AI Layer1 Araştırma Raporu: On-chain DeAI için Verimli Alanlar Arayışı

Özeti

Arka Plan

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 genişletti ve hatta bazı senaryolarda insan iş gücünün yerini alma potansiyelini gösterdi. Ancak, bu teknolojilerin çekirdeği, az sayıda merkezi teknoloji devinin elinde sıkı bir şekilde tutuluyor. Güçlü sermaye ve yüksek maliyetli hesaplama kaynakları üzerindeki kontrolü sayesinde, bu şirketler aşılması zor engeller oluşturdu ve çoğu geliştirici ile yenilikçi ekibin bunlarla rekabet etmesini zorlaştırdı.

Aynı zamanda, AI'nin hızlı evriminin başlarında, toplumsal kamuoyu genellikle teknolojinin getirdiği yenilikler ve kolaylıklar üzerinde yoğunlaşırken, gizlilik koruma, şeffaflık, güvenlik gibi temel sorunlara olan ilgi görece oldukça az kalmaktadır. 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 ve merkezi devlerin kâr güdüsü altında bu zorluklarla aktif bir şekilde başa çıkma motivasyonlarından yoksun kalması sıkça görülmektedir.

Blockchain teknolojisi, merkeziyetsizlik, şeffaflık ve sansüre dayanıklılık özellikleri sayesinde yapay zeka endüstrisinin sürdürülebilir gelişimi için yeni olanaklar sunmaktadır. Şu anda, Solana, Base gibi önde gelen blok zincirleri üzerinde birçok "Web3 AI" uygulaması ortaya çıkmıştır. Ancak derinlemesine bir analiz, bu projelerin hala birçok sorunla karşı karşıya olduğunu göstermektedir: bir yandan, merkeziyetsizlik derecesi sınırlıdır, anahtar aşamalar ve altyapı hâlâ merkezi bulut hizmetlerine bağımlıdır; meme özellikleri ağır basmakta ve gerçek anlamda açık bir ekosistemi desteklemek zordur; diğer yandan, Web2 dünyasındaki yapay zeka ürünleri ile karşılaştırıldığında, on-chain AI'nın model yetenekleri, veri kullanımı ve uygulama senaryoları gibi alanlarda sınırlılıkları devam etmektedir ve yenilik derinliği ile genişliği artırılmalıdır.

Gerçekten merkeziyetsiz 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 tasarlamamız gerekiyor. Bu, AI'nın açık yeniliği, yönetişim demokrasisi ve veri güvenliği için sağlam bir temel sağlayacak ve merkeziyetsiz AI ekosisteminin gelişimini destekleyecektir.

AI Layer 1'in temel özellikleri

AI Layer 1, AI uygulamaları için özel olarak tasarlanmış bir blockchain olarak, altyapı mimarisi ve performans tasarımı, AI görevlerinin gereksinimlerine sıkı bir şekilde odaklanmaktadır; bu, on-chain AI ekosisteminin sürdürülebilir gelişimini ve refahını etkili 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 temeli, açık bir hesaplama, depolama gibi kaynakların paylaşıldığı bir ağ oluşturmaktır. Geleneksel blok zinciri düğümleri esasen defter kaydı tutmaya odaklanırken, AI Layer 1 düğümleri daha karmaşık görevleri üstlenmelidir; sadece hesaplama sağlamakla kalmayıp, AI modellerinin eğitimi ve çıkarımı işlemlerini de tamamlamalı, ayrıca depolama, veri, bant genişliği gibi çeşitli kaynaklar da katkıda bulunmalıdır. Bu, AI altyapısındaki merkezi devlerin tekelini kırmak için gereklidir. Bu durum, temel konsensüs ve teşvik mekanizması için daha yüksek gereksinimler ortaya koyar: AI Layer 1, AI çıkarımı, eğitimi gibi görevlerde düğümlerin gerçek katkılarını doğru bir şekilde değerlendirebilmeli, teşvik edebilmeli ve doğrulayabilmelidir; böylece ağın güvenliği ve kaynakların etkin dağılımı sağlanabilir. Ancak bu şekilde ağın istikrarı ve refahı garanti altına alınabilir ve toplam hesaplama maliyetleri etkin bir şekilde düşürülebilir.

2. Olağanüstü yüksek performans ve heterojen görev destek yeteneği AI görevleri, özellikle LLM'nin eğitimi ve çıkarımı, hesaplama performansı ve paralel işleme kapasitesi üzerinde son derece yüksek talepler ortaya koymaktadır. Dahası, on-chain AI ekosistemi genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çok çeşitli ve heterojen görev türlerini desteklemeyi gerektirir. AI Layer 1, alt yapı mimarisinde yüksek verim, düşük gecikme ve esnek paralel gibi ihtiyaçlar için derinlemesine optimizasyon yapılmalı ve heterojen hesaplama kaynaklarına yerel destek yeteneği önceden ayarlanmalıdır, böylece her türlü AI görevi verimli bir şekilde çalışabilir ve "tekil görev"ten "karmaşık çoklu ekosistem"e sorunsuz bir şekilde genişleyebilir.

3. Doğrulanabilirlik ve Güvenilir Çıktı Garantisi AI Layer 1, yalnızca modelin kötüye kullanımını, verilerin değiştirilmesini ve diğer güvenlik açıklarını önlemekle kalmamalı, aynı zamanda alt düzey mekanizmalardan AI çıktılarının doğrulanabilirliğini ve hizalanmasını da 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 sağlamaktadır; bu da AI sisteminin adaletini ve şeffaflığını garanti eder. Aynı zamanda, bu doğrulanabilirlik kullanıcıların AI çıktılarının mantığını ve dayanağını netleştirmesine yardımcı olarak, "elde edilen tam olarak istenen" olmasını sağlar ve kullanıcıların AI ürünlerine olan güvenini ve memnuniyetini artırır.

4. Veri gizliliği koruma AI uygulamaları sıklıkla kullanıcıların hassas verilerini içerir, finans, sağlık, sosyal vb. alanlarda veri gizliliği koruma özellikle önemlidir. AI Layer 1, doğrulamanın sağlanması ile birlikte, kriptografik veri işleme teknikleri, gizlilik hesaplama protokolleri ve veri izin yönetimi gibi yöntemleri kullanarak, verilerin çıkarım, eğitim ve depolama gibi tüm süreçlerindeki güvenliğini sağlamalı, veri sızıntısını ve kötüye kullanımını etkili bir şekilde önlemeli ve kullanıcıların veri güvenliği konusundaki endişelerini ortadan kaldırmalıdır.

5. Güçlü Ekosistem Taşıma ve Geliştirme Destek Yeteneği AI'ya özgü Layer 1 altyapısı olarak, platform yalnızca teknik olarak lider olmakla kalmamalı, aynı zamanda geliştiriciler, düğüm operatörleri, AI hizmet sağlayıcıları gibi ekosistem katılımcılarına kapsamlı geliştirme araçları, entegre SDK, operasyonel destek ve teşvik mekanizmaları sunmalıdır. Platformun kullanılabilirliğini ve geliştirici deneyimini sürekli optimize ederek, zengin ve çeşitli AI'ya özgü uygulamaların hayata geçirilmesini 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 detaylı bir şekilde tanıtılacak, alanın en son gelişmeleri sistematik olarak ele alınacak, projelerin gelişim durumu incelenecek ve gelecekteki eğilimler tartışılacaktır.

Sentient: Sadık açık kaynaklı merkeziyetsiz AI modeli inşa etmek

Proje Özeti

Sentient, açık kaynaklı bir protokol platformudur ve AI Layer1 blok zinciri ( üzerinde çalışmaktadır. Başlangıç aşaması Layer 2'dir, daha sonra 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 takibi ve değer dağıtım sorunlarını çözmek için "OML" çerçevesi (açık, karlı, sadık) kullanarak, AI modellerinin on-chain mülkiyet yapısını, çağrı şeffaflığını ve değer paylaşımını gerçekleştirmektir. Sentient'in vizyonu, herkesin AI ürünleri inşa edebilmesini, işbirliği yapabilmesini, sahip olabilmesini ve para kazanmasını sağlamaktır, böylece adil ve açık bir AI Agent ağ ekosistemini teşvik etmektedir.

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 kararlıdır. 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 ile ilgilenmektedir. Aynı zamanda Polygon'un kurucu ortağı Sandeep Nailwal, blockchain stratejisi ve ekosistem düzenlemesi konusunda liderlik yapmaktadır. Ekip üyeleri, Meta, Coinbase, Polygon gibi tanınmış şirketlerden ve Princeton Üniversitesi, Hindistan Teknoloji Enstitüsü gibi önde gelen üniversitelerden gelen arka planlarıyla 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 auraya sahipti ve zengin kaynaklar, bağlantılar ve pazar farkındalığı ile projeye güçlü bir destek sağladı. 2024 yılının ortalarında Sentient, Founders Fund, Pantera ve Framework Ventures'ın liderlik ettiği 85 milyon dolarlık bir tohum finansmanı turunu tamamladı; diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi birçok tanınmış VC yer aldı.

Tasarım Mimarisi ve Uygulama Katmanı

Altyapı Katmanı

Kilit Mimarisi

Sentient'in temel mimarisi, AI Pipeline ve on-chain sistem olmak üzere iki bölümden oluşmaktadır:

AI boru hattı, "sadık AI" nesnelerinin geliştirilmesi ve eğitilmesi için bir temeldir ve iki ana süreç içerir:​

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

Blok zinciri sistemi, protokollere şeffaflık ve merkeziyetsiz kontrol sağlayarak 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 model çağrı girişi;
• Erişim katmanı: Kullanıcının yetkilendirilip yetkilendirilmediğini doğrulamak için izin kanıtı kullanılır;
• Teşvik katmanı: Gelir yönlendirme sözleşmesi, her çağrıda ödemeyi eğitmenler, dağıtıcılar ve doğrulayıcılar arasında 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. On-chain teknolojisi ile AI yerel kriptografisini birleştirerek aşağıdaki özelliklere sahiptir:

• Açıklık: Model açık kaynak olmalı, kod ve veri yapısı şeffaf olmalı, böylece topluluk tarafından yeniden üretilebilir, denetlenebilir ve geliştirilebilir.
• Para kazanma: Her model çağrısı, gelir akışını tetikler, on-chain sözleşme gelirleri eğitmenlere, dağıtımcılara ve doğrulayıcılara dağıtır.
• Sadakat: Model, katkı veren topluluğa aittir, yükseltme yönü ve yönetim DAO tarafından belirlenir, kullanım ve değişiklik, kripto mekanizmaları tarafından kontrol edilir.

AI Yerel Kriptografi (AI-native Cryptography)

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

• Parmak izi gömülmesi: Eğitim sırasında modelin benzersiz imzasını oluşturmak için gizli bir sorgu-cevap anahtar-değer çiftleri seti eklenir;
• Mülkiyet Doğrulama Protokolü: Üçüncü taraf dedektör (Prover) aracılığıyla sorgu biçiminde 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 cevabı döndürmesine izin verir.

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

Model Hak Sahibi ve Güvenli Uygulama Çerçevesi

Sentient şu anda Melange karışık güvenliği kullanıyor: parmak izi doğrulaması, TEE yürütmesi ve on-chain sözleşmelerin kar paylaşımını birleştiriyor. Parmak izi yöntemi OML 1.0 ile ana hat olarak uygulanmakta, "iyimser güvenlik (Optimistic Security)" fikrini vurgulamaktadır; yani varsayılan olarak uyumlu olup, ihlal durumunda tespit edilip cezalandırılabilir.

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

Ayrıca, Sentient güvenilir yürütme ortamlarını (AWS Nitro Enclaves gibi) kullanarak modelin sadece yetkilendirilmiş isteklere yanıt vermesini ve izinsiz erişim ve kullanımın önlenmesini sağlayan Enclave TEE hesaplama çerçevesini tanıttı. TEE donanıma bağımlıdır ve belirli güvenlik riskleri taşırken, yüksek performansı ve gerçek zamanlılık avantajları onu mevcut model dağıtımının temel teknolojisi haline getiriyor.

Gelecekte, Sentient sıfır bilgi kanıtı (ZK) ve tam homomorfik şifreleme (FHE) teknolojilerini tanıtmayı planlıyor.