI boru hattı, "sadık AI" parçalarının geliştirilmesi ve eğitilmesi için temel oluşturan iki ana süreci içerir:

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

Blok zinciri sistemi, protokollere şeffaflık ve merkeziyetsiz kontrol sağlar, AI eserlerinin sahipliği, kullanım izleme, gelir dağıtımı ve adil yönetimi garanti eder. Belirli mimari dört katmana ayrılır:

• 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: Gelir yönlendirme sözleşmesi, her çağrıda ödülleri eğitmenlere, dağıtımcılara ve doğrulayıcılara dağıtacaktır.

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 üzerindeki on-chain teknolojisi ve AI yerel kriptografisini birleştirerek aşağıdaki özelliklere sahiptir:

• Açıklık: Model açık kaynak olmalı, kod ve veri yapısı şeffaf olmalı, böylece topluluk tarafından yeniden üretim, denetim ve geliştirme kolaylaşmalıdır.
• Paralaştırma: Her model çağrısı, bir gelir akışını tetikler; on-chain sözleşme, kazancı eğitici, dağıtıcı ve doğrulayıcıya dağıtır.
• Sadakat: Model, katkı sağlayan topluluğa aittir, yükseltme yönü ve yönetim DAO tarafından belirlenir, kullanım ve değişiklikler şifreleme mekanizması tarafından kontrol edilir.

AI Yerel Kriptografi (AI-native Cryptography)

AI yerel kripto, AI modellerinin sürekliliğini, düşük boyutlu manifold yapısını ve modelin türevlenebilir özelliklerini kullanarak "doğrulanabilir ancak kaldırılabilir olmayan" 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: Üçüncü taraf dedektörü (Prover) aracılığıyla sorgu şeklinde parmak izinin korunup korunmadığını doğrulama;
• İzinli çağrı mekanizması: Çağrıdan önce model sahibi tarafından verilen "izin belgesi" alınmalı, sistem buna göre modeli bu girdi için deşifre edip doğru yanıtı döndürecek şekilde yetkilendirecektir.

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 uygulaması ve on-chain sözleşme kâr paylaşımının bir kombinasyonu. Parmak izi yöntemi OML 1.0 ile ana hat olarak uygulanmakta olup, "iyimser güvenlik (Optimistic Security)" düşüncesine vurgu yapmaktadır; yani varsayılan olarak uyumlu kabul edilir, ihlal durumunda tespit edilip ceza uygulanabilir.

Parmak izi mekanizması, OML'nin ana uygulamasıdır. Bu mekanizma, modelin eğitim aşamasında benzersiz imzalar oluşturmasını sağlayan belirli "soru-cevap" çiftlerini gömerek işlemektedir. Bu imzalar sayesinde, model sahibi aitliği doğrulayabilir, yetkisiz kopyalama ve ticarileşmeyi önleyebilir. Bu mekanizma sadece model geliştiricilerinin haklarını korumakla kalmaz, aynı zamanda modelin kullanım davranışları için izlenebilir bir on-chain kayıt sağlar.

Ayrıca, Sentient, modelin yalnızca yetkilendirilmiş isteklere yanıt vermesini sağlamak ve izinsiz erişim ve kullanımı önlemek için güvenilir yürütme ortamlarını (AWS Nitro Enclaves gibi) kullanan Enclave TEE hesaplama çerçevesini tanıttı. TEE donanıma bağımlı olup 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 entegre etmeyi planlıyor, gizlilik koruma ve doğrulanabilirliği daha da artırarak AI modellerinin merkeziyetsiz dağıtımı için daha olgun çözümler sunacak.