AI Layer1 Raporu: Merkeziyetsizlik AI'nın Verimli Topraklarını Keşfetmek

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 eşi benzeri olmayan yetenekler sergileyerek, insan hayal gücünü büyük ölçüde genişletiyor ve bazı senaryolarında insan emeğini ikame etme potansiyelini bile gösteriyor. Ancak, bu teknolojilerin çekirdeği, az sayıda merkeziyetsizlik teknoloji devi tarafından sıkı bir şekilde kontrol ediliyor. Güçlü sermaye ve yüksek maliyetli hesaplama kaynaklarına hâkimiyetleri sayesinde, bu şirketler aşılması zor engeller oluşturuyor ve büyük çoğunlukta geliştiriciler ve yenilikçi ekiplerin onlarla rekabet etmesini zorlaştırıyor.

Aynı zamanda, AI'nin hızlı evriminin başlangıcında, toplumsal kamuoyu genellikle teknolojinin getirdiği yenilikler ve kolaylıklar üzerine yoğunlaşırken, gizlilik koruma, şeffaflık, güvenlik gibi temel sorunlara olan ilgi nispeten az kalmaktadır. Uzun vadede, bu sorunlar AI sektörünün sağlıklı gelişimini ve toplumsal kabulünü derinden etkileyecektir. Eğer bu sorunlar uygun şekilde çözülemezse, AI'nin "iyi" ya da "kötü" yönelimi konusundaki tartışmalar daha da belirginleşecektir ve merkeziyetçi devlerin kâr peşinde koşma içgüdüsüyle, bu zorluklarla proaktif bir şekilde başa çıkma motivasyonları genellikle yetersiz kalmaktadır.

Blok zincir teknolojisi, merkeziyetsizlik, şeffaflık ve sansüre dayanıklılık gibi özellikleri sayesinde, AI sektörünün sürdürülebilir gelişimi için yeni olanaklar sunmaktadır. Şu anda, Solana, Base gibi ana akım blok zincirlerinde sayısız "Web3 AI" uygulaması ortaya çıkmıştır. Ancak derinlemesine analiz yapıldığında, bu projelerin hala birçok sorunu olduğu görülmektedir: bir yandan, merkeziyetsizlik derecesi sınırlıdır, kritik aşamalar ve altyapı hala merkezi bulut hizmetlerine bağımlıdır, meme özellikleri fazla ağır basmakta ve gerçek anlamda açık bir ekosistemi desteklemek zordur; diğer yandan, Web2 dünyasındaki AI ürünleri ile karşılaştırıldığında, zincir üzerindeki AI'nın model yetenekleri, veri kullanımı ve uygulama senaryoları gibi alanlarda hala kısıtlamaları vardır, yenilik derinliği ve genişliği artırılmaya ihtiyaç duymaktadır.

Gerçekten merkeziyetsizlik 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 geliştirmemiz gerekiyor. Bu, AI'nın açık inovasyonu, yönetim demokrasisini ve veri güvenliğini sağlam bir temel üzerine inşa edecek 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 ihtiyaçlarına sıkı bir şekilde odaklanır ve zincir üzerindeki AI ekosisteminin sürdürülebilir gelişimini ve refahını etkili bir şekilde desteklemeyi amaçlar. Özellikle, AI Layer 1'in aşağıdaki temel yeteneklere sahip olması gerekmektedir:

1. Etkili teşvikler ve Merkeziyetsizlik konsensüs mekanizması. AI Layer 1'in temeli, açık bir hesaplama, depolama ve diğer kaynakların paylaşım ağı inşa etmektir. Geleneksel blok zinciri düğümleri, defter kaydına odaklanırken, AI Layer 1 düğümleri daha karmaşık görevleri üstlenmek zorundadır; sadece hesaplama gücü sağlamakla kalmayıp, AI modellerinin eğitimi ve çıkarımı için de katkıda bulunmalı, ayrıca depolama, veri, bant genişliği gibi çeşitli kaynakları sunmalıdır. Bu, merkezi devlerin AI altyapısındaki tekelini kırmak için gereklidir. Bu durum, alt düzey konsensüs ve teşvik mekanizması için daha yüksek gereksinimler ortaya koymaktadır: AI Layer 1, düğümlerin AI çıkarımı, eğitimi gibi görevlerdeki gerçek katkılarını doğru bir şekilde değerlendirebilmeli, teşvik edebilmeli ve doğrulayabilmelidir; böylece ağın güvenliği ve kaynakların etkili dağılımı sağlanabilir. 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 destekleme yeteneği AI görevleri, özellikle LLM'in eğitimi ve çıkarımı, hesaplama performansı ve paralel işleme yeteneği için son derece yüksek gereksinimler ortaya koymaktadır. Daha da önemlisi, zincir üzerindeki AI ekosistemi genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çeşitli senaryoları içeren çeşitli, heterojen görev türlerini desteklemek zorundadır. AI Layer 1, temel mimaride yüksek throughput, düşük gecikme ve esnek paralel gibi ihtiyaçlar için derin optimizasyon yapılmalı ve heterojen hesaplama kaynaklarına yerel destek yeteneği önceden ayarlanmalıdır, böylece her türlü AI görevi verimli bir şekilde çalışabilir ve "tek tip görev"ten "karmaşık çoklu ekosistem"e sorunsuz bir genişleme sağlanabilir.

3. Doğrulanabilirlik ve Güvenilir Çıktı Garantisi AI Layer 1, yalnızca modelin kötüye kullanılmasını, verilerin değiştirilmesi gibi güvenlik tehditlerini önlemekle kalmamalı, aynı zamanda alt düzey mekanizmalarla AI çıktılarının doğrulanabilirliğini ve hizalanmasını da sağlamalıdır. Güvenilir yürütme ortamı (TEE), sıfır bilgi kanıtı (ZK), çok taraflı güvenli hesaplama (MPC) gibi öncü teknolojilerin entegrasyonu ile platform, her model çıkarımının, eğitim ve veri işleme sürecinin bağımsız olarak doğrulanabilmesini sağlayarak AI sisteminin adaletini ve şeffaflığını güvence altına alabilir. Aynı zamanda, bu doğrulanabilirlik, kullanıcıların AI çıktılarının mantığını ve dayanaklarını netleştirmelerine yardımcı olur, "alınan tam olarak istenen" anlayışını gerçekleştirir ve kullanıcıların AI ürünlerine olan güvenini ve memnuniyetini artırır.

4. Veri gizliliği koruma AI uygulamaları genellikle kullanıcıların hassas verilerini içerir, finans, sağlık, sosyal vb. alanlarda veri gizliliği koruma özellikle kritik öneme sahiptir. AI Layer 1, doğrulanabilirliği sağlarken, şifrelemeye dayalı veri işleme teknolojileri, gizlilik hesaplama protokolleri ve veri izin yönetimi gibi yöntemler kullanmalıdır; verinin çıkarım, eğitim ve depolama süreçleri boyunca güvenliğini sağlamalı, veri sızıntılarını ve kötüye kullanımları etkili bir şekilde önlemeli, kullanıcıların veri güvenliği konusundaki endişelerini gidermelidir.

5. Güçlü ekosistem taşıma ve geliştirme destek yeteneği AI doğumlu Layer 1 altyapısı olarak, platform yalnızca teknik açıdan öncülük etmekle kalmamalı, aynı zamanda geliştiriciler, düğüm işletmecileri, AI hizmet sağlayıcıları gibi ekosistem katılımcılarına kapsamlı geliştirme araçları, entegre SDK, işletim desteği ve teşvik mekanizmaları sunmalıdır. Platformun kullanılabilirliğini ve geliştirici deneyimini sürekli optimize ederek, zengin ve çeşitli AI doğumlu uygulamaların hayata geçirilmesini teşvik etmek ve Merkeziyetsizlik AI ekosisteminin sürekli refahını sağlamak.

Yukarıdaki arka plan ve beklentilere dayanarak, bu makalede Sentient, Sahara AI, Ritual, Gensyn, Bittensor ve 0G dahil altı AI Layer1 temsilci projesi detaylı bir şekilde tanıtılacak, sektördeki en son gelişmeler sistematik olarak ele alınacak, projelerin mevcut gelişim durumu analiz edilecek ve gelecekteki eğilimler tartışılacaktır.

Sentient: Sadık Açık Kaynak Merkeziyetsizlik AI Modeli Oluşturma

Proje Özeti

Sentient, açık kaynaklı bir protokol platformudur ve bir AI Layer1 blok zinciri inşa etmektedir. ('in ilk aşaması Layer 2'dir, ardından Layer 1)'e geçecektir. AI Pipeline ve blok zinciri teknolojisini birleştirerek Merkeziyetsizlik ilkesine dayalı bir yapay zeka ekonomisi inşa etmeyi hedeflemektedir. Temel amacı, "OML" çerçevesi (Açık, Karlı, Sadık) aracılığıyla merkezi LLM pazarındaki model mülkiyeti, çağrı izleme ve değer dağıtımı sorunlarını çözmektir; böylece AI modellerinin zincir üzerindeki mülkiyet yapısını, çağrı şeffaflığını ve değer paylaşımını gerçekleştirmesini sağlamaktır. Sentient'in vizyonu, herkesin AI ürünlerini inşa etmesine, iş birliği yapmasına, sahip olmasına ve bunları paraya dönüştürebilmesine olanak tanımaktır ve böylece adil, açık bir AI Ajan ağı ekosistemini teşvik etmektir.

Sentient Foundation ekibi, dünya çapında en iyi akademik uzmanları, blockchain girişimcilerini ve mühendisleri bir araya getirerek, topluluk odaklı, açık kaynak ve doğrulanabilir bir AGI platformu oluşturmayı hedefliyor. Çekirdek üyeleri arasında Princeton Üniversitesi profesörü Pramod Viswanath ve Hindistan Bilim Enstitüsü profesörü Himanshu Tyagi bulunuyor; Pramod AI güvenliği ve gizliliği, Himanshu ise blockchain stratejisi ve ekosistem düzenlemesi üzerine çalışıyor. Ekip üyeleri, Meta, Coinbase, Polygon gibi tanınmış şirketlerin yanı sıra Princeton Üniversitesi, Hindistan Teknoloji Enstitüsü gibi önde gelen yükseköğretim kurumlarından gelen bir geçmişe sahip, AI/ML, NLP, bilgisayarla görme gibi alanlarda projeyi hayata geçirmek için iş birliği yapıyor.

Polygon'un kurucu ortağı Sandeep Nailwal'ın ikinci girişim projesi olarak, Sentient kuruluşunun başından itibaren bir aura ile birlikte geldi, zengin kaynaklar, bağlantılar ve piyasa farkındalığına sahip olarak projeyi geliştirmek için güçlü bir destek sağladı. 2024 ortalarında, Sentient 85 milyon dolarlık bir tohum yatırım turunu tamamladı ve bu turda Founders Fund, Pantera ve Framework Ventures öncülük etti, diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi birçok tanınmış VC yer aldı.

Tasarım Mimarisi ve Uygulama Katmanı

Altyapı Katmanı

Temel Mimari

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

AI boru hattı, "Sadık AI" nesnelerinin geliştirilmesi ve eğitilmesinin temelini oluşturur ve iki ana süreç içerir:​

• Veri Planlama (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, protokole şeffaflık ve Merkeziyetsizlik kontrolü sağlar, AI eserlerinin mülkiyeti, kullanım takibi, gelir dağılımı ve adil yönetimi güvence altına alır. Spesifik mimari dört katmana ayrılır:

• Depolama katmanı: Model ağırlıkları ve parmak izi kayıt bilgilerini depolamak;
• Dağıtım katmanı: Yetkilendirme sözleşmesi kontrol modeli çağrısı girişi;
• Erişim katmanı: Kullanıcının yetkilendirilip yetkilendirilmediğini doğrulamak için izin kanıtı kullanır;
• Teşvik katmanı: Gelir yönlendirme sözleşmesi, her çağrıda ödemeyi eğitmenler, dağıtıcılar ve doğrulayıcılara dağıtır.

OML Model Çerçevesi

OML çerçevesi (Açık Open, Para Kazanılabilir Monetizable, Sadık Loyal), Sentient tarafından önerilen temel bir kavramdır ve açık kaynak AI modellerine belirgin mülkiyet koruması ve ekonomik teşvik mekanizmaları sağlamayı amaçlamaktadır. Zincir üzerindeki teknolojiyi ve AI'ye özgü kriptografiyi birleştirerek aşağıdaki özelliklere sahiptir:

• Açıklık: Model açık kaynak olmalı, kod ve veri yapısı şeffaf olmalı, topluluğun yeniden üretmesini, denetlemesini ve geliştirmesini kolaylaştırmalıdır.
• Paraya dönüştürme: Her model çağrısı bir gelir akışını tetikler, zincir üzerindeki sözleşme gelirleri eğitmenlere, dağıtımcılara ve doğrulayıcılara dağıtır.
• Sadakat: Model, katkıda bulunan topluluğa aittir; güncelleme yönü ve yönetim DAO tarafından belirlenir, kullanım ve değişiklikler kriptografik mekanizma ile kontrol edilir.

AI yerel şifreleme (AI-native Cryptography)

AI yerel kripto, AI modellerinin sürekliliği, düşük boyutlu manifold yapısı ve modelin farklılaştırılabilir özelliklerinden yararlanarak "doğrulanabilir ancak kaldırılabilir olmayan" hafif güvenlik mekanizmaları geliştirmektir. Temel teknolojisi şudur:

• Parmak izi gömülmesi: Eğitim sırasında bir grup gizli sorgu-cevap anahtar-değer çifti ekleyerek modelin benzersiz imzasını oluşturmak;
• Mülkiyet doğrulama protokolü: Üçüncü taraf dedektörü (Prover) aracılığıyla sorgu şeklinde parmak izinin saklanıp saklanmadığını doğrulamak;
• İzinli çağrı mekanizması: Çağrıdan önce model sahibinden verilen "yetki belgesi" alınmalı, sistem buna göre modelin bu girişi çözümlemesine ve doğru yanıtı döndürmesine yetki verir.

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 güvenliği kullanmaktadır: parmak izi doğrulama, TEE yürütmesi ve zincir üzerindeki sözleşmelerin kâr paylaşımını birleştirir. Parmak izi yöntemi OML 1.0 ile ana hat olarak uygulanmakta olup, "İyimser Güvenlik (Optimistic Security)" anlayışını vurgular; yani, uyum varsayılır, ihlal durumunda tespit edilebilir ve ceza uygulanabilir.

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

Ayrıca, Sentient, modelin yalnızca yetkilendirilmiş isteklere yanıt vermesini sağlamak ve yetkisiz erişim ve kullanımın önüne geçmek için güvenilir yürütme ortamlarını (AWS Nitro Enclaves gibi) kullanan Enclave TEE hesaplama çerçevesini tanıttı. TEE donanıma bağımlı olup belirli güvenlik riskleri taşımakla birlikte, yüksek performansı ve gerçek zamanlılık avantajları, mevcut model dağıtımının çekirdeği haline gelmesini sağlıyor.