AI Layer1 Araştırma Raporu: On-chain DeAI için verimli toprakları aramak

Son yıllarda, OpenAI, Anthropic, Google, Meta gibi önde gelen teknoloji şirketleri büyük dil modellerinin (LLM) hızlı gelişimini sürekli olarak teşvik ediyor. LLM, her sektörde eşi benzeri görülmemiş yetenekler sergileyerek insan hayal gücünü büyük ölçüde genişletti ve bazı senaryolarda insan emeğinin yerini alma potansiyelini bile gösterdi. Ancak bu teknolojilerin çekirdeği, az sayıda merkezileşmiş teknoloji devinin elinde sıkı bir şekilde tutuluyor. Güçlü sermaye ve yüksek maliyetli hesaplama kaynaklarına olan hakimiyetleri sayesinde bu şirketler, çoğu geliştirici ve yenilikçi ekibin onlarla rekabet etmesini zorlaştıran aşılması güç engeller kurdular.

Aynı zamanda, AI'nın hızlı evriminin başlangıcında, toplumsal kamuoyunun genellikle teknolojinin sağladığı atılımlar ve kolaylıklar üzerine yoğunlaştığı, ancak gizlilik koruma, şeffaflık, güvenlik gibi temel sorunlara olan ilginin nispeten 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 "iyi" mi yoksa "kötü" mü olduğu tartışması giderek daha belirgin hale gelecektir. Merkezi devlerin kâr odaklı içgüdüleriyle hareket ederken, bu zorluklarla başa çıkmak için yeterli motivasyona sahip olmamaları sıkça görülmektedir.

Blockchain teknolojisi, merkeziyetsiz, şeffaf ve sansüre dayanıklı 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 görülebilir: bir yandan, merkeziyetsizlik derecesi sınırlıdır, kritik aşamalar ve altyapı hala merkezi bulut hizmetlerine bağımlıdır, meme özellikleri aşırı yüklenmiştir ve gerçek anlamda açık bir ekosistemi desteklemede zorluklar yaşanmaktadır; diğer yandan, Web2 dünyasındaki AI ürünleri ile karşılaştırıldığında, on-chain AI'nın model yetenekleri, veri kullanımı ve uygulama senaryoları gibi alanlarda sınırlı kaldığı, yenilik derinliği ve genişliğinin artırılması gerektiği ortaya çıkmaktadır.

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 olarak tasarlanmış bir Layer1 blockchain'i tasarlamamız gerekiyor. Bu, AI'nın açık inovasyonu, demokratik yönetimi ve veri güvenliğine 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, temel mimarisi ve performans tasarımı, AI görevlerinin ihtiyaçlarına sıkı bir şekilde odaklanmıştır ve zincir üzerindeki AI ekosisteminin sürdürülebilir gelişimini ve refahını etkin bir şekilde desteklemeyi amaçlamaktadır. Özellikle, AI Layer 1 aşağıdaki temel yeteneklere sahip olmalıdır:

1. Verimli teşvik ve merkeziyetsiz mutabakat mekanizması AI Layer 1'in temeli, açık bir hesaplama, depolama ve diğer kaynakların paylaşım ağı inşa etmektir. Geleneksel blok zinciri düğümlerinin esas olarak defter kayıtlarına odaklanmasıyla karşılaştırıldığında, AI Layer 1 düğümleri daha karmaşık görevler üstlenmelidir; sadece hesaplama sağlamakla kalmayıp, AI modellerinin eğitimini ve çıkarımını tamamlamalı, aynı zamanda depolama, veri, bant genişliği gibi çeşitli kaynakları da katkıda bulunmalıdır. Böylece, AI altyapısındaki merkezi devlerin tekelini kırmayı hedeflemektedir. Bu, alt katman uzlaşması 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 etmeli ve doğrulamalıdır; bu da ağın güvenliğini ve kaynakların verimli dağıtımını sağlamaktadır. Ancak bu şekilde ağın istikrarı ve refahı garanti altına alınabilir ve genel hesaplama maliyetleri etkili bir şekilde düşürülebilir.

2. Üstün yüksek performans ve heterojen görev destek yeteneği AI görevleri, özellikle LLM'nin eğitimi ve çıkarımı, hesaplama performansı ve paralel işleme kapasitesi için son derece yüksek gereksinimler ortaya koymaktadır. Daha da ötesi, on-chain AI ekosisteminin genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çeşitli görev türlerini desteklemesi gerekmektedir. AI Layer 1, temel mimaride yüksek throughput, düşük gecikme ve esnek paralel gibi gereksinimler için derin optimizasyon yapmalı ve heterojen hesaplama kaynaklarına yerel destek yeteneği sağlamalıdır. Bu, çeşitli AI görevlerinin verimli bir şekilde çalışmasını sağlamak ve "tek tip görevden" "karmaşık çoklu ekosisteme" sorunsuz bir genişleme gerçekleştirmek için gereklidir.

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 da sağlamalıdır. Güvenilir yürütme ortamı (TEE), sıfır bilgi kanıtı (ZK), çok taraflı güvenli hesaplama (MPC) gibi öncü teknolojilerin entegrasyonu sayesinde, platform her model çıkarımı, eğitimi ve veri işleme sürecinin bağımsız olarak doğrulanabilmesini sağlar, böylece AI sisteminin adaletini ve şeffaflığını garanti eder. Ayrıca, bu doğrulanabilirlik kullanıcıların AI çıktısının mantığını ve dayanağını net bir şekilde anlamalarına yardımcı olarak "edinilenin istenilenle örtüşmesi"ni sağlar ve kullanıcıların AI ürünlerine olan güvenini ve memnuniyetini artırır.

4. Veri gizliliği koruma Yapay zeka uygulamaları genellikle kullanıcıların hassas verilerini içerir ve finans, sağlık, sosyal medya gibi alanlarda veri gizliliği koruma son derece önemlidir. AI Layer 1, doğrulanabilirliği sağlarken, veri şifreleme teknolojileri, gizlilik hesaplama protokolleri ve veri izin yönetimi gibi yöntemleri kullanmalı, verilerin çıkarım, eğitim ve depolama süreçlerindeki güvenliğini sağlamalı, veri sızıntılarını ve kötüye kullanımları önlemeli ve kullanıcıların veri güvenliği konusunda endişelerini gidermelidir.

5. Güçlü ekosistem destek ve geliştirme yetenekleri AI yerel bir Layer 1 altyapısı olarak, platformun yalnızca teknik üstünlüğe sahip olması değil, aynı zamanda geliştiriciler, düğüm işletmecileri, AI hizmet sağlayıcıları gibi ekosistem katılımcılarına kapsamlı geliştirme araçları, entegre SDK, operasyonel destek ve teşvik mekanizmaları sunması gerekmektedir. Platformun kullanılabilirliğini ve geliştirici deneyimini sürekli optimize ederek, zengin ve çeşitli AI yerel uygulamaların hayata geçirilmesini teşvik etmek ve merkeziyetsiz AI ekosisteminin sürekli refahını sağlamak.

Yukarıdaki arka plan ve beklentilere dayanarak, bu makale Sentient, Sahara AI, Ritual, Gensyn, Bittensor ve 0G dahil olmak üzere altı AI Layer1 temsilci projesini detaylı bir şekilde tanıtacak, alanın en son gelişmelerini sistematik bir şekilde gözden geçirecek, projelerin gelişim durumunu analiz edecek ve gelecekteki eğilimleri tartışacaktır.

Sentient: Sadık Açık Kaynak Merkezi Olmayan AI Modeli İnşa Etmek

Proje Özeti

Sentient, açık kaynaklı bir protokol platformudur ve bir AI Layer1 blok zinciri ( inşa etmektedir. Başlangıç aşaması Layer 2 olarak planlanmıştır, ardından Layer 1)'e geçecektir. AI Pipeline ve blok zinciri teknolojisini birleştirerek merkeziyetsiz bir yapay zeka ekonomisi inşa etmeyi hedeflemektedir. Temel amacı, "OML" çerçevesi (açık, kârlı, sadık) aracılığıyla merkezi LLM pazarındaki model sahipliği, çağrı izleme ve değer dağıtımı sorunlarını çözmektir; bu sayede AI modellerinin on-chain mülkiyet yapısı, çağrı şeffaflığı ve değer paylaşımı sağlanacaktır. 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, topluluk odaklı, açık kaynaklı ve doğrulanabilir bir AGI platformu inşa etmeye adanmış, dünya çapında önde gelen akademik uzmanları, blockchain girişimcilerini ve mühendisleri bir araya getiriyor. Ana üyeler arasında, AI güvenliği ve gizliliği ile sorumlu Pramod Viswanath, Princeton Üniversitesi profesörü ve blockchain stratejisi ve ekosistem düzenlemesi konusunda liderlik eden Sandeep Nailwal, Polygon'un kurucu ortağı ile Hindistan Bilim Enstitüsü profesörü Himanshu Tyagi bulunmaktadır. Ekip üyelerinin geçmişi, Meta, Coinbase, Polygon gibi tanınmış şirketlerin yanı sıra Princeton Üniversitesi, Hindistan Teknoloji Enstitüsü gibi önde gelen üniversiteleri kapsayarak, AI/ML, NLP, bilgisayarla görme gibi alanları içermekte ve projeyi hayata geçirmek için birlikte çalışmaktadır.

Polygon'un kurucu ortağı Sandeep Nailwal'ın ikinci girişim projesi olan Sentient, kuruluşunun başında kendine özgü bir cazibe ile birlikte zengin kaynaklar, bağlantılar ve piyasa bilinirliği ile proje gelişimine güçlü bir destek sağladı. 2024 yılının ortalarında, Sentient 85 milyon dolar tutarında bir tohum yatırım turunu tamamladı; bu tur, Founders Fund, Pantera ve Framework Ventures tarafından yönlendirilirken, diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi birçok tanınmış VC yer aldı.

tasarım mimarisi ve uygulama katmanı

Altyapı Katmanı

Temel Mimari

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

AI boru hattı, "sadık AI" eserlerinin geliştirilmesi ve eğitilmesi için bir temel oluşturur ve iki temel süreci içerir:​

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

Blok zinciri sistemi, protokollere şeffaflık ve merkeziyetsiz kontrol sağlar, AI eserlerinin sahipliğini, kullanım takibini, gelir dağıtımını 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 modeline giriş;
• Erişim katmanı: Kullanıcının yetkilendirilip yetkilendirilmediğini doğrulamak için izin kanıtı kullanılır;
• Teşvik katmanı: Gelir yönlendirme sözleşmesi, her çağrıda ödemeyi eğitmenlere, dağıtıcıya ve doğrulayıcılara dağıtır.

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 koruması ve ekonomik teşvik mekanizmaları sağlamayı amaçlamaktadır. Zincir üstü on-chain teknoloji ve AI yerel kriptografi birleştirilerek aşağıdaki özelliklere sahiptir:

• Açıklık: Model açık kaynak olmalı, kod ve veri yapısı şeffaf olmalı, topluluğun yeniden üretimini, denetimini ve geliştirmesini kolaylaştırmalıdır.
• Monetizasyon: Model çağrısı her yapıldığında gelir akışı tetiklenir, on-chain sözleşme gelirleri eğitmenler, dağıtıcılar ve doğrulayıcılara dağıtır.
• Sadakat: Model, katkı sağlayıcı topluluğa aittir, yükseltme yönü ve yönetim DAO tarafından belirlenir, kullanım ve değişiklikler şifreleme mekanizmasıyla kontrol edilir.

AI Yerel Kriptografi (AI-native Cryptography)

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

• Parmak İzi Enkapsülasyonu: Eğitim sırasında bir dizi gizli sorgu-cevap anahtar-değer çifti eklenerek modelin benzersiz imzası oluşturulur;
• Mülkiyet Doğrulama Protokolü: Üçüncü taraf dedektör (Prover) aracılığıyla sorgu şeklinde parmak izinin korunup korunmadığını doğrulamak;
• İzinli çağrı mekanizması: Çağrıdan önce model sahibinin verdiği "izin belgesi" alınmalı, sistem buna dayanarak modelin bu girişi çözmesine ve doğru yanıtı döndürmesine yetki verir.

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

Model Haklarının Belirlenmesi ve Güvenli Uygulama Çerçevesi

Sentient şu anda Melange karışık güvenliğini kullanmaktadır: parmak izi ile hak belirleme, TEE yürütme ve on-chain sözleşmelerin kâr paylaşımı bir araya getirilmiştir. Parmak izi yöntemi OML 1.0 ile ana hat olarak uygulanmakta olup, "iyimser güvenlik (Optimistic Security)" anlayışını vurgulamaktadır, yani varsayılan uyumluluk, ihlal durumunda tespit edilebilir ve cezalandırılabilir.

Parmak izi mekanizması, OML'nin ana uygulamasıdır ve modelin eğitim aşamasında benzersiz imzalar oluşturmak için belirli "soru-cevap" çiftlerini gömerek çalışır. Bu imzalar sayesinde, modelin sahibi mülkiyeti doğrulayabilir, yetkisiz kopyalama ve ticarileşmeyi önleyebilir. Bu mekanizma yalnızca model geliştiricilerinin haklarını korumakla kalmaz, aynı zamanda modelin kullanım davranışlarına izlenebilir on-chain kayıtlar sağlar.

Ayrıca, Sentient, yalnızca yetkilendirilmiş istekleri yanıtlamak için AWS Nitro Enclaves gibi güvenilir yürütme ortamlarından faydalanan Enclave TEE hesaplama çerçevesini piyasaya sürdü ve izinsiz erişim ve kullanımın önlenmesini sağladı. TEE donanıma bağımlıdır ve belirli güvenlik açıkları barındırsa da, yüksek performansı ve gerçek zamanlılık avantajları, onu mevcut model için cazip kılmaktadır.