AI Layer1 Araştırma Raporu: On-chain DeAI için verimli toprakları bulmak
Genel Bakış
arka plan
Son yıllarda, OpenAI, Anthropic, Google, Meta gibi önde gelen teknoloji şirketleri büyük dil modelleri (LLM)'in hızlı gelişimini sürekli olarak destekliyor. LLM, her sektörde daha önce hiç görülmemiş yetenekler sergileyerek insan hayal gücünü büyük ölçüde genişletti ve bazı senaryolarda insan emeğini ikame etme potansiyelini bile gösterdi. Ancak, bu teknolojilerin temeli birkaç merkezi teknoloji devinin elinde sıkı bir şekilde tutuluyor. Bu şirketler, güçlü sermaye ve yüksek maliyetli hesaplama kaynaklarına erişim ile aşılması zor engeller inşa etti ve böylece çoğu geliştirici ve yenilikçi ekiplerin onlarla rekabet etmesini zorlaştırdı.
Aynı zamanda, AI'nın hızlı evriminin başlarında, toplumsal kamuoyu genellikle teknolojinin getirdiği atılımlar ve kolaylıklar üzerinde yoğunlaşırken, gizlilik koruma, şeffaflık, güvenlik gibi temel sorunlara olan dikkat nispeten azdır. Uzun vadede, bu sorunlar AI endüstrisinin sağlıklı gelişimini ve toplumsal kabulünü derinden etkileyecektir. Eğer bu sorunlar uygun bir şekilde çözülemezse, AI'nın "iyiye gitmesi" mi yoksa "kötüye gitmesi" mi tartışması giderek daha belirgin hale gelecektir ve merkezileşmiş devler, kâr güdüsüyle bu zorluklarla başa çıkmak için genellikle yeterli motivasyona sahip olmazlar.
Blockchain teknolojisi, merkeziyetsiz, şeffaf ve sansüre dayanıklı özellikleri sayesinde AI endüstrisinin sürdürülebilir gelişimi için yeni olanaklar sunmaktadır. Şu anda, bazı ana akım blockchain'lerde birçok "Web3 AI" uygulaması ortaya çıkmıştır. Ancak derinlemesine analiz edildiğinde, bu projelerin hala birçok sorunla karşı karşıya olduğu görülebilmektedir: bir yandan, merkeziyetsizlik derecesi sınırlıdır, kritik aşamalar ve altyapı hala merkezi bulut hizmetlerine bağımlıdır, bu da gerçek anlamda açık bir ekosistemi desteklemekte zorluk çıkarmaktadır; öte yandan, Web2 dünyasındaki AI ürünleri ile karşılaştırıldığında, on-chain AI'nın model yetenekleri, veri kullanımı ve uygulama senaryoları gibi alanlarda hala sınırlı olduğu görülmektedir, yenilik derinliği ve genişliği artırılmalıdır.
Gerçekten merkeziyetsiz AI vizyonunu gerçekleştirmek, blok zincirinin güvenli, verimli ve demokratik bir şekilde büyük ölçekli AI uygulamalarını barındırmasını sağlamak ve performans açısından merkezi çözümlerle rekabet edebilmesi için, AI'ya özel tasarlanmış bir Layer1 blok zinciri oluşturmalıyız. Bu, AI'nın açık yenilik, yönetişim demokrasisi ve veri güvenliği için sağlam bir temel sağlayarak merkeziyetsiz AI ekosisteminin refahını ve gelişimini teşvik edecektir.
AI Layer 1'in temel özellikleri
AI Layer 1, AI uygulamaları için özel olarak tasarlanmış bir blok zinciri olarak, altyapı mimarisi ve performans tasarımı, AI görevlerinin gereksinimlerini sıkı bir şekilde çevrelemekte olup, on-chain AI ekosisteminin sürdürülebilir gelişimi ve refahını verimli bir şekilde desteklemeyi amaçlamaktadır. Daha spesifik olarak, AI Layer 1 aşağıdaki temel yeteneklere sahip olmalıdır:
Etkili teşvikler ve merkeziyetsiz konsensüs mekanizması AI Layer 1'in temel amacı, açık bir hesaplama, depolama ve diğer kaynakların paylaşım ağı oluşturmaktır. Geleneksel blockchain düğümlerinin yalnızca defter kaydı tutmaya odaklanmasının aksine, AI Layer 1 düğümleri daha karmaşık görevleri üstlenmek zorundadır; sadece hesaplama gücü sağlamakla kalmayıp, AI modelinin eğitimi ve çıkarımı ile birlikte depolama, veri ve bant genişliği gibi çeşitli kaynakları da katkıda bulunmalıdır. Böylece, AI altyapısındaki merkezi devlerin tekelini kırabilir. Bu durum, alt düzey konsensüs ve teşvik mekanizmaları için daha yüksek gereksinimler ortaya koymaktadır: AI Layer 1, düğümlerin AI çıkarımı, eğitimi gibi görevlerdeki gerçek katkılarını doğru bir şekilde değerlendirebilmek, teşvik edebilmek ve doğrulayabilmelidir; böylece ağın güvenliğini ve kaynakların verimli dağılımını sağlamalıdır. Ancak bu şekilde ağın istikrarı ve refahı garanti altına alınabilir ve toplam hesaplama maliyetleri etkili bir şekilde azaltılabilir.
Üstün yüksek performans ve heterojen görev destek yeteneği AI görevleri, özellikle LLM'nin eğitimi ve çıkarımı, hesaplama performansı ve paralel işleme yeteneği açısından son derece yüksek talepler ortaya koymaktadır. Daha ileri, on-chain AI ekosisteminin genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çeşitli senaryoları desteklemesi gerekmektedir. AI Layer 1, temel mimarisinde yüksek throughput, düşük gecikme ve esnek paralel işleme gibi gereksinimlere derinlemesine optimize edilmeli ve heterojen hesaplama kaynaklarının yerel destek yeteneğini önceden tanımlamalıdır; bu, çeşitli AI görevlerinin verimli bir şekilde çalışmasını sağlamakta ve "tek tip görevden" "karmaşık çoklu ekosisteme" sorunsuz bir genişlemeyi gerçekleştirmektedir.
Doğrulanabilirlik ve Güvenilir Çıktı Garantisi AI Layer 1, modelin kötüye kullanılmasını, verilerin değiştirilmesini gibi güvenlik risklerini önlemekle kalmamalı, aynı zamanda alt katman mekanizmasından AI çıktı sonuçlarının doğrulanabilirliğini ve hizalanmasını sağlamalıdır. Güvenilir yürütme ortamı ( TEE ), sıfır bilgi kanıtı ( ZK ), çok taraflı güvenli hesaplama ( MPC ) gibi öncü teknolojileri entegre ederek, platform her bir model çıkarımı, eğitim ve veri işleme sürecinin bağımsız olarak doğrulanabilmesini sağlar, AI sisteminin adaletini ve şeffaflığını güvence altına alır. Aynı zamanda, bu doğrulanabilirlik kullanıcıların AI çıktılarının mantığını ve dayanaklarını net bir şekilde anlamalarına yardımcı olarak, "alınan, istenen" ilkesini gerçekleştirmekte ve kullanıcıların AI ürünlerine olan güvenini ve memnuniyetini artırmaktadır.
Veri Gizliliği Koruma AI uygulamaları genellikle kullanıcı hassas verilerini içerir; finans, sağlık, sosyal vb. alanlarda veri gizliliği koruma özellikle kritik öneme sahiptir. AI Layer 1, doğrulanabilirliği sağlarken, şifrelemeye dayalı veri işleme teknikleri, gizlilik hesaplama protokolleri ve veri izin yönetimi gibi yöntemler kullanmalı, verilerin çıkarım, eğitim ve depolama gibi süreçlerinin güvenliğini sağlamak, veri sızıntılarını ve kötüye kullanımları etkin bir şekilde önlemek ve kullanıcıların veri güvenliği konusundaki endişelerini ortadan kaldırmalıdır.
Güçlü ekosistem taşıma ve geliştirme destek yeteneği AI yerel Layer 1 altyapısı olarak, platformun yalnızca teknik olarak önde olması yetmez, aynı zamanda geliştiricilere, düğüm operatörlerine, AI hizmet sağlayıcıları gibi ekosistem katılımcılarına kapsamlı geliştirme araçları, entegre SDK'lar, işletim desteği ve teşvik mekanizmaları sunması gerekir. Platformun kullanılabilirliğini ve geliştirici deneyimini sürekli optimize ederek, zengin ve çeşitli AI yerel uygulamaların hayata geçmesini 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 altı AI Layer1 temsilci projesini detaylı bir şekilde tanıtacak, alanın en son gelişmelerini sistematik bir şekilde gözden geçirecek, projelerin mevcut gelişim durumunu analiz edecek ve gelecekteki eğilimleri tartışacaktır.
Sentient: Sadık Açık Kaynak Merkeziyetsiz AI Modeli Oluşturma
Proje Özeti
Sentient, açık kaynak bir protokol platformudur ve bir AI Layer1 blok zinciri ( oluşturmayı hedeflemektedir. İlk aşaması Layer 2 olarak başlayacak, ardından Layer 1)'e geçilecektir. AI Pipeline ve blok zinciri teknolojilerini birleştirerek merkeziyetsiz bir yapay zeka ekonomisi inşa edecektir. Temel hedefi, "OML" çerçevesi ( aracılığıyla merkezi LLM pazarındaki model mülkiyeti, çağrı takibi ve değer dağıtımı sorunlarını çözerek, yapay zeka modellerinin on-chain mülkiyet yapısını, çağrı şeffaflığını ve değer paylaşımını sağlamaktır. Sentient'in vizyonu, herkesin AI ürünlerini inşa etmesine, işbirliği yapmasına, sahip olmasına ve paraya dönüştürmesine olanak tanıyarak adil ve açık bir AI Agent ağ ekosistemini teşvik etmektir.
Sentient Foundation ekibi, dünya çapında önde gelen akademik uzmanlar, blok zinciri girişimcileri ve mühendisleri bir araya getirerek, topluluk odaklı, açık kaynaklı ve doğrulanabilir bir AGI platformu inşa etmeye kendini adamıştır. Çekirdek üyeler arasında Princeton Üniversitesi profesörü Pramod Viswanath ve Hindistan Bilim Enstitüsü profesörü Himanshu Tyagi yer almakta olup, AI güvenliği ve gizliliğinden sorumludurlar. Aynı zamanda Polygon'un kurucu ortağı Sandeep Nailwal blok zinciri stratejisi ve ekosistem düzenlemesi konusunda liderlik yapmaktadır. Ekip üyelerinin geçmişi, Meta, Coinbase, Polygon gibi tanınmış şirketlerin yanı sıra Princeton Üniversitesi, Hindistan Teknoloji Enstitüsü gibi önde gelen üniversiteleri kapsamakta olup, AI/ML, NLP, bilgisayarla görme gibi alanlarda projeyi hayata geçirmek için birlikte çalışmaktadır.
Polygon'un kurucu ortağı Sandeep Nailwal'ın ikinci girişim projesi olan Sentient, kuruluşunun ilk gününden itibaren bir aura ile birlikte gelmiş, zengin kaynaklar, bağlantılar ve piyasa bilinirliği ile proje gelişimine güçlü bir destek sağlamıştır. 2024 yılının ortalarında, Sentient 85 milyon dolar değerinde bir tohum finansmanı turunu tamamladı, öncülüğünü Founders Fund, Pantera ve Framework Ventures üstlendi, diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi birkaç tanınmış VC de bulunmaktadır.
![Biteye ve PANews ortaklaşa AI Layer1 raporu yayımladı: On-chain DeAI için verimli topraklar arayışı])https://img-cdn.gateio.im/webp-social/moments-f4a64f13105f67371db1a93a52948756.webp(
) Tasarım Mimarisi ve Uygulama Katmanı
Altyapı Katmanı
Temel Mimari
Sentient'in temel mimarisi, AI Pipeline ### ve on-chain sistem olmak üzere iki bölümden oluşmaktadır:
AI boru hattı, "sadık AI" nesnelerinin geliştirilmesi ve eğitilmesinin temelini oluşturur, iki ana süreç içerir:
Veri Planlaması ( Veri Kürasyonu ): Modelin hizalanması için topluluk tarafından yönlendirilen veri seçme süreci.
Sadakat Eğitimi (: Modelin topluluk niyetleriyle uyumlu bir eğitim süreci sürdürmesini sağlamak.
Blok zinciri sistemi, protokole şeffaflık ve merkeziyetsiz kontrol sağlayarak AI eserlerinin mülkiyetini, kullanım izini, gelir dağılımını ve adil yönetimi güvence altına alır. Spesifik mimari dört katmana ayrılmıştır:
Depolama katmanı: model ağırlıklarını ve parmak izi kayıt bilgilerini depolamak;
Dağıtım katmanı: Yetkilendirme sözleşmesi kontrol modeli çağrı girişi;
Erişim katmanı: Kullanıcının yetkilendirilip yetkilendirilmediğini doğrulamak için yetki kanıtı kullanır;
Teşvik Katmanı: Getiri yönlendirme sözleşmesi, her çağrıda ödemeyi eğiticilere, dağıtıcılara ve doğrulayıcılara dağıtır.
![Biteye ve PANews ortaklaşa AI Layer1 raporu yayınladı: On-chain DeAI için verimli toprakları aramak])https://img-cdn.gateio.im/webp-social/moments-a70b0aca9250ab65193d0094fa9b5641.webp(
)## OML model çerçevesi
OML çerçevesi ( açık Open, para kazanabilir Monetizable, sadık Loyal ) Sentient tarafından önerilen temel bir felsefedir ve açık kaynak AI modellerine net mülkiyet koruma ve ekonomik teşvik mekanizmaları sağlamayı amaçlamaktadır. Zincir üzerindeki teknolojiyi ve AI yerel kriptografisini birleştirerek aşağıdaki özelliklere sahiptir:
Açıklık: Model açık kaynak olmalı, kod ve veri yapısı şeffaf olmalı, topluluğun yeniden oluşturmasını, denetlemesini ve geliştirmesini kolaylaştırmalıdır.
Paraya çevirme: Her model çağrısı, gelir akışını tetikler; on-chain sözleşme, gelirleri eğitici, dağıtıcı ve doğrulayıcıya dağıtır.
Sadakat: Model, katkı veren topluluğa aittir, yükseltme yönü ve yönetim DAO tarafından belirlenir, kullanım ve değişiklikler kripto mekanizması tarafından kontrol edilir.
AI yerel kriptografi(AI-native Cryptography)
Yerli yapay zeka 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 gömülü: Eğitim sırasında modelin benzersiz imzasını oluşturmak için bir dizi gizli sorgu-yanıt anahtar-değer çifti eklenir;
Mülkiyet doğrulama protokolü: Parmak izinin korunup korunmadığını sorgulama biçiminde ###Prover( üçüncü taraf dedektörü aracılığıyla doğrulama.
İzin çağırma mekanizması: Çağrıdan önce model sahibinin verdiği "yetki belgesi" alınmalı, sistem buna göre modelin bu girişi çözmesine ve doğru yanıtı döndürmesine yetki verir.
Bu yöntem, "davranışa dayalı yetkilendirme çağrısı + aitlik doğrulaması"nı yeniden şifreleme maliyeti olmadan gerçekleştirebilir.
![Biteye ve PANews ortaklaşa AI Layer1 raporu yayımladı: On-chain DeAI için verimli toprakları aramak])https://img-cdn.gateio.im/webp-social/moments-cf5f43c63b7ab154e2201c8d3531be8c.webp(
)## Model Hakları ve Güvenli Uygulama Çerçevesi
Sentient şu anda Melange karışık güvenliğini kullanıyor: parmak izi ile hak doğrulama, TEE yürütme ve on-chain akıllı sözleşme kazanç paylaşımını birleştiriyor. Parmak izi yöntemi OML 1.0 ile ana hat olarak uygulanmakta, "Optimistik Güvenlik(Optimistic Security)" düşüncesini vurgulamaktadır, yani uyum varsayılır, ihlaller tespit edilip cezalandırılabilir.
Parmak izi mekanizması, OML'nin ana uygulamasıdır. Bu mekanizma, belirli "soru-cevap" çiftlerini gömerek, modelin eğitim aşamasında benzersiz imzalar oluşturmasını sağlar. Bu imzalar aracılığıyla, model sahipleri aitliği doğrulayabilir, yetkisiz kopyalama ve ticarileşmeyi önleyebilir. Bu mekanizma, yalnızca model geliştiricilerinin haklarını korumakla kalmaz, aynı zamanda modelin kullanım davranışlarına izlenebilir bir on-chain kayıt sağlar.
Ayrıca, Sentient, AWS Nitro Enclaves### gibi güvenilir yürütme ortamlarını kullanarak yetkilendirilmiş taleplere yanıt veren ve yetkisiz erişimi ve kullanımı önleyen Enclave TEE hesaplama çerçevesini tanıttı. TEE donanıma bağımlı olmasına ve bazı güvenlik riskleri taşımasına rağmen, yüksek performansı ve gerçek zamanlılık avantajları, onu mevcut model dağıtımının temel teknolojisi haline getiriyor.
View Original
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
20 Likes
Reward
20
5
Share
Comment
0/400
SundayDegen
· 07-24 20:44
Merkeziyetsiz bir şekilde fırsattan yararlanma malzemesi geldi.
AI Layer1 pist derinlik analizi: Altı büyük proje merkeziyetsiz AI altyapısı düzenlemesi
AI Layer1 Araştırma Raporu: On-chain DeAI için verimli toprakları bulmak
Genel Bakış
arka plan
Son yıllarda, OpenAI, Anthropic, Google, Meta gibi önde gelen teknoloji şirketleri büyük dil modelleri (LLM)'in hızlı gelişimini sürekli olarak destekliyor. LLM, her sektörde daha önce hiç görülmemiş yetenekler sergileyerek insan hayal gücünü büyük ölçüde genişletti ve bazı senaryolarda insan emeğini ikame etme potansiyelini bile gösterdi. Ancak, bu teknolojilerin temeli birkaç merkezi teknoloji devinin elinde sıkı bir şekilde tutuluyor. Bu şirketler, güçlü sermaye ve yüksek maliyetli hesaplama kaynaklarına erişim ile aşılması zor engeller inşa etti ve böylece çoğu geliştirici ve yenilikçi ekiplerin onlarla rekabet etmesini zorlaştırdı.
Aynı zamanda, AI'nın hızlı evriminin başlarında, toplumsal kamuoyu genellikle teknolojinin getirdiği atılımlar ve kolaylıklar üzerinde yoğunlaşırken, gizlilik koruma, şeffaflık, güvenlik gibi temel sorunlara olan dikkat nispeten azdır. Uzun vadede, bu sorunlar AI endüstrisinin sağlıklı gelişimini ve toplumsal kabulünü derinden etkileyecektir. Eğer bu sorunlar uygun bir şekilde çözülemezse, AI'nın "iyiye gitmesi" mi yoksa "kötüye gitmesi" mi tartışması giderek daha belirgin hale gelecektir ve merkezileşmiş devler, kâr güdüsüyle bu zorluklarla başa çıkmak için genellikle yeterli motivasyona sahip olmazlar.
Blockchain teknolojisi, merkeziyetsiz, şeffaf ve sansüre dayanıklı özellikleri sayesinde AI endüstrisinin sürdürülebilir gelişimi için yeni olanaklar sunmaktadır. Şu anda, bazı ana akım blockchain'lerde birçok "Web3 AI" uygulaması ortaya çıkmıştır. Ancak derinlemesine analiz edildiğinde, bu projelerin hala birçok sorunla karşı karşıya olduğu görülebilmektedir: bir yandan, merkeziyetsizlik derecesi sınırlıdır, kritik aşamalar ve altyapı hala merkezi bulut hizmetlerine bağımlıdır, bu da gerçek anlamda açık bir ekosistemi desteklemekte zorluk çıkarmaktadır; öte yandan, Web2 dünyasındaki AI ürünleri ile karşılaştırıldığında, on-chain AI'nın model yetenekleri, veri kullanımı ve uygulama senaryoları gibi alanlarda hala sınırlı olduğu görülmektedir, yenilik derinliği ve genişliği artırılmalıdır.
Gerçekten merkeziyetsiz AI vizyonunu gerçekleştirmek, blok zincirinin güvenli, verimli ve demokratik bir şekilde büyük ölçekli AI uygulamalarını barındırmasını sağlamak ve performans açısından merkezi çözümlerle rekabet edebilmesi için, AI'ya özel tasarlanmış bir Layer1 blok zinciri oluşturmalıyız. Bu, AI'nın açık yenilik, yönetişim demokrasisi ve veri güvenliği için sağlam bir temel sağlayarak merkeziyetsiz AI ekosisteminin refahını ve gelişimini teşvik edecektir.
AI Layer 1'in temel özellikleri
AI Layer 1, AI uygulamaları için özel olarak tasarlanmış bir blok zinciri olarak, altyapı mimarisi ve performans tasarımı, AI görevlerinin gereksinimlerini sıkı bir şekilde çevrelemekte olup, on-chain AI ekosisteminin sürdürülebilir gelişimi ve refahını verimli bir şekilde desteklemeyi amaçlamaktadır. Daha spesifik olarak, AI Layer 1 aşağıdaki temel yeteneklere sahip olmalıdır:
Etkili teşvikler ve merkeziyetsiz konsensüs mekanizması AI Layer 1'in temel amacı, açık bir hesaplama, depolama ve diğer kaynakların paylaşım ağı oluşturmaktır. Geleneksel blockchain düğümlerinin yalnızca defter kaydı tutmaya odaklanmasının aksine, AI Layer 1 düğümleri daha karmaşık görevleri üstlenmek zorundadır; sadece hesaplama gücü sağlamakla kalmayıp, AI modelinin eğitimi ve çıkarımı ile birlikte depolama, veri ve bant genişliği gibi çeşitli kaynakları da katkıda bulunmalıdır. Böylece, AI altyapısındaki merkezi devlerin tekelini kırabilir. Bu durum, alt düzey konsensüs ve teşvik mekanizmaları için daha yüksek gereksinimler ortaya koymaktadır: AI Layer 1, düğümlerin AI çıkarımı, eğitimi gibi görevlerdeki gerçek katkılarını doğru bir şekilde değerlendirebilmek, teşvik edebilmek ve doğrulayabilmelidir; böylece ağın güvenliğini ve kaynakların verimli dağılımını sağlamalıdır. Ancak bu şekilde ağın istikrarı ve refahı garanti altına alınabilir ve toplam hesaplama maliyetleri etkili bir şekilde azaltılabilir.
Üstün yüksek performans ve heterojen görev destek yeteneği AI görevleri, özellikle LLM'nin eğitimi ve çıkarımı, hesaplama performansı ve paralel işleme yeteneği açısından son derece yüksek talepler ortaya koymaktadır. Daha ileri, on-chain AI ekosisteminin genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çeşitli senaryoları desteklemesi gerekmektedir. AI Layer 1, temel mimarisinde yüksek throughput, düşük gecikme ve esnek paralel işleme gibi gereksinimlere derinlemesine optimize edilmeli ve heterojen hesaplama kaynaklarının yerel destek yeteneğini önceden tanımlamalıdır; bu, çeşitli AI görevlerinin verimli bir şekilde çalışmasını sağlamakta ve "tek tip görevden" "karmaşık çoklu ekosisteme" sorunsuz bir genişlemeyi gerçekleştirmektedir.
Doğrulanabilirlik ve Güvenilir Çıktı Garantisi AI Layer 1, modelin kötüye kullanılmasını, verilerin değiştirilmesini gibi güvenlik risklerini önlemekle kalmamalı, aynı zamanda alt katman mekanizmasından AI çıktı sonuçlarının doğrulanabilirliğini ve hizalanmasını sağlamalıdır. Güvenilir yürütme ortamı ( TEE ), sıfır bilgi kanıtı ( ZK ), çok taraflı güvenli hesaplama ( MPC ) gibi öncü teknolojileri entegre ederek, platform her bir model çıkarımı, eğitim ve veri işleme sürecinin bağımsız olarak doğrulanabilmesini sağlar, AI sisteminin adaletini ve şeffaflığını güvence altına alır. Aynı zamanda, bu doğrulanabilirlik kullanıcıların AI çıktılarının mantığını ve dayanaklarını net bir şekilde anlamalarına yardımcı olarak, "alınan, istenen" ilkesini gerçekleştirmekte ve kullanıcıların AI ürünlerine olan güvenini ve memnuniyetini artırmaktadır.
Veri Gizliliği Koruma AI uygulamaları genellikle kullanıcı hassas verilerini içerir; finans, sağlık, sosyal vb. alanlarda veri gizliliği koruma özellikle kritik öneme sahiptir. AI Layer 1, doğrulanabilirliği sağlarken, şifrelemeye dayalı veri işleme teknikleri, gizlilik hesaplama protokolleri ve veri izin yönetimi gibi yöntemler kullanmalı, verilerin çıkarım, eğitim ve depolama gibi süreçlerinin güvenliğini sağlamak, veri sızıntılarını ve kötüye kullanımları etkin bir şekilde önlemek ve kullanıcıların veri güvenliği konusundaki endişelerini ortadan kaldırmalıdır.
Güçlü ekosistem taşıma ve geliştirme destek yeteneği AI yerel Layer 1 altyapısı olarak, platformun yalnızca teknik olarak önde olması yetmez, aynı zamanda geliştiricilere, düğüm operatörlerine, AI hizmet sağlayıcıları gibi ekosistem katılımcılarına kapsamlı geliştirme araçları, entegre SDK'lar, işletim desteği ve teşvik mekanizmaları sunması gerekir. Platformun kullanılabilirliğini ve geliştirici deneyimini sürekli optimize ederek, zengin ve çeşitli AI yerel uygulamaların hayata geçmesini 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 altı AI Layer1 temsilci projesini detaylı bir şekilde tanıtacak, alanın en son gelişmelerini sistematik bir şekilde gözden geçirecek, projelerin mevcut gelişim durumunu analiz edecek ve gelecekteki eğilimleri tartışacaktır.
Sentient: Sadık Açık Kaynak Merkeziyetsiz AI Modeli Oluşturma
Proje Özeti
Sentient, açık kaynak bir protokol platformudur ve bir AI Layer1 blok zinciri ( oluşturmayı hedeflemektedir. İlk aşaması Layer 2 olarak başlayacak, ardından Layer 1)'e geçilecektir. AI Pipeline ve blok zinciri teknolojilerini birleştirerek merkeziyetsiz bir yapay zeka ekonomisi inşa edecektir. Temel hedefi, "OML" çerçevesi ( aracılığıyla merkezi LLM pazarındaki model mülkiyeti, çağrı takibi ve değer dağıtımı sorunlarını çözerek, yapay zeka modellerinin on-chain mülkiyet yapısını, çağrı şeffaflığını ve değer paylaşımını sağlamaktır. Sentient'in vizyonu, herkesin AI ürünlerini inşa etmesine, işbirliği yapmasına, sahip olmasına ve paraya dönüştürmesine olanak tanıyarak adil ve açık bir AI Agent ağ ekosistemini teşvik etmektir.
Sentient Foundation ekibi, dünya çapında önde gelen akademik uzmanlar, blok zinciri girişimcileri ve mühendisleri bir araya getirerek, topluluk odaklı, açık kaynaklı ve doğrulanabilir bir AGI platformu inşa etmeye kendini adamıştır. Çekirdek üyeler arasında Princeton Üniversitesi profesörü Pramod Viswanath ve Hindistan Bilim Enstitüsü profesörü Himanshu Tyagi yer almakta olup, AI güvenliği ve gizliliğinden sorumludurlar. Aynı zamanda Polygon'un kurucu ortağı Sandeep Nailwal blok zinciri stratejisi ve ekosistem düzenlemesi konusunda liderlik yapmaktadır. Ekip üyelerinin geçmişi, Meta, Coinbase, Polygon gibi tanınmış şirketlerin yanı sıra Princeton Üniversitesi, Hindistan Teknoloji Enstitüsü gibi önde gelen üniversiteleri kapsamakta olup, AI/ML, NLP, bilgisayarla görme gibi alanlarda projeyi hayata geçirmek için birlikte çalışmaktadır.
Polygon'un kurucu ortağı Sandeep Nailwal'ın ikinci girişim projesi olan Sentient, kuruluşunun ilk gününden itibaren bir aura ile birlikte gelmiş, zengin kaynaklar, bağlantılar ve piyasa bilinirliği ile proje gelişimine güçlü bir destek sağlamıştır. 2024 yılının ortalarında, Sentient 85 milyon dolar değerinde bir tohum finansmanı turunu tamamladı, öncülüğünü Founders Fund, Pantera ve Framework Ventures üstlendi, diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi birkaç tanınmış VC de bulunmaktadır.
![Biteye ve PANews ortaklaşa AI Layer1 raporu yayımladı: On-chain DeAI için verimli topraklar arayışı])https://img-cdn.gateio.im/webp-social/moments-f4a64f13105f67371db1a93a52948756.webp(
) Tasarım Mimarisi ve Uygulama Katmanı
Altyapı Katmanı
Temel Mimari
Sentient'in temel mimarisi, AI Pipeline ### ve on-chain sistem olmak üzere iki bölümden oluşmaktadır:
AI boru hattı, "sadık AI" nesnelerinin geliştirilmesi ve eğitilmesinin temelini oluşturur, iki ana süreç içerir:
Blok zinciri sistemi, protokole şeffaflık ve merkeziyetsiz kontrol sağlayarak AI eserlerinin mülkiyetini, kullanım izini, gelir dağılımını ve adil yönetimi güvence altına alır. Spesifik mimari dört katmana ayrılmıştır:
![Biteye ve PANews ortaklaşa AI Layer1 raporu yayınladı: On-chain DeAI için verimli toprakları aramak])https://img-cdn.gateio.im/webp-social/moments-a70b0aca9250ab65193d0094fa9b5641.webp(
)## OML model çerçevesi
OML çerçevesi ( açık Open, para kazanabilir Monetizable, sadık Loyal ) Sentient tarafından önerilen temel bir felsefedir ve açık kaynak AI modellerine net mülkiyet koruma ve ekonomik teşvik mekanizmaları sağlamayı amaçlamaktadır. Zincir üzerindeki teknolojiyi ve AI yerel kriptografisini birleştirerek aşağıdaki özelliklere sahiptir:
AI yerel kriptografi(AI-native Cryptography)
Yerli yapay zeka kripto, AI modellerinin sürekliliği, düşük boyutlu manifold yapısı ve modelin türevlenebilir özelliklerini kullanarak "doğrulanabilir ama çıkarılamaz" hafif güvenlik mekanizmaları geliştirmektedir. Temel teknolojisi şudur:
Bu yöntem, "davranışa dayalı yetkilendirme çağrısı + aitlik doğrulaması"nı yeniden şifreleme maliyeti olmadan gerçekleştirebilir.
![Biteye ve PANews ortaklaşa AI Layer1 raporu yayımladı: On-chain DeAI için verimli toprakları aramak])https://img-cdn.gateio.im/webp-social/moments-cf5f43c63b7ab154e2201c8d3531be8c.webp(
)## Model Hakları ve Güvenli Uygulama Çerçevesi
Sentient şu anda Melange karışık güvenliğini kullanıyor: parmak izi ile hak doğrulama, TEE yürütme ve on-chain akıllı sözleşme kazanç paylaşımını birleştiriyor. Parmak izi yöntemi OML 1.0 ile ana hat olarak uygulanmakta, "Optimistik Güvenlik(Optimistic Security)" düşüncesini vurgulamaktadır, yani uyum varsayılır, ihlaller tespit edilip cezalandırılabilir.
Parmak izi mekanizması, OML'nin ana uygulamasıdır. Bu mekanizma, belirli "soru-cevap" çiftlerini gömerek, modelin eğitim aşamasında benzersiz imzalar oluşturmasını sağlar. Bu imzalar aracılığıyla, model sahipleri aitliği doğrulayabilir, yetkisiz kopyalama ve ticarileşmeyi önleyebilir. Bu mekanizma, yalnızca model geliştiricilerinin haklarını korumakla kalmaz, aynı zamanda modelin kullanım davranışlarına izlenebilir bir on-chain kayıt sağlar.
Ayrıca, Sentient, AWS Nitro Enclaves### gibi güvenilir yürütme ortamlarını kullanarak yetkilendirilmiş taleplere yanıt veren ve yetkisiz erişimi ve kullanımı önleyen Enclave TEE hesaplama çerçevesini tanıttı. TEE donanıma bağımlı olmasına ve bazı güvenlik riskleri taşımasına rağmen, yüksek performansı ve gerçek zamanlılık avantajları, onu mevcut model dağıtımının temel teknolojisi haline getiriyor.