AI Layer1: On-chain DeAI için verimli topraklar arayışı

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 daha önce görülmemiş bir yetenek sergiliyor, insanın hayal gücünü büyük ölçüde genişletiyor ve bazı durumlarda insan iş gücünün yerini alma potansiyelini bile gösteriyor. Ancak, bu teknolojilerin özü, birkaç merkezi teknoloji devinin elinde sıkı bir şekilde tutuluyor. Güçlü sermaye ve yüksek maliyetli hesaplama kaynaklarına olan hakimiyetleri sayesinde, bu şirketler aşılması zor engeller oluşturdu ve büyük çoğunlukta geliştiriciler ve yenilikçi ekiplerin onlarla rekabet etmesini zorlaştırdı.

Aynı zamanda, AI'nın hızlı evriminin başlarında, sosyal kamuoyu genellikle teknolojinin getirdiği atılımlar ve kolaylıklar üzerinde yoğunlaşırken, gizlilik koruma, şeffaflık, güvenlik gibi temel konulara olan ilgi göreceği kadar yeterli olmamaktadır. Uzun vadede, bu sorunlar AI endüstrisinin sağlıklı gelişimini ve toplumsal kabulünü derinden etkileyecektir. Eğer bu sorunlar uygun şekilde çözülemezse, AI'nın "iyiye" mi yoksa "kötüye" mi yönelmesi konusundaki tartışmalar daha da belirginleşecektir ve merkezileşmiş devlerin kar güdüsü altında, bu zorluklarla proaktif bir şekilde başa çıkma konusunda genellikle yeterli motivasyona sahip olmadıkları görülmektedir.

Blockchain teknolojisi, merkeziyetsizlik, şeffaflık ve sansüre dayanıklılık gibi özellikleri sayesinde AI endüstrisinin sürdürülebilir gelişimine 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 sorunu olduğu görülebilir: Bir yandan, merkeziyetsizlik derecesi sınırlıdır, kritik aşamalar ve altyapı hâlâ merkezi bulut hizmetlerine bağımlıdır, bu da gerçekten açık bir ekosistemi desteklemekte zorluk çıkarmaktadır; diğer yandan, Web2 dünyasındaki AI ürünleriyle karşılaştırıldığında, on-chain AI'nın model yetenekleri, veri kullanımı ve uygulama senaryoları gibi alanlarda hâlâ sınırlı olduğu, yenilik derinliği ve genişliğinin artırılması gerektiği görülmektedir.

Gerçekten merkeziyetsiz bir AI vizyonunu gerçekleştirmek, blok zincirinin büyük ölçekli AI uygulamalarını güvenli, verimli ve demokratik bir şekilde taşıyabilmesi ve performans açısından merkezi çözümlerle rekabet edebilmesi için, AI'ya özel olarak tasarlanmış bir Layer1 blok zinciri tasarlamamız gerekiyor. Bu, AI'nın açık inovasyonu, yönetim demokrasisini ve veri güvenliğini sağlam bir temel ile destekleyecek ve merkeziyetsiz AI ekosisteminin refahına katkıda bulunacaktır.

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 şekillendirilmiştir 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 konsensüs mekanizması. AI Layer 1'in temeli, açık bir hesaplama, depolama ve diğer kaynakların paylaşım ağı oluşturmakta yatmaktadır. Geleneksel blok zinciri düğümleri, defter kayıtlarına odaklanırken, AI Layer 1 düğümleri daha karmaşık görevleri üstlenmek zorundadır; sadece hesaplama sağlamakla kalmayıp, AI modelinin eğitimi ve çıkarımı gibi işlemleri de gerçekleştirmeli ve depolama, veri, bant genişliği gibi çeşitli kaynakları katkıda bulunmalıdır. Bu, merkezi devlerin AI altyapısındaki tekelini kırmaktadır. Bu durum, temel konsensüs ve teşvik mekanizmaları için daha yüksek talepler getirmektedir: AI Layer 1, düğümlerin AI çıkarımı, eğitimi ve diğer görevlerdeki gerçek katkılarını doğru bir şekilde değerlendirebilmeli, teşvik etmeli ve doğrulamalıdır, böylece ağın güvenliği ve kaynakların verimli dağılımı sağlanmalıdır. 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 destek yeteneği AI görevleri, özellikle LLM'in eğitim ve çıkarımı, hesaplama performansı ve paralel işleme yeteneği için son derece yüksek talepler ortaya koymaktadır. Dahası, on-chain AI ekosisteminin genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çeşitli, heterojen görev türlerini de desteklemesi gerekmektedir. AI Layer 1, temel mimaride yüksek throughput, düşük gecikme ve esnek paralel gibi ihtiyaçlar için derin optimizasyon yapmalı ve heterojen hesaplama kaynaklarına yerel destek yeteneği sağlamalıdır. Bu, çeşitli AI görevlerinin verimli bir şekilde çalışmasını garanti ederek "tekil görev"ten "karmaşık çoklu ekosistem"e sorunsuz bir genişleme sağlamaktadır.

3. Doğrulanabilirlik ve Güvenilir Çıktı Güvencesi AI Layer 1, yalnızca modelin kötüye kullanımını, verilerin değiştirilmesini ve diğer güvenlik tehditlerini önlemekle kalmamalı, aynı zamanda alt katman mekanizmasıyla AI çıktılarının doğrulanabilirliğini ve uyumunu sağlamalıdır. Güvenilir yürütme ortamı (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, bu da AI sisteminin adaletini ve şeffaflığını garanti eder. Aynı zamanda, bu doğrulanabilirlik kullanıcıların AI çıktılarının mantığını ve dayanağını net bir şekilde anlamalarına yardımcı olarak, 'elde edilenin istenen olduğu' 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 gizliliği koruma özellikle önemlidir. AI Layer 1, doğrulanabilirliği sağlarken, şifreleme tabanlı veri işleme teknolojileri, gizlilik hesaplama protokolleri ve veri yetki yönetimi gibi yöntemleri kullanarak, verilerin çıkarım, eğitim ve depolama süreçlerinin tamamında güvenliğini sağlamalı, veri sızıntısı ve kötüye kullanımını etkili bir şekilde önlemeli ve kullanıcıların veri güvenliği konusundaki endişelerini gidermelidir.

5. Güçlü ekosistem taşıma ve geliştirme destek yeteneği AI yerel Layer 1 altyapısı olarak, platform sadece teknik olarak öncü olmakla kalmamalı, aynı zamanda geliştiriciler, düğüm operatörleri, AI hizmet sağlayıcıları gibi ekosistem katılımcılarına kapsamlı geliştirme araçları, entegre SDK'lar, işletim desteği ve teşvik mekanizmaları sunmalıdır. Platformun kullanılabilirliğini ve geliştirici deneyimini sürekli optimize ederek, zengin ve çeşitli AI yerel uygulamaların hayata geçirilmesini sağlamak ve merkeziyetsiz AI ekosisteminin sürekli refahını gerçekleştirmek.

Yukarıda belirtilen 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 gözden geçirecek, proje gelişim durumunu analiz edecek ve gelecekteki trendleri tartışacaktır.

Sentient: Sadık açık kaynak merkeziyetsiz AI modeli inşa etmek

Proje Özeti

Sentient, açık kaynak bir protokol platformudur ve AI Layer1 blok zinciri ( geliştirmektedir. Başlangıç aşaması Layer 2 olarak başlamaktadır, ardından Layer 1)'e geçilecektir. AI Pipeline ve blok zinciri teknolojisini birleştirerek, merkeziyetsiz bir yapay zeka ekonomisi oluşturmayı hedeflemektedir. Temel amacı, merkezi LLM pazarındaki model sahipliği, çağrı izleme ve değer dağıtım sorunlarını "OML" çerçevesi (Açık, Karlı, Sadık) aracılığıyla çözmektir. Bu sayede AI modellerinin on-chain sahiplik yapısı, çağrı şeffaflığı ve değer paylaşımı sağlanacaktır. Sentient'in vizyonu, herkesin AI ürünlerini inşa etmesini, işbirliği yapmasını, sahip olmasını ve para kazanmasını sağlamak, böylece adil ve açık bir AI Agent ağ ekosistemini teşvik etmektir.

Sentient Foundation ekibi, dünya çapında önde gelen akademik uzmanlar, blockchain girişimcileri ve mühendisleri bir araya getirerek, topluluk odaklı, açık kaynaklı ve doğrulanabilir bir AGI platformu inşa etmeyi amaçlamaktadır. Çekirdek üyeler arasında Princeton Üniversitesi profesörü Pramod Viswanath ve Hindistan Bilim Enstitüsü profesörü Himanshu Tyagi, sırasıyla AI güvenliği ve gizliliği konularına odaklanmaktadır. Blockchain stratejisi ve ekosistem yerleşimi ise Polygon'un kurucu ortağı Sandeep Nailwal tarafından yönlendirilmektedir. Ekip üyeleri Meta, Coinbase, Polygon gibi tanınmış şirketlerin yanı sıra Princeton Üniversitesi, Hindistan Teknoloji Enstitüsü gibi önde gelen eğitim kurumlarından gelmekte olup, AI/ML, NLP, bilgisayarla görme gibi alanlarda projeleri hayata geçirmek için iş birliği yapmaktadır.

Polygon'un kurucu ortağı Sandeep Nailwal'ın ikinci girişim projesi olan Sentient, kuruluş aşamasında kendisine güçlü bir aura katmış, zengin kaynaklar, bağlantılar ve piyasa bilinirliği ile projeye güçlü bir destek sunmuştur. 2024 ortalarında, Sentient 85 milyon dolarlık bir tohum aşaması finansmanı tamamladı ve bu turda Founders Fund, Pantera ve Framework Ventures öncülük etti; diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi birçok tanınmış VC bulunmaktadır.

Tasarım Mimarisi ve Uygulama Katmanı

Altyapı Katmanı

Temel Mimari

Sentient'in temel yapısı, AI Pipeline ve on-chain sistemden oluşmaktadır:

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

• Veri Planlama (Data Curation): Modelin hizalanması için topluluk destekli veri seçimi süreci.
• Sadakat Eğitim (Loyalty Training): Modelin topluluk niyetleriyle tutarlı bir eğitim sürecini sürdürmesini sağlamak.

Blok zinciri sistemi, protokole şeffaflık ve merkeziyetsiz kontrol sağlayarak AI eserlerinin mülkiyetini, kullanım takibini, gelir dağılımını ve adil yönetimi güvence altına alır. Spesifik mimari dört katmana ayrılır:

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

OML model çerçevesi

OML çerçevesi (Açık Open, Paraya Çevirilebilir Monetizable, Sadık Loyal), Sentient tarafından önerilen temel bir kavramdır ve açık kaynak AI modellerine net bir 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 yapıları şeffaf olmalı, topluluğun yeniden üretmesini, denetlemesini ve geliştirmesini kolaylaştırmalıdır.
• Para kazanma: Her model çağrısı, gelir akışını tetikler; on-chain sözleşme, gelirleri eğitmenlere, dağıtımcılara ve doğrulayıcılara dağıtacaktır.
• Sadakat: Model, katkı veren topluluğa aittir, güncelleme yönü ve yönetim DAO tarafından belirlenir, kullanım ve değişiklikler kripto mekanizması tarafından kontrol edilir.

AI Yerlisi Kriptografi (AI-native Cryptography)

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

• Parmak izi yerleştirme: Eğitim sırasında bir dizi gizli sorgu-yanıt anahtar-değer çiftinin eklenmesiyle modelin benzersiz imzası oluşturulur;
• Mülkiyet doğrulama protokolü: Üçüncü taraf dedektör (Prover) aracılığıyla sorgu biçiminde parmak izinin korunup korunmadığını doğrulama;
• İzin çağırma mekanizması: Çağrılmadan önce model sahibinin verdiği "izin belgesi" alınmalı, sistem buna göre modelin bu girişi çözmesini ve doğru yanıtı döndürmesini yetkilendirmelidir.

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 belirleme, TEE uygulaması ve on-chain sözleşme kâr paylaşımı birleşimi. Parmak izi yöntemi OML 1.0 ile ana hat olarak uygulanmakta olup, "iyimser güvenlik (Optimistic Security)" anlayışını vurgulamaktadır; yani uyum varsayılmakta, ihlal durumunda tespit edilebilir ve cezalandırılabilir.

Parmak izi mekanizması, OML'nin anahtar uygulamasıdır. Bu mekanizma, modelin eğitim aşamasında benzersiz imzalar oluşturmasını sağlamak için belirli "soru-cevap" çiftlerinin yerleştirilmesiyle çalışır. Bu imzalar sayesinde, model sahipleri sahipliği doğrulayabilir, yetkisiz kopyalamayı ve ticareti önleyebilir. Bu mekanizma yalnızca model geliştiricilerinin haklarını korumakla kalmaz, aynı zamanda modelin kullanım davranışları için izlenebilir bir on-chain kayıt sağlar.

Ayrıca, Sentient, yetkilendirilmiş taleplere yalnızca yanıt veren, yetkisiz erişim ve kullanımı önleyen güvenilir bir yürütme ortamı (örneğin AWS Nitro Enclaves) kullanarak Enclave TEE hesaplama çerçevesini tanıttı. TEE'nin donanıma dayanması ve belli güvenlik riskleri taşımasına rağmen, yüksek performansı ve gerçek zamanlılık avantajı, onu mevcut model dağıtımının temel teknolojisi haline getiriyor.