AI Layer1 Araştırması: On-chain DeAI için verimli toprakları bulmak

Genel Bakış

Son yıllarda, büyük dil modellerinin (LLM) hızlı gelişimi, insanlığın hayal gücünü büyük ölçüde genişletti ve hatta bazı alanlarda insan emeğinin yerini alma potansiyelini bile gösterdi. Ancak, bu teknolojilerin temeli birkaç merkezi teknolojik devin elinde. Güçlü sermaye ve yüksek maliyetli hesaplama kaynakları üzerindeki kontrolleri sayesinde, bu şirketler aşılması zor engeller oluşturdu ve çoğu geliştirici ve yenilikçi takımın onlarla rekabet etmesini zorlaştırdı.

Aynı zamanda, AI'nin hızlı evriminin başlangıcında, toplumsal kamuoyu genellikle teknolojinin sağladığı atılımlar ve kolaylıklar üzerinde yoğunlaşırken, gizlilik koruma, şeffaflık, güvenlik gibi temel sorunlara olan dikkat görece azdır. Uzun vadede, bu sorunlar AI endüstrisinin sağlıklı gelişimini ve toplumsal kabulünü derinden etkileyecektir. Eğer uygun bir şekilde çözülemezse, AI'nin "iyilik" mi yoksa "kötülük" mü yönelmesi tartışması daha da belirgin hale gelecektir ve merkezileşmiş devlerin kar güdüsü altında bu zorluklarla proaktif bir şekilde başa çıkma motivasyonu genellikle yeterli olmayacaktır.

Blok zinciri teknolojisi, merkeziyetsiz, şeffaf ve sansüre dayanıklı 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 analiz yapıldığında, bu projelerin hala birçok sorunla karşı karşıya olduğu görülmektedir: bir yandan, merkeziyetsizlik derecesi sınırlıdır, kritik aşamalar ve altyapılar hala merkezi bulut hizmetlerine bağımlıdır 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 gibi alanlarda hala sınırlamaları vardır, yenilik derinliği ve genişliği artırılmalıdır.

Gerçekten merkeziyetsiz bir 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'ya özel tasarlanmış bir Layer1 blockchain'i tasarlamamız gerekiyor. Bu, AI'nın açık inovasyonu, yönetişim demokrasisini ve veri güvenliğini sağlam bir temel ile destekleyecek ve merkeziyetsiz AI ekosisteminin refahını artıracaktır.

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 odaklanmaktadır. Amacı, on-chain AI ekosisteminin sürdürülebilir gelişimini ve refahını etkin bir şekilde desteklemektir. Daha spesifik olarak, AI Layer 1'in aşağıdaki temel yeteneklere sahip olması gerekmektedir:

1. Verimli teşvikler ve merkeziyetsiz konsensüs mekanizması

AI Layer 1'in temelinde açık bir hesaplama, depolama ve diğer kaynakların paylaşıldığı bir ağ oluşturmak yatmaktadır. Geleneksel blok zinciri düğümlerinin esas olarak defter kaydı tutmaya odaklanmasının aksine, AI Layer 1 düğümleri daha karmaşık görevleri üstlenmek zorundadır; sadece hesaplama gücü sağlamakla kalmayıp, AI modellerinin eğitimi ve çıkarımı da dahil olmak üzere çeşitli kaynaklar sunmalıdır. Bu, AI altyapısındaki merkezi devlerin tekelini kırmayı amaçlamaktadır. Bu durum alt yapı konsensüsü ve teşvik mekanizmaları için daha yüksek gereksinimler ortaya koymaktadır: AI Layer 1, düğümlerin AI çıkarım, eğitim gibi görevlerdeki gerçek katkılarını doğru bir şekilde değerlendirebilmeli, teşvik edebilmeli ve doğrulayabilmelidir. Böylelikle ağın güvenliği ve kaynakların verimli dağılımı sağlanabilir. Ancak bu şekilde ağın istikrarı ve refahı garanti altına alınabilir ve toplam hesaplama maliyetleri etkili bir şekilde azaltılabilir.

2. Üstün yüksek performans ve heterojen görev destek yeteneği

AI görevleri, özellikle LLM'nin eğitimi ve çıkarımı, hesaplama performansı ve paralel işleme kapasitesi için son derece yüksek talepler ortaya koymaktadır. Dahası, on-chain AI ekosistemleri genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çeşitli sahneleri desteklemesi gereken çeşitliliğe ve heterojenliğe sahip görev türlerini de desteklemelidir. AI Layer 1, yüksek throughput, düşük gecikme ve esnek paralel işlem gibi ihtiyaçlar için temel mimaride derin optimizasyon yapmalı ve heterojen hesaplama kaynaklarına yerel destek yeteneğini önceden tanımlamalıdır, böylece farklı AI görevlerinin verimli bir şekilde çalışmasını sağlamak ve "tek tip görev"ten "karmaşık çoklu ekosistem"e pürüzsüz bir genişleme gerçekleştirmek mümkün olmalıdır.

3. Doğrulanabilirlik ve güvenilir çıktı garantisi

AI Layer 1 sadece modelin kötüye kullanımı, veri manipülasyonu gibi güvenlik açıklarını önlemekle kalmamalı, aynı zamanda temel mekanizmalarla AI'nın çıktı sonuçlarının 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 çıkarımının, eğitim ve veri işleme sürecinin bağımsız olarak doğrulanabilmesini sağlayarak AI sisteminin adilliğini ve şeffaflığını güvence altına alır. Aynı zamanda, bu doğrulanabilirlik kullanıcıların AI çıktısının mantığını ve temelini netleştirmesine yardımcı olur, "elde edilen istenilen olur" ilkesini gerçekleştirir ve kullanıcıların AI ürünlerine olan güven ve memnuniyetini artırır.

4. Veri gizliliği koruma

Yapay zeka uygulamaları genellikle kullanıcıların hassas verilerini içerir; finans, sağlık, sosyal medya gibi alanlarda veri gizliliği koruma özellikle kritik öneme sahiptir. AI Layer 1, doğrulanabilirliği sağlarken, şifreleme tabanlı veri işleme teknolojileri, gizlilik hesaplama protokolleri ve veri yetki yönetimi gibi yöntemler kullanarak, verilerin çıkarım, eğitim ve depolama gibi tüm süreçleri boyunca güvenliğini sağlamalı, veri sızıntılarını ve kötüye kullanımları etkili 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, platform sadece teknik olarak öncülük etmekle kalmamalı, aynı zamanda geliştiriciler, düğüm operatörleri, AI hizmet sağlayıcıları ve diğer ekosistem katılımcılarına kapsamlı geliştirme araçları, entegre SDK, operasyonel destek ve teşvik mekanizmaları sunmalıdır. Platformun kullanılabilirliği ve geliştirici deneyimini sürekli optimize ederek, zengin ve çeşitli AI yerel uygulamaların hayata geçişini teşvik etmek ve merkeziyetsiz AI ekosisteminin sürekli refahını sağlamak gerekmektedir.

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 bir şekilde ele alınacak, projelerin gelişim durumu analiz edilecek ve gelecekteki eğilimler tartışılacaktır.

Sentient: Sadık Açık Kaynak Merkeziyetsiz AI Modeli Oluşturma

Proje Özeti

Sentient, bir açık kaynak protokol platformu, AI Layer1 blok zincirini ( oluşturuyor. Başlangıç aşaması Layer 2 olarak planlanıyor, ardından Layer 1)'a geçilecek. AI Pipeline ve blok zinciri teknolojisini birleştirerek merkeziyetsiz bir yapay zeka ekonomisi inşa etmeyi amaçlıyor. Temel hedefi, "OML" çerçevesi ( aracılığıyla merkezi LLM pazarındaki model sahipliği, çağrı takibi ve değer dağıtım sorunlarını açık, kârlı ve sadık bir şekilde çözmek, yapay zeka modellerinin zincir üzerindeki sahiplik yapısını, çağrı şeffaflığını ve değer paylaşımını sağlamaktır. Sentient'in vizyonu, herkesin yapay zeka ürünleri oluşturmasına, iş birliği yapmasına, sahip olmasına ve bunları paraya çevirmesine olanak tanımak, böylece adil ve açık bir AI Agent ağ ekosistemini teşvik etmektir.

Sentient Foundation ekibi, dünya çapında önde gelen akademik uzmanlar, blockchain girişimcileri ve mühendisleri bir araya getirerek, topluluk odaklı, açık kaynaklı ve doğrulanabilir bir AGI platformu inşa etmeye adanmıştır. Çekirdek üyeleri arasında Princeton Üniversitesi'nden Pramod Viswanath ve Hindistan Bilim Enstitüsü'nden Himanshu Tyagi yer almakta olup, sırasıyla AI güvenliği ve gizlilik korumasından sorumludurlar. Ayrıca, Polygon'un kurucu ortağı Sandeep Nailwal, blockchain stratejisi ve ekosistem planlamasına öncülük etmektedir. Ekip üyelerinin geçmişi Meta, Coinbase, Polygon gibi tanınmış şirketler ile Princeton Üniversitesi, Hindistan Teknoloji Enstitüsü gibi önde gelen üniversiteleri kapsamaktadır 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 gelerek, zengin kaynaklar, bağlantılar ve piyasa bilinirliği ile proje gelişimine güçlü bir destek sağladı. 2024 yılı ortalarında, Sentient 85 milyon dolarlık bir tohum sermaye finansmanı tamamladı ve bu finansman Founders Fund, Pantera ve Framework Ventures tarafından liderlik edildi; diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi tanınmış VC'lerin bulunduğu onlarca yatırım kurumu yer aldı.

![Biteye ve PANews ortaklaşa AI Layer1 raporu yayımladı: On-chain DeAI için verimli alan arayışı])https://img-cdn.gateio.im/webp-social/moments-f4a64f13105f67371db1a93a52948756.webp(

) Tasarım Mimarisi ve Uygulama Katmanı

Altyapı Katmanı

Temel 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 ana süreci içerir:

• Veri Planlaması ( Veri Kürasyonu ): Modelin hizalanması için topluluk tarafından yönlendirilen veri seçme süreci.
• Sadakat Eğitimi (: Modelin topluluk niyetiyle uyumlu bir eğitim sürecini sürdürmesini sağlamak.

Blok zinciri sistemi, protokollere şeffaflık ve merkeziyetsiz kontrol sağlayarak AI eserlerinin mülkiyetini, kullanım takibini, gelir dağılımını ve adil yönetişimi güvence altına alır. Belirli 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 kullanılır;
• Teşvik katmanı: Gelir yönlendirme sözleşmesi, her çağrıda ödemeyi eğitmenler, dağıtıcılar ve doğrulayıcılar arasında dağıtır.

)## OML model çerçevesi

OML çerçevesi ( Açık, Para Kazanılabilir, Sadık ) Sentient tarafından sunulan temel kavramdır; açık kaynaklı AI modellerine net mülkiyet koruması ve ekonomik teşvik mekanizmaları sağlamak amacıyla tasarlanmıştır. Zincir üstü teknolojiyi ve AI yerel kriptografisini birleştirerek aşağıdaki özelliklere sahiptir:

• Açıklık: Model açık kaynak olmalı, kod ve veri yapısı şeffaf olmalı, topluluğun yeniden üretimini, denetimini ve iyileştirmesini kolaylaştırmalıdır.
• Para kazanma: Model çağrısı her yapıldığında bir gelir akışı tetiklenir, on-chain sözleşme gelirleri eğitmenler, dağıtıcılar ve doğrulayıcılara dağıtır.
• Sadakat: Model, katkı veren topluluğa aittir, yükselme yönü ve yönetim DAO tarafından belirlenir, kullanım ve değişiklikler kripto mekanizmasının kontrolündedir.

![Biteye ve PANews ortaklaşa AI Layer1 araştırma raporu yayımladı: on-chain DeAI için verimli toprak arayışı]###https://img-cdn.gateio.im/webp-social/moments-a70b0aca9250ab65193d0094fa9b5641.webp(

)## AI Yerel Kriptografi(

AI yerel kriptografi, AI modellerinin sürekliliği, düşük boyutlu manifold yapısı ve modelin diferansiyellenebilir özelliklerini kullanarak "doğrulanabilir ancak kaldırılabilir olmayan" hafif güvenlik mekanizmaları geliştirmektedir. Temel teknolojisi şudur:

• Parmak izi gömülmesi: Eğitim sırasında bir dizi gizli sorgu-cevap anahtar-değer çifti eklenerek modelin benzersiz imzası oluşturulur;
• Mülkiyet doğrulama protokolü: Üçüncü taraf dedektör )Prover### aracılığıyla sorgu şeklinde parmak izinin saklanıp saklanmadığını doğrulamak.
• İzin çağrısı mekanizması: Çağrı yapmadan önce model sahibinden verilen "izin belgesi" alınmalı, sistem buna göre modeli bu girdi çözmek ve doğru cevap döndürmek için yetkilendirmelidir.

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

(## Model Hakları ve Güvenli Uygulama Çerçevesi

Sentient şu anda Melange miks güvenliğini kullanıyor: parmak izi doğrulama, TEE yürütme ve on-chain sözleşme gelir paylaşımını birleştiriyor. Parmak izi yöntemi OML 1.0 ile ana hat olarak uygulanmakta olup, "Optimistic Security)" düşüncesini vurgulamaktadır; bu, varsayılan olarak uyumlu olduğu, ihlal durumunda tespit edilebileceği ve cezalandırılabileceği anlamına gelir.

Parmak izi mekanizması, OML'nin ana uygulamasıdır; bu, modelin eğitim aşamasında benzersiz imzalar oluşturması için belirli "soru-cevap" çiftlerini gömerek gerçekleştirilir. Bu imzalar sayesinde, model sahibi aitliği doğrulayabilir, yetkisiz kopyalamayı ve ticarileşmeyi önleyebilir. Bu mekanizma, yalnızca model geliştiricilerinin haklarını korumakla kalmaz, aynı zamanda modelin kullanım davranışları için izlenebilir bir on-chain kayıt sağlar.

Ayrıca, Sentient, yalnızca yetkilendirilmiş isteklere yanıt veren ve izinsiz erişim ile kullanımı önleyen ( gibi AWS Nitro Enclaves) üzerinde güvenilir yürütme ortamını kullanan Enclave TEE hesaplama çerçevesini tanıttı. TEE donanıma bağımlı olmasına ve belirli güvenlik riskleri taşımasına rağmen, yüksek performansı ve gerçek zamanlılık avantajları, onu mevcut model dağıtımının temel teknolojisi haline getiriyor.

Gelecekte, Sentient sıfır bilgi kanıtı ###ZK( ve tam homomorfik şifreleme )FHE( teknolojilerini tanıtmayı planlıyor, böylece gizlilik koruma ve doğrulanabilirliği daha da artırarak AI modellerinin merkeziyetsiz dağıtımı için daha olgun çözümler sunacak.

) uygulama katmanı

Şu anda, Sentient'in ürünleri arasında merkeziyetsiz sohbet platformu Sentient Chat ve açık kaynaklı model Dobby bulunmaktadır.