Ethereum’un kurucularından Vitalik Buterin, yapay zekada son dönemde yaşanan gelişmelerin Ethereum’un gizlilik altyapısını doğrudan destekleyebileceğini belirtti. Buterin’in vurguladığı en yeni adım ise, DeepSeek V4 modelinin 2-bit quantized (nicemlenmiş) versiyonunun, 90 GB VRAM alanı ile kullanıcıların kişisel donanımında çalışabilmesi oldu.
Yerel AI kullanımı ve donanım farkları
Buterin, DeepSeek V4’ün yenilenen düşük bellekli sürümünün, merkezi sunuculara ihtiyaç duymadan çalışabilmesinin önemli bir avantaj olduğunu belirtti. Bu sayede bireysel kullanıcılar, yapay zekaya daha erişilebilir şekilde ulaşabiliyor. Ancak performans, kullanılan donanıma göre ciddi farklılıklar gösteriyor. Örneğin Apple donanımlarda saniyede 35 token üretebilen model, AMD tabanlı sistemlerde bu değerin yalnızca 7 token civarında kaldığı görülüyor.
Buterin, “Birden fazla donanım üreticisi için düzgün destek sunmak, merkeziyetsiz yapay zeka ile gerçekten açık ekosisteme sahip yapay zeka arasında önemli bir fark yaratıyor” ifadelerine yer verdi.
Buterin ayrıca LuceBox Hub adlı bir aracın, yoğun yapay zeka modellerini daha hızlı ve verimli çalıştırabildiğini aktardı. Kendi RTX 5090 ekran kartı kullanarak yapılan karşılaştırmada, bu aracın en yaygın lokal modellerden biri olan llama.cpp’dan yaklaşık iki kat hızlı çalıştığı ifade edildi. LuceBox Hub’ın halen geliştirme aşamasında olduğu da vurgulandı.
Mini sözlük: 2-bit quantized model: Büyük dil modellerinin boyutunu ve bellek ihtiyacını azaltmak için ağırlıkların yalnızca iki bit ile temsil edildiği sıkıştırılmış sürümdür. Bu sayede daha düşük donanımla daha hızlı sonuç alınabilir.
| Donanım | Saniyede Token (DeepSeek V4 2-bit) | Bellek İhtiyacı |
|---|---|---|
| Apple (MAC) | 35 | 90 GB VRAM |
| AMD | 7 | 90 GB VRAM |
| RTX 5090 (LuceBox Hub) | yaklaşık 2x llama.cpp | Değişken |
Ethereum’a özel AI ve gizlilik altyapısı
Buterin, yerel yapay zeka altyapısının Ethereum’un gizlilik hedeflerini doğrudan desteklediğine dikkat çekti. Özellikle sıfır bilgi kanıtları (zero-knowledge proofs – ZK), hem ücretli uzaktan büyük dil modeli çağrılarına hem de Ethereum ağında özel RPC okuma işlemlerine olanak tanıyabiliyor. Bu teknoloji sayesinde, iki alan arasındaki teknik altyapı benzerlik gösteriyor ve geliştirmeler birbirine fayda sağlıyor.
Mini sözlük: Zero-knowledge proofs (ZK): Bir tarafın, belirli bir bilginin doğruluğunu karşı tarafa o bilgiyi ifşa etmeden ispatladığı kriptografik yöntemdir. Ethereum’un gizlilik protokollerinde sıkça kullanılır.
Buterin ayrıca, Ethereum ekosistemi için özel olarak ince ayar yapılmış yapay zekâ modellerinin, akıllı kontrat ve protokol güvenliğini artırabileceğini belirtti. Örneğin Leanstral adlı model, Lean kodu oluşturmakta 38 token/sn hız yakalar ve çok daha büyük bir parametreye sahip modellerle rekabet edebilir nitelikte. Benzer şekilde Ethereum tabanlı uygulamalar için eğitilmiş modeller, kod doğrulama ve güvenlik süreçlerini hızlandırabilir.
Buterin’den güvenli protokol çağrısı
Buterin, Ethereum’un geliştirilmesi sürecinde bu gibi ince ayar yapılmış modellerin önemini vurguladı ve akıllı sözleşmelerin denetlenmesinde daha sistematik ve otomasyon tabanlı yaklaşımların geliştirilmesi gerektiğini aktardı. Bu çerçevede hem yapay zekanın hem de blockchain teknolojisinin birlikte çalışabileceğine dikkat çekti.
