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

Genel Bakış

Son yıllarda, OpenAI, Anthropic, Google, Meta gibi önde gelen teknoloji şirketleri büyük dil modelleri (LLM)'in hızlı gelişimini sürekli olarak desteklemektedir. LLM, çeşitli sektörlerde eşi benzeri görülmemiş yetenekler sergileyerek, insan hayal gücünü büyük ölçüde genişletmiş, hatta bazı senaryolarda insan emeğini ikame etme potansiyeli göstermiştir. Ancak, bu temel teknolojiler birkaç merkezi teknoloji devinin sıkı kontrolü altındadır. Güçlü sermaye ve yüksek maliyetli hesaplama kaynaklarına olan hakimiyetleriyle, bu şirketler aşılması zor engeller oluşturmuş, çoğu geliştirici ve yenilikçi ekibin onlarla rekabet etmesini zorlaştırmıştır.

Aynı zamanda, AI'nın hızlı evriminin ilk dönemlerinde, kamuoyunun genellikle teknolojinin getirdiği yenilikler ve kolaylıklara odaklandığı, gizlilik koruma, şeffaflık, güvenlik gibi temel sorunlara yeterince dikkat edilmediği görülmektedir. Uzun vadede, bu sorunlar AI endüstrisinin sağlıklı gelişimini ve toplumsal kabulünü derinden etkileyecektir. Eğer bu sorunlar uygun şekilde çözülemezse, AI'nın "iyi" ya da "kötü" yönelimi üzerindeki tartışmalar daha da belirgin hale gelecektir ve merkezi devlerin kâr odaklı içgüdüleri doğrultusunda bu zorluklarla proaktif bir şekilde başa çıkma motivasyonları genellikle yetersiz kalacaktır.

Blockchain teknolojisi, merkeziyetsizlik, şeffaflık ve sansüre dayanıklılık özellikleri sayesinde AI endüstrisinin sürdürülebilir gelişimi için yeni olanaklar sunmaktadır. Şu anda, Solana, Base gibi ana akım blockchain'lerde birçok "Web3 AI" uygulaması ortaya çıkmıştır. Ancak derinlemesine analizler, bu projelerin hala birçok sorunla karşı karşıya olduğunu göstermektedir: bir yandan, merkeziyetsizlik derecesi sınırlıdır, kritik aşamalar ve altyapı hala merkezi bulut hizmetlerine bağımlıdır, meme özellikleri fazla ağır basmakta, gerçek anlamda açık bir ekosistemi desteklemesi zor olmaktadır; diğer yandan, Web2 dünyasındaki AI ürünleri ile karşılaştırıldığında, on-chain AI'nın model yetenekleri, veri kullanımı ve uygulama senaryoları açısından hala sınırlamaları vardır, yenilik derinliği ve genişliği artırılmalıdır.

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'ye 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 teşvik edecektir.

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 gereksinimlerine sıkı bir şekilde odaklanır ve on-chain AI ekosisteminin sürdürülebilir gelişimini ve refahını etkin bir şekilde desteklemeyi amaçlar. 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 ağını inşa etmektir. Geleneksel blok zinciri düğümlerinin çoğunlukla defter kaydı tutmaya odaklanmasının aksine, AI Layer 1 düğümleri daha karmaşık görevleri üstlenmek zorundadır; sadece hesaplama gücü sağlamak, AI modellerinin eğitimini ve çıkarımını gerçekleştirmekle kalmaz, aynı zamanda depolama, veri, bant genişliği gibi çeşitlendirilmiş kaynakları da katkıda bulunmalıdır. Böylece AI altyapısındaki merkezi devlerin tekelini kırmak mümkündür. Bu, alt katman konsensüsü ve teşvik mekanizması için daha yüksek gereksinimler getirmektedir: 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 dağılımı sağlanmalıdır. Ancak bu şekilde ağın istikrarı ve refahı garanti altına alınabilir ve toplam hesaplama maliyetleri etkin bir şekilde azaltılabilir.

2. Üstün yüksek performans ve heterojen görev destek yeteneği AI görevleri, özellikle LLM'nin eğitimi ve çıkarımı, hesaplama performansı ve paralel işleme yeteneği için yüksek talepler getirmektedir. Daha da ileri gidildiğinde, on-chain AI ekosisteminin genellikle çeşitli, heterojen görev türlerini desteklemesi gerekir; bu, farklı model yapıları, veri işleme, çıkarım, depolama gibi çok çeşitli senaryoları içerir. AI Layer 1, temel mimaride yüksek verim, düşük gecikme ve esnek paralel gibi ihtiyaçlar için derin optimizasyonlar gerçekleştirmeli ve heterojen hesaplama kaynaklarını yerel olarak destekleyecek şekilde önceden yapılandırılmalıdır, böylece çeşitli AI görevlerinin verimli bir şekilde çalışmasını sağlar ve "tek tip görev"ten "karmaşık çoklu ekosistem"e sorunsuz bir genişleme gerçekleştirir.

3. Doğrulanabilirlik ve güvenilir çıktı garantisi AI Layer 1 sadece model kötüye kullanımı, veri değiştirme gibi güvenlik tehditlerini önlemekle kalmayıp, aynı zamanda AI'nın çıktılarının doğrulanabilirliğini ve hizalanmasını temin etmek için altyapı mekanizmalarıyla da sağlamalıdır. Güvenilir yürütme ortamı (TEE), sıfır bilgi kanıtı (ZK), çok taraflı güvenli hesaplama (MPC) gibi öncü teknolojilerin entegrasyonu sayesinde, platform her bir model çıkarsama, eğitim ve veri işleme sürecinin bağımsız olarak doğrulanabilmesini sağlar, böylece AI sisteminin adilliğini ve şeffaflığını garanti eder. Aynı zamanda, bu doğrulanabilirlik kullanıcıların AI çıktılarının mantığını ve temelini net bir şekilde anlamalarına yardımcı olur, "edinilen tam olarak istenilen" ilkesini gerçekleştirir ve kullanıcıların AI ürünlerine olan güven ve memnuniyetini artırır.

4. Veri gizliliği koruma AI uygulamaları genellikle kullanıcıların hassas verilerini içerir, finans, sağlık, sosyal medya gibi alanlarda veri gizliliğinin korunması özellikle kritik öneme sahiptir. AI Layer 1, doğrulanabilirliği sağlarken, şifreleme tabanlı veri işleme teknolojileri, gizlilik hesaplama protokolleri ve veri izin yönetimi gibi yöntemleri benimsemeli, verilerin çıkarım, eğitim ve depolama süreçlerinde güvenliğini sağlamalı, veri sızıntılarını ve kötüye kullanımı etkili bir şekilde önlemeli ve kullanıcıların veri güvenliği konusundaki endişelerini ortadan kaldırmalıdır.

5. Güçlü ekosistem taşıma ve geliştirme destek yeteneği AI doğasına sahip Layer 1 altyapısı olarak, platform yalnızca teknik olarak önde olmakla kalmamalı, aynı zamanda geliştiricilere, düğüm operatörlerine, AI hizmet sağlayıcılarına ve diğer ekosistem katılımcılarına kapsamlı geliştirme araçları, entegre SDK'lar, operasyon desteği ve teşvik mekanizmaları sunmalıdır. Platformun kullanılabilirliğini ve geliştirici deneyimini sürekli optimize ederek, zengin ve çeşitli AI doğasına sahip uygulamaların hayata geçmesini teşvik etmeli ve merkeziyetsiz AI ekosisteminin sürekli refahını sağlamalıdır.

Yukarıdaki bağlam ve beklentilere dayanarak, bu yazıda Sentient, Sahara AI, Ritual, Gensyn, Bittensor ve 0G'yi içeren altı AI Layer1 temsilci projesi detaylı bir şekilde tanıtılacak, alanın en son gelişmeleri sistematik olarak gözden geçirilecek, projelerin mevcut gelişim durumu incelenecek ve gelecekteki trendler tartışılacaktır.

Sentient: Sadık Açık Kaynak Merkezi Olmayan AI Modelleri İnşa Etmek

Proje Özeti

Sentient, bir açık kaynak protokol platformudur ve AI Layer1 blok zincirini ('in başlangıç aşaması olarak Layer 2'yi inşa etmektedir. Daha sonra Layer 1)'e geçilecektir. AI Pipeline ve blok zinciri teknolojisini birleştirerek merkeziyetsiz bir yapay zeka ekonomisi inşa etmektedir. Temel hedefi, "OML" çerçevesi aracılığıyla ( merkezi LLM pazarındaki model mülkiyeti, çağrı takibi ve değer dağıtımı sorunlarını çözerek, AI modellerinin zincir üzerinde mülkiyet yapısı, çağrı şeffaflığı ve değer paylaşımını gerçekleştirmektir. Sentient'in vizyonu, herkesin AI ürünlerini inşa etmesini, iş birliği yapmasını, sahip olmasını ve para kazanmasını sağlamak, böylece adil ve açık bir AI Agent ağ ekosistemini teşvik etmektir.

Sentient Foundation ekibi, dünya çapında en iyi akademik uzmanları, blockchain girişimcilerini ve mühendisleri bir araya getirerek, topluluk odaklı, açık kaynaklı ve doğrulanabilir bir AGI platformu inşa etmeye adanmıştır. Çekirdek üyeler arasında Princeton Üniversitesi'nden profesör Pramod Viswanath ve Hindistan Bilim Enstitüsü'nden profesör Himanshu Tyagi bulunmaktadır; her ikisi de sırasıyla AI güvenliği ve gizlilik korumasından sorumludur. Ayrıca, Polygon'un kurucu ortağı Sandeep Nailwal, blockchain stratejisi ve ekosistem düzenlemesini yönetmektedir. Ekip üyeleri, Meta, Coinbase, Polygon gibi tanınmış şirketlerin yanı sıra Princeton Üniversitesi, Hindistan Teknoloji Enstitüsü gibi önde gelen üniversitelerden gelmekte, AI/ML, NLP, bilgisayarla görü gibi alanları kapsayarak projeyi hayata geçirmeye katkıda bulunmaktadır.

Polygon'un kurucu ortağı Sandeep Nailwal'ın ikinci girişim projesi olan Sentient, kuruluşunun başından itibaren bir aura ile gelmiştir; zengin kaynaklar, bağlantılar ve piyasa bilinirliği ile proje gelişimine güçlü bir destek sağlamıştır. 2024 ortasında, Sentient 85 milyon dolarlık tohum yatırım turunu tamamladı; Founders Fund, Pantera ve Framework Ventures öncülük etti, diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi birçok tanınmış VC 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

Ana Mimari

Sentient'in temel mimarisi, AI Pipeline ### ve blok zinciri sistemi olmak üzere iki bölümden oluşmaktadır:

AI boru hattı, "sadık AI" nesnelerinin geliştirilmesi ve eğitilmesi için bir temel oluşturur ve iki temel süreç içerir:

• Veri Planlaması ( Veri Seçimi ): Modelin hizalanması için topluluk tarafından yönlendirilen veri seçme süreci.
• Sadakat Eğitimi (: Modelin topluluk niyetiyle uyumlu bir eğitim sürecini sürdürmesini sağlamak.

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

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

![Biteye ve PANews ortaklığında AI Layer1 raporu: On-chain DeAI için verimli topraklar arayışında])https://img-cdn.gateio.im/webp-social/moments-a70b0aca9250ab65193d0094fa9b5641.webp(

)## OML model çerçevesi

OML çerçevesi( açık Open, para kazanılabilir Monetizable, sadık Loyal) Sentient tarafından önerilen temel ilkedir ve açık kaynak AI modellerine net mülkiyet koruma ve ekonomik teşvik mekanizmaları sağlamayı amaçlamaktadır. Zincir üstü teknolojiyi ve AI yerel kriptografisini birleştirerek aşağıdaki özelliklere sahiptir:

• Açıklık: Model açık kaynak olmalı, kod ve veri yapısı şeffaf olmalı, topluluğun yeniden üretmesini, denetlemesini ve geliştirmesini kolaylaştırmalıdır.
• Para kazanma: 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 mekanizmalarıyla 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 kaldırılabilir" hafif güvenlik mekanizması geliştirir. Temel teknolojisi şudur:

• Parmak izi gömülmesi: Eğitim sırasında gizli bir sorgu-yanıt anahtar-değer çifti seti ekleyerek modelin benzersiz imzasını oluşturma;
• Mülkiyet doğrulama protokolü: Üçüncü taraf dedektörü ###Prover( aracılığıyla sorgu şeklinde parmak izinin korunup korunmadığını doğrulamak için.
• İzinli çağrı mekanizması: Çağrıdan önce model sahibinin verdiği "izin belgesi" alınmalı, sistem buna dayanarak modelin bu girişi çözmesine ve doğru yanıtı döndürmesine yetki vermelidir.

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 kullanmaktadır: parmak izi doğrulama, TEE yürütmesi ve on-chain sözleşme gelir paylaşımının birleşimi. Parmak izi yöntemi OML 1.0 ile ana hat olarak uygulanmakta olup, "optimist güvenlik ( Optimistic Security )" anlayışını vurgulamaktadır; yani, varsayılan uyumdur, ihlal durumunda tespit edilebilir ve cezalandırılabilir.

Parmak izi mekanizması, OML'nin ana uygulamasıdır; belirli "soru-cevap" çiftlerini gömerek, modelin eğitim aşamasında benzersiz bir imza oluşturmasını sağlar. Bu imzalar sayesinde, modelin sahipleri aitliği doğrulayabilir, yetkisiz kopyalama ve ticarileşmeyi önleyebilir. Bu mekanizma, yalnızca model geliştiricilerinin haklarını korumakla kalmaz, aynı zamanda modelin kullanım davranışları için takip edilebilir on-chain kayıtlar sağlar.

Ayrıca, Sentient, AWS Nitro Enclaves### gibi güvenilir yürütme ortamlarını kullanarak, yalnızca yetkilendirilmiş taleplere yanıt veren ve izinsiz erişim ve kullanımı önleyen Enclave TEE hesaplama çerçevesini piyasaya sürdü. TEE donanıma bağımlıdır ve bazı güvenlik riskleri taşır, ancak yüksek performansı ve gerçek zamanlılık avantajları, onu mevcut model dağıtımının ana teknolojisi haline getiriyor.

Gelecekte, Sentient sıfır bilgi kanıtı (ZK) ve tam homomorfik şifreleme (FHE) teknolojilerini tanıtmayı planlıyor, böylece gizlilik koruma ve doğrulanabilirliği daha da artırarak AI modellerinin merkeziyetsiz dağıtımına daha olgun bir altyapı sağlayacak.