AI Layer1 yarışma araştırması: on-chain Merkeziyetsizlik AI için verimli toprakları bulmak

Son yıllarda, OpenAI, Anthropic, Google, Meta gibi önde gelen teknoloji şirketlerinin sürekli çabalarıyla, büyük dil modelleri (LLM) her sektörde eşi benzeri görülmemiş yetenekler sergileyerek insan hayal gücünü büyük ölçüde genişletti ve hatta bazı senaryolarda insan emeğinin yerini alma potansiyelini gösterdi. Ancak, bu teknolojilerin çekirdeği hala az sayıda merkeziyetsiz teknoloji devinin elinde sıkı bir şekilde tutuluyor. Güçlü sermaye ve yüksek maliyetli hesaplama kaynaklarına olan hâkimiyetleri sayesinde, bu şirketler aşılması zor engeller oluşturdu ve büyük çoğunlukta geliştiricilerin ve yenilikçi ekiplerin onlarla rekabet etmesini zorlaştırdı.

Aynı zamanda, AI'nin hızlı evriminin başlarında, toplumsal kamuoyu genellikle teknolojinin getirdiği yenilikler ve kolaylıklar üzerine yoğunlaşırken, gizlilik koruma, şeffaflık, güvenlik gibi temel sorunlara olan dikkat nispeten azdır. Uzun vadede, bu sorunlar AI endüstrisinin sağlıklı gelişimini ve sosyal kabulünü derinden etkileyecektir. Eğer bu sorunlar uygun bir şekilde çözülmezse, AI'nin "iyiye mi yoksa kötüye mi" gideceği tartışması giderek daha belirgin hale gelecektir ve merkezi devlerin kâr odaklı içgüdüleri doğrultusunda bu zorluklarla başa çıkma konusunda yeterli motivasyona sahip olmamaları muhtemeldir.

Blockchain teknolojisi, merkeziyetsizlik, şeffaflık ve sansüre dayanıklılık özellikleri sayesinde AI sektörünün sürdürülebilir gelişimi için yeni olanaklar sunuyor. Şu anda, bazı ana akım blok zincirlerinde birçok "Web3 AI" uygulaması ortaya çıkmıştır. Ancak derinlemesine analiz edildiğinde, bu projelerin hâlâ birçok sorunla karşı karşıya olduğu görülebilir: bir yandan, merkeziyetsizlik düzeyi sınırlıdır, kritik aşamalar ve altyapı hâlâ merkezi bulut hizmetlerine bağımlıdır, meme özellikleri aşırı yüksektir, gerçek anlamda açık bir ekosistemi desteklemede zorluk yaşanmaktadır; öte yandan, Web2 dünyasındaki AI ürünleriyle karşılaştırıldığında, on-chain AI'nın model yetenekleri, veri kullanımı ve uygulama senaryoları açısından hâlâ sınırlı olduğu, yenilik derinliği ve genişliğinin artırılması gerektiği görülmektedir.

Gerçekten merkeziyetsizlik AI vizyonunu gerçekleştirmek, blockchain'in büyük ölçekli AI uygulamalarını güvenli, verimli ve demokratik bir şekilde barındırabilmesi ve performans olarak merkezi çözümlere karşı rekabet edebilmesi için, AI'ya özel tasarlanmış bir Layer1 blockchain'i tasarlamamız gerekiyor. Bu, AI'nın açık inovasyonu, yönetişimde demokrasi ve veri güvenliği için sağlam bir temel sağlayacak ve merkeziyetsiz AI ekosisteminin refahını artıracak.

AI Layer 1'in temel özellikleri

AI Layer 1, AI uygulamaları için özel olarak tasarlanmış bir blok zinciri olarak, alt yapısı ve performans tasarımı, AI görevlerinin gereksinimlerini sıkı bir şekilde çevrelemekte olup, on-chain AI ekosisteminin sürdürülebilir gelişimini ve refahını etkin bir şekilde desteklemeyi amaçlamaktadır. Özellikle, AI Layer 1 aşağıdaki temel yeteneklere sahip olmalıdır:

1. Verimli teşvik ve merkeziyetsizlik konsensüs mekanizması AI Layer 1'in temel amacı, açık bir hesaplama, depolama ve diğer kaynakların paylaşıldığı bir ağ oluşturmaktır. Geleneksel blok zinciri düğümlerinin esas olarak defter kaydı üzerine odaklanmasının aksine, AI Layer 1 düğümleri daha karmaşık görevleri üstlenmek zorundadır; yalnızca hesaplama gücü sağlamakla kalmayıp, AI modellerinin eğitimini ve çıkarımını tamamlamakta, ayrıca depolama, veri, bant genişliği gibi çeşitli kaynakları da katkıda bulunmalıdır, böylece merkeziyetsizlik devlerinin AI altyapısındaki tekelliğini kırabilir. Bu, temel konsensüs ve teşvik mekanizmaları için daha yüksek gereksinimler getirir: 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 toplam hesaplama maliyetleri etkili bir şekilde düşürülebilir.

2. Üstün yüksek performans ve heterojen görev destekleme yeteneği AI görevleri, özellikle LLM'nin eğitimi ve çıkarımı, hesaplama performansı ve paralel işleme yeteneği açısından son derece yüksek talepler ortaya koymaktadır. Daha da ötesi, on-chain AI ekosistemi genellikle farklı modellerin yapıları, veri işleme, çıkarım, depolama gibi çeşitli senaryoları destekleyen çok çeşitli ve heterojen görev türlerini de desteklemelidir. AI Layer 1, temel mimaride yüksek throughput, düşük gecikme ve esnek paralellik gibi ihtiyaçlar için derin optimizasyon yapılmalı ve heterojen hesaplama kaynaklarına yerel destek yeteneği önceden belirlenmelidir, böylece çeşitli AI görevleri etkin bir şekilde çalışabilir ve "tek tip görev"ten "karmaşık çoklu ekosistem"e sorunsuz bir genişleme gerçekleştirebilir.

3. Doğrulanabilirlik ve güvenilir çıktı garantisi AI Layer 1 yalnızca model kötü niyetini, veri manipülasyonunu ve diğer güvenlik açıklarını önlemekle kalmamalı, aynı zamanda AI'nın çıktılarının doğrulanabilirliğini ve uyumunu temin etmek için alt düzey mekanizmalar sağlamalıdır. Güvenilir yürütme ortamı (TEE), sıfır bilgi kanıtı (ZK), çok taraflı güvenli hesaplama (MPC) gibi öncü teknolojileri entegre ederek, platform her bir model çıkarımı, eğitimi ve veri işleme sürecinin bağımsız olarak doğrulanabilmesini sağlayarak AI sisteminin adaletini ve şeffaflığını güvence altına alır. Ayrıca, bu doğrulanabilirlik kullanıcıların AI çıktılarının mantığını ve dayanağını netleştirmesine yardımcı olarak, "edinilen, istenilen" ilkesini gerçekleştirmekte ve kullanıcıların AI ürünlerine olan güvenini ve memnuniyetini artırmaktadır.

4. Veri gizliliği koruma AI uygulamaları genellikle kullanıcıların hassas verilerini içerir ve finans, sağlık, sosyal gibi alanlarda, veri gizliliğinin korunması özellikle önemlidir. AI Layer 1, doğrulanabilirliği sağlarken, şifrelemeye dayalı veri işleme teknikleri, gizlilik hesaplama protokolleri ve veri yetki yönetimi gibi yöntemleri kullanarak, verilerin çıkarım, eğitim ve depolama süreçlerindeki güvenliğini sağlamalı, veri sızıntılarını ve kötüye kullanımı etkin bir şekilde önlemeli ve kullanıcıların veri güvenliği konusundaki endişelerini ortadan kaldırmalıdır.

5. Güçlü ekosistem taşıma ve geliştirme destek yeteneği AI yerel Layer 1 altyapısı olarak, platformun yalnızca teknik açıdan öncülük etmesi değil, aynı zamanda geliştiricilere, düğüm operatörlerine, AI hizmet sağlayıcılarına ve diğer ekosistem katılımcılarına kapsamlı geliştirme araçları, entegre SDK, operasyonel destek ve teşvik mekanizmaları sunması gerekmektedir. Platformun kullanılabilirliğini ve geliştirici deneyimini sürekli optimize ederek, zengin ve çeşitli AI yerel uygulamaların hayata geçmesini 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 olmak üzere altı AI Layer1 temsilci projesi detaylı bir şekilde tanıtılacak, alandaki en son gelişmeler sistematik olarak ele alınacak, projelerin gelişim durumu incelenecek ve gelecekteki eğilimler tartışılacaktır.

Sentient: Sadık Açık Kaynak Merkeziyetsizlik AI Modeli Kurmak

Proje Özeti

Sentient, açık kaynaklı bir protokol platformudur ve bir AI Layer1 blok zinciri inşa etmektedir. ( ilk aşama olarak Layer 2'dir, daha sonra Layer 1)'e geçecektir. AI Pipeline ve blok zinciri teknolojisini birleştirerek merkeziyetsiz bir yapay zeka ekonomisi inşa etmeyi hedeflemektedir. Temel amacı, "OML" çerçevesi ile ( açık, kârlı ve sadık bir şekilde merkezi LLM pazarındaki model sahipliği, çağrı izleme ve değer dağıtım sorunlarını çözmektir. Bu sayede AI modellerinin on-chain mülkiyet yapısını, çağrıların şeffaflığını ve değer paylaşımını gerçekleştirmesini sağlamaktır. Sentient'in vizyonu, herkesin AI ürünlerini inşa etmesine, işbirliği yapmasına, sahip olmasına ve paraya çevirmesine 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 etmeyi amaçlamaktadır. Ana üyeleri arasında Princeton Üniversitesi profesörü Pramod Viswanath ve Hindistan Bilim Enstitüsü profesörü Himanshu Tyagi yer almakta olup, sırasıyla AI güvenliği ve gizliliği ile ilgilenmektedirler. Ayrıca, bir borsa platformunun kurucu ortağı Sandeep Nailwal, blockchain stratejisi ve ekosistem düzenlemelerini yönetmektedir. Ekip üyelerinin geçmişi, Meta, Coinbase, bir borsa platformu gibi tanınmış şirketlerin yanı sıra Princeton Üniversitesi, Hindistan Teknoloji Enstitüsü gibi önde gelen üniversiteleri kapsamakta ve AI/ML, NLP, bilgisayarla görme gibi alanlarda projeyi hayata geçirmeye yönelik iş birliği yapmaktadır.

Bir borsa platformunun kurucu ortağı Sandeep Nailwal'ın ikinci girişim projesi olan Sentient, kuruluşunun ilk gününden itibaren bir aura ile birlikte geliyor; zengin kaynaklar, bağlantılar ve pazar farkındalığına sahip olarak proje gelişimine güçlü bir referans sağlıyor. 2024 yılının ortalarında, Sentient 85 milyon dolarlık bir tohum yatırım turunu tamamladı, lider yatırımcılar arasında Founders Fund, Pantera ve Framework Ventures bulunuyor; diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi tanınmış VC'ler de yer alıyor.

![Biteye ve PANews ortaklaşa AI Layer1 raporunu yayımladı: on-chain DeAI için verimli alanı aramak])https://img-cdn.gateio.im/webp-social/moments-f4a64f13105f67371db1a93a52948756.webp(

) Tasarım Mimarisi ve Uygulama Katmanı

Altyapı Katmanı

Çekirdek Mimari

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

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

• Veri Planlama(Data Curation): Modelin hizalanması için topluluk tarafından yönlendirilen veri seçimi süreci.
• Sadakat Eğitimi(Loyalty Training): Modelin topluluk niyetiyle uyumlu bir eğitim süreci sürdürmesini sağlamak.

Blockchain sistemi, protokole şeffaflık ve Merkeziyetsizlik kontrolü sağlayarak, AI eserlerinin sahipliğini, kullanım takibini, gelir dağıtımını ve adil yönetimi güvence altına alır. Spesifik mimari dört katmana ayrılmaktadır:

• Depolama katmanı: model ağırlıklarını ve parmak izi kayıt bilgilerini depolama;
• Dağıtım katmanı: Yetkilendirme sözleşmesi kontrol modeli çağrı girişi;
• Erişim katmanı: Kullanıcının yetkilendirilip yetkilendirilmediğini doğrulamak için izin kanıtı kullanır;
• Teşvik katmanı: Gelir yönlendirme sözleşmesi, her çağrıda ödemeyi eğitmenlere, dağıtıcılarına ve doğrulayıcılara dağıtacaktır.

(## OML model çerçevesi

OML çerçevesi ) açık Open, para kazanılabilir Monetizable, sadık Loyal ### Sentient'in önerdiği temel kavramdır; açık kaynaklı AI modellerine net mülkiyet koruma ve ekonomik teşvik mekanizmaları sağlamayı amaçlamaktadır. On-chain teknolojisi ve AI yerel kriptografi ile birleştirerek şu 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 kazancı eğitmenler, dağıtıcılar ve doğrulayıcılara dağıtır.
• Sadakat: Model, katkı yapan topluluğa aittir, yükseltme yönü ve yönetim DAO tarafından belirlenir, kullanım ve değişiklikler şifreleme mekanizması ile kontrol edilir.

(## AI Yerel Kriptografi)AI-native Cryptography###

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

• Parmak izi gömülü: Eğitim sırasında modelin benzersiz imzasını oluşturmak için gizli bir dizi sorgu-cevap anahtar-değer çifti eklenir;
• Mülkiyet doğrulama protokolü: Üçüncü taraf dedektör (Prover) aracılığıyla sorgu şeklinde parmak izinin korunup korunmadığını doğrulamak için.
• İzin çağrı mekanizması: Çağrıdan önce model sahibinin verdiği "izin belgesi" alınmalı, sistem buna göre modelin bu girişi çözmesine ve doğru cevabı döndürmesine yetki vermektedir.

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

(## Modelin Hakları ve Güvenli Uygulama Çerçevesi

Sentient şu anda Melange karışık güvenliğini kullanıyor: parmak izi doğrulama, TEE yürütme ve on-chain sözleşme kar paylaşımını birleştiriyor. Parmak izi yöntemi OML 1.0 ana hatlarını uyguluyor ve "optimist güvenlik ) Optimistic Security ###" fikrini vurguluyor; yani uyumlu varsayılıyor, ihlal durumunda tespit edilip cezalandırılabiliyor.

Parmak izi mekanizması, OML'nin ana uygulamasıdır; bu, modelin eğitim aşamasında benzersiz imzalar oluşturmasını sağlamak için belirli "soru-cevap" çiftlerini gömerek çalışır. Bu imzalar aracılığıyla, modelin sahibi mülkiyetini doğrulayabilir, yetkisiz kopyalamayı ve ticarileşmeyi önleyebilir. Bu mekanizma, model geliştiricilerinin haklarını korumakla kalmaz, aynı zamanda modelin kullanım davranışları için izlenebilir on-chain kayıtlar sağlar.

Ayrıca, Sentient, ( gibi AWS Nitro Enclaves) kullanarak, yalnızca yetkilendirilmiş isteklere yanıt veren ve izinsiz erişim ile kullanımını önleyen bir güvenilir yürütme ortamı olan Enclave TEE hesaplama çerçevesini tanıttı. TEE donanıma bağımlıdır ve belirli güvenlik riskleri taşır, ancak yüksek performansı ve gerçek zamanlı avantajları, mevcut model dağıtımının temel teknolojisi haline gelmesini sağlamaktadır.

Gelecekte, Sentient sıfır bilgi kanıtı (ZK) ve tamamen homomorfik şifreleme (FHE) teknolojilerini tanıtmayı planlıyor, bu da gizlilik korumasını ve doğrulanabilirliği daha da artırarak AI modellerinin merkeziyetsiz dağıtımı için daha olgun bir altyapı sağlayacak.