AI Layer 1 Raporu: Merkeziyetsizlik AI Altyapısını Keşfetmek

Özet

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 görülmemiş yetenekler sergileyerek insan hayal gücünü büyük ölçüde genişletti ve bazı senaryolarda insan emeğini ikame etme potansiyelini bile gösterdi. Ancak, bu teknolojilerin temeli az sayıda merkeziyetsiz teknoloji devinin elinde bulunuyor. Güçlü sermaye ve yüksek maliyetli hesaplama kaynakları üzerindeki kontrolü sayesinde, bu şirketler aşılması zor engeller oluşturdu ve büyük çoğunlukta geliştiriciler ve yenilikçi ekiplerin onlarla 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 ilginin görece az olduğu görülmektedir. Uzun vadede, bu sorunlar AI endüstrisinin sağlıklı gelişimi ve sosyal kabulü üzerinde derin etkiler yaratacaktır. Eğer bu sorunlar uygun bir şekilde çözülemezse, AI'nin "iyi" mi yoksa "kötü" mü olduğu tartışması daha da belirginleşecektir ve merkeziyetçi devlerin kar arayışı motivasyonu altında, bu zorluklarla proaktif bir şekilde başa çıkmak için yeterli motivasyona sahip olmaması sıkça görülecektir.

Blockchain teknolojisi, Merkeziyetsizlik, şeffaflık ve sansüre dayanıklılık özellikleri sayesinde AI endüstrisinin sürdürülebilir gelişimi için yeni olanaklar sunmaktadır. Şu anda, bazı ana akım blok zincirlerinde birçok "Web3 AI" uygulaması ortaya çıkmıştır. Ancak derinlemesine bir analiz yapıldığında, 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 desteklemesini zorlaştırmaktadır; diğer yandan, Web2 dünyasındaki AI ürünleri ile karşılaştırıldığında, zincir üzerindeki AI'nın model yetenekleri, veri kullanımı ve uygulama senaryoları gibi alanlarda hala sınırlı olduğu, yenilik derinliği ve genişliğinin artırılması gerektiği görülmektedir.

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 için özel olarak tasarlanmış bir Layer1 blok zinciri tasarlamamız gerekiyor. Bu, AI'nın açık yeniliği, yönetişimdeki demokrasi ve veri güvenliği için sağlam bir temel sağlayacak ve Merkeziyetsizlik AI ekosisteminin refahını artıracaktır.

AI Layer 1'in temel özellikleri

AI Layer 1, AI uygulamaları için özel olarak tasarlanmış bir blok zinciri olarak, alt yapı ve performans tasarımı, AI görevlerinin ihtiyaçlarına sıkı bir şekilde odaklanmıştır ve zincir üzerindeki AI ekosisteminin sürdürülebilir gelişimini ve refahını etkili bir şekilde desteklemeyi amaçlamaktadır. Özellikle, AI Layer 1'in aşağıdaki temel yeteneklere sahip olması gerekmektedir:

1. Verimli teşvikler ve Merkeziyetsizlik konsensüs mekanizması AI Layer 1'in özü, açık bir hesaplama gücü, depolama ve diğer kaynakların paylaşım ağı inşa etmektir. Geleneksel blok zinciri düğümleri esas olarak defter kaydı ile ilgilenirken, AI Layer 1 düğümleri daha karmaşık görevler üstlenmek zorundadır; yalnızca hesaplama gücü sağlamakla kalmayıp, AI modellerinin eğitimini ve çıkarımını tamamlamakla birlikte, depolama, veri, bant genişliği gibi çeşitli kaynakları da katkıda bulunmalıdır. Böylece, merkeziyetsizlikte devlerin AI altyapısındaki tekelini kırmak gerekmektedir. Bu, 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 verimli dağılımı sağlanmalıdır. Ancak bu şekilde ağın istikrarı ve refahı garanti altına alınabilir ve genel hesaplama gücü maliyetleri etkili 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 son derece yüksek talepler ortaya koymaktadır. Daha da ileri gidildiğinde, zincir üstü AI ekosisteminin genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çeşitli ve heterojen görev türlerini desteklemesi gerekmektedir. AI Layer 1, temel mimarisi üzerinde yüksek verim, düşük gecikme ve esnek paralellik gibi taleplere derin optimizasyon yapmalı ve heterojen hesaplama kaynaklarının yerel destek yeteneğini önceden ayarlamalıdır, böylece her türlü AI görevinin verimli bir şekilde çalışmasını sağlayarak "tek tip görevden" "karmaşık çoklu ekosistem"e sorunsuz bir genişleme gerçekleştirebilir.

3. Doğrulanabilirlik ve güvenilir çıktı garantisi AI Layer 1 yalnızca modelin kötüye kullanımı, veri manipülasyonu gibi güvenlik açıklarını önlemekle kalmaz, aynı zamanda alt düzey mekanizmalardan AI çıktılarının doğrulanabilirliğini ve uyumunu sağlamalıdır. Güvenilir yürütme ortamı (TEE), sıfır bilgi kanıtı (ZK), çok taraflı güvenli hesaplama (MPC) gibi öncü teknolojilerin entegrasyonu ile platform, her bir model çıkarımı, eğitimi ve veri işleme sürecinin bağımsız olarak doğrulanmasını sağlar, böylece AI sisteminin adilliği ve şeffaflığını garanti eder. Aynı zamanda, bu doğrulanabilirlik kullanıcıların AI çıktılarının mantığını ve dayanağını netleştirmesine yardımcı olarak "elde edilenin isteneni karşılamasını" 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 kritik öneme sahiptir. AI Layer 1, doğrulanabilirliği güvence altına alırken, şifrelemeye dayalı veri işleme teknolojileri, gizlilik hesaplama protokolleri ve veri izin yönetimi gibi yöntemler kullanarak, verilerin çıkarım, eğitim ve depolama süreçlerinin her aşamasında güvenliğini sağlamalı, veri sızıntısını ve kötüye kullanımı etkili bir şekilde önlemeli ve kullanıcıların veri güvenliği konusunda endişelerini gidermelidir.

5. Güçlü ekosistem barındırma ve geliştirme destek yeteneği AI yerel Layer 1 altyapısı olarak, platform sadece teknik olarak öncülük etmekle kalmamalı, aynı zamanda geliştiriciler, düğüm operatörleri, AI hizmet sağlayıcıları ve diğer ekosistem katılımcılarına eksiksiz geliştirme araçları, entegre SDK'lar, operasyon desteği ve teşvik mekanizmaları sağlamalıdır. Platformun kullanılabilirliğini ve geliştirici deneyimini sürekli optimize ederek, zengin ve çeşitli AI yerel uygulamaların hayata geçirilmesini teşvik etmek ve Merkeziyetsizlik AI ekosisteminin sürekli refahını sağlamak.

Yukarıdaki arka plan ve beklentilere dayanarak, bu makale Sentient, Sahara AI, Ritual, Gensyn, Bittensor ve 0G'yi içeren altı AI Layer1 temsilci projesini detaylı bir şekilde tanıtacak, alanın en son gelişmelerini sistematik olarak inceleyecek, projelerin gelişim durumunu analiz edecek ve gelecekteki eğilimleri tartışacaktır.

Sentient: Sadık Açık Kaynak Merkeziyetsizlik AI Modeli Oluşturma

Proje Özeti

Sentient, açık kaynaklı bir protokol platformudur ve AI Layer1 blok zincirini inşa etmektedir. ( başlangıç aşaması Layer 2 olarak başlayacak, daha sonra Layer 1)'e geçecektir. AI Pipeline ve blok zinciri teknolojisini birleştirerek merkeziyetsiz bir yapay zeka ekonomisi inşa etmeyi amaçlamaktadır. Temel hedefi, "OML" çerçevesi (açık, kârlı, sadık) aracılığıyla merkezi LLM pazarındaki model mülkiyeti, çağrı izleme ve değer dağılımı sorunlarını çözmektir. Bu sayede AI modellerinin zincir üzerindeki mülkiyet yapısını, çağrı şeffaflığını ve değer paylaşımını gerçekleştirmeyi hedeflemektedir. 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 desteklemektir.

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 çalışmaktadır. Temel üyeler arasında Princeton Üniversitesi'nden Profesör Pramod Viswanath ve Hindistan Bilim Enstitüsü'nden Profesör Himanshu Tyagi yer almakta olup, sırasıyla AI güvenliği ve gizlilik korumasından sorumludurlar. Ayrıca, tanınmış bir çoklu zincir projesinin kurucu ortağı Sandeep Nailwal, blockchain stratejisi ve ekosistem düzenlemesine liderlik etmektedir. Ekip üyelerinin geçmişi, bazı tanınmış şirketler ile Princeton Üniversitesi, Hindistan Teknoloji Enstitüsü gibi önde gelen üniversiteleri kapsamaktadır ve AI/ML, NLP, bilgisayarla görme gibi alanlarda projeyi hayata geçirmek için birlikte çalışmaktadır.

Sandeep Nailwal'ın ikinci girişim projesi olarak, Sentient, kuruluşunun ilk gününden itibaren bir aura ile birlikte geldi ve zengin kaynaklar, bağlantılar ve piyasa farkındalığına sahip olarak proje gelişimine güçlü bir destek sağladı. 2024 yılının ortalarında, Sentient 85 milyon dolarlık tohum turu finansmanını tamamladı ve Founders Fund, Pantera ve Framework Ventures öncülük etti; diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi onlarca tanınmış VC yer aldı.

Tasarım Mimarisi ve Uygulama Katmanı

Altyapı Katmanı

Çekirdek Mimari

Sentient'in temel mimarisi, AI boru hattı (AI Pipeline) ve Merkeziyetsizlik sisteminden oluşmaktadır:

AI borusu, "Sadık AI" eserlerini geliştirmek ve eğitmek için bir temeldir 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 Merkeziyetsizlik kontrolü sağlayarak, AI eserlerinin mülkiyetini, kullanım takibini, gelir dağıtımını ve adil yönetimi garanti eder. Belirli yapı dört katmana ayrılmıştır:

• Depolama katmanı: Depolama modeli ağırlıkları ve parmak izi kayıt bilgileri;
• Dağıtım katmanı: Yetki sözleşmesi model çağrı girişini kontrol eder;
• Erişim katmanı: Kullanıcının yetkilendirilip yetkilendirilmediğini doğrulamak için izin kanıtı kullanılır;
• Teşvik katmanı: Gelir yönlendirme sözleşmesi, her çağrıda eğitmenlere, dağıtıcılara ve doğrulayıcılara ödeme dağıtır.

OML model çerçevesi

OML çerçevesi (Açık Open, Para Kazanılabilir Monetizable, Sadık Loyal) Sentient tarafından önerilen temel bir kavramdır ve açık kaynaklı AI modellerine net mülkiyet koruması 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 üretimini, denetimini ve geliştirmesini kolaylaştırmalıdır.
• Paralaştırma: Model çağrısı her yapıldığında bir gelir akışı tetiklenir, zincir üzerindeki sözleşme gelirleri eğitmenlere, dağıtımcılara ve doğrulayıcılara dağıtır.
• Sadakat: Model, katkıda bulunan topluluğa aittir, güncelleme yönü ve yönetişim DAO tarafından belirlenir, kullanım ve değişiklikler kripto mekanizması ile kontrol edilir.

AI Yerel Kriptografi (AI-native Cryptography)

AI yerel kripto, AI modellerinin sürekliliğini, düşük boyutlu manifold yapısını ve modelin türevlenebilir özelliklerini kullanarak "doğrulanabilir ama çıkarılamaz" hafif güvenlik mekanizmaları geliştirmeyi ifade eder. Temel teknolojisi şudur:

• Parmak izi yerleştirme: Eğitim sırasında, modelin benzersiz imzasını oluşturmak için gizli bir sorgu-cevap anahtar değeri çifti seti eklenir;
• Mülkiyet doğrulama protokolü: Üçüncü taraf dedektörü (Prover) aracılığıyla sorgu biçiminde parmak izinin korunup korunmadığını doğrulamak;
• İzin çağrısı mekanizması: Çağrıdan önce model sahibinden alınan "yetki belgesi" ile sistem bu belgeye dayanarak modeli bu girdi çözmek ve doğru yanıtı döndürmek için yetkilendirir.

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

Modelin hak sahipliği ve güvenli uygulama çerçevesi

Sentient şu anda Melange karışık güvenliği kullanmaktadır: parmak izi doğrulama, TEE yürütme ve zincir üstü sözleşme kâr paylaşımının birleşimi. Parmak izi yöntemi OML 1.0 ile ana hat olarak uygulanmakta, "iyimser güvenlik (Optimistic Security)" anlayışını vurgulamaktadır, yani uyum varsayılır, ihlal durumunda tespit edilebilir ve ceza uygulanabilir.

Parmak izi mekanizması, OML'nin ana uygulamasıdır ve belirli "soru-cevap" çiftlerini gömerek modelin eğitim aşamasında benzersiz bir imza oluşturmasını sağlar. Bu imzalar sayesinde model sahibi, aitliği doğrulayabilir, yetkisiz kopyalama ve ticarileşmeyi önleyebilir. Bu mekanizma yalnızca model geliştiricilerin haklarını korumakla kalmaz, aynı zamanda modelin kullanım davranışlarına izlenebilir bir zincir üzeri kayıt sağlar.

Ayrıca, Sentient, yetkilendirilmiş isteklerle sınırlı kalmasını sağlamak ve yetkisiz erişim ve kullanımı önlemek için güvenilir yürütme ortamlarını (AWS Nitro Enclaves gibi) kullanan Enclave TEE hesaplama çerçevesini tanıttı. TEE donanıma dayalıdır ve belirli güvenlik riskleri taşırken, yüksek performansı ve gerçek zamanlılık avantajları, onu mevcut model dağıtımının temel teknolojisi haline getiriyor.

Gelecekte, Sentient sıfır bilgi kanıtlarını (