Giriş
İnternet, insanlık tarihinde eşi benzeri görülmemiş bir güç olarak öne çıkıyor; milyarlarca insanın gerçek zamanlı iletişim ve işlem yapmasını sağlıyor. Bu dijital ortamın merkezinde ise veri değişimi bulunuyor ve dijital ekonomiyi yönlendiren yapay zeka modellerinin temelini oluşturuyor. Nimble da bileşen tabanlı yapay zeka protokolüyle veri ve zeka için açık bir ekonomi oluşturma konusunda öncü bir yaklaşım sunuyor. Bu merkeziyetsiz ortam, yapay zeka modellerini ve veriyi sorunsuz bir şekilde entegre etmeyi ve yeniden kullanmayı sağlayarak, merkezi platformları bir ağ bağlantılı yapay zeka aracıları, veri sağlayıcıları ve hesaplama kaynaklarıyla değiştiriyor.
Nimble ‘ın Vizyonu
Nimble’ın vizyonu, herkesin, merkeziyetsiz ağ üzerinden yapay zeka sahibi olabileceği, işletebileceği ve eğitebileceği bir düzene erişimi demokratize etmekte. Google’ın veri erişimini demokratikleştirmesine benzer şekilde, Nimble, izinsiz yenilikleri tetiklemeyi ve Web 3.0 döneminde internet ortamını şekillendirmeyi amaçlamaktadır.
Demokratik Yapay Zeka İçin Gereksinimler
Daha adil bir internet yaratmak için iki gereksinim karşılanmalıdır. İlk olarak, sisteme katkıda bulunmak yeterince basit olmalıdır, böylece küçük ekipler ve bireyler dışlanmamış olur. Bugünün en güçlü şirketlerinin arkasındaki yapay zeka sistemleri oldukça karmaşık. Eğitim verileri, milyarlarca insanın kullandığı uygulamalardan kaynaklanmakta ve otomatik toplanmaktadır. Bu veri setlerini kullanarak modelleri eğitmek için milyonlarca dolarlık hesaplama gücü harcamaktadırlar. Bu adımlarla ilişkili maliyet ve karmaşıklık, seçkin bir grup mühendis ve iş insanı dışında neredeyse herkesi dışarıda bırakmaktadır.
İkinci olarak, sistem, herhangi bir düzeyde herkesin katkıda bulunmasını kabul eden ve tamamen halka açık olmalıdır. Kapsayıcı bir yapay zeka sistemi, üç tür açık katkının yapılmasına izin vermelidir:
Veri: Bir sistem, katılımcıların ağdaki modelleri eğitmek için herhangi bir boyuttaki veri kümelerini katkıda bulunmasına izin verecek şekilde olmalıdır. Ham veri, önceden işlenmiş veri ve gömülme verileriyle katkılara izin verilmelidir.
Hesaplama: Katılımcılar, ağdaki modelleri eğitmek ve sunmak için artımsal hesaplama gücü sağlayabilmelidirler. Bitcoin, PoW; yani iş kanıtı yoluyla dünyanın en güçlü hesaplama ağı haline geldi. Nimble da bu hesaplama gücünü modelleri sunmak ve eğitmek için yönlendirmeyi amaçlamaktadır.
Modeller: Yapay zeka uzmanları ve geliştiriciler, modellerini topluluğun veri kümeleri aracılığıyla eğitmek veya tahminler üretmek için ağa katkıda bulunabilmelidirler. Bileşen tabanlı bir yaklaşımla, model çıktıları doğrudan son kullanıcılar veya diğer modeller tarafından artımlı olarak kullanılabilir.
Bileşen Tabanlı Yapay Zeka Protokolü
Nimble, bileşen tabanlı yapay zeka aracılığıyla istihbarat ekonomisini demokratikleştirecek. Protokol, giriş engellerini en aza indirerek herkesin son teknoloji yapay zeka teknolojisinden yararlanmasına ve katkıda bulunmasına olanak tanır. Model tahminleri, herhangi bir alanda geleneksel veya merkeziyetsiz uygulamalara kolayca açık API’ler aracılığıyla entegre edilebilir. Modeller birbirine ağlanabilir, bileşen tabanlı olarak diğer yapay zeka modellerinin çıktılarını tüketerek güçlü bileşik tahminler üretebilir. Katılımcılar, ağı eğitmek için eğitim verilerini sağlayabilir ve bu verileri tüketmek isteyen tüm modellere dağıtabilir. Ağ, tek bir token ekosistemi altında merkeziyetsiz ve orkestralanmıştır.
Protokolün her bileşeni blokzincir üzerine inşa edilmiştir. Blokzincirler, güvenilir ara kurumlara ihtiyacı ortadan kaldırdığı için daha özgür bir internet inşa etmek için ideal bir teknolojidir. En önemlisi, tamamen merkeziyetsiz olduklarından, kullanıcıların verilerini, kitlelerini ve sonuçlarını kendi sahiplenmelerine ve kontrol etmelerine izin verirler.
Günümüzde blokzincir ekosisteminin büyük bir bölümü oldukça parçalanmış durumda. Nimble’ın içgörülerinden yararlanmak için merkeziyetsiz web’in çeşitli uygulamaları dApps’lerin, protokolün çıktıları en popüler blokzincirlerine doğal olarak köprülenmelidir.
Ayrıca, geleneksel uygulamalar ve işletmeler, geliştirici SDK’larını kullanarak doğrudan Nimble modellerinden gelen içgörüleri kullanabilirler.
Nimble ‘da Nasıl Madenci Olurum?
Madenci SDK’ları yayınlandıktan sonra herhangi bir geliştirici, madenci yönetişim politikasına uygun olarak katkıda bulunabilir ve madenci olabilir. Politika hazır olduğunda yayınlanacak. Madencilerin 2024’ün ilk çeyreğinin sonundan itibaren katkıda bulunmaları bekleniyor. Madenciler, ağa gerçek yapay zeka modeli çözümleri sağlayan yapay zeka model sağlayıcıları olacak.
NIMBLE Tokenleri Nasıl Oluşturulur?
Tokenlerin %45’i, token oluşturma etkinliğinden (TGE) bu yana 48 ay içinde piyasaya sürülmek üzere madencilik ve doğrulama için ayrılmıştır. Her yarılanma döngüsünde 2102400 blok bulunur ve her blok adımı 15 saniyedir. Her blokta sabit bir oranda yeni tokenler üretilecek. TGE’de blok başına yaklaşık 114.155251142 token yaratılıyor. Bu her 12 ayda bir (yani 365 günde) yarıya indirilecek. Yeni basılan tokenler madenciler ve doğrulayıcılar arasında eşit olarak paylaşılacak. Doğrulayıcılar, ağ doğrulama ödülleri almak için pay alacaklar.
Tablo NIMBLE tokenlerin dağılımını göstermektedir. Token listelemesi, 2024 yılının 2. çeyreğine kadar altyapı lansmanından hemen sonra gerçekleşecek. Altyapı lansmanı beklenenden daha erken gerçekleşirse token listelemesi de programın ilerisinde olacak.
NIMBLE Tokenlerinin Neden Değeri Var?
Her token, madenciler tarafından gerçek bir AI eşleştirme veya model çözümü sağlama çabasıyla eşleştirilir. Ağın büyümesi ve her 12 ayda bir yarıya indirilmesiyle, NIMBLE tokenlerinin basılması giderek daha rekabetçi hale gelecek. Herkes NIMBLE tokenlerini doğrulayıcılara devredebilir ve staking ödülleri kazanabilir. Doğrulayıcılar stake etme ödüllerinin yüzdesine karar vermek için birbirleriyle yarışırlar. Ödül pazarı, doğrulayıcılar arasında rekabeti başlatır ve ağın sağlamlığını artırır.
Üç Pazar
Protokol, Nimble vizyonunu gerçekleştirmek için bir araya gelen üç merkeziyetsiz pazardan oluşmaktadır. Bu eşler arası pazarlar, doğrulayıcılar tarafından doğrulamak üzere blokzincire işlemler gönderirler. İşlemler, işlem, emir ve kanıtlar şeklinde gelir. Katılımcılar yalnızca geçerli işlemler için ödüllendirilir, bu da iyi davranışı motive eder.
Veri Pazarı
Yapay zeka modellerini eğitmek veri yoğun bir süreç olduğundan, büyük miktarda veri tüketmek herhangi bir başarılı sistemin ön koşuludur. Adil bir şekilde, Nimble’ın, token ödülleri karşılığında herkesin veri katkıda bulunmasına izin vermesi gerekir.
Kullanıcılar, veri setlerini ve model parametrelerini veri pazarında teklif emirleri olarak yerleştirirler. Bir teklif, bir teklif ile karşılandığında, doğrulayıcılar kullanıcıyı tokenlerle ödüllendirirler. Veri, kullanıcıdan düğüme gizliliği koruyan bir şekilde iletilir.
Hesaplama Pazarı
Nimble üzerindeki yapay zeka modellerini sunmak ve sürdürmek için iki temel türde hesaplama gerçekleşmelidir. İlk olarak, veriler yapay zeka modelleri tarafından kullanılabilir hale gelmek üzere önceden işlenmelidir. Sonrasında, modeller, tahmin isteklerinden sonuç üretmek için önceden işlenmiş veriler kullanılarak eğitilmelidir.
Hesaplama Pazarı, merkezi platformların veri sunucularına karşı merkeziyetsiz bir alternatiftir. Bir işverenin (müşteri) bir sorgusu (iş) vardır ve bunu yanıtlayacak bir veri ve/veya model (kalibre) ile doğrulayıcı arar. Yönlendiriciler, doğrulayıcılar tarafından sağlanan sonuçların güvenilir olduğunu garanti ederler.
Oluşturucu Pazarı
Deneyimli yapay zeka geliştiricileri, yapımcı pazarında token ödülleri karşılığında modellerini katkıda bulunabilirler. Nimble’da herhangi bir alanın modelleri çalıştırılabilir. Modeller son kullanıcılar tarafından sorgulandığında, yapımcılar, katkıları için ağ ücretlerinden bir pay alırlar.
Bu teşvik planı, yapımcıları ağa yüksek kaliteli, çeşitli modeller sunmaya teşvik eder. Bir model ne kadar çok kullanılırsa, yapımcı Nimble’dan o kadar çok kazanç elde edebilir.
Bileşen Tabanlı Yapay Zeka Uygulamaları
Dil Modelleri
OpenAI’nin ChatGPT gibi büyük dil modelleri, eğitim ve popüler ürünlerini güçlendiren dönüştürücülerde bileşen tabanlı yapay zekayı kullanır.
Dil modelleri tarafından kullanılan en yaygın mimari, Dönüştürücü Model’dir. Dönüştürücüler, kullanıcının girdisine dayanarak çıktılarını oluştururlar.
Dönüştürücülerin dört farklı sinir ağı katmanına dayalı en yaygın mimarisi budur. Bu dört katman, kullanıcının girdisine yanıt oluşturmak için birlikte çalışır:
Gömme katmanı: Kullanıcı girişini “gömme” adı verilen bir makine tarafından okunabilir formata dönüştürür.
Beslemeli katman: Kullanıcının girdisini, niyetlerini yorumlamak gibi daha yüksek seviye soyutlamaları yorumlamak için dönüştürür.
Yinelemeli katman: Kullanıcının girdisindeki kelimeler arasındaki ilişkiyi yakalar.
Dikkat mekanizması: Modelin dikkatini giriş metninin en önemli kısmına odaklar.
Bu dört bileşen, bileşen tabanlı olarak bir araya gelerek dikkate değer sonuçlar üretir.
Geliştiriciler, Nimble’ın bileşen tabanlı yapay zeka protokolünü kullanarak tüm dönüştürücüleri dağıtabilir veya diğer modellerden katmanlar alarak kendi yenilikçi ve güçlü uygulamalar
Arama Sıralaması
Arama motorları, kullanıcının niyetini arama terimlerinden yorumlayarak anlamlı sonuçlar üretmek için bileşen tabanlı yapay zekayı kullanır ve ardından binlerce kriteri baz alarak sıralı bir liste döndürür.
Kullanıcıya döndürülebilecek milyarlarca olası içerik öğesi olduğundan, tüm olası öğelerin sıralamasını oluşturmak gerçekçi değildir. Bu, çok yavaş olurdu. Modern arama şirketleri, arama performansını hızlandırmak için İki Kule modeli adı verilen bileşen tabanlı bir yapay zeka yönteminden yararlanır. Bu yöntem iki aşamadan oluşur:
- Geri Getirme (aday üretimi). Bu model, kullanıcının metin sorgusuna uygun birkaç yüz sırasız öğeyi döndürür.
- Sıralama (yeniden sıralama). Bu model, döndürülen öğelerin listesini gözden geçirir ve nihai bir liste oluşturmak için tüm özelliklerini daha detaylı olarak inceler.
Birden fazla modelin sonuçlarını bir araya getirerek, son kullanıcılar için yüksek kaliteli bir sonuç hızlı bir şekilde oluşturulabilir. Bileşen tabanlı olmaksızın, tek başına modellerden gelen sonuçlar ya pratik olmayacak kadar yavaş olur ya da kullanıcının beklenen düzeyde özelleştirme sağlamaz.
Güvenlik için Anomali Tespiti
Modern siber güvenlik programları, ağlarını ve organizasyonlarını tehditleri tanımlamak ve önlemek için anormallik tespit çözümlerinden yararlanır. Sızma Tespit Sistemleri (IDS) veya Sızma Önleme Sistemleri (IPS) gibi çözümler, bağlı cihazların (örneğin, IoT kameralar, yazıcılar, akıllı aydınlatma) normal koşullar altında nasıl davrandığını öğrenir.
Bu cihazlar kötü amaçlı yazılımlar tarafından tehlikeye atıldığında veya kötü niyetli bir aktör tarafından kullanıldığında davranışları değişir. IDS/IPS çözümleri, bu davranışı otomatik olarak engelleyebilir ve ağın güvenliğini artırabilir.
Bu araçlar, işlev görmek için veri yoğun makine öğrenimi tekniklerine dayanır. Tehditleri önlemek için bileşen tabanlı yapay zeka aracılığıyla bir dizi modelden yararlanılabilir.
Davranış öğrenme modeli: Cihaz davranışı IP paketleri şeklinde bir makine öğrenme modeline normal koşullarda beslenir. Bu, cihazın davranış taban çizgisini oluşturur.
Anomali modeli: Ayrı bir makine öğrenme modeli, canlı trafiği normalle karşılaştırarak IP üzerinden üretim ağını izler.
Bu modeller ayrı ayrı iş değerine sahip değildir. Ancak bir araya geldiklerinde, çok milyar dolarlık bir endüstrinin etkin teknolojisi haline gelirler. İş değeri, sadece bileşen tabanlı olabilen bir yapı sayesinde mümkündür.
Sahtecilik Tespiti
Uber, sürücüler ve yolcular arasındaki işbirliğini ve sahtekarlığı önlemek için bileşen tabanlı yapay zekayı kullanır. Yaygın bir sahtekarlık türü, sürücülerin yolcularla birlikte çalışarak çalıntı kredi kartlarını kullanarak yolculuk talep etmeleridir. Bu, kredi kartı şirketinden geri bildirim alınmasına ve gelir kaybına yol açabilir.
Bu tür bir sahtekarlığı tespit etmek için Uber, yolcular ve sürücüler arasındaki bağlantıları tanımlamak için bir yapay zeka model ağı kullanır. İlişkili kullanıcılar, birbirlerini tanımayan kullanıcılardan daha fazla sahtekarlık yapmak için işbirliği yapma eğilimindedir.
Uber, sahtekarlığı tespit etmek için birden fazla risk modeli ve bir dizi kontrol noktası kullanır. Her modelden türetilen sahtekarlık puanları, doğruluklarını artırmak için akışa bağlı modellerde özellik olarak kullanılır.
Gerçek iş hedeflerine bağlı üretim ortamlarında, yapay zeka modellerinden gelen tahminlerin kalitesi, şirketin karlılığı üzerinde somut etkilere sahip olabilir. Bu senaryolarda, bileşen tabanlı yapı, basit bir evcil proje olarak işlev gören bir yapay zeka modeli ile şirkete önemli miktarlarda para kazandırabilen bir üretim sistemi arasındaki ana farktır.
Zeka Ekonomisi
Web2’nin platformları, bilişim ve ağların karmaşıklığını şeffaf bir şekilde render ederek İnterneti herkese erişilebilir ve kullanılabilir hale getirdi. Şimdi, çevrimiçi yaşamlarımızı tekelleştiriyor ve gizliliğimizi erozyona uğratıyorlar.
Nimble’ın bileşen tabanlı yapay zeka protokolü, herkesin son teknoloji yapay zeka teknolojisinden en az engelleme ile yararlanmasını ve katkıda bulunmasını sağlayacak. Zeka ekonomisi oluşturarak, Nimble, Web3’ün gerçek işlevselliğini ana akım dijital ortama getirecek.
