Yapay zeka hızla tekelleşiyor. Beş öncü laboratuvar (OpenAI, Anthropic, Google DeepMind, Meta ve xAI), dünyanın en yetenekli modellerinin çoğunu, bu modellerin eğitilmesinde kullanılan özel verileri ve daha fazlasını eğitmek için gerekli hesaplama kümelerini kontrol ediyor. Merkezi olmayan yapay zeka, kripto dünyasına özgü bir yanıt niteliğinde.
Merkezi olmayan yapay zeka (DeAI), modern yapay zekanın işleyişini sağlayan bileşenlerin tek bir şirket yerine blok zincirleri ve token teşvikleri aracılığıyla koordine edilebileceği fikrine dayanır. Bu yaklaşım, 10 milyar dolarlık bir GPU kümesinde OpenAI’yi geride bırakmaya çalışmak değil, merkeziyetsizliğin gerçekten işlev gördüğü katmanlarda açık kaynaklı alternatifler oluşturmayı amaçlamaktadır.
Merkezi Olmayan Yapay Zeka Nedir?
Genellikle DeAI olarak kısaltılan merkeziyetsiz yapay zeka, blok zinciri altyapısı üzerine kurulu ve token teşvikleriyle koordine edilen yapay zeka sistemlerini ifade eder; bu sistemlerde hesaplama, veri, modeller ve karar alma süreçleri tek bir şirket yerine çok sayıda katılımcı arasında dağıtılır.
"DeAI" kısaltması (büyük D, büyük AI) artık bu alanda standart hale gelmiştir; metin boyunca bu terimi "merkezi olmayan yapay zeka" ile eşanlamlı olarak kullanıyoruz. Bu terim, tek bir projeden daha geniş bir anlam taşır. Blockchain koordinasyon katmanlarıyla birbirine bağlanan bir yığını (altta hesaplama pazarları, ortada veri ve model ağları, üstte ajan çerçeveleri) kapsar.
DeAI, üç eğilime karşı koymak amacıyla kurulmuştur. Birincisi, öncü yapay zeka çalışmalarının, iç uyum, güvenlik ve fiyatlandırma kararları herkesi etkileyen beş laboratuvarda yoğunlaşmasıdır. İkincisi, halkın göremeyeceği ve rızası alınmamış verilerle eğitilen kapalı modellerin şeffaf olmamasıdır. Üçüncüsü, AI laboratuvarları ile verileriyle eğitilen kullanıcılar arasındaki uyumsuzluktur: değer tek yönlü akmaktadır; katkıda bulunanlara hiçbir token, hisse veya gelir geri dönmemektedir.
Bu sorunların hiçbiri blok zinciri eklenerek tamamen çözülmez. Ancak mülkiyet, ödemeler ve kanıtlar izinsiz bir sistemde koordine edilebildiğinde, her birinin üstesinden gelinmesi daha kolay hale gelir.
Merkezi Olmayan Yapay Zeka ve Federatif Öğrenme
"Merkezi olmayan yapay zeka" ve "federatif öğrenme" birbiriyle ilişkili gibi görünse de, çok farklı sorunları çözüyor. Federatif öğrenme, büyük teknoloji şirketleri tarafından kullanılan, gizliliği koruyan bir makine öğrenimi tekniğidir; DeAI ise blok zincirleri ve tokenler üzerine kurulu, kripto para dünyasına özgü bir akımdır.
Federatif öğrenmede, ham veriler hiçbir zaman cihazlardan dışarı çıkmadan bir model birçok cihazda (telefonunuz, bir hastanenin sunucuları, bir bankanın veri tabanı) eğitilir. Yalnızca model güncellemeleri aktarılır. Google Gboard bunu bir sonraki kelime tahmini için kullanır; Apple bunu cihaz üzerinde öğrenme için kullanır; tıbbi konsorsiyumlar ise hasta kayıtlarını ifşa etmeden teşhis modellerini eğitmek için kullanır. Genellikle modelin sahibi olan şirket gibi merkezi bir taraf her şeyi koordine eder.
DeAI, merkezi koordinasyonun tam tersidir. Hesaplama gücü, veriler ve bazen modelin kendisi, birçok bağımsız tarafın mülkiyetinde olup bu taraflarca işletilir. Bir blok zinciri bunları koordine eder; tokenlar ise faydalı katkıları ödüllendirir.
Bu ikisi birleştirilebilir; zira federatif öğrenme teknikleri, gizliliği korumak amacıyla DeAI sistemleri içinde çalıştırılabilir. Ancak federatif öğrenme tek başına DeAI değildir. Federatif öğrenme, hesaplamaların nasıl yapıldığıyla ilgilidir. DeAI ise sistemin kime ait olduğuyla ilgilidir.
Merkezi Olmayan Yapay Zeka Nasıl Çalışır?
DeAI tek bir teknoloji değil; bir teknoloji yığınıdır. Dört katman önemlidir ve her birinin kendine özgü projeleri vardır.
Hesaplama katmanı
AI modellerini eğitmek ve çalıştırmak için gerekli olan GPU’lar ve diğer donanımlar. İşte bu noktada DeAI, DePIN ile doğrudan kesişiyor. Render, Akash ve io.net gibi ağlar, çıkarım işleri yürüten bireysel hobi kullanıcılarından büyük ölçekte ince ayar yapan girişimlere kadar, AI iş yüklerine merkezi olmayan GPU gücü kiralıyor. 2024–2026 GPU kıtlığı, bu katmanı DeAI ekosisteminin en aktif parçası haline getirmiştir.
Veri katmanı
Modelleri eğitmek için gerekli veri kümeleri. Merkezi olmayan veri pazarları, veri sahiplerinin kontrolü elinden çıkarmadan veri kümelerinden gelir elde etmelerine olanak tanır. Filecoin ve Arweave gibi depolama ağları, model ağırlıklarını, eğitim veri kümelerini ve çıktıları barındırır. Buradaki hacim, merkezi veri aracılarına kıyasla hâlâ mütevazı olsa da altyapı işlevini yerine getiriyor.
Model katmanı
Herkesin çalıştırabileceği, ince ayar yapabileceği veya değiştirebileceği açık kaynaklı modeller. Token ile teşvik edilen eğitim ağları – bunların en önde geleni Bittensor – katılımcıları belirli görevlerde faydalı model iyileştirmelerine katkıda bulundukları için ödüllendirir. Sadece "açık ağırlık" (Meta'nın Llama'sı, Mistral'ın modelleri) DeAI değildir. Bunlar açık kaynaktır. DeAI, açıklığın üzerine blok zinciri koordinasyonu ve token ekonomisini ekler.
Çıkarım ve ajan katmanı
Bir model oluşturulduktan sonra, birinin onu çalıştırması gerekir. Merkezi olmayan çıkarım ağları, bu işi birçok düğüm operatörüne dağıtır. Bunun üstünde ise AI aracı katmanı yer alır; bu, kullanıcı adına hareket eden ve ödemeleri giderek daha fazla kripto para ile gerçekleştiren otonom programlardır. Bu alanda en çok bahsedilen projeler Olas ve Virtuals Protocol’dür; her ikisi de hâlâ gelişme aşamasındadır.
2026'da Bilinmesi Gereken En Önemli DeAI Projeleri
DeAI, OpenAI’nin tek bir rakibi değil, bir kategoridir. Projeleri, gerçekte ne yaptıklarına göre gruplandırın.
Yapay zeka tabanlı blok zincirleri ve eğitim ağları
Bittensor (TAO) bu konuda en sık örnek olarak gösterilen platformdur. Platform, her biri tek bir yapay zeka görevi için özel olarak tasarlanmış 128 aktif "alt ağ" işletmektedir: dil modeli ön eğitimi, görüntü gömmeleri, finansal tahminler, konuşma ve arama.
Madenciler, üretim kalitesine göre her bir alt ağda token ödülleri için rekabet ediyor. 2026'nın ilk çeyreğinde NVIDIA 420 milyon dolarlık bir yatırım taahhüdünde bulunurken, Polychain Capital da 200 milyon dolar ekleyerek toplam kurumsal sermaye girişini 620 milyon doların üzerine çıkardı. Ağ gelirleri son çeyrekte 43 milyon dolara ulaştı.
ASI İttifakı
Fetch.ai, SingularityNET, Ocean Protocol ve (daha sonra) CUDOS, 2024 yılında birleşerek Yapay Süper Zeka İttifakı'nı kurdu; bu birleşmeyle tokenlar FET altında birleştirildi ve adının ASI olarak değiştirilmesi planlandı. Borsalar genelinde tam bir marka değişikliği hiçbir zaman tamamlanmadı, bu nedenle çoğu borsa hâlâ FET'i listeliyor.
Ekim 2025'te Ocean Protocol, yönetişim konusundaki anlaşmazlıklar nedeniyle ittifaktan resmen çekildi. Kalan üyeler (Fetch.ai, SingularityNET ve CUDOS), 7 milyar parametreli Web3 tabanlı bir LLM olan ASI-1 mini ve ASI Chain adlı planlanan bir Layer 1 dahil olmak üzere ürünlerini piyasaya sürmeye devam ediyor.
Temsilciler
Olas, birbirlerine ödeme yapan, koordinasyon kuran ve görevleri yerine getiren bağımsız programlardan oluşan otonom ajan ekonomisine odaklanmaktadır. Virtuals Protocol ise özellikle oyun ve sosyal medya alanlarında tüketici yapay zeka ajanlarına odaklanmaktadır. Bu katman en yeni olanıdır ve hâlâ gelişme aşamasındadır.
Neler Gerçekten Merkeziyetsiz, Neler Değil
DeAI'nin hem ciddi bir ivmesi hem de ciddi eksiklikleri var. Katman katman dürüst bir değerlendirme:
Frontier modeli eğitimi: hâlâ merkezi
GPT-5 ölçeğinde bir modelin eğitilmesi, koordineli bilgi işlem gücü, özel veriler ve merkezi bir mühendislik ekibi için yüz milyonlarca dolarlık bir yatırım gerektirir. Hiçbir DeAI projesi bunu öncü ölçekte gerçekleştirmiyor ve yakın zamanda da gerçekleştiremeyecek.
Bittensor'un en büyük teknik dönüm noktası bile (Covenant AI'nın Mart 2026'da gerçekleştirdiği 72 milyar parametreli işbirliğine dayalı ön eğitim çalışması), öncü laboratuvarların çabalarının yanında kat kat daha küçüktü. Covenant daha sonra ağdan ayrıldı ve yönetişim anlaşmazlıkları nedeniyle merkeziyetsizliği "tiyatro" olarak nitelendirdi; bu da "merkeziyetsiz" teriminin gücü tanımlamadan matematiği tanımlayabileceğini hatırlattı.
Hesaplama: gerçek anlamda merkeziyetsizleştirme
GPU’lar birbirinin yerine kullanılabilir, işler kısa sürelidir ve çıktıların doğrulanması basittir; işte bu yüzden bu alanda arz gerçekten de gerçekleşmiştir. Render, ayda yaklaşık 1,5 milyon kare işliyor; Akash, 2026’nın ilk çeyreğinde 5 milyon dolarlık hesaplama harcaması barajını aştı; io.net ise 130’dan fazla ülkedeki GPU’ları bir araya getiriyor. Geceleri bir video oyununu çalıştıran aynı kart, ertesi sabah bir çıkarım işini çalıştırabilir ve müşterinin kartın kime ait olduğunu bilmesi gerekmez.
Sonuç: uygulanabilir ve gelişmekte olan
Çıkarım işlemi durum bilgisi içermez, iş yükleri küçüktür ve çıktılar doğrulanabilir – bu, ham hesaplama gücünün ardından merkeziyetsizleştirme yolunda doğal bir sonraki adımdır. Ağlar, aksi takdirde atıl durumda kalacak olan tüketici ve oyun GPU’larını kullanır; bu sayede Llama-3-8B gibi küçük, açık ağırlıklı bir model genellikle AWS veya Azure’un yarı maliyetiyle sunulabilir. Model boyutu büyüdükçe aradaki fark azalır; 400 milyar parametreli bir modeli merkezi olmayan bir şekilde sunmak, bir hiper ölçeklendirici üzerinde sunmaktan hala daha zordur.
Veri pazarları: Henüz başlangıç aşamasında, ancak gerçek
Kişisel veriler için Vana ve web'den toplanan veriler için Grass gibi ağlar, merkeziyetsiz veri paylaşımının teknik olarak mümkün olduğunu kanıtlıyor. Asıl zor olan soru ise talep. Yapay zeka laboratuvarları ihtiyaç duydukları her şeye zaten sahip: açık web'den toplanan veriler ve üst düzey doğrudan anlaşmalar (Reddit–Google, NYT–OpenAI, Shutterstock). Merkezi olmayan pazar yerleri, talep tarafında henüz mevcut olmayan bir arz tarafı sorununu çözüyor; ancak eğitim verileri daha çekişmeli hale gelirse bu durum değişecektir.
Token teşvikli Ar-Ge: dar niş alanlarda çalışma
Token ödülleri, ölçülebilir görevlerdeki kademeli iyileştirmeler için (konuşma-metin dönüştürme doğruluğu, gömme kalitesi, görüntü sınıflandırma karşılaştırmaları) oldukça etkili oluyor ve Bittensor alt ağları tam da bu alanlarda rekabetçi modeller üretiyor. Tokenlerin kolayca finanse edemediği şey ise, yıllarca sabırlı sermaye, pahalı deneyler ve başarısızlığa karşı tolerans gerektiren çığır açan araştırmalardır. Bittensor'un yönetişim anlaşmazlıkları da yapısal bir soruyu gündeme getiriyor: token odaklı Ar-Ge, ancak onu çevreleyen protokol kadar iyi işler.
Sonuç
2026 yılında DeAI ile ilgili ilginç soru, inceleme başladığında yığının hangi katmanlarının ayakta kalacağıdır. Hesaplama ve çıkarım, ücret ödeyen müşteriler için gerçek ve ölçülebilir işler yapmaktadır.
Veri ve model pazarları büyüyor ancak henüz kendini kanıtlamış değil. Yönetişim katmanı (yani "merkezi olmayan" tanımının matematiksel yapıyı mı yoksa iktidarı mı ifade ettiğine karar veren kısım), Ocean'ın ASI Alliance'dan ve Covenant'ın Bittensor'dan ayrılması gibi tartışmalara yol açmaya devam ediyor.
DeAI, 2026'da OpenAI'nin yerini almayacak ve belki de hiçbir zaman almayacak. Ancak, sistem yığınının orta ve uç katmanlarında gerçek alternatifler oluşturuyor ve çoğu insan zaten eninde sonunda yapay zeka ile bu noktalarda etkileşime girecek.
