AI Layer1 Araştırması: On-chain DeAI için verimli topraklar arayışı
Özet
Arka Plan
Son yıllarda, OpenAI, Anthropic, Google, Meta gibi önde gelen teknoloji şirketleri büyük dil modellerinin (LLM) hızlı gelişimini sürekli olarak teşvik ediyor. LLM, her sektörde eşi benzeri görülmemiş yetenekler sergileyerek insan hayal gücünü büyük ölçüde genişletiyor ve bazı senaryolarda insan emeğinin yerini alma potansiyelini bile gösteriyor. Ancak, bu teknolojilerin temeli, az sayıda merkezi teknoloji devinin elinde sıkı bir şekilde tutuluyor. Güçlü sermaye ve yüksek maliyetli hesaplama kaynaklarına sahip olmanın avantajıyla, bu şirketler aşılması zor engeller inşa etti ve büyük çoğunlukta geliştiricilerin ve yenilik ekiplerinin onlarla rekabet etmesini zorlaştırdı.
Aynı zamanda, AI'nın hızlı evriminin ilk dönemlerinde, toplumda genellikle teknolojinin sunduğu atılımlar ve kolaylıklar üzerine odaklanılırken, gizlilik koruma, şeffaflık, güvenlik gibi temel sorunlara olan ilgi görece daha az kalıyor. Uzun vadede, bu sorunlar AI endüstrisinin sağlıklı gelişimini ve toplumsal kabulünü derinden etkileyecek. Eğer bu sorunlar uygun bir şekilde çözülmezse, AI'nın "iyiliğe" mi yoksa "kötülüğe" mi yönelmesi tartışması giderek daha fazla ön plana çıkacak ve merkezileşmiş devler, kâr elde etme içgüdüsüyle bu zorluklarla proaktif bir şekilde başa çıkmak için genellikle yeterli motivasyona sahip olmayacaklar.
Blok zinciri teknolojisi, merkeziyetsizlik, şeffaflık ve sansüre dayanıklılık özellikleri sayesinde AI endüstrisinin sürdürülebilir gelişimine yeni imkanlar sunmaktadır. Şu anda, Solana, Base gibi önde gelen blok zincirlerinde birçok "Web3 AI" uygulaması ortaya çıkmıştır. Ancak derinlemesine bir analiz yapıldığında, bu projelerin hala birçok sorunla karşı karşıya olduğu görülmektedir: bir yandan, merkeziyetsizlik derecesi sınırlıdır; kritik aşamalar ve altyapılar hâlâ merkezi bulut hizmetlerine bağımlıdır, meme özellikleri aşırı yüksektir ve gerçek anlamda açık bir ekosistemi desteklemek zordur; diğer yandan, Web2 dünyasındaki AI ürünleriyle karşılaştırıldığında, on-chain AI'nın model yetenekleri, veri kullanımı ve uygulama senaryoları açısından hala sınırlı olduğu, yenilik derinliği ve genişliğinin artırılması gerektiği görülmektedir.
Gerçekten merkeziyetsiz AI vizyonunu gerçekleştirmek, blockchain'in büyük ölçekli AI uygulamalarını güvenli, verimli ve demokratik bir şekilde barındırabilmesi ve performans açısından merkezi çözümlerle rekabet edebilmesi için, AI için özel olarak tasarlanmış bir Layer1 blockchain tasarlamamız gerekiyor. Bu, AI'nın açık inovasyonu, yönetişim demokrasisi ve veri güvenliği için 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 odaklanmıştır ve on-chain AI ekosisteminin sürdürülebilir gelişimini ve refahını verimli bir şekilde desteklemeyi amaçlamaktadır. Özellikle, AI Layer 1 şu temel yeteneklere sahip olmalıdır:
Verimli teşvikler ve merkeziyetsiz konsensüs mekanizması AI Layer 1'in temel amacı, açık bir hesaplama, depolama ve diğer kaynakların paylaşıldığı bir ağ oluşturmaktır. Geleneksel blok zinciri düğümleri yalnızca defter kaydı üzerine odaklanırken, AI Layer 1 düğümleri daha karmaşık görevleri üstlenmek zorundadır; yalnızca hesaplama gücü sağlamak, AI modellerinin eğitimini ve çıkarımını tamamlamakla kalmayıp, aynı zamanda depolama, veri, bant genişliği gibi çeşitli kaynakları da katkıda bulunarak, AI altyapısındaki merkezi devlerin tekeli kırılmalıdır. Bu durum, alt düzey konsensüs ve teşvik mekanizmaları için daha yüksek gereksinimler ortaya koymaktadır: AI Layer 1, düğümlerin AI çıkarımı, eğitimi gibi görevlerdeki gerçek katkılarını doğru bir şekilde değerlendirebilmeli, teşvik edebilmeli ve doğrulamalıdır, böylece ağın güvenliği ve kaynakların verimli dağılımı sağlanmalıdır. Ancak bu şekilde ağın istikrarı ve refahı garanti altına alınabilir ve genel hesaplama gücü maliyetleri etkili bir şekilde azaltılabilir.
Üstün yüksek performans ve heterojen görev destekleme yeteneği AI görevleri, özellikle LLM'nin eğitimi ve çıkarımı, hesaplama performansı ve paralel işlem yetenekleri için son derece yüksek talepler ortaya koymaktadır. Daha da önemlisi, on-chain AI ekosisteminin genellikle çeşitli, heterojen görev türlerini desteklemesi gerekmektedir; bu, farklı model yapıları, veri işleme, çıkarım, depolama gibi çok çeşitli senaryoları içermektedir. AI Layer 1, temel mimaride yüksek throughput, düşük gecikme ve esnek paralel gibi gereksinimler için derin optimizasyon yapmalı ve heterojen hesaplama kaynaklarına yerel destek yeteneğini önceden ayarlamalıdır; böylece çeşitli AI görevlerinin verimli bir şekilde çalışmasını sağlamak ve "tekil görev" den "karmaşık çeşitli ekosistem" e sorunsuz bir genişleme gerçekleştirmek mümkün olacaktır.
Doğrulanabilirlik ve Güvenilir Çıktı Güvencesi AI Layer 1, yalnızca modelin kötüye kullanılmasını, veri değiştirilmesini ve diğer güvenlik açıklarını önlemekle kalmamalı, aynı zamanda alt düzey mekanizmalarla AI çıktılarının doğrulanabilirliğini ve uyumunu sağlamalıdır. Güvenilir yürütme ortamı (TEE), sıfır bilgi kanıtı (ZK), çok taraflı güvenli hesaplama (MPC) gibi öncü teknolojileri entegre ederek, platform her bir model çıkarımı, eğitimi ve veri işleme sürecinin bağımsız olarak doğrulanabilmesini sağlayarak AI sisteminin adaletini ve şeffaflığını garanti edebilir. Aynı zamanda, bu doğrulanabilirlik kullanıcıların AI çıktılarının mantığını ve dayanağını netleştirmesine yardımcı olarak "bulunanın istenilen" olmasını sağlar ve kullanıcıların AI ürünlerine olan güvenini ve memnuniyetini artırır.
Veri gizliliği koruma AI uygulamaları sıklıkla kullanıcıların hassas verilerini içerir, finans, sağlık, sosyal vb. alanlarda veri gizliliği koruma özellikle önemlidir. AI Layer 1, doğrulanabilirliği sağlarken, şifrelemeye dayalı veri işleme teknolojileri, gizlilik hesaplama protokolleri ve veri hakları yönetimi gibi yöntemleri kullanarak, verilerin çıkarım, eğitim ve depolama süreçleri boyunca güvenliğini sağlamalıdır; veri sızıntılarını ve kötüye kullanımları etkili bir şekilde önlemeli ve kullanıcıların veri güvenliği konusundaki endişelerini ortadan kaldırmalıdır.
Güçlü ekosistem taşıma ve geliştirme destek yeteneği AI'ya özgü Layer 1 altyapısı olarak, platform sadece teknik olarak öncü olmakla kalmamalı, aynı zamanda geliştiricilere, düğüm operatörlerine, AI hizmet sağlayıcılarına ve diğer ekosistem katılımcılarına kapsamlı geliştirme araçları, entegre SDK'lar, işletim destek hizmetleri ve teşvik mekanizmaları sağlamalıdır. Platformun kullanılabilirliğini ve geliştirici deneyimini sürekli optimize ederek, çeşitli AI'ya özgü uygulamaların hayata geçirilmesini 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 detaylı bir şekilde tanıtılacak, alanın en son gelişmeleri sistematik olarak ele alınacak, projelerin gelişim durumu analiz edilecek ve gelecekteki eğilimler tartışılacaktır.
Sentient: Açık kaynaklı merkeziyetsiz AI modelleri oluşturmak için sadakat inşa etme
Proje Özeti
Sentient, bir açık kaynak protokol platformudur ve bir AI Layer1 blok zinciri ( inşa etmektedir. İlk aşamada Layer 2 olacak olan bu blok zinciri, daha sonra Layer 1)'e geçecektir. AI Pipeline ve blok zinciri teknolojisini birleştirerek, merkeziyetsiz bir yapay zeka ekonomisi oluşturmayı hedeflemektedir. Temel hedefi, merkezi LLM pazarındaki model mülkiyeti, çağrı izleme ve değer dağıtımı sorunlarını "OML" çerçevesi (açık, kârlı, sadık) aracılığıyla çözmektir. Böylece AI modellerinin on-chain mülkiyet yapısı, çağrı şeffaflığı ve değer paylaşımı sağlanacaktır. Sentient'in vizyonu, herkesin AI ürünlerini inşa etmesine, iş birliği yapmasına, sahip olmasına ve para kazanmasına olanak tanımak ve böylece adil, açık bir AI Agent ağ ekosistemini teşvik etmektir.
Sentient Foundation ekibi, dünya çapındaki en iyi akademik uzmanları, blok zinciri 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 yer almakta, her ikisi de AI güvenliği ve gizliliği konularında sorumludur. Ayrıca, Polygon'un kurucu ortağı Sandeep Nailwal, blok zinciri stratejisi ve ekosistem düzenlemesi konusunda liderlik yapmaktadır. Ekip üyelerinin geçmişi Meta, Coinbase, Polygon 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 geçirmek için birlikte çalışmaktadır.
Polygon'un kurucu ortaklarından Sandeep Nailwal'ın ikinci girişim projesi olan Sentient, kuruluşunun ilk anından itibaren bir aura ile birlikte geldi ve güçlü bir kaynak, bağlantı ve piyasa bilinirliğine sahip olarak proje gelişimine büyük bir destek sağladı. 2024 ortasında, Sentient 85 milyon dolarlık bir tohum finansmanı tamamladı ve bu turda Founders Fund, Pantera ve Framework Ventures öncülük etti; diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi tanınmış birçok VC bulunuyor.
Tasarım Mimarisi ve Uygulama Katmanı
Altyapı Katmanı
Kilit Mimarisi
Sentient'in temel mimarisi, AI Pipeline ve on-chain sistemden oluşmaktadır:
AI boru hattı, "Sadık AI" eserlerinin geliştirilmesi ve eğitilmesi için temeldir ve iki ana 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 süreci sürdürmesini sağlamak.
Blok zinciri sistemi, protokollere şeffaflık ve merkeziyetsiz kontrol sağlayarak, AI eserlerinin mülkiyetini, kullanım izlenimini, gelir dağılımını ve adil yönetimi güvence altına alır. Spesifik mimari dört katmana ayrılmıştır:
Depolama katmanı: Model ağırlıkları ve parmak izi kayıt bilgilerini depolar;
Dağıtım katmanı: Yetkilendirme sözleşmesi kontrol modeli çağrı girişi;
Erişim katmanı: Kullanıcının yetkilendirilip yetkilendirilmediğini doğrulamak için izin kanıtı kullanır;
Teşvik katmanı: Kazanç yönlendirme sözleşmesi, her çağrıda ödeme dağıtımını eğitmenlere, dağıtımcılara ve doğrulayıcılara yapacaktır.
OML model çerçevesi
OML çerçevesi (Açık Open, Para Kazanılabilir Monetizable, Sadık Loyal), Sentient tarafından önerilen temel bir kavramdır ve açık kaynak AI modellerine net mülkiyet koruması ve ekonomik teşvik mekanizmaları sağlamayı amaçlamaktadır. Zincir üstü on-chain teknolojisi ile AI'ye özgü kriptografi kombinasyonu ile 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 çağrısı bir gelir akışını tetikler, on-chain sözleşme gelirleri eğitmenlere, dağıtıcılara ve doğrulayıcılara dağıtacaktır.
Sadakat: Model, katkı veren topluluğa aittir, yükseltme yönü ve yönetim DAO tarafından belirlenir, kullanım ve değişiklik şifreleme mekanizması tarafından kontrol edilir.
AI Yerel Kriptografi (AI-native Cryptography)
Yerli AI kripto, AI modellerinin sürekliliği, düşük boyutlu manifold yapısı ve modelin türevlenebilir özelliklerini kullanarak "doğrulanabilir ama kaldırılabilir" hafif güvenlik mekanizmaları geliştirmektedir. Temel teknolojisi şudur:
Parmak izi gömme: Eğitim sırasında modelin benzersiz imzasını oluşturmak için gizli bir dizi sorgu-yanıt anahtar-değer çifti eklemek;
Mülkiyet doğrulama protokolü: Üçüncü taraf dedektör (Prover) aracılığıyla sorgu şeklinde parmak izinin korunup korunmadığını doğrulama;
İzin çağrı mekanizması: Çağrıdan önce model sahibinin verdiği "yetki belgesi" alınmalı, sistem buna göre modelin bu girişi çözmesine ve doğru yanıtı döndürmesine yetki vermelidir.
Bu yöntem, "davranışa dayalı yetkilendirme çağrısı + aitlik doğrulaması"nı yeniden şifreleme maliyeti olmadan gerçekleştirebilir.
Model Hak Sahipliği ve Güvenli Uygulama Çerçevesi
Sentient şu anda Melange karışık güvenliğini kullanıyor: parmak izi doğrulama, TEE uygulaması ve on-chain sözleşme kazanç paylaşımının bir kombinasyonu. Parmak izi yöntemi OML 1.0 ile ana hatlarıyla gerçekleştirilmiştir ve "iyimser güvenlik (Optimistic Security)" düşüncesini vurgular, yani önceden uyumlu olduğu varsayılır, ihlaller sonradan tespit edilip cezalandırılabilir.
Parmak izi mekanizması, OML'nin temel uygulamasıdır. Bu mekanizma, modelin eğitim aşamasında benzersiz imzalar oluşturmasını sağlamak için belirli "soru-cevap" çiftlerini gömerek çalışır. Bu imzalar sayesinde, modelin sahibi aitliği doğrulayabilir, yetkisiz kopyalamayı ve ticareti önleyebilir. Bu mekanizma, yalnızca model geliştiricilerin haklarını korumakla kalmaz, aynı zamanda modelin kullanım davranışları için izlenebilir on-chain kayıtlar sağlar.
Ayrıca, Sentient, yalnızca yetkilendirilmiş isteklere yanıt vermesini sağlamak ve izinsiz erişim ve kullanımı önlemek için güvenilir bir yürütme ortamı (örneğin, AWS Nitro Enclaves) kullanan Enclave TEE hesaplama çerçevesini tanıttı. TEE donanıma bağımlıdır ve belirli 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 tam homomorfik şifreleme (FHE) teknolojilerini tanıtmayı planlıyor, böylece gizlilik koruma ve doğrulanabilirliği daha da güçlendirecek.
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.
15 Likes
Reward
15
5
Share
Comment
0/400
NullWhisperer
· 18h ago
teknik açıdan konuşursak... sentient'in yaklaşımı, aynı eski merkeziyetçilik sorunlarına karşı savunmasız gibi görünüyor açıkçası
AI Layer1 yeni yıldızı ortaya çıkıyor: Sentient, on-chain DeAI altyapısını inşa ediyor.
AI Layer1 Araştırması: On-chain DeAI için verimli topraklar arayışı
Özet
Arka Plan
Son yıllarda, OpenAI, Anthropic, Google, Meta gibi önde gelen teknoloji şirketleri büyük dil modellerinin (LLM) hızlı gelişimini sürekli olarak teşvik ediyor. LLM, her sektörde eşi benzeri görülmemiş yetenekler sergileyerek insan hayal gücünü büyük ölçüde genişletiyor ve bazı senaryolarda insan emeğinin yerini alma potansiyelini bile gösteriyor. Ancak, bu teknolojilerin temeli, az sayıda merkezi teknoloji devinin elinde sıkı bir şekilde tutuluyor. Güçlü sermaye ve yüksek maliyetli hesaplama kaynaklarına sahip olmanın avantajıyla, bu şirketler aşılması zor engeller inşa etti ve büyük çoğunlukta geliştiricilerin ve yenilik ekiplerinin onlarla rekabet etmesini zorlaştırdı.
Aynı zamanda, AI'nın hızlı evriminin ilk dönemlerinde, toplumda genellikle teknolojinin sunduğu atılımlar ve kolaylıklar üzerine odaklanılırken, gizlilik koruma, şeffaflık, güvenlik gibi temel sorunlara olan ilgi görece daha az kalıyor. Uzun vadede, bu sorunlar AI endüstrisinin sağlıklı gelişimini ve toplumsal kabulünü derinden etkileyecek. Eğer bu sorunlar uygun bir şekilde çözülmezse, AI'nın "iyiliğe" mi yoksa "kötülüğe" mi yönelmesi tartışması giderek daha fazla ön plana çıkacak ve merkezileşmiş devler, kâr elde etme içgüdüsüyle bu zorluklarla proaktif bir şekilde başa çıkmak için genellikle yeterli motivasyona sahip olmayacaklar.
Blok zinciri teknolojisi, merkeziyetsizlik, şeffaflık ve sansüre dayanıklılık özellikleri sayesinde AI endüstrisinin sürdürülebilir gelişimine yeni imkanlar sunmaktadır. Şu anda, Solana, Base gibi önde gelen blok zincirlerinde birçok "Web3 AI" uygulaması ortaya çıkmıştır. Ancak derinlemesine bir analiz yapıldığında, bu projelerin hala birçok sorunla karşı karşıya olduğu görülmektedir: bir yandan, merkeziyetsizlik derecesi sınırlıdır; kritik aşamalar ve altyapılar hâlâ merkezi bulut hizmetlerine bağımlıdır, meme özellikleri aşırı yüksektir ve gerçek anlamda açık bir ekosistemi desteklemek zordur; diğer yandan, Web2 dünyasındaki AI ürünleriyle karşılaştırıldığında, on-chain AI'nın model yetenekleri, veri kullanımı ve uygulama senaryoları açısından hala sınırlı olduğu, yenilik derinliği ve genişliğinin artırılması gerektiği görülmektedir.
Gerçekten merkeziyetsiz AI vizyonunu gerçekleştirmek, blockchain'in büyük ölçekli AI uygulamalarını güvenli, verimli ve demokratik bir şekilde barındırabilmesi ve performans açısından merkezi çözümlerle rekabet edebilmesi için, AI için özel olarak tasarlanmış bir Layer1 blockchain tasarlamamız gerekiyor. Bu, AI'nın açık inovasyonu, yönetişim demokrasisi ve veri güvenliği için 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 odaklanmıştır ve on-chain AI ekosisteminin sürdürülebilir gelişimini ve refahını verimli bir şekilde desteklemeyi amaçlamaktadır. Özellikle, AI Layer 1 şu temel yeteneklere sahip olmalıdır:
Verimli teşvikler ve merkeziyetsiz konsensüs mekanizması AI Layer 1'in temel amacı, açık bir hesaplama, depolama ve diğer kaynakların paylaşıldığı bir ağ oluşturmaktır. Geleneksel blok zinciri düğümleri yalnızca defter kaydı üzerine odaklanırken, AI Layer 1 düğümleri daha karmaşık görevleri üstlenmek zorundadır; yalnızca hesaplama gücü sağlamak, AI modellerinin eğitimini ve çıkarımını tamamlamakla kalmayıp, aynı zamanda depolama, veri, bant genişliği gibi çeşitli kaynakları da katkıda bulunarak, AI altyapısındaki merkezi devlerin tekeli kırılmalıdır. Bu durum, alt düzey konsensüs ve teşvik mekanizmaları için daha yüksek gereksinimler ortaya koymaktadır: AI Layer 1, düğümlerin AI çıkarımı, eğitimi gibi görevlerdeki gerçek katkılarını doğru bir şekilde değerlendirebilmeli, teşvik edebilmeli ve doğrulamalıdır, böylece ağın güvenliği ve kaynakların verimli dağılımı sağlanmalıdır. Ancak bu şekilde ağın istikrarı ve refahı garanti altına alınabilir ve genel hesaplama gücü maliyetleri etkili bir şekilde azaltılabilir.
Üstün yüksek performans ve heterojen görev destekleme yeteneği AI görevleri, özellikle LLM'nin eğitimi ve çıkarımı, hesaplama performansı ve paralel işlem yetenekleri için son derece yüksek talepler ortaya koymaktadır. Daha da önemlisi, on-chain AI ekosisteminin genellikle çeşitli, heterojen görev türlerini desteklemesi gerekmektedir; bu, farklı model yapıları, veri işleme, çıkarım, depolama gibi çok çeşitli senaryoları içermektedir. AI Layer 1, temel mimaride yüksek throughput, düşük gecikme ve esnek paralel gibi gereksinimler için derin optimizasyon yapmalı ve heterojen hesaplama kaynaklarına yerel destek yeteneğini önceden ayarlamalıdır; böylece çeşitli AI görevlerinin verimli bir şekilde çalışmasını sağlamak ve "tekil görev" den "karmaşık çeşitli ekosistem" e sorunsuz bir genişleme gerçekleştirmek mümkün olacaktır.
Doğrulanabilirlik ve Güvenilir Çıktı Güvencesi AI Layer 1, yalnızca modelin kötüye kullanılmasını, veri değiştirilmesini ve diğer güvenlik açıklarını önlemekle kalmamalı, aynı zamanda alt düzey mekanizmalarla AI çıktılarının doğrulanabilirliğini ve uyumunu sağlamalıdır. Güvenilir yürütme ortamı (TEE), sıfır bilgi kanıtı (ZK), çok taraflı güvenli hesaplama (MPC) gibi öncü teknolojileri entegre ederek, platform her bir model çıkarımı, eğitimi ve veri işleme sürecinin bağımsız olarak doğrulanabilmesini sağlayarak AI sisteminin adaletini ve şeffaflığını garanti edebilir. Aynı zamanda, bu doğrulanabilirlik kullanıcıların AI çıktılarının mantığını ve dayanağını netleştirmesine yardımcı olarak "bulunanın istenilen" olmasını sağlar ve kullanıcıların AI ürünlerine olan güvenini ve memnuniyetini artırır.
Veri gizliliği koruma AI uygulamaları sıklıkla kullanıcıların hassas verilerini içerir, finans, sağlık, sosyal vb. alanlarda veri gizliliği koruma özellikle önemlidir. AI Layer 1, doğrulanabilirliği sağlarken, şifrelemeye dayalı veri işleme teknolojileri, gizlilik hesaplama protokolleri ve veri hakları yönetimi gibi yöntemleri kullanarak, verilerin çıkarım, eğitim ve depolama süreçleri boyunca güvenliğini sağlamalıdır; veri sızıntılarını ve kötüye kullanımları etkili bir şekilde önlemeli ve kullanıcıların veri güvenliği konusundaki endişelerini ortadan kaldırmalıdır.
Güçlü ekosistem taşıma ve geliştirme destek yeteneği AI'ya özgü Layer 1 altyapısı olarak, platform sadece teknik olarak öncü olmakla kalmamalı, aynı zamanda geliştiricilere, düğüm operatörlerine, AI hizmet sağlayıcılarına ve diğer ekosistem katılımcılarına kapsamlı geliştirme araçları, entegre SDK'lar, işletim destek hizmetleri ve teşvik mekanizmaları sağlamalıdır. Platformun kullanılabilirliğini ve geliştirici deneyimini sürekli optimize ederek, çeşitli AI'ya özgü uygulamaların hayata geçirilmesini 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 detaylı bir şekilde tanıtılacak, alanın en son gelişmeleri sistematik olarak ele alınacak, projelerin gelişim durumu analiz edilecek ve gelecekteki eğilimler tartışılacaktır.
Sentient: Açık kaynaklı merkeziyetsiz AI modelleri oluşturmak için sadakat inşa etme
Proje Özeti
Sentient, bir açık kaynak protokol platformudur ve bir AI Layer1 blok zinciri ( inşa etmektedir. İlk aşamada Layer 2 olacak olan bu blok zinciri, daha sonra Layer 1)'e geçecektir. AI Pipeline ve blok zinciri teknolojisini birleştirerek, merkeziyetsiz bir yapay zeka ekonomisi oluşturmayı hedeflemektedir. Temel hedefi, merkezi LLM pazarındaki model mülkiyeti, çağrı izleme ve değer dağıtımı sorunlarını "OML" çerçevesi (açık, kârlı, sadık) aracılığıyla çözmektir. Böylece AI modellerinin on-chain mülkiyet yapısı, çağrı şeffaflığı ve değer paylaşımı sağlanacaktır. Sentient'in vizyonu, herkesin AI ürünlerini inşa etmesine, iş birliği yapmasına, sahip olmasına ve para kazanmasına olanak tanımak ve böylece adil, açık bir AI Agent ağ ekosistemini teşvik etmektir.
Sentient Foundation ekibi, dünya çapındaki en iyi akademik uzmanları, blok zinciri 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 yer almakta, her ikisi de AI güvenliği ve gizliliği konularında sorumludur. Ayrıca, Polygon'un kurucu ortağı Sandeep Nailwal, blok zinciri stratejisi ve ekosistem düzenlemesi konusunda liderlik yapmaktadır. Ekip üyelerinin geçmişi Meta, Coinbase, Polygon 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 geçirmek için birlikte çalışmaktadır.
Polygon'un kurucu ortaklarından Sandeep Nailwal'ın ikinci girişim projesi olan Sentient, kuruluşunun ilk anından itibaren bir aura ile birlikte geldi ve güçlü bir kaynak, bağlantı ve piyasa bilinirliğine sahip olarak proje gelişimine büyük bir destek sağladı. 2024 ortasında, Sentient 85 milyon dolarlık bir tohum finansmanı tamamladı ve bu turda Founders Fund, Pantera ve Framework Ventures öncülük etti; diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi tanınmış birçok VC bulunuyor.
Tasarım Mimarisi ve Uygulama Katmanı
Altyapı Katmanı
Kilit Mimarisi
Sentient'in temel mimarisi, AI Pipeline ve on-chain sistemden oluşmaktadır:
AI boru hattı, "Sadık AI" eserlerinin geliştirilmesi ve eğitilmesi için temeldir ve iki ana süreci içerir:
Blok zinciri sistemi, protokollere şeffaflık ve merkeziyetsiz kontrol sağlayarak, AI eserlerinin mülkiyetini, kullanım izlenimini, gelir dağılımını ve adil yönetimi güvence altına alır. 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 mülkiyet koruması ve ekonomik teşvik mekanizmaları sağlamayı amaçlamaktadır. Zincir üstü on-chain teknolojisi ile AI'ye özgü kriptografi kombinasyonu ile aşağıdaki özelliklere sahiptir:
AI Yerel Kriptografi (AI-native Cryptography)
Yerli AI kripto, AI modellerinin sürekliliği, düşük boyutlu manifold yapısı ve modelin türevlenebilir özelliklerini kullanarak "doğrulanabilir ama kaldırılabilir" hafif güvenlik mekanizmaları geliştirmektedir. Temel teknolojisi şudur:
Bu yöntem, "davranışa dayalı yetkilendirme çağrısı + aitlik doğrulaması"nı yeniden şifreleme maliyeti olmadan gerçekleştirebilir.
Model Hak Sahipliği ve Güvenli Uygulama Çerçevesi
Sentient şu anda Melange karışık güvenliğini kullanıyor: parmak izi doğrulama, TEE uygulaması ve on-chain sözleşme kazanç paylaşımının bir kombinasyonu. Parmak izi yöntemi OML 1.0 ile ana hatlarıyla gerçekleştirilmiştir ve "iyimser güvenlik (Optimistic Security)" düşüncesini vurgular, yani önceden uyumlu olduğu varsayılır, ihlaller sonradan tespit edilip cezalandırılabilir.
Parmak izi mekanizması, OML'nin temel uygulamasıdır. Bu mekanizma, modelin eğitim aşamasında benzersiz imzalar oluşturmasını sağlamak için belirli "soru-cevap" çiftlerini gömerek çalışır. Bu imzalar sayesinde, modelin sahibi aitliği doğrulayabilir, yetkisiz kopyalamayı ve ticareti önleyebilir. Bu mekanizma, yalnızca model geliştiricilerin haklarını korumakla kalmaz, aynı zamanda modelin kullanım davranışları için izlenebilir on-chain kayıtlar sağlar.
Ayrıca, Sentient, yalnızca yetkilendirilmiş isteklere yanıt vermesini sağlamak ve izinsiz erişim ve kullanımı önlemek için güvenilir bir yürütme ortamı (örneğin, AWS Nitro Enclaves) kullanan Enclave TEE hesaplama çerçevesini tanıttı. TEE donanıma bağımlıdır ve belirli 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 tam homomorfik şifreleme (FHE) teknolojilerini tanıtmayı planlıyor, böylece gizlilik koruma ve doğrulanabilirliği daha da güçlendirecek.