AI Layer1 yarışma araştırması: On-chain DeAI için verimli topraklar arayışı
Genel Bakış
Son yıllarda, OpenAI, Anthropic, Google, Meta gibi önde gelen teknoloji şirketleri büyük dil modellerinin (LLM) hızlı gelişimini sürekli olarak teşvik ediyor. LLM, her alanda eşi benzeri görülmemiş yetenekler sergileyerek insan hayal gücünü büyük ölçüde genişletti ve hatta bazı senaryolarda insan emeğinin yerini alma potansiyelini gösterdi. Ancak, bu teknolojilerin merkezi bir şekilde kontrolü az sayıdaki merkezi teknoloji devlerinin elinde sıkı bir şekilde tutuluyor. Güçlü sermaye ve yüksek maliyetli hesaplama kaynakları üzerindeki kontrolleri sayesinde, bu şirketler aşılması zor engeller kurarak, çoğu geliştirici ve yenilikçi ekibin onlarla rekabet etmesini zorlaştırıyor.
Aynı zamanda, AI'nın hızlı evriminin başlangıcında, toplumsal kamuoyu genellikle teknolojinin getirdiği yenilik ve kolaylıklara odaklanırken, gizlilik koruma, şeffaflık, güvenlik gibi temel sorunlara olan ilgi görece daha az olmuştur. Uzun vadede, bu sorunlar AI endüstrisinin sağlıklı gelişimini ve toplumsal kabulünü derinden etkileyecektir. Eğer bu sorunlar düzgün bir şekilde çözülmezse, AI'nın "iyilik" mi "kötülük" mü olacağı konusundaki tartışmalar daha da belirginleşecektir ve merkezileşmiş devlerin kâr güdüsü altında, bu zorluklarla proaktif bir şekilde başa çıkma motivasyonundan yoksun olması sıklıkla görülecektir.
Blockchain teknolojisi, merkeziyetsiz, şeffaf ve sansüre dayanıklı özellikleri sayesinde AI endüstrisinin sürdürülebilir gelişimine 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 altyapı hâlâ merkezi bulut hizmetlerine bağımlıdır, bu da gerçek anlamda açık bir ekosistemi desteklemekte zorluk yaratmaktadır; 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 görülmektedir.
Gerçekten merkeziyetsiz AI vizyonunu gerçekleştirmek, blok zincirinin güvenli, verimli ve demokratik bir şekilde büyük ölçekli AI uygulamalarını barındırabilmesi ve performans açısından merkezi çözümlerle rekabet edebilmesi için, AI'ya özel olarak tasarlanmış bir Layer1 blok zinciri tasarlamamız gerekiyor. Bu, AI'nın açık inovasyonu, demokratik yönetimini ve veri güvenliğini sağlam bir temel üzerine oturtacak ve 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, alt yapı mimarisi ve performans tasarımı AI görevlerinin ihtiyaçlarına sıkı bir şekilde odaklanmaktadır. Amacı, on-chain AI ekosisteminin sürdürülebilir gelişimi ve refahını etkin bir şekilde desteklemektir. Daha spesifik olarak, AI Layer 1 aşağıdaki temel yeteneklere sahip olmalıdır:
Etkili teşvikler ve merkeziyetsiz konsensüs mekanizması AI Layer 1'in özü, açık bir hesaplama, depolama ve diğer kaynakların paylaşım ağı oluşturmakta yatmaktadır. Geleneksel blok zinciri düğümleri esas olarak defter kaydı üzerine yoğunlaşırken, AI Layer 1 düğümleri daha karmaşık görevleri üstlenmek zorundadır; yalnızca hesaplama gücü sağlamak, AI modellerinin eğitimi ve çıkarımını tamamlamakla kalmayıp, aynı zamanda depolama, veri, bant genişliği gibi çeşitli kaynakları da katkıda bulunmalıdır. Böylece AI altyapısındaki merkezi devlerin tekelini kırmak mümkün olacaktır. Bu, alt düzey 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 güvenliği ve kaynakların verimli dağılımı sağlanmalıdır. Ancak bu şekilde ağın istikrarı ve refahı garanti edilebilir 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 için son derece yüksek talepler ortaya koymaktadır. Dahası, on-chain AI ekosistemi genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çeşitli senaryoları içeren çeşitlendirilmiş, heterojen görev türlerini de desteklemelidir. AI Layer 1, temel mimaride yüksek throughput, düşük gecikme ve esnek paralellik gibi ihtiyaçlara derinlemesine optimizasyon yapmalı ve heterojen hesaplama kaynaklarına yerel destek yeteneğini önceden belirlemelidir. Bu, çeşitli AI görevlerinin verimli bir şekilde çalışmasını sağlamakta ve "tek tip görev"ten "karmaşık çoklu ekosistem"e sorunsuz bir genişleme gerçekleştirmektedir.
Doğrulanabilirlik ve Güvenilir Çıktı Güvencesi AI Layer 1, yalnızca model kötüye kullanımlarını, veri manipülasyonunu ve diğer güvenlik açıklarını önlemekle kalmamalı, aynı zamanda alt düzey mekanizmalarla AI çıkış sonuçlarının doğrulanabilirliğini ve uyumunu güvence altına almalıdır. 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 doğrulanabilmesini sağlar; bu da AI sisteminin adilliğini ve şeffaflığını garanti eder. Aynı zamanda, bu doğrulanabilirlik kullanıcıların AI çıktılarının mantığını ve dayanağını netleştirmesine yardımcı olur, "bulunan, istenen" ilkesini gerçekleştirir 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 gizliliği koruma özellikle kritik öneme sahiptir. AI Layer 1, doğrulanabilirliği sağlarken, şifrelemeye dayalı veri işleme teknolojileri, gizlilik hesaplama protokolleri ve veri erişim yönetimi gibi yöntemleri kullanarak, verilerin çıkarım, eğitim ve depolama süreçlerinde güvenliğini sağlamalı, veri sızıntısı ve kötüye kullanımı etkili bir şekilde önlemeli ve kullanıcıların veri güvenliği konusunda endişelerini ortadan kaldırmalıdır.
Güçlü ekosistem taşıma ve geliştirme destek yetenekleri AI yerel Layer 1 altyapısı olarak, platform yalnızca teknik olarak öncülük etmekle kalmamalı, aynı zamanda geliştiricilere, düğüm işletmecilerine, AI hizmet sağlayıcılarına ve diğer 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 uygulamalarının hayata geçirilmesini teşvik etmek ve merkeziyetsiz AI ekosisteminin sürekli refahını sağlamak.
Yukarıdaki arka plan ve beklentilere dayanarak, bu makalede Sentient, Sahara AI, Ritual, Gensyn, Bittensor ve 0G dahil altı AI Layer1 temsilci projesi detaylı bir şekilde tanıtılacak, sektörün en son gelişmeleri sistematik olarak ele alınacak, projelerin gelişim durumu analiz edilecek ve gelecekteki eğilimler tartışılacaktır.
Sentient: Sadık Açık Kaynak Merkezi Olmayan AI Modeli İnşa Etmek
Proje Özeti
Sentient, bir açık kaynak protokol platformudur ve AI Layer1 blok zincirini ( başlangıç aşaması olarak Layer 2'ye inşa etmektedir, ardından Layer 1)'e geçecektir. AI Pipeline ve blok zincir teknolojisini birleştirerek merkeziyetsiz bir yapay zeka ekonomisi inşa etmeyi hedeflemektedir. Temel amacı, merkezi LLM pazarındaki model mülkiyeti, çağrı takibi ve değer dağıtım sorunlarını "OML" çerçevesi (açık, kârlı, sadık) aracılığıyla çözmektir; bu sayede AI 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 paraya dönüştürmesini sağlamak, böylece 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 adanmıştır. Çekirdek üyeleri arasında Princeton Üniversitesi profesörü Pramod Viswanath ve Hindistan Bilim Enstitüsü profesörü Himanshu Tyagi bulunmaktadır; her biri AI güvenliği ve gizliliği ile ilgilenirken, Polygon'un kurucu ortağı Sandeep Nailwal blockchain stratejisi ve ekosistem tasarımı konusunda liderlik yapmaktadır. Ekip üyelerinin geçmişi, Meta, Coinbase, Polygon gibi tanınmış şirketlere ve Princeton Üniversitesi, Hindistan Teknoloji Enstitüsü gibi önde gelen üniversitelere uzanarak, AI/ML, NLP, bilgisayarla görme gibi alanları kapsamakta ve projeyi hayata geçirmek için birlikte çalışmaktadır.
Polygon'un kurucu ortağı Sandeep Nailwal'ın ikinci girişim projesi olan Sentient, kuruluşundan itibaren bir aura ile geldi ve zengin kaynaklar, bağlantılar ve piyasa bilinirliği ile projeye güçlü bir destek sağladı. 2024 yılının ortalarında, Sentient 85 milyon dolar tutarında bir tohum finansmanı tamamladı. Yatırımcılar arasında Founders Fund, Pantera ve Framework Ventures liderlik yaptı, diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi pek çok tanınmış VC yer aldı.
Tasarım Mimarisi ve Uygulama Katmanı
Altyapı Katmanı
Temel Mimari
Sentient'in temel mimarisi, AI Pipeline ve on-chain sistem olmak üzere iki bölümden oluşmaktadır:
AI boru hattı, "Sadık AI" eserlerini geliştirmek ve eğitmek için temel teşkil eder ve iki ana süreç içerir:
Veri Planlaması (Data Curation): Modelin hizalanması için topluluk tarafından yönlendirilen veri seçimi süreci.
Sadakat Eğitimi (Loyalty Training): Modelin topluluğun niyetleriyle tutarlı bir eğitim sürecini sürdürmesini sağlamak.
Blok zinciri sistemi, protokole şeffaflık ve merkeziyetsiz kontrol sağlar, AI eserlerinin mülkiyetini, kullanım takibini, gelir dağılımını ve adil yönetimi güvence altına alır. Belirli mimari dört katmana ayrılmıştır:
Depolama katmanı: Model ağırlıklarını ve parmak izi kayıt bilgilerini saklamak;
Dağıtım katmanı: Yetkilendirme sözleşmesi kontrol modeli çağrı girişi;
Erişim katmanı: Kullanıcının yetkilendirilip yetkilendirilmediğini doğrulamak için yetki kanıtı kullanır;
Teşvik katmanı: Gelir yönlendirme sözleşmesi, her çağrıda ödemeyi eğitmenlere, dağıtımcılara ve doğrulayıcılara dağıtır.
OML model çerçevesi
OML çerçevesi (Açık Open, Para Kazanılabilir Monetizable, Sadık Loyal), Sentient tarafından önerilen temel bir konsepttir ve açık kaynak AI modellerine net mülkiyet koruması ve ekonomik teşvik mekanizmaları sağlamayı amaçlamaktadır. Zincir üstü on-chain teknolojisini ve AI yerel kriptografisini birleştirerek aşağıdaki özelliklere sahiptir:
Açıklık: Model açık kaynak olmalı, kod ve veri yapısı şeffaf olmalı, topluluğun yeniden üretmesini, denetlemesini ve geliştirmesini kolaylaştırmalıdır.
Para kazanma: Her model çağrısında bir gelir akışı tetiklenecek, on-chain sözleşmeler gelirleri eğitici, dağıtıcı ve doğrulayıcıya dağıtacak.
Sadakat: Model, katkı verenler topluluğuna aittir, yükseltme yönü ve yönetişim DAO tarafından belirlenir, kullanımı ve değişikliği kriptografik mekanizma tarafından kontrol edilir.
AI Yerel Kriptografi (AI-native Cryptography)
AI yerel kripto, AI modellerinin sürekliliği, düşük boyutlu manifold yapısı ve modelin farklılaştırılabilir özelliklerini kullanarak "doğrulanabilir ama çıkarılamaz" hafif güvenlik mekanizmaları geliştirmeyi amaçlar. Temel teknolojisi şudur:
Parmak izi yerleştirme: Eğitim sırasında modelin benzersiz imzasını oluşturmak için gizli bir sorgu-yanıt anahtar-değer çifti grubu eklenir;
Mülkiyet doğrulama protokolü: Üçüncü taraf dedektör (Prover) aracılığıyla sorgu şeklinde parmak izinin korunup korunmadığını doğrulama;
İzin çağırma mekanizması: Çağrılmadan önce model sahibinin verdiği "yetki belgesi" alınmalı, sistem buna dayanarak modelin girişi çözmesine ve doğru yanıtı döndürmesine yetki 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 güvenliğini kullanıyor: parmak izi ile hak sahipliği, TEE uygulaması ve on-chain sözleşme kâr paylaşımının birleşimi. Parmak izi yöntemi OML 1.0 ile ana hat olarak uygulanır, "iyimser güvenlik (Optimistic Security)" fikrini vurgular; yani uyumlu varsayılarak, ihlal durumunda tespit edilip ceza verilebilir.
Parmak izi mekanizması, OML'nin ana uygulamasıdır. Bu mekanizma, modelin eğitim aşamasında benzersiz imzalar oluşturması için belirli "soru-cevap" çiftlerini gömerek çalışır. Bu imzalar aracılığıyla, modelin sahipleri aitliği doğrulayabilir, yetkisiz kopyalamayı ve ticarileştirmeyi önleyebilir. Bu mekanizma, yalnızca model geliştiricilerinin haklarını korumakla kalmaz, aynı zamanda modelin kullanım davranışları için izlenebilir bir on-chain kayıt sağlar.
Ayrıca, Sentient, yetkili taleplere yalnızca modelin yanıt vermesini sağlamak için güvenilir yürütme ortamlarından (örneğin AWS Nitro Enclaves) yararlanan Enclave TEE hesaplama çerçevesini tanıttı ve yetkisiz erişim ve kullanımın önlenmesini sağladı. TEE donanıma bağımlı olup belirli güvenlik riskleri taşısa da, yüksek performansı ve gerçek zamanlılık avantajları, onu mevcut model dağıtımının temel teknolojisi haline getiriyor.
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 fazla olanak sağlıyor.
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.
12 Likes
Reward
12
3
Repost
Share
Comment
0/400
TooScaredToSell
· 19h ago
degen yalnızca büyük şirketler tarafından yönetilmeye boyun eğebilir.
AI Layer1 yarışma araştırması: Merkeziyetsizlik yapay zekanın teknik temellerini analiz etme
AI Layer1 yarışma araştırması: On-chain DeAI için verimli topraklar arayışı
Genel Bakış
Son yıllarda, OpenAI, Anthropic, Google, Meta gibi önde gelen teknoloji şirketleri büyük dil modellerinin (LLM) hızlı gelişimini sürekli olarak teşvik ediyor. LLM, her alanda eşi benzeri görülmemiş yetenekler sergileyerek insan hayal gücünü büyük ölçüde genişletti ve hatta bazı senaryolarda insan emeğinin yerini alma potansiyelini gösterdi. Ancak, bu teknolojilerin merkezi bir şekilde kontrolü az sayıdaki merkezi teknoloji devlerinin elinde sıkı bir şekilde tutuluyor. Güçlü sermaye ve yüksek maliyetli hesaplama kaynakları üzerindeki kontrolleri sayesinde, bu şirketler aşılması zor engeller kurarak, çoğu geliştirici ve yenilikçi ekibin onlarla rekabet etmesini zorlaştırıyor.
Aynı zamanda, AI'nın hızlı evriminin başlangıcında, toplumsal kamuoyu genellikle teknolojinin getirdiği yenilik ve kolaylıklara odaklanırken, gizlilik koruma, şeffaflık, güvenlik gibi temel sorunlara olan ilgi görece daha az olmuştur. Uzun vadede, bu sorunlar AI endüstrisinin sağlıklı gelişimini ve toplumsal kabulünü derinden etkileyecektir. Eğer bu sorunlar düzgün bir şekilde çözülmezse, AI'nın "iyilik" mi "kötülük" mü olacağı konusundaki tartışmalar daha da belirginleşecektir ve merkezileşmiş devlerin kâr güdüsü altında, bu zorluklarla proaktif bir şekilde başa çıkma motivasyonundan yoksun olması sıklıkla görülecektir.
Blockchain teknolojisi, merkeziyetsiz, şeffaf ve sansüre dayanıklı özellikleri sayesinde AI endüstrisinin sürdürülebilir gelişimine 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 altyapı hâlâ merkezi bulut hizmetlerine bağımlıdır, bu da gerçek anlamda açık bir ekosistemi desteklemekte zorluk yaratmaktadır; 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 görülmektedir.
Gerçekten merkeziyetsiz AI vizyonunu gerçekleştirmek, blok zincirinin güvenli, verimli ve demokratik bir şekilde büyük ölçekli AI uygulamalarını barındırabilmesi ve performans açısından merkezi çözümlerle rekabet edebilmesi için, AI'ya özel olarak tasarlanmış bir Layer1 blok zinciri tasarlamamız gerekiyor. Bu, AI'nın açık inovasyonu, demokratik yönetimini ve veri güvenliğini sağlam bir temel üzerine oturtacak ve 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, alt yapı mimarisi ve performans tasarımı AI görevlerinin ihtiyaçlarına sıkı bir şekilde odaklanmaktadır. Amacı, on-chain AI ekosisteminin sürdürülebilir gelişimi ve refahını etkin bir şekilde desteklemektir. Daha spesifik olarak, AI Layer 1 aşağıdaki temel yeteneklere sahip olmalıdır:
Etkili teşvikler ve merkeziyetsiz konsensüs mekanizması AI Layer 1'in özü, açık bir hesaplama, depolama ve diğer kaynakların paylaşım ağı oluşturmakta yatmaktadır. Geleneksel blok zinciri düğümleri esas olarak defter kaydı üzerine yoğunlaşırken, AI Layer 1 düğümleri daha karmaşık görevleri üstlenmek zorundadır; yalnızca hesaplama gücü sağlamak, AI modellerinin eğitimi ve çıkarımını tamamlamakla kalmayıp, aynı zamanda depolama, veri, bant genişliği gibi çeşitli kaynakları da katkıda bulunmalıdır. Böylece AI altyapısındaki merkezi devlerin tekelini kırmak mümkün olacaktır. Bu, alt düzey 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 güvenliği ve kaynakların verimli dağılımı sağlanmalıdır. Ancak bu şekilde ağın istikrarı ve refahı garanti edilebilir 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 için son derece yüksek talepler ortaya koymaktadır. Dahası, on-chain AI ekosistemi genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çeşitli senaryoları içeren çeşitlendirilmiş, heterojen görev türlerini de desteklemelidir. AI Layer 1, temel mimaride yüksek throughput, düşük gecikme ve esnek paralellik gibi ihtiyaçlara derinlemesine optimizasyon yapmalı ve heterojen hesaplama kaynaklarına yerel destek yeteneğini önceden belirlemelidir. Bu, çeşitli AI görevlerinin verimli bir şekilde çalışmasını sağlamakta ve "tek tip görev"ten "karmaşık çoklu ekosistem"e sorunsuz bir genişleme gerçekleştirmektedir.
Doğrulanabilirlik ve Güvenilir Çıktı Güvencesi AI Layer 1, yalnızca model kötüye kullanımlarını, veri manipülasyonunu ve diğer güvenlik açıklarını önlemekle kalmamalı, aynı zamanda alt düzey mekanizmalarla AI çıkış sonuçlarının doğrulanabilirliğini ve uyumunu güvence altına almalıdır. 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 doğrulanabilmesini sağlar; bu da AI sisteminin adilliğini ve şeffaflığını garanti eder. Aynı zamanda, bu doğrulanabilirlik kullanıcıların AI çıktılarının mantığını ve dayanağını netleştirmesine yardımcı olur, "bulunan, istenen" ilkesini gerçekleştirir 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 gizliliği koruma özellikle kritik öneme sahiptir. AI Layer 1, doğrulanabilirliği sağlarken, şifrelemeye dayalı veri işleme teknolojileri, gizlilik hesaplama protokolleri ve veri erişim yönetimi gibi yöntemleri kullanarak, verilerin çıkarım, eğitim ve depolama süreçlerinde güvenliğini sağlamalı, veri sızıntısı ve kötüye kullanımı etkili bir şekilde önlemeli ve kullanıcıların veri güvenliği konusunda endişelerini ortadan kaldırmalıdır.
Güçlü ekosistem taşıma ve geliştirme destek yetenekleri AI yerel Layer 1 altyapısı olarak, platform yalnızca teknik olarak öncülük etmekle kalmamalı, aynı zamanda geliştiricilere, düğüm işletmecilerine, AI hizmet sağlayıcılarına ve diğer 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 uygulamalarının hayata geçirilmesini teşvik etmek ve merkeziyetsiz AI ekosisteminin sürekli refahını sağlamak.
Yukarıdaki arka plan ve beklentilere dayanarak, bu makalede Sentient, Sahara AI, Ritual, Gensyn, Bittensor ve 0G dahil altı AI Layer1 temsilci projesi detaylı bir şekilde tanıtılacak, sektörün en son gelişmeleri sistematik olarak ele alınacak, projelerin gelişim durumu analiz edilecek ve gelecekteki eğilimler tartışılacaktır.
Sentient: Sadık Açık Kaynak Merkezi Olmayan AI Modeli İnşa Etmek
Proje Özeti
Sentient, bir açık kaynak protokol platformudur ve AI Layer1 blok zincirini ( başlangıç aşaması olarak Layer 2'ye inşa etmektedir, ardından Layer 1)'e geçecektir. AI Pipeline ve blok zincir teknolojisini birleştirerek merkeziyetsiz bir yapay zeka ekonomisi inşa etmeyi hedeflemektedir. Temel amacı, merkezi LLM pazarındaki model mülkiyeti, çağrı takibi ve değer dağıtım sorunlarını "OML" çerçevesi (açık, kârlı, sadık) aracılığıyla çözmektir; bu sayede AI 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 paraya dönüştürmesini sağlamak, böylece 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 adanmıştır. Çekirdek üyeleri arasında Princeton Üniversitesi profesörü Pramod Viswanath ve Hindistan Bilim Enstitüsü profesörü Himanshu Tyagi bulunmaktadır; her biri AI güvenliği ve gizliliği ile ilgilenirken, Polygon'un kurucu ortağı Sandeep Nailwal blockchain stratejisi ve ekosistem tasarımı konusunda liderlik yapmaktadır. Ekip üyelerinin geçmişi, Meta, Coinbase, Polygon gibi tanınmış şirketlere ve Princeton Üniversitesi, Hindistan Teknoloji Enstitüsü gibi önde gelen üniversitelere uzanarak, AI/ML, NLP, bilgisayarla görme gibi alanları kapsamakta ve projeyi hayata geçirmek için birlikte çalışmaktadır.
Polygon'un kurucu ortağı Sandeep Nailwal'ın ikinci girişim projesi olan Sentient, kuruluşundan itibaren bir aura ile geldi ve zengin kaynaklar, bağlantılar ve piyasa bilinirliği ile projeye güçlü bir destek sağladı. 2024 yılının ortalarında, Sentient 85 milyon dolar tutarında bir tohum finansmanı tamamladı. Yatırımcılar arasında Founders Fund, Pantera ve Framework Ventures liderlik yaptı, diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi pek çok tanınmış VC yer aldı.
Tasarım Mimarisi ve Uygulama Katmanı
Altyapı Katmanı
Temel Mimari
Sentient'in temel mimarisi, AI Pipeline ve on-chain sistem olmak üzere iki bölümden oluşmaktadır:
AI boru hattı, "Sadık AI" eserlerini geliştirmek ve eğitmek için temel teşkil eder ve iki ana süreç içerir:
Blok zinciri sistemi, protokole şeffaflık ve merkeziyetsiz kontrol sağlar, AI eserlerinin mülkiyetini, kullanım takibini, gelir dağılımını ve adil yönetimi güvence altına alır. Belirli mimari dört katmana ayrılmıştır:
OML model çerçevesi
OML çerçevesi (Açık Open, Para Kazanılabilir Monetizable, Sadık Loyal), Sentient tarafından önerilen temel bir konsepttir ve açık kaynak AI modellerine net mülkiyet koruması ve ekonomik teşvik mekanizmaları sağlamayı amaçlamaktadır. Zincir üstü on-chain teknolojisini ve AI yerel kriptografisini birleştirerek aşağıdaki özelliklere sahiptir:
AI Yerel Kriptografi (AI-native Cryptography)
AI yerel kripto, AI modellerinin sürekliliği, düşük boyutlu manifold yapısı ve modelin farklılaştırılabilir özelliklerini kullanarak "doğrulanabilir ama çıkarılamaz" hafif güvenlik mekanizmaları geliştirmeyi amaçlar. 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 güvenliğini kullanıyor: parmak izi ile hak sahipliği, TEE uygulaması ve on-chain sözleşme kâr paylaşımının birleşimi. Parmak izi yöntemi OML 1.0 ile ana hat olarak uygulanır, "iyimser güvenlik (Optimistic Security)" fikrini vurgular; yani uyumlu varsayılarak, ihlal durumunda tespit edilip ceza verilebilir.
Parmak izi mekanizması, OML'nin ana uygulamasıdır. Bu mekanizma, modelin eğitim aşamasında benzersiz imzalar oluşturması için belirli "soru-cevap" çiftlerini gömerek çalışır. Bu imzalar aracılığıyla, modelin sahipleri aitliği doğrulayabilir, yetkisiz kopyalamayı ve ticarileştirmeyi önleyebilir. Bu mekanizma, yalnızca model geliştiricilerinin haklarını korumakla kalmaz, aynı zamanda modelin kullanım davranışları için izlenebilir bir on-chain kayıt sağlar.
Ayrıca, Sentient, yetkili taleplere yalnızca modelin yanıt vermesini sağlamak için güvenilir yürütme ortamlarından (örneğin AWS Nitro Enclaves) yararlanan Enclave TEE hesaplama çerçevesini tanıttı ve yetkisiz erişim ve kullanımın önlenmesini sağladı. TEE donanıma bağımlı olup belirli güvenlik riskleri taşısa da, yüksek performansı ve gerçek zamanlılık avantajları, onu mevcut model dağıtımının temel teknolojisi haline getiriyor.
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 fazla olanak sağlıyor.