Vana

Vana, kullanıcıya ait verileri ve merkezi olmayan yapay zekayı destekleyen açık kaynaklı protokoldür. Veri DAO'ları oluşturun, kişisel verileri katkıda bulunun ve açık internet yapay zekasının geleceğini şekillendirin. Bugün oluşturmaya başlayın.

Yapay Zekaya Git
Vana cover

Vana Hakkında

What Is Vana?

Vana is a decentralized network designed to give users full ownership and control of their data. Originating from MIT research, the project enables individuals to contribute their data non-custodially to AI systems, forming a foundation for open, community-driven AI development. Vana is open-source, permissionless, and aims to replace centralized data models with decentralized alternatives.

Misyon ve Vizyon

Vana, kullanıcıların (platformların değil) yapay zekayı güçlendiren veri kümelerine sahip olduğu dijital bir gelecek öngörüyor. Amaç, bireylerden ve topluluklardan toplu veri katkısını etkinleştirerek, verileri duvarlarla çevrili bahçelerden kaldırarak ve bunları üretenlerin ellerine geri vererek kullanıcıya ait bir AI temel modeli yaratmaktır.

How Vana Works

Muhafaza Edilmeyen Veri Altyapısı

Vana, kullanıcıların kontrolü bırakmadan verileri dışa aktarmalarına ve katkıda bulunmalarına olanak tanır. Bu gözetimsiz yaklaşım, verilerin nasıl kullanıldığı ve nerede saklandığı konusunda gizlilik, şeffaflık ve egemenlik sağlar. Her kullanıcı, oluşturmaya yardımcı oldukları AI sistemlerinde bir paydaş haline gelir.

Open and Decentralized Protocol

Operating as a decentralized protocol, Vana supports the formation of Data DAOs—community-run data collectives that manage, curate, and monetize datasets. This model shifts data governance from corporations to individuals and independent groups.

Building with Vana

Bir Veri DAO'su Başlatma

Through Vana’s infrastructure, anyone can launch a Data DAO. These decentralized organizations collect and manage specialized datasets (e.g., resume data, social media content) with transparent governance and shared incentives. Vana provides documentation, tooling, and support for these initiatives.

Running a Node

Geliştiriciler ve teknoloji uzmanları, ağı desteklemek için Vana düğümlerini çalıştırabilir. Düğümler işlemleri doğrular, verileri barındırır ve kullanıcıya ait yapay zekayı mümkün kılan merkezi olmayan mimariyi kolaylaştırır.

Uygulamalar ve Kullanım Örnekleri

Training Foundation Models

Vana, kullanıcıya ait temel modellerin oluşturulmasını sağlar. Doğrudan kullanıcılardan kaynaklanan çeşitli, yüksek kaliteli veri kümelerine erişimle, bu modeller sınırlı tescilli korpuslardan ziyade gerçek dünya girdisini yansıtır. Nihai amaç, 100 milyon katkıda bulunan tarafından şekillendirilen küresel ölçekli bir temel model oluşturmaktır.

Kişisel AI Sistemleri

Vana ayrıca bireysel veriler üzerinde eğitilen LLM'lerin (büyük dil modelleri) yerel dağıtımını da destekler. Bu, kullanıcıların gizlilikten ödün vermeden tercihlerini ve bağlamlarını anlayabilen kendi kişiselleştirilmiş AI aracılarını çalıştırmalarına olanak tanır.

Vana Ekosistemi

Veri Merkezi ve Kohortlar

Vana ekosistemi, erken benimseyenleri, geliştiricileri ve araştırmacıları organize eden Aurora ve Blink girişimleri gibi birden fazla aktif kohortu içerir. Bu kohortlar Veri DAO'larına katkıda bulunur, kişisel sunucu kurulumlarıyla deneyler yapar ve kullanıcıya ait AI uygulamaları hakkında içgörüler paylaşır.

Topluluk ve Yönetim

Vana'daki yönetim merkezi değildir. Veri DAO'ları ve katkıda bulunanlar, ağ kurallarını ve protokollerini şekillendirmede aktif bir rol oynar. Açık Veri Vakfı ve Corsali gibi ortak kuruluşlar aracılığıyla, topluluk üyeleri açık altyapı ve kullanıcı veri haklarının misyonunu genişletmeye yardımcı olur.

Önemli Noktalar ve Yenilik

Teknik Başarılar

  • 2021: İlk zincir üstü eğitim veri seti
  • 2022: Muhafaza edilmeyen veri sistemleri için patent
  • 2023: Kişisel verilerle eğitilen yerel LLM'lerin başlatılması
  • 2024: İlk Veri DAO'larının ve Satori test ağının dağıtımı

Uzun Vadeli Hedefler

Vana, 100 milyon kullanıcıyı sisteme dahil etme, küresel veri likiditesi oluşturma ve tarihin en büyük kullanıcı katkılı eğitim veri setini toplama yönünde ölçekleniyor. Bu, merkezi AI sistemlerinin yetenekleriyle rekabet eden kullanıcıya ait temel modellerin eğitimini destekleyecektir.

Alternatif Araçlar