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

Genel Bakış

Son yıllarda, OpenAI, Anthropic, Google, Meta gibi önde gelen teknoloji şirketleri büyük dil modellerinin (LLM) hızla gelişimini sürekli olarak teşvik etmektedir. LLM, her sektörde benzeri görülmemiş yetenekler sergileyerek insan hayal gücünü büyük ölçüde genişletmiş, hatta bazı senaryolar altında insan emeğinin yerini alma potansiyelini göstermiştir. Ancak, bu teknolojilerin temeli, az sayıda merkezi teknoloji devinin elinde sıkı bir şekilde tutulmaktadır. Güçlü sermaye ve yüksek maliyetli hesaplama kaynakları üzerindeki kontrol ile, bu şirketler aşılması zor engeller oluşturmuş, bu da büyük çoğunlukta geliştiricilerin ve yenilikçi ekiplerin onlarla rekabet etmesini zorlaştırmıştır.

Aynı zamanda, AI'nin hızlı evriminin ilk dönemlerinde, 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 sektörünün sağlıklı gelişimini ve toplum tarafından kabul edilmesini derinden etkileyecektir. Eğer bu sorunlar uygun bir şekilde çözülemezse, AI'nin "iyiliğe" mi yoksa "kötülüğe" mi yönelmesi konusundaki tartışmalar daha da belirginleşecektir ve merkezileşmiş dev şirketler, kar sağlama içgüdüsüyle, bu zorluklarla proaktif bir şekilde başa çıkmak için genellikle yeterli motivasyona sahip olmamaktadırlar.

Blockchain teknolojisi, merkeziyetsizlik, şeffaflık ve sansüre dayanıklılık özellikleri sayesinde, AI endüstrisinin sürdürülebilir gelişimi için yeni olasılıklar sunmaktadır. Şu anda, bazı 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 derecesi sınırlıdır, kritik aşamalar ve altyapı hala merkezi bulut hizmetlerine bağımlıdır, bu da gerçek anlamda açık bir ekosistemi desteklemelerini zorlaştırmaktadır; diğer yandan, Web2 dünyasındaki AI ürünleriyle karşılaştırıldığında, on-chain AI'nın model yetenekleri, veri kullanımı ve uygulama senaryoları gibi alanlarda hala sınırlamaları vardır, yenilik derinliği ve genişliği artırılmalıdır.

Gerçekten merkeziyetsiz AI vizyonunu gerçekleştirmek için, blockchain'in güvenli, verimli ve demokratik bir şekilde büyük ölçekli AI uygulamalarını barındırabilmesi ve performans açısından merkezi çözümlerle rekabet edebilmesi gerekiyor. AI'ya özel olarak tasarlanmış bir Layer1 blockchain'i tasarlamamız gerekiyor. Bu, AI'nın açık inovasyonu, yönetim demokrasisi ve veri güvenliği için sağlam bir temel sağlayarak merkeziyetsiz AI ekosisteminin gelişimini destekleyecektir.

AI Layer 1'in temel özellikleri

AI Layer 1, AI uygulamaları için özel olarak tasarlanmış bir blockchain olarak, altyapısı ve performans tasarımı, AI görevlerinin ihtiyaçları etrafında sıkı bir şekilde döner ve 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 temeli, açık bir hesaplama, depolama gibi kaynakların paylaşıldığı bir ağ oluşturmaktır. Geleneksel blok zinciri düğümleri yalnızca defter kaydı tutmaya odaklanırken, AI Layer 1 düğümleri daha karmaşık görevleri yerine getirmek zorundadır; yalnızca hesaplama gücü sağlamak, AI modelinin eğitimi ve çıkarımını tamamlamakla kalmayıp, aynı zamanda depolama, veri, bant genişliği gibi çeşitli kaynakları katkıda bulunmalıdır. Böylece, merkezi devlerin AI altyapısındaki tekelini kırmış olur. Bu, temel konsensüs ve teşvik mekanizmalarına daha yüksek gereksinimler getirir: AI Layer 1, düğümlerin AI çıkarımı, eğitimi gibi görevlerdeki gerçek katkılarını doğru bir şekilde değerlendirebilmeli, teşvik edebilmeli ve doğrulayabilmelidir; böylece ağın güvenliği ve kaynakların verimli dağıtımı sağlanır. Ancak bu şekilde ağın istikrarı ve refahı garanti altına alınabilir ve genel hesaplama maliyetleri etkin bir şekilde azaltılabilir.

2. Üstün yüksek performans ve heterojen görev destek yeteneği AI görevleri, özellikle LLM'nin eğitim ve çıkarımı, hesaplama performansı ve paralel işleme yeteneği için son derece yüksek talepler ortaya koymaktadır. Dahası, on-chain AI ekosistemi genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çeşitlendirilmiş ve heterojen görev türlerini desteklemelidir. AI Layer 1, temel mimaride yüksek throughput, düşük gecikme ve esnek paralel gibi gereksinimlere yönelik derin optimizasyon yapmalı ve heterojen hesaplama kaynaklarının yerel destek yeteneğini önceden ayarlamalıdır; böylece çeşitli AI görevleri verimli bir şekilde çalışabilir ve "tek tip görevden" "karmaşık çok yönlü ekosisteme" sorunsuz bir genişleme sağlanabilir.

3. Doğrulanabilirlik ve Güvenilir Çıktı Garantisi AI Layer 1, yalnızca modelin kötüye kullanılmasını, verilerin değiştirilmesini gibi güvenlik risklerini önlemekle kalmamalı, aynı zamanda alt düzey mekanizmalarla AI çıkış sonuçlarının doğrulanabilirliğini ve uyumunu sağlamalıdır. Güvenilir yürütme ortamı (TEE), sıfır bilgi kanıtı (ZK), çok taraflı güvenli hesaplama (MPC) gibi öncü teknolojileri entegre ederek, platform her model çıkarımı, eğitim ve veri işleme sürecinin bağımsız olarak doğrulanmasını sağlayabilir, AI sisteminin adilliğini ve şeffaflığını garanti eder. Ayrıca, bu doğrulanabilirlik kullanıcıların AI çıktılarının mantığını ve dayanağını net bir şekilde anlamalarına yardımcı olarak "elde edilenin istenilen olması"nı sağlar 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, kriptografik veri işleme teknolojileri, gizlilik hesaplama protokolleri ve veri hakları yönetimi gibi yöntemleri kullanarak, verilerin çıkarım, eğitim ve depolama gibi süreçler boyunca güvenliğini sağlamalı, veri sızıntılarını ve kötüye kullanımları etkili bir şekilde önlemeli ve kullanıcıların veri güvenliği konusunda endişelerini ortadan kaldırmalıdır.

5. Güçlü Ekosistem Taşıma ve Geliştirme Destek Kapasitesi AI'ya özgü Layer 1 altyapısı olarak, platform yalnızca teknik olarak öncü olmakla kalmamalı, aynı zamanda geliştiriciler, düğüm operatörleri, AI hizmet sağlayıcıları gibi ekosistem katılımcılarına eksiksiz geliştirme araçları, entegre SDK, operasyon desteği ve teşvik mekanizmaları sunmalıdır. Platformun kullanılabilirliğini ve geliştirici deneyimini sürekli optimize ederek, zengin ve çeşitli AI'ya özgü uygulamaların hayata geçmesini 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 ayrıntılı olarak tanıtılacak, alanın en son gelişmeleri sistematik olarak ele alınacak, proje gelişim durumu analiz edilecek ve gelecekteki trendler tartışılacaktır.

Sentient: Sadık bir açık kaynaklı merkeziyetsiz AI modeli inşa etme

Proje Özeti

Sentient, bir açık kaynak protokol platformudur ve bir AI Layer1 blok zinciri inşa etmektedir. ('in başlangıç aşaması Layer 2 olarak belirlenmiştir, daha sonra Layer 1)'e geçilecektir. AI Pipeline ve blok zinciri teknolojisini birleştirerek merkeziyetsiz bir yapay zeka ekonomisi inşa etmeyi hedeflemektedir. Temel hedefi, merkezi LLM pazarındaki model sahipliği, çağrı izleme ve değer dağıtım sorunlarını çözmek için "OML" çerçevesi (açık, kârlı, sadık) aracılığıyla AI modellerinin on-chain sahiplik yapısını, çağrı şeffaflığını ve değer paylaşımını sağlamaktır. Sentient'in vizyonu, herkesin AI ürünlerini inşa edebilmesi, iş birliği yapabilmesi, sahip olabilmesi ve para kazanabilmesi için bir adım atarak adil ve açık bir AI Ajan ağ ekosistemini teşvik etmektir.

Sentient Foundation ekibi, dünya çapında önde gelen akademik uzmanları, blockchain 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, sırasıyla AI güvenliği ve gizliliği ile ilgilenmektedir. Ayrıca, Polygon'un kurucu ortağı Sandeep Nailwal blockchain stratejisi ve ekosistem yerleşimi konusunda liderlik yapmaktadır. Ekip üyelerinin geçmişi Meta, Coinbase, Polygon gibi tanınmış şirketlerin yanı sıra Princeton Üniversitesi, Hindistan Teknoloji Enstitüsü gibi önde gelen üniversiteleri kapsamaktadır ve 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, kuruluşundan itibaren doğal bir cazibeye sahipti ve proje gelişimi için güçlü bir destek sağlayan zengin kaynaklar, bağlantılar ve pazar bilinirliği sahipti. 2024 ortalarında, Sentient 85 milyon dolarlık bir tohum finansmanı tamamladı ve yatırımcılar arasında Founders Fund, Pantera ve Framework Ventures liderliğinde, Delphi, Hashkey ve Spartan gibi birçok tanınmış VC de yer aldı.

Tasarım Mimarisi ve Uygulama Katmanı

Altyapı Katmanı

Kilit Mimari

Sentient'in temel mimarisi, AI Pipeline ve on-chain sistemin iki bölümünden oluşmaktadır:

AI boru hattı, "Sadık AI" eserlerinin geliştirilmesi ve eğitilmesinin temelini 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 uyumlu bir eğitim sürecini sürdürmesini sağlamak.

Blok zinciri sistemi, protokollere şeffaflık ve merkeziyetsiz kontrol sunarak, AI eserlerinin mülkiyetini, kullanım izlemeyi, gelir dağıtımını ve adil yönetişimi garanti eder. Belirli mimari dört katmana ayrılmaktadır:

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

OML model çerçevesi

OML çerçevesi (Açık Open, Para Kazanabilir Monetizable, Sadık Loyal), Sentient tarafından önerilen temel bir kavramdır ve açık kaynak AI modellerine net mülkiyet koruma ve ekonomik teşvik mekanizmaları sağlamayı amaçlamaktadır. Zincir üzeri on-chain teknolojisi ve AI yerel kriptografisini birleştirerek aşağıdaki özelliklere sahiptir:

• Açıklık: Model açık kaynaklı olmalı, kod ve veri yapıları şeffaf olmalı, topluluğun yeniden üretimini, denetimini ve geliştirmesini kolaylaştırmalıdır.
• Monetizasyon: Model çağrısı her yapıldığında bir gelir akışı tetiklenir, on-chain sözleşme gelirleri eğitici, dağıtıcı ve doğrulayıcıya dağıtır.
• Sadakat: Model, katkı sağlayan topluluğa aittir, güncelleme yönü ve yönetim DAO tarafından belirlenir, kullanım ve değişiklikler şifreleme mekanizmasıyla kontrol edilir.

AI Yerel Kriptografi (AI-native Cryptography)

Yerli AI kripto, AI modellerinin sürekliliğini, düşük boyutlu manifold yapısını ve modelin türevlenebilir özelliklerini kullanarak "doğrulanabilir ancak kaldırılabilir" hafif güvenlik mekanizmaları geliştirmektedir. Temel teknolojisi şudur:

• Parmak izi gömme: Eğitim sırasında modelin benzersiz imzasını oluşturmak için gizli bir dizi sorgu-cevap anahtar-değer çifti eklemek;
• Mülkiyet doğrulama protokolü: Üçüncü taraf dedektörü (Prover) aracılığıyla sorgu biçiminde parmak izinin saklanıp saklanmadığını doğrulama;
• İzin çağrı mekanizması: Çağrıdan önce model sahibinin verdiği "izin belgesi"ni almak gerekir, sistem buna göre modelin bu girişi çözmesine ve doğru yanıtı döndürmesine izin verir.

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

Model Hak Sahipliği ve Güvenli Uygulama Çerçevesi

Sentient şu anda Melange karışık güvenliğini kullanıyor: parmak izi ile hak tespiti, TEE yürütmesi ve on-chain sözleşme gelir paylaşımını birleştiriyor. Parmak izi yöntemi OML 1.0 ile ana hat olarak uygulanmış olup, "iyimser güvenlik (Optimistic Security)" düşüncesini vurgulamaktadır, yani uyum varsayılır, ihlaller sonrasında tespit edilebilir ve cezalandırılabilir.

Parmak izi mekanizması, OML'in ana uygulamasıdır ve belirli "soru-cevap" çiftlerini yerleştirerek modelin eğitim aşamasında benzersiz imzalar oluşturmasını sağlar. Bu imzalar aracılığıyla, modelin sahibi mülkiyeti doğrulayabilir, yetkisiz kopyalamayı ve ticari kullanımı engelleyebilir. Bu mekanizma yalnızca model geliştiricilerin 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 ortamları (AWS Nitro Enclaves gibi) kullanan Enclave TEE hesaplama çerçevesini tanıttı. TEE donanıma bağımlıdır ve belirli güvenlik riskleri taşır, ancak yüksek performansı ve gerçek zamanlılık avantajı, mevcut model dağıtımı için onu önemli kılmaktadır.