AI ve Web3'ün Çarpışması: Gelecek Gelişmeler ve Zorluklar

I. Giriş: AI+Web3'ün Gelişim Durumu

Son yıllarda, yapay zeka (AI) ve Web3 teknolojilerinin hızlı gelişimi, dünya genelinde geniş bir ilgi uyandırdı. Yapay zeka, yüz tanıma, doğal dil işleme, makine öğrenimi gibi alanlarda önemli atılımlar gerçekleştirdi ve çeşitli sektörlere büyük dönüşüm ve yenilikler getirdi. 2023 yılında, yapay zeka sektörünün pazar büyüklüğü 200 milyar dolara ulaştı, OpenAI, Character.AI, Midjourney gibi sektör devleri ve başarılı oyuncular ortaya çıkarak yapay zeka dalgasına öncülük etti.

Bu arada, Web3, yeni bir ağ modeli olarak, insanların interneti anlama ve kullanma biçimlerini değiştirmektedir. Web3, merkeziyetsiz blok zinciri teknolojisi üzerine kuruludur ve akıllı sözleşmeler, dağıtılmış depolama ve merkeziyetsiz kimlik doğrulama gibi işlevler aracılığıyla veri paylaşımını ve kontrolünü, kullanıcı özerkliğini ve güven mekanizmalarının kurulmasını sağlamaktadır. Web3'ün temel ilkesi, verileri merkeziyetçi otoritelerin elinden kurtararak kullanıcılara veri üzerindeki kontrol ve değer paylaşımı hakkı vermektir. Şu anda Web3 endüstrisinin piyasa değeri 25 trilyon dolar, Bitcoin, Ethereum, Solana gibi projeler ve uygulama katmanındaki Uniswap, Stepn gibi yeni projeler sürekli ortaya çıkmakta ve giderek daha fazla insanı Web3 endüstrisine katılmaya çekmektedir.

AI ve Web3'ün birleşimi, hem Doğu hem de Batı'daki geliştiriciler ve yatırımcılar tarafından büyük bir ilgiyle takip edilen bir alandır. İkisini nasıl iyi bir şekilde birleştireceği, keşfetmeye değer bir sorudur. Bu makale, AI+Web3'ün mevcut durumunu inceleyecek, mevcut projelerin karşılaştığı sınırlamaları ve zorlukları analiz edecek, yatırımcılara ve sektör profesyonellerine referans ve içgörü sağlayacaktır.

İkincisi, AI ve Web3'ün etkileşim yolları

AI ve Web3'ün gelişimi, bir terazi gibi iki tarafı andırıyor; AI, üretkenlik artışı sağlarken, Web3, üretim ilişkilerinde bir dönüşüm getiriyor. Peki, AI ve Web3 arasında ne gibi kıvılcımlar çıkabilir? Öncelikle AI ve Web3 sektörlerinin karşılaştığı zorlukları ve gelişim alanlarını analiz edeceğiz, ardından da birbirlerine bu zorlukları çözmede nasıl yardımcı olabileceklerini tartışacağız.

2.1 AI sektörünün karşılaştığı zorluklar

AI sektörünün karşılaştığı zorlukları incelemek için öncelikle AI sektörünün özüne bakalım. AI sektörünün çekirdeği, üç temel unsura dayanır: hesaplama gücü, algoritma ve veri.

1. Hesaplama Gücü: Büyük ölçekli hesaplama ve işleme yeteneğini ifade eder. AI görevleri genellikle büyük miktarda veri işlemek ve karmaşık hesaplamalar gerçekleştirmek gerektirir, örneğin derin sinir ağı modellerinin eğitimi. Yüksek yoğunlukta hesaplama gücü, model eğitimi ve çıkarım sürecini hızlandırarak AI sistemlerinin performansını ve verimliliğini artırabilir. Son yıllarda, GPU ve özel AI çiplerinin ( gibi TPU) gelişimiyle, hesaplama gücündeki artış AI endüstrisinin gelişiminde önemli bir itici güç olmuştur.

2. Algoritma: AI sisteminin temel bileşenidir, sorunları çözmek ve görevleri yerine getirmek için matematiksel ve istatistiksel yöntemler kullanır. AI algoritmaları geleneksel makine öğrenimi algoritmaları ve derin öğrenme algoritmaları olarak ikiye ayrılabilir, bunlar arasında son yıllarda önemli ilerlemeler kaydedilmiştir. Algoritmanın seçimi ve tasarımı, AI sisteminin performansı ve etkisi açısından son derece önemlidir. Sürekli olarak geliştirilen ve yenilenen algoritmalar, AI sisteminin doğruluğunu, dayanıklılığını ve genelleme yeteneğini artırabilir.

3. Veri: AI sisteminin temel görevi, öğrenme ve eğitim yoluyla verilerdeki kalıpları ve kuralları çıkarmaktır. Veriler, modellerin eğitimi ve optimizasyonunun temelini oluşturur; büyük ölçekli veri örnekleri aracılığıyla AI sistemleri daha doğru ve daha akıllı modeller öğrenebilir. Zengin veri setleri, modellerin daha önce görülmemiş verilere daha iyi genelleştirilmesine yardımcı olarak, AI sisteminin gerçek dünya problemlerini daha iyi anlamasına ve çözmesine olanak tanır.

AI'nin temel üç unsurunu anladıktan sonra, bu üç alanda AI'nin karşılaştığı zorlukları ve engelleri inceleyelim:

Hesaplama gücü açısından, AI görevleri genellikle model eğitimi ve çıkarım için büyük miktarda hesaplama kaynağına ihtiyaç duyar, özellikle derin öğrenme modelleri için. Büyük ölçekli hesaplama gücü elde etmek ve yönetmek pahalı ve karmaşık bir zorluktur. Yüksek performanslı hesaplama cihazlarının maliyeti, enerji tüketimi ve bakımı sorunlardır. Özellikle girişimciler ve bireysel geliştiriciler için yeterli hesaplama gücü elde etmek zor olabilir.

Algoritma açısından, derin öğrenme algoritmalarının birçok alanda büyük başarılar elde etmesine rağmen, hala bazı zorluklar ve engeller bulunmaktadır. Örneğin, derin sinir ağlarını eğitmek için büyük miktarda veriye ve hesaplama kaynaklarına ihtiyaç vardır ve bazı görevler için modelin açıklanabilirliği ve anlaşılabilirliği yetersiz olabilir. Ayrıca, algoritmanın dayanıklılığı ve genelleme yeteneği de önemli sorunlardır, modelin daha önce görülmemiş veriler üzerindeki performansı istikrarsız olabilir. Sayısız algoritma arasında, en iyi hizmeti sunan en iyi algoritmayı bulmak sürekli keşif gerektiren bir süreçtir.

Veri açısından, veriler AI'nın itici gücüdür, ancak yüksek kaliteli ve çeşitli verileri elde etmek hala bir zorluktur. Bazı alanlardaki verileri elde etmek zor olabilir, örneğin sağlık alanındaki hassas sağlık verileri. Ayrıca, verinin kalitesi, doğruluğu ve etiketlemesi de sorunlardır; eksik veya yanlı veriler, modellerin hatalı davranışlarına veya yanlılıklarına neden olabilir. Aynı zamanda, verilerin gizliliğini ve güvenliğini korumak da önemli bir husustur.

Ayrıca, açıklanabilirlik ve şeffaflık gibi sorunlar da bulunmaktadır; AI modellerinin kara kutu özelliği, kamuoyunun endişe duyduğu bir konudur. Finans, sağlık ve adalet gibi bazı uygulamalarda, modelin karar verme süreci açıklanabilir ve izlenebilir olmalıdır, ancak mevcut derin öğrenme modelleri genellikle şeffaflık açısından yetersizdir. Modellerin karar verme süreçlerini açıklamak ve güvenilir açıklamalar sağlamak hala bir zorluktur.

Bunun yanı sıra, birçok AI projesinin girişimcilik iş modeli yeterince net değil, bu da birçok AI girişimcisinin kafasının karışmasına neden oluyor.

2.2 Web3 sektörünün karşılaştığı zorluklar

Web3 sektöründe, şu anda çözülmesi gereken birçok farklı zorluk bulunmaktadır; ister Web3 verilerinin analizi, ister Web3 ürünlerinin zayıf kullanıcı deneyimi, isterse akıllı sözleşme kodundaki açıklar ve hacker saldırıları olsun, iyileştirme için birçok fırsat mevcuttur. AI, verimliliği artırma aracı olarak, bu alanlarda da birçok potansiyel fırsata sahiptir.

Öncelikle veri analizi ve tahmin yeteneklerinin geliştirilmesi: AI teknolojisinin veri analizi ve tahmin alanındaki uygulamaları, Web3 endüstrisine büyük bir etki yarattı. AI algoritmalarının akıllı analizi ve madenciliği sayesinde, Web3 platformları büyük veri yığınlarından değerli bilgiler çıkarabilir ve daha doğru tahminler ve kararlar alabilir. Bu, merkeziyetsiz finans ( DeFi ) alanındaki risk değerlendirmesi, piyasa tahminleri ve varlık yönetimi gibi konularda önemli bir anlam taşımaktadır.

Ayrıca, kullanıcı deneyimi ve kişiselleştirilmiş hizmetlerin iyileştirilmesi de sağlanabilir: AI teknolojisinin uygulanması, Web3 platformlarının daha iyi bir kullanıcı deneyimi ve kişiselleştirilmiş hizmetler sunmasını mümkün kılar. Kullanıcı verilerinin analizi ve modellemesi aracılığıyla, Web3 platformları kullanıcılara kişiselleştirilmiş öneriler, özel hizmetler ve akıllı etkileşim deneyimleri sunabilir. Bu, kullanıcı katılımını ve memnuniyetini artırmaya yardımcı olur, Web3 ekosisteminin gelişimini destekler; örneğin, birçok Web3 protokolü, kullanıcıları daha iyi hizmet etmek için ChatGPT gibi AI araçlarına entegre olmuştur.

Güvenlik ve gizlilik koruma açısından, AI uygulamaları Web3 sektöründe de derin etkiler yaratmaktadır. AI teknolojisi, siber saldırıları tespit etmek ve savunmak, anormal davranışları tanımlamak ve daha güçlü güvenlik sağlamak için kullanılabilir. Aynı zamanda, AI veri gizliliği koruma alanında da kullanılabilir; veri şifreleme ve gizlilik hesaplama gibi teknolojiler aracılığıyla, kullanıcıların Web3 platformlarındaki kişisel bilgilerini korur. Akıllı sözleşmelerin denetimi konusunda, akıllı sözleşmelerin yazım ve denetim sürecinde açıklar ve güvenlik tehditleri olabileceğinden, AI teknolojisi sözleşme denetimini ve açık tespitini otomatikleştirmek için kullanılabilir, sözleşmelerin güvenliğini ve güvenilirliğini artırır.

Web3 sektörünün karşılaştığı zorluklar ve potansiyel gelişim alanları açısından, AI birçok alanda yer alabilir ve destek sağlayabilir.

Üç, AI+Web3 Projelerinin Mevcut Durum Analizi

AI ve Web3'ü birleştiren projeler, esasen iki büyük alandan yola çıkarak ilerlemektedir: blockchain teknolojisini kullanarak AI projelerinin performansını artırmak ve AI teknolojisini Web3 projelerinin geliştirilmesine hizmet etmek.

İki alan etrafında, Io.net, Gensyn, Ritual gibi çeşitli projelerin bu yolda keşif yaptığı büyük bir proje yelpazesi ortaya çıktı. Bu makalede, AI'nin web3'ü desteklemesi ve Web3'ün AI'yi desteklemesi gibi farklı alt alanların mevcut durumu ve gelişimi analiz edilecektir.

3.1 Web3, AI'yi destekliyor

3.1.1 Merkeziyetsiz Hesaplama Gücü

Bir platformun 2022 yılının sonunda ChatGPT'yi piyasaya sürmesiyle birlikte, AI patlaması başladı. Lansmandan 5 gün sonra kullanıcı sayısı 1 milyona ulaştı, oysa daha önceki bir platformun 1 milyon indirme sayısına ulaşması yaklaşık iki buçuk ay sürmüştü. Ardından, ChatGPT'nin etkisi de oldukça hızlı oldu; 2 ay içinde aylık aktif kullanıcı sayısı 100 milyona ulaştı ve 2023 Kasım'ında haftalık aktif kullanıcı sayısı 100 milyona çıktı. ChatGPT'nin piyasaya sürülmesiyle birlikte, AI alanı da hızla niş bir alandan ilgi gören bir sektöre dönüşerek patladı.

Bir rapora göre, ChatGPT'nin çalışabilmesi için 30.000 adet belirli bir markanın GPU'suna ihtiyaç var ve gelecekte GPT-5'in çok daha fazla hesaplama gücüne ihtiyaç duyacağı belirtiliyor. Bu durum, AI şirketleri arasında bir silahlanma yarışını başlattı; yeterli hesaplama gücüne sahip olanlar, AI savaşında yeterli itici güç ve avantaj elde edebilecekleri için GPU kıtlığı da bu sebepten kaynaklanıyor.

AI'nın yükselişinden önce, GPU'nun en büyük tedarikçilerinin müşterileri üç büyük bulut hizmetinde yoğunlaşmıştı. Yapay zekanın yükselmesiyle birlikte, büyük teknoloji şirketleri ve diğer veri platformları ile yapay zeka girişimcileri gibi çok sayıda yeni alıcı ortaya çıktı ve yapay zeka modellerini eğitmek için GPU biriktirme savaşına katıldılar. Bazı büyük teknoloji şirketleri, özelleştirilmiş AI modelleri ve iç araştırmalar için satın alma miktarını büyük ölçüde artırdı. Bazı temel model şirketleri ve veri platformları da müşterilere yapay zeka hizmetleri sunmalarına yardımcı olmak için daha fazla GPU satın aldı.

Geçen yılki bir analizin belirttiği gibi "GPU zenginleri ve GPU fakirleri", birkaç şirket 20.000'den fazla yüksek kaliteli GPU'ya sahip ve ekip üyeleri projelerde 100 ila 1000 GPU kullanabiliyor. Bu şirketler ya bulut sağlayıcıları ya da kendi LLM'lerini oluşturan, bazı büyük AI şirketleri gibi.

Ancak çoğu şirket GPU fakiri, yalnızca çok daha az sayıda GPU ile mücadele edebiliyor ve ekosistemi geliştirmeyi zorlaştıran şeyler üzerinde büyük zaman ve enerji harcıyor. Bu durum yalnızca yeni kurulan şirketlerle sınırlı değil. En tanınmış yapay zeka şirketlerinin yüksek kaliteli GPU sayısı 20K'dan az. Bu şirketler dünya çapında birinci sınıf teknik yeteneklere sahipler, ancak GPU tedarik miktarıyla sınırlı oldukları için büyük şirketlerle yapay zeka yarışında dezavantajlı durumdalar.

Bu kıtlık yalnızca "GPU yoksulları" ile sınırlı değil, hatta 2023 yılının sonuna yaklaşırken, AI alanındaki önde gelen firmalar yeterli GPU temin edemedikleri için birkaç hafta boyunca ücretli kayıtları kapatmak zorunda kaldı ve daha fazla GPU tedarik etmeye çalıştı.

Görülebilir ki, AI'nın hızlı gelişimiyle birlikte GPU talep ve arz tarafında ciddi bir uyumsuzluk ortaya çıkmış, arzın talebi karşılayamama sorunu kapıda.

Bu sorunu çözmek için, bazı Web3 projeleri, Web3'ün teknik özelliklerini birleştirerek merkeziyetsiz hesaplama gücü hizmetleri sunmaya başlamıştır; bunlar arasında Akash, Render, Gensyn gibi projeler bulunmaktadır. Bu tür projelerin ortak noktası, kullanıcıların atıl GPU hesaplama gücünü sağlamaları için tokenler aracılığıyla teşvik edilmeleri ve AI müşterilerine hesaplama gücü desteği sağlamak için hesaplama gücünün arz tarafı haline gelmeleridir.

Arz tarafı profili esasen üç ana alana ayrılabilir: bulut hizmet sağlayıcıları, kripto para madencileri, işletmeler.

Bulut hizmet sağlayıcıları, büyük bulut hizmet sağlayıcıları ve GPU bulut hizmet sağlayıcıları dahil olmak üzere, kullanıcılar, boşta kalan bulut hizmet sağlayıcılarının hesaplama gücünü yeniden satarak gelir elde edebilirler. Kripto madencileri, bir kamu zinciri PoW'dan PoS'a geçerken, boşta kalan GPU hesaplama gücü de önemli bir potansiyel arz tarafı haline gelmiştir. Ayrıca, bazı büyük şirketler stratejik düzenlemeleri nedeniyle büyük miktarda GPU satın almış olsalar da, boşta kalan GPU hesaplama gücünü arz tarafı olarak kullanabilirler.

Şu anda sektördeki oyuncular genel olarak iki gruba ayrılıyor; biri merkeziyetsiz hesaplama gücünü AI çıkarımı için kullanırken, diğeri merkeziyetsiz hesaplama gücünü AI eğitimi olarak kullanıyor. İlk grup, Render( gibi render'a odaklansa da, AI hesaplama gücünün sağlanması için de kullanılabilir; ), Akash, Aethir gibi. İkinci grup ise io.net( çıkarım ve eğitimi destekleyebilir; ), Gensyn gibi. İki grup arasındaki en büyük fark, hesaplama gücünün gereksinimlerinin farklı olmasıdır.

Öncelikle, önceki AI çıkarım projelerini konuşalım. Bu tür projeler, kullanıcıları hesap gücü sağlamaya katılmaya teşvik etmek için token teşvikleri kullanarak, ardından hesap gücü ağ hizmetlerini talep eden tarafa sunarak atıl hesap gücünün arz ve talebini eşleştirir.

En temel nokta, token teşvik mekanizması aracılığıyla projelerin önce tedarikçileri çekmesi, ardından kullanıcıları kullanmaya teşvik etmesidir. Böylece projenin soğuk başlangıcı ve temel çalışma mekanizması gerçekleştirilir.