AI Layer1 Araştırma Raporu: On-chain DeAI için Verimli Alanlar Arayışı

Özet

Son yıllarda, OpenAI, Anthropic, Google, Meta gibi önde gelen teknoloji şirketleri büyük dil modellerini (LLM) hızla geliştirdi. LLM, çeşitli sektörlerde eşi benzeri görülmemiş yetenekler sergileyerek insan hayal gücünü büyük ölçüde genişletti ve bazı sahnelerde insan emeğini ikame etme potansiyelini bile gösterdi. Ancak, bu teknolojilerin çekirdeği, az sayıda merkezi teknoloji devinin elinde sıkı bir şekilde tutulmaktadır. Güçlü sermaye ve yüksek maliyetli hesaplama kaynaklarına hakimiyetleri sayesinde, bu şirketler aşılması zor engeller oluşturdu ve çoğu geliştirici ve yenilikçi ekibin onlarla rekabet etmesini zorlaştırdı.

Aynı zamanda, AI'nin hızlı evriminin ilk dönemlerinde, toplumsal kamuoyu genellikle teknolojinin getirdiği yenilikler ve kolaylıklar üzerinde yoğunlaşırken, gizlilik koruma, şeffaflık, güvenlik gibi temel sorunlara olan ilgi görece oldukça az kalmaktadır. Uzun vadede, bu sorunlar AI endüstrisinin sağlıklı gelişimini ve toplumsal kabulünü derinden etkileyecektir. Eğer bu sorunlar düzgün bir şekilde çözülmezse, AI'nin "iyiye mi" yoksa "kötüye mi" gideceği tartışması daha da belirgin hale gelecektir; merkezi devlerin kâr güdüsü doğrultusunda, bu zorluklarla proaktif bir şekilde başa çıkmak için genellikle yeterli motivasyona sahip olmadıkları görülmektedir.

Blockchain teknolojisi, merkezsiz, şeffaf ve sansüre dayanıklı özellikleri sayesinde, AI endüstrisinin sürdürülebilir gelişimi için yeni olanaklar sunmaktadır. Şu anda, Solana, Base gibi 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, merkezsizlik derecesi sınırlıdır, kritik aşamalar ve altyapı hala merkezileştirilmiş bulut hizmetlerine bağımlıdır, meme özellikleri aşırı yüksektir, gerçek anlamda açık bir ekosistemi desteklemek zordur; diğer yandan, Web2 dünyasındaki AI ürünleri ile karşılaştırıldığında, on-chain AI'nın model yetenekleri, veri kullanımı ve uygulama senaryoları gibi alanlarda 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 barındırabilmesi ve performans açısından merkezi çözümlerle rekabet edebilmesi için, AI'ya özel tasarlanmış bir Layer1 blok zinciri tasarlamamız gerekiyor. Bu, AI'nın açık inovasyonu, yönetişim demokrasisini ve veri güvenliğini sağlam bir temel üzerine inşa edecek ve merkeziyetsiz AI ekosisteminin kalkınmasını teşvik edecektir.

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 gereksinimlerine sıkı bir şekilde odaklanmıştır ve zincir üstündeki AI ekosisteminin sürdürülebilir gelişimini ve refahını verimli bir şekilde desteklemeyi amaçlamaktadır. Özellikle, AI Layer 1'in aşağıdaki temel yeteneklere sahip olması gerekmektedir:

1. Verimli teşvik ve merkeziyetsiz konsensüs mekanizması AI Layer 1'in temeli, açık bir hesaplama, depolama ve diğer kaynakların paylaşım ağı inşa etmektir. Geleneksel blok zinciri düğümlerinin esas olarak defter kaydı tutmaya odaklanmasının aksine, AI Layer 1 düğümleri daha karmaşık görevler üstlenmelidir. Sadece hesaplama gücü sağlamakla kalmayıp, AI modellerinin eğitimini ve çıkarımını da gerçekleştirmeli, ayrıca depolama, veri, bant genişliği gibi çeşitli kaynakları katkıda bulunmalıdır. Böylece, merkezi devlerin AI altyapısı üzerindeki tekelini kırabilir. Bu durum, alt katman konsensüsü ve teşvik mekanizması için daha yüksek gereksinimler ortaya koymaktadır: AI Layer 1, düğümlerin AI çıkarım, eğitim gibi görevlerdeki gerçek katkılarını doğru bir şekilde değerlendirip teşvik edebilmelidir, böylece ağın güvenliğini ve kaynakların verimli dağıtımını sağlamalıdır. Ancak bu şekilde ağın istikrarı ve refahı garanti altına alınabilir ve genel hesaplama 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 yetenekleri için son derece yüksek talepler ortaya koymaktadır. Daha ileri gidecek olursak, on-chain AI ekosistemi genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çeşitli senaryoları desteklemesi gereken heterojen görev türlerini de içermelidir. AI Layer 1, temel mimarisi üzerinde yüksek throughput, düşük gecikme ve esnek paralel işlem talepleri için derinlemesine optimizasyon yapmalı ve heterojen hesaplama kaynaklarına yerel destek yeteneği sağlamalıdır, böylece çeşitli AI görevlerinin verimli bir şekilde çalışması sağlanarak "tek tip görev"ten "karmaşık çok yönlü ekosistem"e sorunsuz bir genişleme gerçekleştirilebilir.

3. Doğrulanabilirlik ve güvenilir çıktı garantisi AI Layer 1 sadece model kötüye kullanımı, veri manipülasyonu gibi güvenlik tehditlerini önlemekle kalmamalı, aynı zamanda temel mekanizmalarla AI'nın çıktı 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 bir model çıkarımı, eğitim ve veri işleme sürecinin bağımsız bir şekilde doğrulanabilmesini sağlar, bu da AI sisteminin adilliğini ve şeffaflığını garanti eder. Aynı zamanda, bu doğrulanabilirlik kullanıcıların AI'nın çıktı mantığını ve temelini net bir şekilde anlamalarına yardımcı olur, "bulduğunuz tam olarak istediğinizdir" ilkesini gerçekleştirir ve kullanıcıların AI ürünlerine olan güvenini ve memnuniyetini artırır.

4. Veri gizliliği koruma AI uygulamaları genellikle kullanıcıların hassas verilerini içerir ve finans, sağlık, sosyal medya gibi alanlarda veri gizliliği koruma son derece önemlidir. AI Layer 1, doğrulanabilirliği sağlarken, şifreleme tabanlı veri işleme teknolojileri, gizlilik hesaplama protokolleri ve veri izin yönetimi gibi yöntemler kullanarak verilerin çıkarım, eğitim ve depolama süreçlerinin tamamında güvenliğini sağlamalıdır. Bu, veri sızıntılarını ve kötüye kullanımı etkili bir şekilde önleyerek, kullanıcıların veri güvenliği konusundaki endişelerini gidermelidir.

5. Güçlü ekosistem taşıma ve geliştirme destek kapasitesi AI yerel Layer 1 altyapısı olarak, platformun yalnızca teknik açıdan önde olması değil, aynı zamanda geliştiricilere, düğüm işletmecilerine, AI hizmet sağlayıcılarına ve diğer ekosistem katılımcılarına kapsamlı geliştirme araçları, entegre SDK'lar, operasyon desteği ve teşvik mekanizmaları sunması gerekmektedir. Platformun kullanılabilirliğini ve geliştirici deneyimini sürekli optimize ederek, zengin ve çeşitli AI yerel uygulamaların hayata geçmesini teşvik etmek ve merkeziyetsiz AI ekosisteminin sürekli olarak gelişmesini 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 detaylı bir şekilde tanıtılacak, alanın en son gelişmeleri sistematik olarak ele alınacak, projelerin gelişim durumu analiz edilecek ve gelecekteki eğilimler tartışılacaktır.

Sentient: Sadık Açık Kaynak Merkezi Olmayan AI Modeli Oluşturma

Proje Özeti

Sentient, bir açık kaynak protokol platformudur ve bir AI Layer1 blok zinciri ( inşa etmektedir. Başlangıç aşaması Layer 2 olarak başlamaktadır, ardından Layer 1)'ye geçecektir. AI Pipeline ve blok zinciri teknolojisini birleştirerek, merkeziyetsiz bir yapay zeka ekonomisi inşa etmeyi hedeflemektedir. Temel amacı, "OML" çerçevesi ( aracılığıyla merkezi LLM pazarındaki model mülkiyeti, çağrı izleme ve değer dağıtım sorunlarını açık, kârlı ve sadık bir şekilde çözmektir. Böylece AI modellerinin on-chain mülkiyet yapısı, çağrı şeffaflığı ve değer paylaşımı sağlanacaktır. Sentient'in vizyonu, herkesin AI ürünlerini inşa etmesini, işbirliği yapmasını, sahip olmasını ve para kazanmasını mümkün kılarak, adil ve açık bir AI Agent ağ ekosistemini teşvik etmektir.

Sentient Foundation ekibi, dünya çapında önde gelen akademik uzmanlar, blockchain girişimcileri ve mühendisleri bir araya getirerek, topluluk odaklı, açık kaynaklı ve doğrulanabilir bir AGI platformu inşa etmeye kendini adamıştır. Ana üyeler arasında Princeton Üniversitesi profesörü Pramod Viswanath ve Hindistan Bilim Enstitüsü profesörü Himanshu Tyagi yer almaktadır; bu üyeler sırasıyla AI güvenliği ve gizliliği ile ilgilenmektedir. Ayrıca, Polygon'un kurucu ortağı Sandeep Nailwal blockchain stratejisi ve ekosistem yerleşimi konularında 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 işbirliği yapmaktadır.

Polygon'un kurucu ortağı Sandeep Nailwal'ın ikinci girişim projesi olarak, Sentient kuruluşunun ilk gününden itibaren bir aura ile birlikte geldi, zengin kaynaklar, bağlantılar ve piyasa bilinirliğine sahip olarak projeye güçlü bir destek sağladı. 2024 yılının ortasında, Sentient 85 milyon dolarlık bir tohum finansmanı tamamladı, bu finansman Founders Fund, Pantera ve Framework Ventures tarafından yönetildi, diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi onlarca tanınmış VC bulunuyor.

![Biteye ve PANews ortaklaşa AI Layer1 raporu yayınladı: On-chain DeAI için verimli alan 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 blok zinciri sistemi olmak üzere iki bölümden oluşmaktadır:

Yapay Zeka boru hattı, "Sadık AI" nesnelerinin geliştirilmesi ve eğitilmesi için bir temeldir ve iki ana süreci içerir:

• Veri Planlama ( Veri Kürasyonu ): Modelin hizalanması için topluluk tarafından yönlendirilen veri seçme süreci.
• Sadakat Eğitimi (: Modelin topluluk niyetleriyle uyumlu bir eğitim süreci sürdürmesini sağlamak.

Blockchain sistemi, protokollere şeffaflık ve merkeziyetsiz kontrol sağlayarak, AI eserlerinin sahipliğini, kullanım takibini, gelir dağılımını ve adil yönetişimi güvence altına alır. Belirli 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 izin kanıtı kullanır;
• Teşvik Katmanı: Kazanç yönlendirme sözleşmesi, her çağrıda ödemeleri eğitmenlere, dağıtıcılara ve doğrulayıcılara dağıtacaktır.

)## OML model çerçevesi

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

• Açıklık: Modelin açık kaynak olması, kod ve veri yapısının şeffaf olması, topluluğun yeniden üretmesini, denetlemesini ve geliştirmesini kolaylaştırmalıdır.
• Paraya Çevirme: Her model çağrısı, gelir akışını tetikleyecek, on-chain sözleşme gelirleri eğitmenlere, dağıtıcılara ve doğrulayıcılara dağıtacaktır.
• Sadakat: Model, katkı sağlayıcı topluluğa aittir, yükseltme yönü ve yönetim DAO tarafından belirlenir, kullanım ve değişiklikler şifreleme mekanizması tarafından 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 mekanizmaları geliştirmektedir. Temel teknolojisi şudur:

• Parmak izi gömme: Eğitim sırasında modelin benzersiz imzasını oluşturmak için gizli bir dizi sorgu-cevap anahtar değeri çifti eklenir;
• Mülkiyet doğrulama protokolü: Üçüncü taraf dedektör ###Prover( aracılığıyla, parmak izinin korunup korunmadığını sorgulama biçiminde doğrulamak;
• İzin çağrı mekanizması: Çağrıdan önce model sahibinin verdiği "yetki belgesi"nin alınması gerekmektedir, sistem buna göre modeli bu girdi çözmek ve doğru yanıtı döndürmek için yetkilendirir.

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 güvenlik kullanıyor: parmak izi ile hak sahipliği, TEE yürütmesi ve on-chain sözleşme gelir paylaşımının bir araya gelmesi. Parmak izi yöntemi OML 1.0 ile uygulanmış ana hattır, "optimistik güvenlik(Optimistic Security)" düşüncesini vurgular, yani varsayılan uyum, ihlal durumunda tespit edilebilir ve cezalandırılabilir.

Parmak izi mekanizması, OML'nin anahtar uygulamasıdır. Bu mekanizma, belirli "soru-cevap" çiftlerini gömerek, modelin eğitim aşamasında benzersiz bir imza oluşturmasını sağlar. Bu imzalar aracılığıyla, model sahipleri sahipliği doğrulayabilir, yetkisiz kopyalamayı ve ticarileştirmeyi önleyebilir. Bu mekanizma, yalnızca model geliştiricilerinin haklarını korumakla kalmaz, aynı zamanda model kullanım davranışları için izlenebilir bir on-chain kayıt sağlar.

Ayrıca, Sentient, yalnızca yetkilendirilmiş istekleri yanıtlamak ve yetkisiz erişim ile kullanımı önlemek için güvenilir yürütme ortamı ### olan AWS Nitro Enclaves ( gibi Enclave TEE hesaplama çerçevesini tanıttı. TEE donanıma bağımlıdır ve belirli güvenlik riskleri taşır, ancak yüksek performansı ve gerçek zamanlılık avantajları, onu mevcut model dağıtımının temel teknolojisi haline getirir.

Gelecekte, Sentient sıfır bilgi kanıtları )ZK( ve tam homomorfik şifreleme )FHE( teknolojilerini tanıtmayı planlıyor, gizlilik koruma ve doğrulanabilirliği daha da artırarak AI modellerinin merkeziyetsiz dağıtımı için daha olgun çözümler sunmayı hedefliyor.

)# Uygulama katmanı

Şu anda, Sentient'in ürünleri esas olarak merkeziyetsiz sohbet platformu Sentient Chat, açık kaynaklı Dobby serisi modelleri ve AI Agent çerçevesini içermektedir.

(## Dobby serisi mod