Her arama yaptığınızda, internette gezindiğinizde veya bir uygulamayla etkileşime girdiğinizde veri üretirsiniz.
Bu veriler, yapay zekâ şirketleri için milyarlarca değerindedir. Ancak bunları toplayan platformlar, bu değerin neredeyse tamamını kendilerine alır.
Yeni nesil merkeziyetsiz yapay zekâ veri pazar yerleri, bu düzeni tersine çevirmek istiyor — katkı sağlayanlara, verileri bir makine öğrenimi modelini eğittiğinde doğrudan kripto ile ödeme yaparak.
Mekanikler, basit bir “verinin sahibi ol” sloganından çok daha derine iniyor.
Doğrulama katmanları, staking sistemleri, mahremiyet kısıtları ve token ekonomileri var — ve birlikte, bir katkı sağlayanın adil ödeme alıp almayacağını belirliyorlar.
Bu yazı, bu sistemlerin temelden itibaren nasıl çalıştığını açıklıyor.
Özet (TL;DR)
- Merkeziyetsiz yapay zekâ veri pazar yerleri, ham veriye sahip kişiler ile etiketli, doğrulanmış eğitim setlerine ihtiyaç duyan yapay zekâ geliştiricilerini bir araya getirir ve ödemeleri güven gerektirmeden yürütmek için kripto token’lar kullanır.
- Katkı sağlayanlar verilerini sunar; bu veriler, ödeme serbest bırakılmadan önce zincir üzerinde veya merkeziyetsiz oracle ağları aracılığıyla doğrulanır, böylece gelir paylaşımından aracı platform kaldırılır.
- Federated learning ve sıfır bilgi ispatları gibi mahremiyet koruyucu teknikler, ham temel bilginin katkı sağlayanın cihazını hiç terk etmesine gerek kalmadan verinin paraya çevrilmesini sağlar.
- Staking, slashing ve itibar puanlamasını içeren token ekonomisi, katkı sağlayanların çöplük yerine doğru veri göndermeleri için teşvikleri hizalar.
- Solana üzerindeki Kled AI gibi projeler mevcut sınırı temsil ediyor, ancak model birden fazla zincire ve rekabet eden birkaç mimariye yayılıyor.
Yapay Zekâ Şirketlerinin Neden Bu Kadar Çok Veriye İhtiyacı Var ve Bugün Bunu Kim Ödüyor?
Büyük dil modelleri ve görüntü tanıma sistemleri, abartmak zor olacak kadar veri aç gözlüdür.
Öncü bir model için tek bir eğitim çalışması, yüz milyarlarca metin token’ı, milyonlarca etiketli görsel veya yıllarca süren kaydedilmiş insan davranışı sinyallerini tüketebilir.
Bu verinin bir yerden gelmesi gerekiyor.
Bugün, çoğu veri birkaç kanaldan geliyor.
Web kazıma (web scraping), ölçekte herkese açık metin toplar. Platform lisans anlaşmaları, yapay zekâ laboratuvarlarına Reddit, haber yayıncıları ve stok fotoğraf ajanslarının da imzaladığı tescilli veri setlerine erişim verir.
Ve kitle kaynaklı anotasyon platformları, insan çalışanlara görselleri etiketlemek, sesi yazıya dökmek veya yapay zekâ yanıtlarını doğruluk için puanlamak üzere küçük ücretler öder.
Anotasyon pazarı büyük ama sömürücüdür. Merkezi platformlardaki çalışanlar genellikle saat başına 1 ila 5 dolar arasında kazanırken, ürettikleri etiketli veri setleri, kayıt başına katlarca daha yüksek fiyata yapay zekâ geliştiricilerine satılır.
Sorun yapısaldır. Veri sahibi ile yapay zekâ alıcısı arasında oturan merkezi bir platform, marjın çoğunu kapar. Fiyatları belirler, kendi kalite standartlarını dayatır ve katkı sağlayanları itiraz imkânı olmadan platformdan atabilir. Merkeziyetsiz pazar yerleri, bu platform katmanını akıllı sözleşmeler, açık protokoller ve token cinsinden ödeme raylarıyla değiştirir.
Bunları da Oku: USDT Kısa Süreliğine Ethereum’u Kriptonun 2 Numaralı Varlığı Olarak Tahtından Etti
Merkeziyetsiz Bir Yapay Zekâ Veri Pazar Yeri Aslında Nedir?
Özünde merkeziyetsiz bir yapay zekâ veri pazar yeri, veri arzı ve veri talebinin, kontrol eden bir aracı olmadan buluştuğu bir protokoldür.
Alıcı tarafı, “veri talebi” yayımlayan yapay zekâ geliştiricileri veya araştırma ekipleridir — veri türünü, kalite standartlarını, format gerekliliklerini ve doğrulanmış kayıt başına ödeyecekleri fiyatı belirtirler.
Satıcı tarafı, bu talepleri karşılayan bireysel katkı sağlayanlar veya veri toplayıcılardır.
Akıllı sözleşme, emanet (escrow) katmanı olarak hareket eder.
Bir alıcı talep yayınladığında fonları sözleşmeye kilitler. Bir katkı sağlayan, doğrulama adımını geçen veri gönderdiğinde, sözleşme ödemeyi otomatik olarak serbest bırakır.
Tarafların hiçbirinin diğerine güvenmesi gerekmez. İkisi de sözleşmenin koduna güvenir.
Verinin kendisi genellikle zincir üzerinde yaşamaz.
Ethereum (ETH) veya Solana (SOL) üzerinde gigabaytlarca etiketli görsel depolamak, son derece pahalı olurdu.
Bunun yerine veri, IPFS veya Arweave gibi merkeziyetsiz bir depolama ağında saklanır ve zincire giren şey, içeriğe dayalı bir hash — dosyanın benzersiz bir parmak izidir.
Akıllı sözleşme, katkı sağlayanın sunduğu hash’in, doğrulanmış ve değiştirilmemiş bir dosyayla eşleşip eşleşmediğini kontrol eder ve ödemeyi ondan sonra serbest bırakır.
İçerik hash’i, bir dosyanın tam içeriğinden matematiksel olarak türetilen kısa bir karakter dizisidir. Dosyada tek bir baytı değiştirin, hash tamamen değişir. Bu, ödeme talebinde bulunulduktan sonra değiştirilmiş veya geri dönüştürülmüş veri için ödeme istemeyi imkânsız hale getirir.
Bunları da Oku: Techdollar, Girişim Çalışanlarının Satmadan Nakit Çıkabilmesi İçin 3 Milyon Dolar Topladı
Merkezi Bir Kapı Bekçisi Olmadan Veri Doğrulama Nasıl Çalışır?
Bu tasarımda en zor sorun doğrulamadır. Merkezi bir platform, kalite inceleyicileri istihdam edebilir.
Bir akıllı sözleşme ise bir görseli okuyamaz veya bir metnin doğru biçimde etiketlenip etiketlenmediğini yargılayamaz, yalnızca mantık yürütür. Merkeziyetsiz pazar yerleri bunu genellikle birlikte kullanılan üç ana yaklaşımla çözer.
Kriptografik ispatlar, doğruluğun matematiksel olarak kontrol edilebildiği yapılandırılmış veriler için işe yarar. Bir katkı sağlayan GPS izleri, sensör okumaları veya finansal kayıtlar gönderiyorsa, bir sıfır bilgi ispatı, verinin belirli özellikleri sağladığını, belirli bir zamanda kaydedildiğini, geçerli bir aralıkta olduğunu, belirli bir cihazdan geldiğini, ham değerleri açığa çıkarmadan doğrulayabilir.
Kitle doğrulama, öznel etiketleme görevleri için kullanılır. Birden çok bağımsız katkı sağlayan aynı veriyi inceler ve değerlendirmelerini gönderir. Sözleşme, yanıtları karşılaştırır ve yanıtları çoğunlukla örtüşen katkı sağlayanlara ödeme yaparken, sürekli aykırı kalanları cezalandırır. Bu, merkezi platformların tembel veya kötü niyetli etiketleyicileri yakalamak için kullandığı artımlı anotasyon tekniğinin merkeziyetsiz bir versiyonudur.
Staking ve slashing, bunun üzerine ekonomik bir katman ekler. Katkı sağlayanlar, veri göndermeye başlamadan önce platformun yerel token’ından bir teminat kilitler. Gönderileri, kitle doğrulama katmanı tarafından tekrar tekrar reddedilir veya sahtekârlık olarak işaretlenirse, stake’leri “slashed” edilir, yani kısmen veya tamamen ellerinden alınır. Bu, düşük kaliteli veri göndermeyi finansal olarak maliyetli hale getirerek, katkı sağlayanın teşvikini alıcının kalite gereklilikleriyle hizalar.
Bunları da Oku: XRP, 0,60 Dolarlık Çöküş Riski Derinleşirken 1 Dolar Desteğini Test Ediyor
Mahremiyet Koruyucu Teknikler Katkı Sağlayanları Nasıl Korur?
Bu modeldeki açık gerilimlerden biri mahremiyettir. Bir kullanıcı tarayıcı geçmişini veya sağlık verilerini bir yapay zekâ geliştiricisine satarsa, değer gerçektir ama maruziyet de öyle. Merkeziyetsiz pazar yerleri bunu giderek olgunlaşan iki teknikle ele alır.
Federated learning, ham veriyi tamamen katkı sağlayanın cihazında tutar. Veriyi merkezi bir sunucuya göndermek yerine, yapay zekâ modeli katkı sağlayanın makinesine gönderilir. Model, ham veri üzerinde yerel olarak eğitilir ve geliştiriciye yalnızca güncellenmiş model ağırlıkları — temel veriyi doğrudan açığa çıkarmayan soyut matematiksel parametreler — geri gönderilir. Birden çok katkı sağlayanın ağırlık güncellemeleri, daha iyi bir model üretmek için birleştirilir. Eğitim verisi, katkı sağlayanın ortamını asla terk etmez.
Differential privacy, paylaşılmadan önce bir veri setine ayarlı istatistiksel gürültü ekler; böylece, veri setini eğitim için faydalı kılan istatistiksel desenler korunurken, toplamdan herhangi bir bireyin spesifik kayıtlarını tersine mühendislikle çıkarmayı imkânsız hale getirir. Eklenen gürültü miktarı ayarlanabilir: Daha fazla gürültü daha güçlü mahremiyet garantileri, ancak biraz daha düşük veri faydası demektir.
Bu teknikler, düzenleyici nedenlerle de önemlidir. Avrupa’daki GDPR ve ABD’deki California Tüketici Mahremiyeti Yasası gibi yasalar, kişisel verinin aktarımı ve kullanımı üzerinde sıkı kurallar uygular. Veri hattının, ham kişisel bilgiyi asla aktarmadığını inandırıcı biçimde gösterebilen bir pazar yeri, ham veri ihracını basitçe paraya çeviren bir pazara kıyasla çok daha temiz bir düzenleyici yolla karşılaşabilir.
Bunları da Oku: HIVE, Bitcoin Madenciliğine Karşı Bahse Girmek İçin Sıfır Faizle 115 Milyon Dolar Borçlandı
Token Ekonomisi, Staking ve Katkı Sağlayanlar Gerçekte Nasıl Ödeme Alır?
Ödeme mekanizması platformdan platforma değişir, ancak çoğu, doğrudan Bitcoin (BTC) gibi büyük bir varlıkla ödeme yapmak yerine yerel bir fayda token’ı kullanır. Token aynı anda birden çok işlev görür.
İlk olarak, veri talepleri için hesap birimidir. Alıcılar tekliflerini token cinsinden belirtir; bu da token’ın talep tarafı değerini yakaladığı anlamına gelir, ne kadar çok veri talebi yayınlanırsa, bunları finanse etmek için o kadar fazla token gerekir.
İkinci olarak, staking, arz tarafında bir kilitlenme yaratır. Katkı sağlayanların pazara katılmak için token tutması ve stake etmesi gerekir; bu da dolaşımdaki arzı azaltır ve katkı sağlayanların teşviklerini ağın sağlığıyla hizalar.
Üçüncü olarak, itibar çoğunlukla token geçmişine bağlıdır. Sürekli stake etmiş, gönderileri kabul edilmiş ve hiçbir zaman slashed edilmemiş bir katkı sağlayan, zincir üzerinde doğrulanabilir bir sicil inşa eder. Bu itibar puanı, verileri için bir fiyat primi talep edebilir; çünkü alıcılar, geçmişi olmayan ilk kez katkı sağlayan birine kıyasla ona daha çok güvenebilir.
Pratikte ödeme akışları şöyle görünür: Bir alıcı bir talep yayınlar ve sözleşme emanetine diyelim ki 500 token yatırır. Bir katkı sağlayan 50 etiketli kayıt gönderir. Doğrulama katmanı bunları kontrol eder ve onaylar. Sözleşme, katkı sağlayana 50 token, gönderimi onaylayan doğrulayıcılara 2 token öder ve kalan 448 token’ı gelecekteki katkı sağlayanlar için tutar. Ödeme onaylandığında, alıcı doğrulanmış veri seti kaydına erişim elde eder.
Token ekonomisi yalnızca veri için gerçek talep varsa işe yarar. Yüksek talep anlatısıyla piyasaya çıkan projeler ancak bu talebi sürdürebilirlerse başarılı olur. katılımcı ödülleri, ancak pazar yerinin diğer tarafında ödeme yapan yapay zekâ geliştirici alıcıların olmaması, sürdürülebilir olmayan enflasyonist token baskısı yaratır.
Ayrıca Oku: OpenAI, Piyasa Dalgalanması Altman’ın Hedeflerini Zorlarken 1 Trilyon Dolarlık Halka Arzını Erteledi
Kled AI ve Benzeri Projeler Bu Modeli Solana Üzerinde Nasıl Uyguluyor?
Kled AI, Solana üzerindeki güncel en ileri durumu örnekliyor. Protokol, kişilerin kişisel verilerini özellikle yapay zekâ model eğitimi için paraya çevirebileceği merkeziyetsiz bir pazar yeri olarak konumlanıyor. Solana’nın düşük işlem maliyetleri ve yüksek işlem hacmi, veri pazarı ekonomisinin gerektirdiği yüksek frekanslı, küçük tutarlı mikrödemeler için bunu pratik kılıyor; tek bir etiketlenmiş görsel için bir tokenın küçük bir kısmını ödemek Solana’da ekonomik olarak mantıklıyken Ethereum ana ağında aynı şey geçerli değil.
Solana mimarisi hız açısından da önemli. Ödeme serbest bırakılmasını tetikleyen veri doğrulamasının hızlı biçimde sonuçlanması gerekir. Katılımcı, ödemenin onaylanması için saatlerce beklediği bir pazar yerini kabul etmeyecektir. Solana’nın saniyenin altındaki kesinleşme süresi, akıllı kontratın güvencesiz (trustless) özelliklerini korurken ödeme deneyimini geleneksel bir platforma oldukça yakın hissettirir.
Velvet, Kled AI ile birlikte trend olurken farklı bir açıdan yaklaşıyor; spot alım-satım, perpetual sözleşmeler ve getiri stratejilerini entegre eden zincir üstü, yapay zekâ destekli bir portföy terminali. Bu alanla ilgili olmasının sebebi, aynı temel temayı göstermesidir: zincir üstü verileri kullanan ve kripto tokenlar üzerinden mutabakat sağlayan yapay zekâ sistemleri. Kled AI ham eğitim verisi için bir piyasa oluştururken, Velvet bu tür işlenmiş piyasa verisini tüketen bir yapay zekâ uygulaması örneğidir. Aynı veri ekonomisi boru hattının iki ucunu temsil ederler.
Bu alanda inşa edilen diğer projeler arasında, Ethereum üzerinde tokenleştirilmiş veri varlıkları kavramının öncüsü olan Ocean Protocol ve özellikle kullanıcıları atıl bant genişliği ve gezinme verilerini yapay zekâ eğitim hatlarına katkılayarak ödüllendiren Grass bulunur. Her biri kısmen farklı bir mimari yaklaşım benimsese de doğrulanmış veri katkıları için kriptografik olarak zorunlu ödemeler üzerine kurulu aynı temel modeli paylaşır.
Ayrıca Oku: Anthropic’in Mythos Dondurması, Asyalı Rakipler Sakana AI ve 360 İçin Kapı Aralıyor
Bu Modelden Gerçekte Kim Yararlanıyor ve Riskler Neler?
Bireysel veri sağlayıcılar için cazibe açıktır: daha önce bedavaya sömürülen değer artık doğrudan yakalanabilir. Geniş bir sosyal medya erişimi, alanına özgü uzmanlığı veya tıbbi kayıtlar, profesyonel hukuki belgeler, İngilizce dışı içerikler gibi nadir veri türlerine erişimi olan biri, gerçek yapay zekâ geliştirici talebinin olduğu bir pazarda anlamlı bir prim talep edebilir.
Yapay zekâ geliştiricileri için merkeziyetsiz pazar yerleri, kazıma (scraping) veya geleneksel lisanslama yoluyla elde edilmesi zor veri türlerine erişim sunar. İnsan üretimi tercih verisi, niş alan açıklamaları ve temsil edilmeyen bölgelerden çok dilli içerikler gerçekten kıttır. Bu veriyi ölçekli biçimde tedarik edip doğrulayabilen bir protokol, gerçek bir değer ifade eder.
Riskler de her iki taraf için gerçektir. Token fiyat oynaklığı, bugün yerel token ile ödeme alan bir katılımcının, harcama zamanına geldiğinde o ödemenin dolar bazında çok daha az değerli olmasına yol açabilir. Alıcılar ise karşıt riskle yüzleşir: bir veri alımını planladıkları zaman ile uyguladıkları zaman arasında token fiyatı sıçrayabilir, bu da veri edinimlerini bütçelenenden daha pahalı hale getirebilir.
Veri kalitesi, ölçek seviyesinde hâlâ çözülmemiş bir zorluktur. Kalabalık doğrulaması ve stake temelli mekanizmalar sahtekârlığı azaltır ama ortadan kaldırmaz.
Gelişmiş kötü aktörler zaman içinde itibar sistemlerini manipüle edebilir ve yeni, kanıtlanmamış bir pazar yerinden veri satın alan yapay zekâ geliştiricileri, uzun geçmişe sahip yerleşik açıklama sağlayıcılarından satın alırken karşılaşmadıkları bir kalite riski üstlenirler.
Düzenleyici risk en büyük bilinmeyendir. Kişisel verinin paraya çevrilmesi, hem ilgili tokenlar için menkul kıymetler mevzuatının hem de hâlâ yazılmakta olan yapay zekâ yönetişim çerçevelerinin yanı sıra veri gizliliği hukukunun kesişiminde yer alır. Bir yargı alanında mevzuata uygun biçimde faaliyet gösteren bir pazar yeri, başka birinde hukuki gri alanda olabilir.
Ayrıca Oku: Ethereum, Kritik Desteğini Kaybettikten Sonra 1.000 Dolara mı İlerliyor?
Son Düşünceler
Merkeziyetsiz yapay zekâ veri pazarları, belirli, teknik olarak temellendirilmiş bir yanıt sunar: eğitim verisini üreten insanlar, tarihsel olarak bu değerin neredeyse hiçbirini elde edememiştir.
Akıllı kontratlar, içerik adresli depolama, federatif öğrenme ve token stake etme birlikte, bu değerin aradaki platform aracısının marjı yakalamasına gerek kalmadan doğrudan katkıcılara akabildiği bir sistem yaratır.
Model hâlâ erken aşamada.
Token ekonomileri olgunlaşıyor, doğrulama sistemlerinin oyunlaştırılmadan milyonlarca katılımcıya ölçeklenebildiğini kanıtlaması gerekiyor ve kişisel veri paraya çevirme etrafındaki düzenleyici ortam hâlâ netleşmedi.
Ancak denklemin talep tarafı ortadan kalkmıyor.
Yapay zekâ geliştiricilerinin, merkezi kaynakların güvenilir biçimde sağlayabileceğinden daha fazla ve daha çeşitli veriye ihtiyacı var.
Bu yapısal ihtiyaç, merkeziyetsiz veri pazarlarına uzun vadeli tezini kazandıran unsurdur.
Sonraki Oku: Balina Aktivitesi ve RSI Çökerken XRP %30 Düşüş Riskiyle Karşı Karşıya