AI Layer1 Arenası: On-chain DeAI için verimli toprakları arama
Son yıllarda, OpenAI, Anthropic, Google, Meta gibi önde gelen teknoloji şirketleri büyük dil modellerinin (LLM) hızla gelişimini sürekli olarak destekliyor. LLM, her alanda eşi benzeri görülmemiş yetenekler sergileyerek insan hayal gücünü büyük ölçüde genişletiyor ve bazı durumlarda insan emeğinin yerini alma potansiyelini gösteriyor. Ancak, bu teknolojilerin çekirdeği birkaç merkezi teknoloji devinin elinde sıkı bir şekilde tutuluyor. Güçlü sermaye ve yüksek maliyetli hesaplama kaynakları üzerindeki kontrolleri sayesinde, bu şirketler aşılması zor engeller oluşturdu ve büyük çoğunlukta geliştiriciler ve yenilikçi ekiplerin onlarla rekabet etmesini zorlaştırdı.
Aynı zamanda, AI'nın hızla evrildiği ilk dönemlerde, toplumun kamuoyunun genellikle teknolojinin sağladığı yenilikler ve kolaylıklar üzerine yoğunlaştığı, ancak gizlilik koruma, şeffaflık, güvenlik gibi temel sorunlara olan ilginin nispeten az olduğu görülmektedir. Uzun vadede, bu sorunlar AI sektörünün sağlıklı gelişimini ve toplumsal kabulünü derinden etkileyecektir. Eğer bu sorunlar düzgün bir şekilde ele alınamazsa, AI'nın "iyi" ya da "kötü" yönelimi üzerindeki tartışmalar daha da belirginleşecektir ve merkezi devlerin kâr elde etme içgüdüsü ile bu zorluklarla başa çıkmak için yeterli motivasyona sahip olmamaları sıklıkla gözlemlenmektedir.
Blockchain teknolojisi, merkeziyetsiz, şeffaf ve sansüre karşı dirençli 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 görülebilir: bir yandan, merkeziyetsizlik derecesi sınırlıdır, kritik aşamalar ve altyapı hala merkezi bulut hizmetlerine bağımlıdır, bu da gerçek anlamda açık bir ekosistemi desteklemekte zorlanmaktadır; diğer yandan, Web2 dünyasındaki AI ürünleri ile karşılaştırıldığında, on-chain AI'nın model yetenekleri, veri kullanımı ve uygulama senaryoları gibi alanlarda hala sınırlamaları vardır, yenilik derinliği ve genişliği artırılmalıdır.
Gerçekten merkeziyetsiz 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, demokratik yönetimini ve veri güvenliğini sağlamak için sağlam bir temel oluşturacak, merkeziyetsiz AI ekosisteminin refahını ve gelişimini teşvik edecektir.
AI Layer 1'in temel özellikleri
AI Layer 1, AI uygulamaları için özel olarak tasarlanmış bir blok zinciri olarak, altyapı mimarisi ve performans tasarımı, AI görevlerinin ihtiyaçlarına sıkı bir şekilde odaklanmıştır ve zincir üzerindeki AI ekosisteminin sürdürülebilir gelişimi ve refahını etkin bir şekilde desteklemeyi amaçlamaktadır. Spesifik olarak, AI Layer 1'in aşağıdaki temel yeteneklere sahip olması gerekmektedir:
Etkili teşvik ve merkeziyetsiz uzlaşma mekanizması
AI Layer 1'in temelinde açık bir hesaplama, depolama ve diğer kaynakların paylaşım ağı oluşturmak yatmaktadır. Geleneksel blok zinciri düğümlerinin öncelikle defter kaydına odaklanmasından farklı olarak, AI Layer 1 düğümleri daha karmaşık görevler üstlenmek zorundadır; yalnızca hesaplama sağlamakla kalmayıp, AI modellerinin eğitimini ve çıkarımını tamamlamak, aynı zamanda depolama, veri, bant genişliği gibi çeşitli kaynakları da katkıda bulunmak zorundadır. Bu durum, merkezi devlerin AI altyapısındaki tekelini kırmak için gereklidir. Bu, alt yapının konsensüs ve teşvik mekanizmaları üzerinde daha yüksek talepler ortaya koymaktadır: AI Layer 1, düğümlerin AI çıkarım, eğitim gibi görevlerdeki gerçek katkılarını doğru bir şekilde değerlendirebilmeli, teşvik edebilmeli ve doğrulayabilmelidir, böylece ağın güvenliği ve kaynakların verimli dağıtımı sağlanmalıdır. Ancak bu şekilde ağın istikrarı ve refahı garanti altına alınabilir ve toplam hesaplama maliyetleri etkili bir şekilde düşürülebilir.
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 da ileri gidildiğinde, on-chain AI ekosistemi genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çeşitli senaryoları desteklemesi gereken çeşitlilikte ve heterojen görev türlerini de içermelidir. AI Layer 1, temel mimaride yüksek throughput, düşük gecikme ve esnek paralel işleme gibi talepler için derinlemesine optimize edilmeli ve heterojen hesaplama kaynaklarına yerel destek sağlamak için önceden yapılandırılmalıdır, böylece her türlü AI görevleri verimli bir şekilde çalışabilir ve "tek tip görev"ten "karmaşık çok yönlü ekosistem"e kesintisiz bir genişleme sağlanabilir.
Doğrulanabilirlik ve güvenilir çıktı garantisi
AI Layer 1 sadece model kötüye kullanımı, veri değişikliği gibi güvenlik tehditlerini önlemekle kalmamalı, aynı zamanda temel mekanizmalarla AI çıktılarının doğrulanabilirliğini ve uyumunu sağlamalıdır. Güvenilir yürütme ortamı (TEE), sıfır bilgi kanıtı (ZK), çok taraflı güvenli hesaplama (MPC) gibi ileri teknolojileri entegre ederek, platform her model çıkarımı, eğitimi ve veri işleme sürecinin bağımsız olarak doğrulanabilmesini sağlar, böylece AI sisteminin adaletini ve şeffaflığını garanti eder. Aynı zamanda, bu doğrulanabilirlik kullanıcıların AI çıktılarının mantığını ve dayanağını netleştirmesine yardımcı olarak, "elde edilen istenen"i gerçekleştirmekte ve kullanıcıların AI ürünlerine olan güvenini ve memnuniyetini artırmaktadır.
Veri gizliliği koruma
AI uygulamaları genellikle kullanıcıların hassas verilerini içerir. Finans, sağlık, sosyal medya gibi alanlarda veri gizliliği koruması son derece önemlidir. AI Layer 1, doğrulanabilirliği sağlarken, şifrelemeye dayalı veri işleme teknolojileri, gizlilik hesaplama protokolleri ve veri izin yönetimi gibi yöntemleri kullanarak, verilerin çıkarım, eğitim ve depolama süreçleri boyunca güvenliğini sağlamalı, veri sızıntılarını ve kötüye kullanımları etkili bir şekilde önlemeli ve kullanıcıların veri güvenliği konusundaki endişelerini gidermelidir.
Güçlü ekosistem taşıma ve geliştirme destek yeteneği
AI yerel Layer 1 altyapısı olarak, platform yalnızca teknik açıdan önde olmakla kalmamalı, aynı zamanda geliştiriciler, düğüm operatörleri, AI hizmet sağlayıcıları ve diğer ekosistem katılımcılarına kapsamlı geliştirme araçları, entegre SDK'lar, operasyon desteği ve teşvik mekanizmaları sağlamalıdır. Platformun kullanılabilirliğini ve geliştirici deneyimini sürekli olarak 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 makalede Sentient, Sahara AI, Ritual, Gensyn, Bittensor ve 0G dahil olmak üzere altı AI Layer1 temsilci projesi ayrıntılı olarak tanıtılacak, alanın en son gelişmeleri sistematik olarak gözden geçirilecek, projelerin gelişim durumu analiz edilecek ve gelecekteki eğilimler tartışılacaktır.
Sentient: Sadık Açık Kaynak Merkeziyetsiz AI Modeli İnşa Etmek
Proje Özeti
Sentient, açık kaynak bir protokol platformudur ve bir AI Layer1 blok zinciri ( inşa etmektedir. İlk aşama Layer 2 olacak, ardından Layer 1)'e geçilecektir. AI Pipeline ve blok zinciri teknolojisini birleştirerek merkeziyetsiz bir yapay zeka ekonomisi inşa etmeyi hedeflemektedir. Temel amacı, "OML" çerçevesi (açık, kârlı, sadık) aracılığıyla merkezi LLM pazarındaki model mülkiyeti, çağrı takibi ve değer dağıtımı sorunlarını çözmektir; bu sayede yapay zeka modellerinin on-chain mülkiyet yapısı, çağrı şeffaflığı ve değer paylaşımı sağlanacaktır. Sentient'in vizyonu, herkesin AI ürünlerini inşa etmesini, iş birliği yapmasını, sahip olmasını ve para kazanmasını sağlayarak adil ve açık bir AI Agent ağ ekosistemini teşvik etmektir.
Sentient Foundation ekibi, dünya çapındaki en iyi akademik uzmanları, blockchain girişimcilerini ve mühendisleri bir araya getirerek, topluluk odaklı, açık kaynaklı ve doğrulanabilir bir AGI platformu geliştirmeye adanmıştır. 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. Aynı zamanda Polygon'un kurucu ortağı Sandeep Nailwal, blockchain stratejisi ve ekosistem tasarımı konusunda liderlik yapmaktadır. Ekip üyelerinin geçmişi, Meta, Coinbase, Polygon gibi tanınmış şirketlerin yanı sıra Princeton Üniversitesi, Hindistan Teknoloji Enstitüsü gibi en iyi üniversiteleri kapsamaktadır ve AI/ML, NLP, bilgisayarla görme gibi alanları kapsayarak projeyi hayata geçirmek için işbirliği yapmaktadır.
Polygon'un kurucu ortağı Sandeep Nailwal'ın ikinci girişim projesi olan Sentient, kuruluşunun ilk gününden itibaren bir aura ile donatılmıştı; zengin kaynaklar, bağlantılar ve pazar farkındalığına sahipti, bu da proje gelişimine güçlü bir destek sağladı. 2024 yılının ortalarında, Sentient 85 milyon dolarlık bir tohum finansman turunu tamamladı, bu turda Founders Fund, Pantera ve Framework Ventures liderlik yaptı; diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi onlarca tanınmış VC bulunuyor.
Tasarım Mimarisi ve Uygulama Katmanı
Altyapı Katmanı
Ana Mimari
Sentient'in temel mimarisi, AI Pipeline ve on-chain sisteminden oluşmaktadır:
AI boru hattı, "sadık AI" eserlerinin geliştirilmesi ve eğitilmesi için bir temeldir ve iki temel süreci içerir:
Veri Planlama (Data Curation): Modelin hizalanması için topluluk tarafından yönlendirilen veri seçme süreci.
Sadakat Eğitimi: Modelin topluluğun niyetleriyle uyumlu bir eğitim sürecini sürdürmesini sağlamak.
Blok zinciri sistemi, protokollere şeffaflık ve merkeziyetsiz kontrol sağlayarak, AI eserlerinin sahipliğini, kullanım takibini, gelir dağılımını ve adil yönetişimi temin eder. Spesifik mimari dört katmana ayrılmıştır:
Depolama katmanı: Model ağırlıkları ve parmak izi kayıt bilgilerini depolar;
Dağıtım katmanı: Yetki sözleşmesi kontrol modeli çağrı girişi;
Erişim katmanı: Kullanıcının yetkilendirilip yetkilendirilmediğini doğrulamak için izin kanıtı kullanır;
Teşvik katmanı: Gelir yönlendirme sözleşmesi, her çağrıda ödemeyi eğitmenlere, dağıtımcılara ve doğrulayıcılara dağıtacaktır.
OML model çerçevesi
OML çerçevesi (Açık Open, Para Kazanılabilir Monetizable, Sadık Loyal) Sentient tarafından önerilen temel bir kavramdır ve açık kaynak AI modellerine net bir mülkiyet koruması ve ekonomik teşvik mekanizmaları sağlamayı amaçlamaktadır. On-chain teknolojisi 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 tetikler; on-chain sözleşme, geliri eğitmenler, dağıtıcılar ve doğrulayıcılara dağıtır.
Sadakat: Model, katkı veren topluluğa aittir, yükseltme yönü ve yönetim DAO tarafından belirlenir, kullanımı ve değişiklikleri kripto mekanizması tarafından kontrol edilir.
AI yerel kriptografi (AI-native Cryptography)
AI yerli kripto, AI modellerinin sürekliliği, düşük boyutlu manifold yapısı ve modelin türevlenebilir özelliklerinden yararlanarak "doğrulanabilir ama çıkarılamaz" hafif güvenlik mekanizmaları geliştirmektedir. Temel teknolojisi şudur:
Parmak izi gömme: Eğitim sırasında, modelin benzersiz imzasını oluşturmak için gizli bir query-response anahtar-değer çifti seti eklenir;
Mülkiyet doğrulama protokolü: Üçüncü taraf dedektör (Prover) aracılığıyla sorgu şeklinde parmak izinin saklanıp saklanmadığını doğrulama;
İzin çağrı mekanizması: Çağrıdan önce model sahibinin verdiği "izin belgesi" alınmalı, sistem buna göre modelin bu girdi için çözümleme yapmasına ve doğru yanıtı döndürmesine izin verir.
Bu yöntem, "davranışa dayalı yetkilendirme çağrısı + aitlik doğrulaması"nı yeniden şifreleme maliyeti olmadan gerçekleştirmeyi sağlar.
Model Hakları ve Güvenli Uygulama Çerçevesi
Sentient şu anda Melange karışık güvenlik modelini kullanmaktadır: parmak izi doğrulama, TEE yürütme ve on-chain sözleşme kâr paylaşımının bir kombinasyonu. Parmak izi yöntemi OML 1.0 ile ana hat olarak uygulanmış olup, "iyimser güvenlik (Optimistic Security)" anlayışını vurgulamaktadır; yani varsayılan olarak uyumlu, ihlal durumunda ise tespit edilebilir ve cezalandırılabilir.
Parmak izi mekanizması, OML'nin ana uygulamasıdır ve modelin eğitim aşamasında benzersiz imzalar oluşturmasını sağlamak için belirli "soru-cevap" çiftlerini gömerek çalışır. Bu imzalar sayesinde model sahipleri, sahipliği doğrulayabilir ve yetkisiz kopyalamayı ve ticarileştirmeyi engelleyebilir. Bu mekanizma yalnızca model geliştiricilerin haklarını korumakla kalmaz, aynı zamanda modelin kullanım davranışına izlenebilir bir on-chain kayıt sağlar.
Ayrıca, Sentient, AWS Nitro Enclaves gibi güvenilir yürütme ortamlarını kullanarak modelin yalnızca yetkilendirilmiş isteklere yanıt vermesini ve yetkisiz erişim ve kullanımın önlenmesini sağlamak için Enclave TEE hesaplama çerçevesini tanıttı. TEE donanıma bağımlı olup belirli güvenlik riskleri taşısa da, yüksek performansı ve gerçek zamanlılık avantajları, günümüzde model dağıtımının temel teknolojisi haline gelmesini sağlıyor.
Gelecekte, Sentient, gizlilik korumasını ve doğrulanabilirliği daha da artırmak için sıfır bilgi kanıtları (ZK) ve homomorfik şifreleme (FHE) teknolojilerini entegre etmeyi planlıyor ve bu, AI modellerinin merkeziyetsiz dağıtımını sağlamaktadır.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
16 Likes
Reward
16
8
Repost
Share
Comment
0/400
FundingMartyr
· 6h ago
AI evi mi kopyaladın?
View OriginalReply0
ForkTongue
· 08-13 14:45
Devler geri döner, bireysel yatırımcılar hala zarar eder.
View OriginalReply0
ser_we_are_ngmi
· 08-13 14:43
Ha, bir yıldır web3 oynuyorum ama hâlâ kazanç elde edemedim, ngmi.
View OriginalReply0
just_another_fish
· 08-13 14:42
Bu ai oyuncaklarının iyi olup olmayacağı, pro'ların yüz ifadesine bağlı.
View OriginalReply0
fomo_fighter
· 08-13 14:42
Geliştirici öldü!
View OriginalReply0
SchrödingersNode
· 08-13 14:41
Yine varlığını hissettirmeye mi geldin?
View OriginalReply0
FarmHopper
· 08-13 14:28
Bilgi İşlem Gücü hala büyük firmalara dayanıyor, küçük ekipler bunu sürdüremez.
View OriginalReply0
ForkMonger
· 08-13 14:17
başka bir merkeziyetçilik honeypot'u... protokol darwinizmi onları canlı canlı yiyecek
AI Yerel Blockchain Savaşı: Sentient ve diğer beş proje On-Chain DeAI pazarını ele geçirmek için mücadele ediyor
AI Layer1 Arenası: On-chain DeAI için verimli toprakları arama
Son yıllarda, OpenAI, Anthropic, Google, Meta gibi önde gelen teknoloji şirketleri büyük dil modellerinin (LLM) hızla gelişimini sürekli olarak destekliyor. LLM, her alanda eşi benzeri görülmemiş yetenekler sergileyerek insan hayal gücünü büyük ölçüde genişletiyor ve bazı durumlarda insan emeğinin yerini alma potansiyelini gösteriyor. Ancak, bu teknolojilerin çekirdeği birkaç merkezi teknoloji devinin elinde sıkı bir şekilde tutuluyor. Güçlü sermaye ve yüksek maliyetli hesaplama kaynakları üzerindeki kontrolleri sayesinde, bu şirketler aşılması zor engeller oluşturdu ve büyük çoğunlukta geliştiriciler ve yenilikçi ekiplerin onlarla rekabet etmesini zorlaştırdı.
Aynı zamanda, AI'nın hızla evrildiği ilk dönemlerde, toplumun kamuoyunun genellikle teknolojinin sağladığı yenilikler ve kolaylıklar üzerine yoğunlaştığı, ancak gizlilik koruma, şeffaflık, güvenlik gibi temel sorunlara olan ilginin nispeten az olduğu görülmektedir. Uzun vadede, bu sorunlar AI sektörünün sağlıklı gelişimini ve toplumsal kabulünü derinden etkileyecektir. Eğer bu sorunlar düzgün bir şekilde ele alınamazsa, AI'nın "iyi" ya da "kötü" yönelimi üzerindeki tartışmalar daha da belirginleşecektir ve merkezi devlerin kâr elde etme içgüdüsü ile bu zorluklarla başa çıkmak için yeterli motivasyona sahip olmamaları sıklıkla gözlemlenmektedir.
Blockchain teknolojisi, merkeziyetsiz, şeffaf ve sansüre karşı dirençli 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 görülebilir: bir yandan, merkeziyetsizlik derecesi sınırlıdır, kritik aşamalar ve altyapı hala merkezi bulut hizmetlerine bağımlıdır, bu da gerçek anlamda açık bir ekosistemi desteklemekte zorlanmaktadır; diğer yandan, Web2 dünyasındaki AI ürünleri ile karşılaştırıldığında, on-chain AI'nın model yetenekleri, veri kullanımı ve uygulama senaryoları gibi alanlarda hala sınırlamaları vardır, yenilik derinliği ve genişliği artırılmalıdır.
Gerçekten merkeziyetsiz 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, demokratik yönetimini ve veri güvenliğini sağlamak için sağlam bir temel oluşturacak, merkeziyetsiz AI ekosisteminin refahını ve gelişimini teşvik edecektir.
AI Layer 1'in temel özellikleri
AI Layer 1, AI uygulamaları için özel olarak tasarlanmış bir blok zinciri olarak, altyapı mimarisi ve performans tasarımı, AI görevlerinin ihtiyaçlarına sıkı bir şekilde odaklanmıştır ve zincir üzerindeki AI ekosisteminin sürdürülebilir gelişimi ve refahını etkin bir şekilde desteklemeyi amaçlamaktadır. Spesifik olarak, AI Layer 1'in aşağıdaki temel yeteneklere sahip olması gerekmektedir:
Etkili teşvik ve merkeziyetsiz uzlaşma mekanizması AI Layer 1'in temelinde açık bir hesaplama, depolama ve diğer kaynakların paylaşım ağı oluşturmak yatmaktadır. Geleneksel blok zinciri düğümlerinin öncelikle defter kaydına odaklanmasından farklı olarak, AI Layer 1 düğümleri daha karmaşık görevler üstlenmek zorundadır; yalnızca hesaplama sağlamakla kalmayıp, AI modellerinin eğitimini ve çıkarımını tamamlamak, aynı zamanda depolama, veri, bant genişliği gibi çeşitli kaynakları da katkıda bulunmak zorundadır. Bu durum, merkezi devlerin AI altyapısındaki tekelini kırmak için gereklidir. Bu, alt yapının konsensüs ve teşvik mekanizmaları üzerinde daha yüksek talepler ortaya koymaktadır: AI Layer 1, düğümlerin AI çıkarım, eğitim gibi görevlerdeki gerçek katkılarını doğru bir şekilde değerlendirebilmeli, teşvik edebilmeli ve doğrulayabilmelidir, böylece ağın güvenliği ve kaynakların verimli dağıtımı sağlanmalıdır. Ancak bu şekilde ağın istikrarı ve refahı garanti altına alınabilir ve toplam hesaplama maliyetleri etkili bir şekilde düşürülebilir.
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 da ileri gidildiğinde, on-chain AI ekosistemi genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çeşitli senaryoları desteklemesi gereken çeşitlilikte ve heterojen görev türlerini de içermelidir. AI Layer 1, temel mimaride yüksek throughput, düşük gecikme ve esnek paralel işleme gibi talepler için derinlemesine optimize edilmeli ve heterojen hesaplama kaynaklarına yerel destek sağlamak için önceden yapılandırılmalıdır, böylece her türlü AI görevleri verimli bir şekilde çalışabilir ve "tek tip görev"ten "karmaşık çok yönlü ekosistem"e kesintisiz bir genişleme sağlanabilir.
Doğrulanabilirlik ve güvenilir çıktı garantisi AI Layer 1 sadece model kötüye kullanımı, veri değişikliği gibi güvenlik tehditlerini önlemekle kalmamalı, aynı zamanda temel mekanizmalarla AI çıktılarının doğrulanabilirliğini ve uyumunu sağlamalıdır. Güvenilir yürütme ortamı (TEE), sıfır bilgi kanıtı (ZK), çok taraflı güvenli hesaplama (MPC) gibi ileri teknolojileri entegre ederek, platform her model çıkarımı, eğitimi ve veri işleme sürecinin bağımsız olarak doğrulanabilmesini sağlar, böylece AI sisteminin adaletini ve şeffaflığını garanti eder. Aynı zamanda, bu doğrulanabilirlik kullanıcıların AI çıktılarının mantığını ve dayanağını netleştirmesine yardımcı olarak, "elde edilen istenen"i gerçekleştirmekte ve kullanıcıların AI ürünlerine olan güvenini ve memnuniyetini artırmaktadır.
Veri gizliliği koruma AI uygulamaları genellikle kullanıcıların hassas verilerini içerir. Finans, sağlık, sosyal medya gibi alanlarda veri gizliliği koruması son derece önemlidir. AI Layer 1, doğrulanabilirliği sağlarken, şifrelemeye dayalı veri işleme teknolojileri, gizlilik hesaplama protokolleri ve veri izin yönetimi gibi yöntemleri kullanarak, verilerin çıkarım, eğitim ve depolama süreçleri boyunca güvenliğini sağlamalı, veri sızıntılarını ve kötüye kullanımları etkili bir şekilde önlemeli ve kullanıcıların veri güvenliği konusundaki endişelerini gidermelidir.
Güçlü ekosistem taşıma ve geliştirme destek yeteneği AI yerel Layer 1 altyapısı olarak, platform yalnızca teknik açıdan önde olmakla kalmamalı, aynı zamanda geliştiriciler, düğüm operatörleri, AI hizmet sağlayıcıları ve diğer ekosistem katılımcılarına kapsamlı geliştirme araçları, entegre SDK'lar, operasyon desteği ve teşvik mekanizmaları sağlamalıdır. Platformun kullanılabilirliğini ve geliştirici deneyimini sürekli olarak 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 makalede Sentient, Sahara AI, Ritual, Gensyn, Bittensor ve 0G dahil olmak üzere altı AI Layer1 temsilci projesi ayrıntılı olarak tanıtılacak, alanın en son gelişmeleri sistematik olarak gözden geçirilecek, projelerin gelişim durumu analiz edilecek ve gelecekteki eğilimler tartışılacaktır.
Sentient: Sadık Açık Kaynak Merkeziyetsiz AI Modeli İnşa Etmek
Proje Özeti
Sentient, açık kaynak bir protokol platformudur ve bir AI Layer1 blok zinciri ( inşa etmektedir. İlk aşama Layer 2 olacak, ardından Layer 1)'e geçilecektir. AI Pipeline ve blok zinciri teknolojisini birleştirerek merkeziyetsiz bir yapay zeka ekonomisi inşa etmeyi hedeflemektedir. Temel amacı, "OML" çerçevesi (açık, kârlı, sadık) aracılığıyla merkezi LLM pazarındaki model mülkiyeti, çağrı takibi ve değer dağıtımı sorunlarını çözmektir; bu sayede yapay zeka modellerinin on-chain mülkiyet yapısı, çağrı şeffaflığı ve değer paylaşımı sağlanacaktır. Sentient'in vizyonu, herkesin AI ürünlerini inşa etmesini, iş birliği yapmasını, sahip olmasını ve para kazanmasını sağlayarak adil ve açık bir AI Agent ağ ekosistemini teşvik etmektir.
Sentient Foundation ekibi, dünya çapındaki en iyi akademik uzmanları, blockchain girişimcilerini ve mühendisleri bir araya getirerek, topluluk odaklı, açık kaynaklı ve doğrulanabilir bir AGI platformu geliştirmeye adanmıştır. 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. Aynı zamanda Polygon'un kurucu ortağı Sandeep Nailwal, blockchain stratejisi ve ekosistem tasarımı konusunda liderlik yapmaktadır. Ekip üyelerinin geçmişi, Meta, Coinbase, Polygon gibi tanınmış şirketlerin yanı sıra Princeton Üniversitesi, Hindistan Teknoloji Enstitüsü gibi en iyi üniversiteleri kapsamaktadır ve AI/ML, NLP, bilgisayarla görme gibi alanları kapsayarak projeyi hayata geçirmek için işbirliği yapmaktadır.
Polygon'un kurucu ortağı Sandeep Nailwal'ın ikinci girişim projesi olan Sentient, kuruluşunun ilk gününden itibaren bir aura ile donatılmıştı; zengin kaynaklar, bağlantılar ve pazar farkındalığına sahipti, bu da proje gelişimine güçlü bir destek sağladı. 2024 yılının ortalarında, Sentient 85 milyon dolarlık bir tohum finansman turunu tamamladı, bu turda Founders Fund, Pantera ve Framework Ventures liderlik yaptı; diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi onlarca tanınmış VC bulunuyor.
Tasarım Mimarisi ve Uygulama Katmanı
Altyapı Katmanı
Ana Mimari
Sentient'in temel mimarisi, AI Pipeline ve on-chain sisteminden oluşmaktadır:
AI boru hattı, "sadık AI" eserlerinin geliştirilmesi ve eğitilmesi için bir temeldir ve iki temel süreci içerir:
Blok zinciri sistemi, protokollere şeffaflık ve merkeziyetsiz kontrol sağlayarak, AI eserlerinin sahipliğini, kullanım takibini, gelir dağılımını ve adil yönetişimi temin eder. Spesifik mimari dört katmana ayrılmıştır:
OML model çerçevesi
OML çerçevesi (Açık Open, Para Kazanılabilir Monetizable, Sadık Loyal) Sentient tarafından önerilen temel bir kavramdır ve açık kaynak AI modellerine net bir 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 yerli kripto, AI modellerinin sürekliliği, düşük boyutlu manifold yapısı ve modelin türevlenebilir özelliklerinden yararlanarak "doğrulanabilir ama çıkarılamaz" hafif güvenlik mekanizmaları geliştirmektedir. Temel teknolojisi şudur:
Bu yöntem, "davranışa dayalı yetkilendirme çağrısı + aitlik doğrulaması"nı yeniden şifreleme maliyeti olmadan gerçekleştirmeyi sağlar.
Model Hakları ve Güvenli Uygulama Çerçevesi
Sentient şu anda Melange karışık güvenlik modelini kullanmaktadır: parmak izi doğrulama, TEE yürütme ve on-chain sözleşme kâr paylaşımının bir kombinasyonu. Parmak izi yöntemi OML 1.0 ile ana hat olarak uygulanmış olup, "iyimser güvenlik (Optimistic Security)" anlayışını vurgulamaktadır; yani varsayılan olarak uyumlu, ihlal durumunda ise tespit edilebilir ve cezalandırılabilir.
Parmak izi mekanizması, OML'nin ana uygulamasıdır ve modelin eğitim aşamasında benzersiz imzalar oluşturmasını sağlamak için belirli "soru-cevap" çiftlerini gömerek çalışır. Bu imzalar sayesinde model sahipleri, sahipliği doğrulayabilir ve yetkisiz kopyalamayı ve ticarileştirmeyi engelleyebilir. Bu mekanizma yalnızca model geliştiricilerin haklarını korumakla kalmaz, aynı zamanda modelin kullanım davranışına izlenebilir bir on-chain kayıt sağlar.
Ayrıca, Sentient, AWS Nitro Enclaves gibi güvenilir yürütme ortamlarını kullanarak modelin yalnızca yetkilendirilmiş isteklere yanıt vermesini ve yetkisiz erişim ve kullanımın önlenmesini sağlamak için Enclave TEE hesaplama çerçevesini tanıttı. TEE donanıma bağımlı olup belirli güvenlik riskleri taşısa da, yüksek performansı ve gerçek zamanlılık avantajları, günümüzde model dağıtımının temel teknolojisi haline gelmesini sağlıyor.
Gelecekte, Sentient, gizlilik korumasını ve doğrulanabilirliği daha da artırmak için sıfır bilgi kanıtları (ZK) ve homomorfik şifreleme (FHE) teknolojilerini entegre etmeyi planlıyor ve bu, AI modellerinin merkeziyetsiz dağıtımını sağlamaktadır.