NEAR kurucu ortağı: DeepSeek’le doğrulama maliyeti 100-200 kat düştü

NEAR Protocol’ün kurucu ortağı, DeepSeek ve özel araçlarla yürütülen bir doğrulama çalışmasının maliyetini kapalı kaynaklı mevcut yapay zeka modellerine kıyasla 100-200’de bire indirdiklerini söyledi. Ancak bu, akıllı sözleşme güvenlik denetimlerinin genel olarak aynı oranda ucuzladığı anlamına gelmiyor.

NEAR Protocol kurucu ortağı Illia Polosukhin, 24’ünde yayımlanan The Rollup podcast’inde DeepSeek ile özel araçları birleştiren doğrulama çalışmasını anlattı. Sohbete Aurora Labs ve Diffuse Labs kurucusu ve CEO’su Alex Shevchenko ile NEAR One CTO’su Anton Astafiev de katıldı. Katılımcılar yapay zeka çıkarımında gizlilik, blokzincir hesap imzaları ve otonom yapay zeka ajanlarını ele aldı.

Biçimsel doğrulama, kodun veya matematiksel bir önermenin belirlenmiş kuralları karşılayıp karşılamadığını makineyle kontrol etme sürecidir. Polosukhin, DeepSeek ve özel araçlarla daha önce Claude ve ChatGPT kullanılarak yapılan çalışmanın maliyetini on binlerce dolardan birkaç yüz dolara indirdiklerini söyledi. Kaynakta bu tutar güvenlik denetimi maliyeti olarak ifade edilse de çalışmanın kapsamı ve maliyet hesaplama yöntemi açıklanmadı.

Bu nedenle 100-200’de bir oranı yalnızca söz konusu çalışmanın örneği olarak değerlendirilmelidir. Biçimsel doğrulama maliyetlerinin karşılaştırılması, genel güvenlik denetimlerinin maliyetinin veya hata tespit performansının da aynı ölçüde değiştiğini göstermez.

NEAR AI’nin yayımladığı doğrulama araçları deposunda, DeepSeek modelinin çalıştığı ortam için donanım kanıtını kontrol eden adımlar ve kodlar yer alıyor. Modelin hangi ortamda çalıştığını doğrulamak ile kodun gerekli kuralları karşıladığını kanıtlamak farklı işler. Depodaki içerik, podcast’te aktarılan maliyet karşılaştırmasını doğrulamıyor.

Sohbette veri gizliliği de gündeme geldi. Shevchenko, maaş veya tedarik zinciri işlemlerinin herkese açık deftere doğrudan kaydedilmesinin zorluğuna dikkat çekti. Katılımcılar, yapay zeka hassas bilgileri işlerken güvenilir yürütme ortamlarından (TEE) ve kriptografik kanıtlardan yararlanma seçeneklerini tartıştı.

NEAR AI, yapay zeka çıkarımının yalıtılmış bir donanım ortamında çalıştırılabildiğini ve çalışma durumunun doğrulanabildiğini belirtiyor. Bu, hizmetin mimarisine ilişkin bir açıklama; tek tek kullanıcı ortamlarının güvenlik sonuçlarını gösteren bir veri değil.

Kuantum sonrası güvenlikte de uygulama kapsamını ayrı değerlendirmek gerekiyor. NEAR, ağustos ayında yayımladığı kuantum sonrası yol haritasında hesap imzaları için ML-DSA desteği sunacağını açıkladı. Hesaplarda yeni bir imza yönteminin kullanılabilmesi, protokolün tamamında geçişin bittiği anlamına gelmiyor.

Yol haritası, blok üretiminde kullanılan mutabakat sisteminin ve zincirler arası altyapının dönüşümünü sonraki çalışmalar arasında sıraladı. Sohbette aktarılan maliyet örneği ile NEAR’ın yapay zeka ve blokzincir teknolojilerine ilişkin yönelimi, kendi çalışma ve hizmet açıklamalarının kapsamıyla sınırlı kaldı.