AI Layer1 Araştırması: On-chain DeAI İçin Verimli Toprakları Bulmak
Genel Bakış
Son yıllarda, OpenAI, Anthropic, Google, Meta gibi önde gelen teknoloji şirketleri büyük dil modellerinin (LLM) hızlı gelişimini sürekli olarak teşvik etmektedir. LLM, her sektörde eşsiz yetenekler sergileyerek insanın hayal gücünü büyük ölçüde genişletmiş, hatta bazı durumlarda insan iş gücünün yerini alma potansiyelini göstermiştir. Ancak, bu teknolojilerin çekirdeği, birkaç merkezi teknoloji devinin elinde sıkı bir şekilde tutulmaktadır. Güçlü sermaye ve yüksek maliyetli hesaplama kaynakları üzerindeki kontrol ile bu şirketler, çoğu geliştirici ve yenilikçi ekibin onlarla rekabet etmesini zorlaştıran aşılması güç engeller oluşturmuştur.
Aynı zamanda, AI'nın hızlı evriminin ilk dönemlerinde, toplumsal kamuoyu genellikle teknolojinin getirdiği yenilikler ve kolaylıklar üzerine yoğunlaşırken, gizlilik koruma, şeffaflık, güvenlik gibi temel konulara olan ilgi görece oranla daha azdır. Uzun vadede, bu sorunlar AI endüstrisinin sağlıklı gelişimini ve toplumsal kabulünü derinden etkileyecektir. Eğer bu sorunlar uygun bir şekilde çözülemezse, AI'nın "iyiye gitmesi" mi yoksa "kötüye gitmesi" mi sorunu daha da belirgin hale gelecektir ve merkezi devlerin kar güdüsüyle, genellikle bu zorluklarla proaktif bir şekilde başa çıkma konusunda yeterli motivasyona sahip olamayacaklardır.
Blockchain teknolojisi, merkeziyetsiz, şeffaf ve sansüre dayanıklı özellikleri sayesinde, AI sektörünün sürdürülebilir gelişimi için yeni olanaklar 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 görülebilmektedir: bir yandan, merkeziyetsizlik derecesi sınırlıdır; kritik aşamalar ve altyapılar hâlâ merkezi bulut hizmetlerine bağımlıdır, bu da gerçekten açık bir ekosistemi desteklemekte zorluk çıkarır; diğer yandan, Web2 dünyasındaki AI ürünleriyle karşılaştırıldığında, on-chain AI'nın model yetenekleri, veri kullanımı ve uygulama senaryoları gibi alanlarda hâlâ sınırlı olduğu, yenilik derinliği ve genişliğinin artırılması gerektiği anlaşılmaktadır.
Gerçekten merkeziyetsiz AI vizyonunu gerçekleştirmek, blockchain'in güvenli, verimli ve demokratik bir şekilde büyük ölçekli AI uygulamalarını barındırmasını sağlamak ve performans açısından merkezi çözümlerle rekabet edebilmesi için, AI için özel olarak tasarlanmış bir Layer1 blockchain'i tasarlamamız gerekiyor. Bu, AI'nın açık inovasyonu, yönetişim demokrasisini ve veri güvenliğini sağlam bir temel sağlayarak merkeziyetsiz AI ekosisteminin refahını teşvik edecektir.
AI Layer 1'in temel özellikleri
AI Layer 1, AI uygulamaları için özel olarak tasarlanmış bir blok zinciri olarak, temel mimarisi ve performans tasarımı AI görevlerinin ihtiyaçlarına sıkı bir şekilde odaklanmakta olup, zincir üzerindeki AI ekosisteminin sürdürülebilir gelişimini ve refahını etkin bir şekilde desteklemeyi amaçlamaktadır. Daha spesifik olarak, AI Layer 1 aşağıdaki temel yeteneklere sahip olmalıdır:
Etkili 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 çoğunlukla defter kaydı tutmaya odaklanmasından farklı olarak, AI Layer 1 düğümleri daha karmaşık görevleri üstlenmek zorundadır; yalnızca hesaplama sağlamak, AI modellerinin eğitimini ve çıkarımını tamamlamakla kalmayıp, aynı zamanda depolama, veri, bant genişliği gibi çeşitli kaynakları da katkıda bulunmalıdır. Bu, AI altyapısındaki merkezi devlerin tekelleşmesini kırmak içindir. Bu durum, temel 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 güvenliğini ve kaynakların verimli dağılımını sağlamalıdır. Ancak bu şekilde ağın istikrarı ve refahı garanti altına alınabilir ve genel hesaplama maliyetleri etkili bir şekilde azaltılabilir.
Üstün yüksek performans ve heterojen görev destek yeteneği
AI görevleri, özellikle LLM'nin eğitimi ve çıkarımı, hesaplama performansı ve paralel işleme yetenekleri üzerinde son derece yüksek gereksinimler ortaya koymaktadır. Daha da ötesi, on-chain AI ekosisteminin genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çeşitli senaryoları destekleyen çeşitlendirilmiş ve heterojen görev türlerini de desteklemesi gerekmektedir. AI Layer 1, altyapısında yüksek throughput, düşük gecikme ve esnek paralel işlem gibi gereksinimler için derinlemesine optimizasyon yapmalı ve heterojen hesaplama kaynaklarına yerel destek yeteneğini önceden tanımlamalıdır; böylece çeşitli AI görevleri verimli bir şekilde çalışabilir ve "tekil görev" den "karmaşık çoklu ekosistem" e sorunsuz bir genişleme sağlanabilir.
Doğrulanabilirlik ve güvenilir çıktı garantisi
AI Layer 1 yalnızca modelin kötüye kullanılmasını, verilerin değiştirilmesi gibi güvenlik tehlikelerini önlemekle kalmamalı, aynı zamanda AI çıktılarının doğrulanabilirliğini ve uyumluluğunu temin etmek için altyapı mekanizmalarıyla da güvence altına almalıdır. Güvenilir yürütme ortamı (TEE), sıfır bilgi kanıtı (ZK), çoklu taraf güvenli hesaplama (MPC) gibi öncü teknolojilerin entegrasyonu ile platform, her bir model çıkarımı, eğitim ve veri işleme sürecinin bağımsız olarak doğrulanabilmesini sağlayarak AI sisteminin adaletini ve şeffaflığını güvence altına alır. Aynı zamanda, bu doğrulanabilirlik kullanıcıların AI çıktılarının mantığını ve dayanağını net bir şekilde anlamalarına yardımcı olarak "bulunanın istenileni" gerçekleştirilmesini sağlar ve kullanıcıların AI ürünlerine olan güvenini ve memnuniyetini artırır.
Veri gizliliği koruma
AI uygulamaları genellikle kullanıcıların hassas verilerini içerir; finans, sağlık, sosyal medya gibi alanlarda veri gizliliğinin korunması özellikle önemlidir. AI Layer 1, doğrulanabilirliği sağlarken, şifreleme tabanlı veri işleme teknolojileri, gizlilik hesaplama protokolleri ve veri erişim yönetimi gibi yöntemleri kullanarak, verilerin çıkarım, eğitim ve depolama süreçlerinin her aşamasında güvenliğini sağlamalı, veri sızıntısı ve kötüye kullanımı etkili bir şekilde önlemeli ve kullanıcıların veri güvenliği konusundaki endişelerini ortadan kaldırmalıdır.
Güçlü ekosistem taşıma ve geliştirme destek kapasitesi
AI yerel Layer 1 altyapısı olarak, platform yalnızca teknik açıdan liderlik göstermemekle kalmamalı, aynı zamanda geliştiriciler, düğüm işletmecileri, AI hizmet sağlayıcıları gibi 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 yerel uygulamaların hayata geçmesini teşvik etmeli ve merkeziyetsiz AI ekosisteminin sürekli refahını sağlamalıdır.
Yukarıdaki arka plan ve beklentilere dayanarak, bu makale Sentient, Sahara AI, Ritual, Gensyn, Bittensor ve 0G'yi içeren altı AI Layer1 temsilci projesini ayrıntılı bir şekilde tanıtacak, alanın en son gelişmelerini sistemli bir şekilde inceleyecek, projelerin gelişim durumunu analiz edecek ve gelecekteki eğilimleri tartışacaktır.
Sentient: Sadık Açık Kaynak Merkeziyetsiz AI Modeli İnşa Etmek
Proje Özeti
Sentient, bir açık kaynak protokol platformudur ve AI Layer1 blockchain( üzerinde çalışmaktadır. İlk aşamada Layer 2 olarak başlayacak ve daha sonra Layer 1)'e geçecektir. AI Pipeline ve blockchain teknolojisini birleştirerek merkeziyetsiz bir yapay zeka ekonomisi oluşturmayı hedeflemektedir. Temel hedefi, merkezi LLM pazarındaki model sahipliği, çağrı izleme ve değer dağıtım sorunlarını "OML" çerçevesi (açık, kârlı, sadık) aracılığıyla çözmektir. Bu, AI modellerinin on-chain mülkiyet yapısına, çağrı şeffaflığına ve değer paylaşımına ulaşmasını sağlamaktadır. Sentient'in vizyonu, herkesin AI ürünlerini inşa etmesine, işbirliği yapmasına, sahip olmasına ve para kazanmasına olanak tanıyarak adil ve açık bir AI Agent ağ ekosistemini teşvik etmektir.
Sentient Foundation ekibi, dünya çapında önde gelen akademik uzmanları, blockchain girişimcilerini ve mühendisleri bir araya getirerek, topluluk odaklı, açık kaynaklı ve doğrulanabilir bir AGI platformu inşa etmeye kendini adamıştır. Temel üyeler arasında Princeton Üniversitesi'nden profesör Pramod Viswanath ve Hindistan Bilim Enstitüsü'nden profesör Himanshu Tyagi bulunmaktadır; bu iki isim sırasıyla AI güvenliği ve gizlilik korumasından sorumludur. Aynı zamanda Polygon'un kurucu ortağı Sandeep Nailwal, blockchain stratejisi ve ekosistem düzenlemesi konusunda liderlik yapmaktadır. Ekip üyelerinin geçmişi Meta, Coinbase, Polygon gibi tanınmış şirketlerin yanı sıra Princeton Üniversitesi, Hindistan Teknoloji Enstitüleri 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 başında ışığını taşıyor, zengin kaynaklara, bağlantılara ve piyasa farkındalığına sahip, projeye güçlü bir destek sağlıyor. 2024 yılının ortasında, Sentient 85 milyon dolar değerinde bir tohum aşaması finansmanı tamamladı, Founders Fund, Pantera ve Framework Ventures liderliğinde, diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi birçok ünlü VC yer alıyor.
tasarım mimarisi ve uygulama katmanı
Altyapı Katmanı
Kilit Mimarisi
Sentient'in temel mimarisi, AI Pipeline ve on-chain sistem olmak üzere iki bölümden oluşmaktadır:
AI boru hattı, "sadık AI" nesnelerinin geliştirilmesi ve eğitilmesi için bir temel 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 niyetiyle uyumlu bir eğitim sürecini sürdürmesini sağlamak.
Blok zinciri sistemi, protokollere şeffaflık ve merkeziyetsiz kontrol sağlayarak AI eserlerinin mülkiyeti, kullanım takibi, gelir dağılımı ve adil yönetimini 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 kanıtını kullanır;
Teşvik katmanı: Gelir yönlendirme sözleşmesi, her çağrıda ödeme dağılımını eğitmenler, dağıtıcılar ve doğrulayıcılar arasında yapar.
OML model çerçevesi
OML çerçevesi (Açık Open, Para Kazanılabilir Monetizable, Sadık Loyal), Sentient tarafından önerilen bir temel ilkedir ve açık kaynaklı AI modellerine net mülkiyet koruması ve ekonomik teşvik mekanizmaları sağlamayı amaçlamaktadır. On-chain teknolojisi 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.
Para kazanma: Model çağrısı her seferinde bir gelir akışını tetikler, on-chain sözleşme, gelirleri eğitmenler, dağıtıcılar ve doğrulayıcılara dağıtacaktır.
Sadakat: Model, katkı sağlayıcı topluluğa aittir, yükseltme yönü ve yönetim DAO tarafından belirlenir, kullanımı ve değişikliği kripto mekanizması tarafından 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 kaldırılabilir olmayan" hafif güvenlik mekanizmaları geliştirmektir. Temel teknolojisi şudur:
Parmak izi gömülü: Eğitim sırasında modelin benzersiz imzasını oluşturmak için bir grup gizli sorgu-cevap anahtar değeri çifti eklenir;
Mülkiyet doğrulama protokolü: Parmak izinin saklanıp saklanmadığını doğrulamak için üçüncü taraf dedektör (Prover) aracılığıyla sorgu şeklinde sorular sorulur;
İzinli çağrı mekanizması: Çağrıdan önce model sahibinden verilen "izin belgesi" alınması gerekmektedir, sistem daha sonra buna dayanarak modelin bu girişi çözmesine ve doğru yanıtı döndürmesine yetki verir.
Bu yöntem, "davranışa dayalı yetkilendirme çağrısı + aitlik doğrulaması"nı yeniden şifreleme maliyeti olmadan gerçekleştirmenizi sağlar.
Model Hakları ve Güvenli Uygulama Çerçevesi
Sentient şu anda Melange karışık güvenlik yöntemini kullanıyor: parmak izi ile hak sahibi olma, TEE uygulaması ve on-chain sözleşmelerin kar paylaşımının bir araya gelmesi. Parmak izi yöntemi OML 1.0 ile ana hat olarak uygulanmaktadır ve "iyimser güvenlik (Optimistic Security)" anlayışını vurgular; bu, varsayılan olarak uyumlu olduğu ve ihlallerin tespit edilip cezalandırılabileceği anlamına gelir.
Parmak izi mekanizması, OML'nin ana uygulamasıdır; belirli "soru-cevap" çiftlerini gömerek modelin eğitim aşamasında benzersiz imzalar oluşturmasını sağlar. Bu imzalar sayesinde, modelin sahibi sahipliği doğrulayabilir, yetkisiz kopyalama ve ticareti önleyebilir. Bu mekanizma yalnızca model geliştiricilerinin haklarını korumakla kalmaz, aynı zamanda modelin kullanım davranışına izlenebilir on-chain kayıtlar sunar.
Ayrıca, Sentient, yetkilendirilmiş isteklerin yanı sıra izinsiz erişim ve kullanımın önlenmesini sağlamak için güvenilir yürütme ortamları (örneğin AWS Nitro Enclaves) kullanan Enclave TEE hesaplama çerçevesini tanıttı. TEE donanıma bağımlıdır ve belli güvenlik riskleri taşımaktadır, ancak yüksek performansı ve gerçek zamanlılık avantajları, onu mevcut model dağıtımının temel teknolojisi haline getirmektedir.
Gelecekte, Sentient sıfır bilgi kanıtları (ZK) ve homomorfik şifreleme (FHE) teknolojilerini entegre etmeyi planlıyor, böylece gizlilik korumasını ve doğrulanabilirliği daha da artırarak AI modellerinin merkeziyetsiz dağıtımı için daha olgun çözümler sunuyor.
 and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
5 Likes
Reward
5
3
Repost
Share
Comment
0/400
GasWhisperer
· 7h ago
L1 gas savaşının geldiğini hissedebiliyorum... merkezi modeller deAI vurduğunda yok olacak.
AI Layer1 ekosistem araştırması: Merkeziyetsizlik yapay zekanın altyapısını keşfetme
AI Layer1 Araştırması: On-chain DeAI İçin Verimli Toprakları Bulmak
Genel Bakış
Son yıllarda, OpenAI, Anthropic, Google, Meta gibi önde gelen teknoloji şirketleri büyük dil modellerinin (LLM) hızlı gelişimini sürekli olarak teşvik etmektedir. LLM, her sektörde eşsiz yetenekler sergileyerek insanın hayal gücünü büyük ölçüde genişletmiş, hatta bazı durumlarda insan iş gücünün yerini alma potansiyelini göstermiştir. Ancak, bu teknolojilerin çekirdeği, birkaç merkezi teknoloji devinin elinde sıkı bir şekilde tutulmaktadır. Güçlü sermaye ve yüksek maliyetli hesaplama kaynakları üzerindeki kontrol ile bu şirketler, çoğu geliştirici ve yenilikçi ekibin onlarla rekabet etmesini zorlaştıran aşılması güç engeller oluşturmuştur.
Aynı zamanda, AI'nın hızlı evriminin ilk dönemlerinde, toplumsal kamuoyu genellikle teknolojinin getirdiği yenilikler ve kolaylıklar üzerine yoğunlaşırken, gizlilik koruma, şeffaflık, güvenlik gibi temel konulara olan ilgi görece oranla daha azdır. Uzun vadede, bu sorunlar AI endüstrisinin sağlıklı gelişimini ve toplumsal kabulünü derinden etkileyecektir. Eğer bu sorunlar uygun bir şekilde çözülemezse, AI'nın "iyiye gitmesi" mi yoksa "kötüye gitmesi" mi sorunu daha da belirgin hale gelecektir ve merkezi devlerin kar güdüsüyle, genellikle bu zorluklarla proaktif bir şekilde başa çıkma konusunda yeterli motivasyona sahip olamayacaklardır.
Blockchain teknolojisi, merkeziyetsiz, şeffaf ve sansüre dayanıklı özellikleri sayesinde, AI sektörünün sürdürülebilir gelişimi için yeni olanaklar 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 görülebilmektedir: bir yandan, merkeziyetsizlik derecesi sınırlıdır; kritik aşamalar ve altyapılar hâlâ merkezi bulut hizmetlerine bağımlıdır, bu da gerçekten açık bir ekosistemi desteklemekte zorluk çıkarır; diğer yandan, Web2 dünyasındaki AI ürünleriyle karşılaştırıldığında, on-chain AI'nın model yetenekleri, veri kullanımı ve uygulama senaryoları gibi alanlarda hâlâ sınırlı olduğu, yenilik derinliği ve genişliğinin artırılması gerektiği anlaşılmaktadır.
Gerçekten merkeziyetsiz AI vizyonunu gerçekleştirmek, blockchain'in güvenli, verimli ve demokratik bir şekilde büyük ölçekli AI uygulamalarını barındırmasını sağlamak ve performans açısından merkezi çözümlerle rekabet edebilmesi için, AI için özel olarak tasarlanmış bir Layer1 blockchain'i tasarlamamız gerekiyor. Bu, AI'nın açık inovasyonu, yönetişim demokrasisini ve veri güvenliğini sağlam bir temel sağlayarak merkeziyetsiz AI ekosisteminin refahını teşvik edecektir.
AI Layer 1'in temel özellikleri
AI Layer 1, AI uygulamaları için özel olarak tasarlanmış bir blok zinciri olarak, temel mimarisi ve performans tasarımı AI görevlerinin ihtiyaçlarına sıkı bir şekilde odaklanmakta olup, zincir üzerindeki AI ekosisteminin sürdürülebilir gelişimini ve refahını etkin bir şekilde desteklemeyi amaçlamaktadır. Daha spesifik olarak, AI Layer 1 aşağıdaki temel yeteneklere sahip olmalıdır:
Etkili 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 çoğunlukla defter kaydı tutmaya odaklanmasından farklı olarak, AI Layer 1 düğümleri daha karmaşık görevleri üstlenmek zorundadır; yalnızca hesaplama sağlamak, AI modellerinin eğitimini ve çıkarımını tamamlamakla kalmayıp, aynı zamanda depolama, veri, bant genişliği gibi çeşitli kaynakları da katkıda bulunmalıdır. Bu, AI altyapısındaki merkezi devlerin tekelleşmesini kırmak içindir. Bu durum, temel 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 güvenliğini ve kaynakların verimli dağılımını sağlamalıdır. Ancak bu şekilde ağın istikrarı ve refahı garanti altına alınabilir ve genel hesaplama maliyetleri etkili bir şekilde azaltılabilir.
Üstün yüksek performans ve heterojen görev destek yeteneği AI görevleri, özellikle LLM'nin eğitimi ve çıkarımı, hesaplama performansı ve paralel işleme yetenekleri üzerinde son derece yüksek gereksinimler ortaya koymaktadır. Daha da ötesi, on-chain AI ekosisteminin genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çeşitli senaryoları destekleyen çeşitlendirilmiş ve heterojen görev türlerini de desteklemesi gerekmektedir. AI Layer 1, altyapısında yüksek throughput, düşük gecikme ve esnek paralel işlem gibi gereksinimler için derinlemesine optimizasyon yapmalı ve heterojen hesaplama kaynaklarına yerel destek yeteneğini önceden tanımlamalıdır; böylece çeşitli AI görevleri verimli bir şekilde çalışabilir ve "tekil görev" den "karmaşık çoklu ekosistem" e sorunsuz bir genişleme sağlanabilir.
Doğrulanabilirlik ve güvenilir çıktı garantisi AI Layer 1 yalnızca modelin kötüye kullanılmasını, verilerin değiştirilmesi gibi güvenlik tehlikelerini önlemekle kalmamalı, aynı zamanda AI çıktılarının doğrulanabilirliğini ve uyumluluğunu temin etmek için altyapı mekanizmalarıyla da güvence altına almalıdır. Güvenilir yürütme ortamı (TEE), sıfır bilgi kanıtı (ZK), çoklu taraf güvenli hesaplama (MPC) gibi öncü teknolojilerin entegrasyonu ile platform, her bir model çıkarımı, eğitim ve veri işleme sürecinin bağımsız olarak doğrulanabilmesini sağlayarak AI sisteminin adaletini ve şeffaflığını güvence altına alır. Aynı zamanda, bu doğrulanabilirlik kullanıcıların AI çıktılarının mantığını ve dayanağını net bir şekilde anlamalarına yardımcı olarak "bulunanın istenileni" gerçekleştirilmesini sağlar ve kullanıcıların AI ürünlerine olan güvenini ve memnuniyetini artırır.
Veri gizliliği koruma AI uygulamaları genellikle kullanıcıların hassas verilerini içerir; finans, sağlık, sosyal medya gibi alanlarda veri gizliliğinin korunması özellikle önemlidir. AI Layer 1, doğrulanabilirliği sağlarken, şifreleme tabanlı veri işleme teknolojileri, gizlilik hesaplama protokolleri ve veri erişim yönetimi gibi yöntemleri kullanarak, verilerin çıkarım, eğitim ve depolama süreçlerinin her aşamasında güvenliğini sağlamalı, veri sızıntısı ve kötüye kullanımı etkili bir şekilde önlemeli ve kullanıcıların veri güvenliği konusundaki endişelerini ortadan kaldırmalıdır.
Güçlü ekosistem taşıma ve geliştirme destek kapasitesi AI yerel Layer 1 altyapısı olarak, platform yalnızca teknik açıdan liderlik göstermemekle kalmamalı, aynı zamanda geliştiriciler, düğüm işletmecileri, AI hizmet sağlayıcıları gibi 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 yerel uygulamaların hayata geçmesini teşvik etmeli ve merkeziyetsiz AI ekosisteminin sürekli refahını sağlamalıdır.
Yukarıdaki arka plan ve beklentilere dayanarak, bu makale Sentient, Sahara AI, Ritual, Gensyn, Bittensor ve 0G'yi içeren altı AI Layer1 temsilci projesini ayrıntılı bir şekilde tanıtacak, alanın en son gelişmelerini sistemli bir şekilde inceleyecek, projelerin gelişim durumunu analiz edecek ve gelecekteki eğilimleri tartışacaktır.
Sentient: Sadık Açık Kaynak Merkeziyetsiz AI Modeli İnşa Etmek
Proje Özeti
Sentient, bir açık kaynak protokol platformudur ve AI Layer1 blockchain( üzerinde çalışmaktadır. İlk aşamada Layer 2 olarak başlayacak ve daha sonra Layer 1)'e geçecektir. AI Pipeline ve blockchain teknolojisini birleştirerek merkeziyetsiz bir yapay zeka ekonomisi oluşturmayı hedeflemektedir. Temel hedefi, merkezi LLM pazarındaki model sahipliği, çağrı izleme ve değer dağıtım sorunlarını "OML" çerçevesi (açık, kârlı, sadık) aracılığıyla çözmektir. Bu, AI modellerinin on-chain mülkiyet yapısına, çağrı şeffaflığına ve değer paylaşımına ulaşmasını sağlamaktadır. Sentient'in vizyonu, herkesin AI ürünlerini inşa etmesine, işbirliği yapmasına, sahip olmasına ve para kazanmasına olanak tanıyarak adil ve açık bir AI Agent ağ ekosistemini teşvik etmektir.
Sentient Foundation ekibi, dünya çapında önde gelen akademik uzmanları, blockchain girişimcilerini ve mühendisleri bir araya getirerek, topluluk odaklı, açık kaynaklı ve doğrulanabilir bir AGI platformu inşa etmeye kendini adamıştır. Temel üyeler arasında Princeton Üniversitesi'nden profesör Pramod Viswanath ve Hindistan Bilim Enstitüsü'nden profesör Himanshu Tyagi bulunmaktadır; bu iki isim sırasıyla AI güvenliği ve gizlilik korumasından sorumludur. Aynı zamanda Polygon'un kurucu ortağı Sandeep Nailwal, blockchain stratejisi ve ekosistem düzenlemesi konusunda liderlik yapmaktadır. Ekip üyelerinin geçmişi Meta, Coinbase, Polygon gibi tanınmış şirketlerin yanı sıra Princeton Üniversitesi, Hindistan Teknoloji Enstitüleri 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 başında ışığını taşıyor, zengin kaynaklara, bağlantılara ve piyasa farkındalığına sahip, projeye güçlü bir destek sağlıyor. 2024 yılının ortasında, Sentient 85 milyon dolar değerinde bir tohum aşaması finansmanı tamamladı, Founders Fund, Pantera ve Framework Ventures liderliğinde, diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi birçok ünlü VC yer alıyor.
tasarım mimarisi ve uygulama katmanı
Altyapı Katmanı
Kilit Mimarisi
Sentient'in temel mimarisi, AI Pipeline ve on-chain sistem olmak üzere iki bölümden oluşmaktadır:
AI boru hattı, "sadık AI" nesnelerinin geliştirilmesi ve eğitilmesi için bir temel oluşturur ve iki temel süreci içerir:
Blok zinciri sistemi, protokollere şeffaflık ve merkeziyetsiz kontrol sağlayarak AI eserlerinin mülkiyeti, kullanım takibi, gelir dağılımı ve adil yönetimini güvence altına alır. Belirli mimari dört katmana ayrılmaktadır:
OML model çerçevesi
OML çerçevesi (Açık Open, Para Kazanılabilir Monetizable, Sadık Loyal), Sentient tarafından önerilen bir temel ilkedir ve açık kaynaklı AI modellerine net mülkiyet koruması ve ekonomik teşvik mekanizmaları sağlamayı amaçlamaktadır. On-chain teknolojisi ve AI yerel kriptografisini birleştirerek aşağıdaki özelliklere sahiptir:
AI Yerel Kriptografi (AI-native Cryptography)
AI yerel kripto, AI modellerinin sürekliliğini, düşük boyutlu manifold yapısını ve modelin türevlenebilir özelliklerini kullanarak "doğrulanabilir ama kaldırılabilir olmayan" hafif güvenlik mekanizmaları geliştirmektir. Temel teknolojisi şudur:
Bu yöntem, "davranışa dayalı yetkilendirme çağrısı + aitlik doğrulaması"nı yeniden şifreleme maliyeti olmadan gerçekleştirmenizi sağlar.
Model Hakları ve Güvenli Uygulama Çerçevesi
Sentient şu anda Melange karışık güvenlik yöntemini kullanıyor: parmak izi ile hak sahibi olma, TEE uygulaması ve on-chain sözleşmelerin kar paylaşımının bir araya gelmesi. Parmak izi yöntemi OML 1.0 ile ana hat olarak uygulanmaktadır ve "iyimser güvenlik (Optimistic Security)" anlayışını vurgular; bu, varsayılan olarak uyumlu olduğu ve ihlallerin tespit edilip cezalandırılabileceği anlamına gelir.
Parmak izi mekanizması, OML'nin ana uygulamasıdır; belirli "soru-cevap" çiftlerini gömerek modelin eğitim aşamasında benzersiz imzalar oluşturmasını sağlar. Bu imzalar sayesinde, modelin sahibi sahipliği doğrulayabilir, yetkisiz kopyalama ve ticareti önleyebilir. Bu mekanizma yalnızca model geliştiricilerinin haklarını korumakla kalmaz, aynı zamanda modelin kullanım davranışına izlenebilir on-chain kayıtlar sunar.
Ayrıca, Sentient, yetkilendirilmiş isteklerin yanı sıra izinsiz erişim ve kullanımın önlenmesini sağlamak için güvenilir yürütme ortamları (örneğin AWS Nitro Enclaves) kullanan Enclave TEE hesaplama çerçevesini tanıttı. TEE donanıma bağımlıdır ve belli güvenlik riskleri taşımaktadır, ancak yüksek performansı ve gerçek zamanlılık avantajları, onu mevcut model dağıtımının temel teknolojisi haline getirmektedir.
Gelecekte, Sentient sıfır bilgi kanıtları (ZK) ve homomorfik şifreleme (FHE) teknolojilerini entegre etmeyi planlıyor, böylece gizlilik korumasını ve doğrulanabilirliği daha da artırarak AI modellerinin merkeziyetsiz dağıtımı için daha olgun çözümler sunuyor.
![Biteye ve PANews ortaklaşa AI Layer1 raporu yayınladı: On-chain DeAI için verimli toprakları aramak](