소개
지금까지 이번 암호 불장(Bull market) 사이클은 비즈니스 혁신 측면에서 가장 지루한 사이클입니다. 이전 불장(Bull market) 에서 DeFi, NFT, Gamefi와 같은 현상 수준의 열풍 트랙이 부족하여 업계 이슈 부족합니다. 전체 시장, 사용자, 산업 투자 및 개발자 성장은 상대적으로 약합니다.
이는 현재 자산 가격에도 반영됩니다. 전체 주기를 살펴보면 ETH를 포함한 대부분의 Alt 코인은 BTC에 대해 계속해서 손실을 입습니다. 결국 스마트 계약 플랫폼의 가치는 애플리케이션의 번영에 따라 결정됩니다. 애플리케이션의 개발과 혁신이 부진하면 퍼블릭 체인의 가치를 높이기가 어려울 것입니다.
이번 라운드의 새로운 암호화폐 비즈니스 카테고리인 AI는 외부 비즈니스 세계의 폭발적인 개발 속도와 지속적인 이슈 누리고 있으며 암호화폐 세계의 AI 추적 프로젝트에 대한 관심이 여전히 높아질 가능성이 높습니다.
저자는 지난 4월 발표한 IO.NET 보고서 에서 AI와 암호화폐 결합의 필요성, 즉 무작위성과 암호화폐를 해결할 수 있는 확실성, 할당 자원의 동원, 무신뢰성에 있어서 암호경제학 솔루션의 장점을 정리했다. AI의 자원 집약적 문제 인간과 기계를 구별할 수 없다는 세 가지 과제에 대한 솔루션 중 하나입니다.
암호경제학 분야의 AI 트랙에서 저자는 다음과 같은 다른 기사를 통해 몇 가지 중요한 문제를 논의하고 추론하려고 합니다.
암호화폐 AI 트랙에서 어떤 다른 이야기가 싹트고 있거나 미래에 폭발할 것입니까?
이러한 내러티브의 촉매 경로와 논리
내러티브 관련 프로젝트 목표
서술적 추론의 리스크 과 불확실성
본 글은 게재 당시의 작성자의 연출된 생각으로, 추후 변동될 수 있으며, 사실이나 데이터, 관점 에 오류가 있을 수 있습니다. 동료들의 의견과 토론을 환영합니다.
다음은 텍스트 부분입니다.
암호화폐 AI 트랙의 차세대 이야기 물결
암호화된 AI 트랙의 다음 이야기를 공식적으로 살펴보기 전에 먼저 현재 암호화된 AI의 주요 이야기를 살펴보겠습니다. 시총 의 순서 에서 미화 10억 달러 이상을 보유한 기업은 다음과 같습니다.
해시레이트: Render(RNDR, 유통 시총 38.5억), Akash(유통 시총 12억), IO.NET(최근 라운드 1차 융자 평가액 10억)
알고리즘 네트워크: Bittensor(TAO, 유통 시총 29억 7천만)
AI 에이전트: Fetchai(FET, 합병 전 순환 시총 21억)
*데이터 시간: 2024.5.24, 통화 단위는 미국 달러입니다.
위 필드 외에도 단일 프로젝트 시총 10억을 초과하는 다음 AI 트랙은 무엇입니까?
저자는 이를 '산업 공급 측면'의 서사와 'GPT 모멘트'의 서사라는 두 가지 관점에서 추측할 수 있다고 느낀다.
AI 내러티브의 첫 번째 관점: 산업 공급 측면에서 AI 뒤의 에너지 및 데이터 추적 기회를 살펴보세요.
산업 공급 측면에서 볼 때 AI 개발의 네 가지 원동력은 다음과 같습니다.
알고리즘: 고품질 알고리즘은 교육 및 추론 작업을 보다 효율적으로 수행할 수 있습니다.
해시레이트: 모델 훈련이든 모델 추론이든 해시레이트 제공하려면 GPU 하드웨어가 필요합니다. 이는 현재 업계의 주요 병목 현상으로 인해 중급 및 고급 칩 가격이 높아졌습니다. .
에너지: AI에 필요한 데이터 컴퓨팅 센터는 GPU 자체가 컴퓨팅 작업을 수행하는 데 필요한 전력 외에도 GPU 열 방출을 처리하는 데에도 대량 에너지가 필요합니다. 총 에너지의 약 40%를 소비합니다.
데이터: 대규모 모델의 성능을 향상하려면 훈련 매개변수 확장이 필요하며, 이는 대량의 고품질 데이터가 필요함을 의미합니다.
위 4개 산업의 원동력에 대응하여 알고리즘 및 해시레이트 트랙에는 유통 시총 10억 달러가 넘는 암호화폐 프로젝트가 있는 반면, 에너지 및 데이터 트랙에는 아직 동일한 시총 가치를 가진 프로젝트가 없습니다. .
실제로 에너지 및 데이터 공급 부족이 곧 도래하여 산업 이슈 의 새로운 물결이 되어 암호화 분야에서 관련 프로젝트가 급증할 수 있습니다.
먼저 에너지에 대해 이야기해보자.
머스크는 2024년 2월 29일 보쉬 인터넷 월드 2024 컨퍼런스에서 "1년여 전부터 칩 부족을 예상했는데 다음 부족은 전기가 될 것"이라며 "내 생각에는 내년에는 전기가 충분하지 않을 것 같다. 작은 조각."
구체적인 자료에 따르면 리페이페이(Li Feifei)가 이끄는 스탠포드대학교 인공지능연구소(인간 중심 인공지능)는 매년 21차 AI 산업을 대상으로 팀이 발표하는 'AI 지수 보고서'를 발표하고 있다. 평가에 따르면 AI 에너지 소비는 그해 전 세계 전력 수요의 0.9%에 불과했으며 에너지와 환경에 대한 압력은 제한적이었다. 2023년 국제에너지기구(IEA)는 글로벌 데이터센터가 약 460테라와트시(TWh)의 전력을 소비해 전 세계 전력 수요의 2%를 차지한다고 결론을 내렸고, 2026년까지 글로벌 데이터센터의 에너지 소비는 낮으면 620테라와트시, 높으면 1050테라와트시입니다.
실제로 국제에너지기구(International Energy Agency)의 추정은 여전히 보수적이다. 왜냐하면 AI를 중심으로 이미 대량 프로젝트가 시작될 예정이고 그에 따른 에너지 수요가 2023년에 예상했던 것보다 훨씬 더 크기 때문이다.
예를 들어 Microsoft와 OpenAI가 계획하고 있는 Stargate 프로젝트가 있습니다. 이 계획은 2028년에 출시되어 2030년쯤 완료될 것으로 예상됩니다. 이 프로젝트는 OpenAI에 전례 없는 컴퓨팅 성능을 제공하고 인공 지능, 특히 대규모 언어 모델 연구 및 개발 개발을 지원하기 위해 수백만 개의 전용 AI 칩을 갖춘 슈퍼컴퓨터를 구축할 계획입니다. . 이 계획에는 현재의 대규모 데이터 센터 비용보다 100배 더 많은 1,000억 달러 이상의 비용이 소요될 것으로 예상됩니다.
Stargate의 에너지 소비량은 50테라와트시입니다.
OpenAI 창업자인 샘 알트먼(Sam Altman)이 올해 1월 다보스 포럼에서 “인공지능은 사람들이 기대하는 것보다 훨씬 더 많은 전력을 소비하기 때문에 에너지 혁신이 필요하다”고 말한 것도 바로 이 때문이다.
빠르게 성장하는 AI 산업에서 해시레이트 와 에너지 다음으로 부족한 분야는 데이터가 될 가능성이 크다.
즉, AI에 필요한 고품질 데이터의 부족이 현실이 된 것이다.
현재 GPT의 진화를 통해 인간은 기본적으로 대규모 언어 모델 기능의 성장을 위한 규칙을 파악했습니다. 즉, 모델 매개변수와 교육 데이터를 확장하여 모델 기능을 기하급수적으로 향상할 수 있습니다. 단기적으로는 기술적 병목 현상이 나타납니다.
하지만 문제는 고품질의 개방형 데이터가 앞으로 점점 희소해질 수 있고, AI 제품도 칩이나 에너지와 마찬가지로 데이터 수요 공급 모순에 직면할 수 있다는 점이다.
첫 번째는 데이터 소유권을 둘러싼 분쟁의 증가입니다.
2023년 12월 27일, New York Times는 OpenAI와 Microsoft를 미국 연방 지방 법원에 공식적으로 기소하다 허가 없이 GPT 모델을 훈련하기 위해 수백만 개의 자체 기사를 사용했다고 비난했습니다. 수십억 달러의 법적 및 실제 손해배상”을 하고 The New York Times의 저작권 자료가 포함된 모든 모델 및 교육 데이터를 파기합니다.
이후 3월 말 뉴욕타임스는 OpenAI뿐만 아니라 Google, Meta를 겨냥한 새로운 성명을 발표했습니다. New York Times의 성명에 따르면 OpenAI는 Whisper라는 음성 인식 도구를 사용하여 대량 YouTube 동영상의 음성 부분을 전사한 다음 텍스트를 텍스트로 생성하여 GPT-4를 훈련했다고 밝혔습니다. 뉴욕타임즈는 이제 대기업이 AI 모델을 훈련할 때 사소한 절도를 사용하는 것이 매우 흔한 일이라며 구글도 자사의 대형 모델 훈련을 위해 유튜브 동영상 콘텐츠를 텍스트로 변환하고 있다고 전했다. 본질적으로 비디오 콘텐츠 제작자의 권리를 침해합니다.
뉴욕타임스와 오픈AI는 “최초의 AI 저작권 소송”이다. 사건의 복잡성과 콘텐츠와 AI 산업의 미래에 미치는 영향을 고려할 때 조만간 결과가 나오지 않을 수도 있다. 가능한 최종 결과 중 하나는 부유한 Microsoft와 OpenAI가 큰 보상을 지불하는 두 당사자 간의 법정 밖에서 합의하는 것입니다. 그러나 앞으로 더 많은 데이터 저작권 마찰로 인해 고품질 데이터의 전체 비용이 필연적으로 증가할 것입니다.
또, 세계 최대 검색 엔진인 구글도 검색 기능에 대한 유료화를 검토하고 있지만, 유료화 대상은 일반 대중이 아닌 AI 기업이라고 밝혔습니다.
출처: 로이터
Google은 21세기 이후 인터넷 페이지에 등장한 거의 모든 콘텐츠를 포함하여 검색 엔진 서버에 대량 의 콘텐츠를 저장합니다. 현재 퍼플렉시티 등 해외 제품과 키미, 시크릿타워 등 국내 제품 등 AI 기반 검색 제품은 모두 검색된 데이터를 AI로 처리한 뒤 사용자에게 출력한다. 검색 엔진은 AI에 비용을 청구하므로 필연적으로 데이터 수집 비용이 증가합니다.
실제로 AI 거대 기업들은 공개 데이터 외에도 비공개 내부 데이터에도 주목하고 있습니다.
Photobucket은 2000년대 초반 미국 온라인 사진 시장의 거의 점유율 차지하고 7천만 명의 사용자를 보유한 확고한 이미지 및 비디오 호스팅 웹사이트입니다. 소셜 미디어의 등장으로 Photobucket 사용자 수가 크게 감소했습니다. 현재 활성 사용자 수는 200만 명에 불과합니다(사용자가 서명한 계약 및 개인 정보 보호 정책에 따르면 연간 US$399의 높은 수수료를 지불함). 등록했지만 1년 이상 사용되지 않은 계정은 재활용되며, 사용자가 업로드한 이미지 및 동영상 데이터에 대한 Photobucket의 사용 권한도 지원됩니다. Photobucket CEO인 Ted Leonard는 13억 개의 사진 및 비디오 데이터가 생성 AI 모델을 훈련하는 데 매우 중요하다고 밝혔습니다. 그는 사진당 5센트에서 1달러, 비디오당 1달러 이상의 가격으로 데이터를 판매하기 위해 여러 기술 회사와 협의 중이며 Photobucket이 제공할 수 있는 데이터의 가치는 10억 달러 이상인 것으로 추산됩니다.
인공지능 발전 동향을 집중적으로 연구하는 연구팀인 EPOCH는 2022년 머신러닝(ML) 러닝에 의한 데이터 활용과 새로운 데이터 생성을 기반으로 머신러닝(ML) 에 필요한 데이터에 대한 보고서를 발표한 바 있으며, 컴퓨팅 자원의 증가도 고려하고 있다. . 데이터가 고갈될 것인가?" 보고서에서는 2023년 2월부터 2026년 사이에 고품질 텍스트 데이터가 고갈되고, 2030년 사이에 이미지 데이터가 고갈될 것이라고 결론지었습니다. 2060년과 2060년. 데이터 활용 효율성을 크게 높일 수 없거나 새로운 데이터 소스가 등장한다면, 대규모 데이터 세트에 의존하는 현재의 대형 머신러닝(ML) 모델 추세는 둔화될 수 있습니다.
AI 거대 기업들이 데이터를 고가에 구매하고 있는 현 상황으로 볼 때, 무료로 제공되는 고품질 텍스트 데이터는 기본적으로 고갈된 상태다. 2년 전 EPOCH의 예측은 비교적 정확했다.
동시에 'AI 데이터 부족'에 대한 수요에 대한 솔루션, 즉 AI 데이터 제공 서비스도 등장하고 있습니다.
Defined.ai는 AI 기업을 위한 맞춤형 실질 데이터를 제공하는 기업입니다.
Defined.ai가 제공할 수 있는 데이터 유형의 예: https://www.defined.ai/datasets
비즈니스 모델은 다음과 같습니다. AI 회사는 Defined.ai에 자체 데이터 요구 사항을 제공합니다. 예를 들어 화질 측면에서 흐릿함, 과다 노출을 방지하고 콘텐츠가 진짜인지 확인하는 데 필요한 해상도가 무엇입니까? 콘텐츠 측면에서는 AI 기업이 야간 사진, 야간 콘, 주차장, 표지판 등 자체 학습 작업을 기반으로 특정 테마를 맞춤화해 야간 장면에서 AI 인식률을 높일 수 있다. 일반인이 맡으면 되고, 회사에서는 사진 촬영 후 검토를 한 뒤, 사진 매수에 따라 요구 사항에 맞는 부분이 결정되는데, 가격은 고화질 사진 한 장에 1~2달러 정도다. 10초 이상의 단편영화는 5~7달러, 10분 이상의 고화질 영상은 100~300달러, 문자는 1,000단어당 1달러 정도다. 수수료의 %. 데이터 제공은 "데이터 태그" 이후 또 다른 크라우드소싱 비즈니스가 될 수 있습니다.
작업의 글로벌 크라우드소싱, 경제적 인센티브, 데이터 자산 가격 책정, 유통 및 개인정보 보호 등 누구나 참여할 수 있다는 점은 Web3 패러다임에 특히 적합한 비즈니스 카테고리처럼 들립니다.
산업 공급 측면의 관점에서 본 AI 내러티브 목표
칩 부족으로 인한 우려는 암호화 산업에까지 침투하여 분산 해시레이트 지금까지 가장 높은 시총 지닌 가장 이슈 AI 트랙 카테고리로 만들었습니다.
그럼 앞으로 1~2년 안에 에너지와 데이터 분야에서 AI 산업의 수요 공급 모순이 발생한다면, 현재 암호화 산업에는 어떤 서사 관련 프로젝트가 진행되고 있는 걸까요?
먼저 에너지 목표를 살펴보겠습니다.
선도적인 CEX를 출시한 에너지 프로젝트는 거의 없으며 Power Ledger(Token Powr)는 단 하나뿐입니다.
2017년에 설립된 Power Ledger는 블록체인 기술을 기반으로 한 종합 에너지 플랫폼으로, 에너지 거래를 탈중앙화 하고 개인과 공동체의 전기 직접 거래를 촉진하며 재생 에너지의 광범위한 적용을 지원하고 거래의 투명성과 효율성을 보장하는 것을 목표로 합니다. 처음에 Power Ledger는 이더 에서 수정된 컨소시엄 체인을 기반으로 실행되었습니다. 2023년 하반기에 Power Ledger는 백서 업데이트하고 분산 에너지 시장에서 고주파 소액 거래 처리를 용이하게 하기 위해 솔라나의 기술 프레임 기반으로 수정된 자체 종합 퍼블릭 체인을 출시했습니다. 현재 Power Ledger의 주요 업무 다음과 같습니다.
에너지 거래: 사용자는 특히 재생 에너지원에서 P2P 방식으로 전기를 직접 사고 팔 수 있습니다.
환경상품 거래: 탄소배출권, 재생에너지 증서 거래, 환경상품 기반 융자 등.
퍼블릭 체인 운영: 애플리케이션 개발자를 유치하여 Powerledger 블록체인 온체인 애플리케이션을 구축하고 퍼블릭 체인의 거래 수수료는 Powr 토큰으로 지불됩니다.
현재 Power Ledger 프로젝트의 순환 시총 는 1억 7천만 달러이며, 전체 순환 시총 는 3억 2천만 달러입니다.
에너지 암호화 대상에 비해 데이터 트랙의 암호화 대상 수가 더 많습니다.
저자는 내가 현재 관심을 갖고 있고 Binance, OKX 및 Coinbase의 CEX 중 하나 이상을 출시한 데이터 추적 프로젝트만 나열하며 FDV에 따라 낮은 것부터 높은 것 순으로 정렬합니다.
1.스트리밍 – 데이터
Streamr의 가치 제안은 사용자가 데이터에 대한 완전한 통제권을 유지하면서 데이터를 자유롭게 거래하고 공유할 수 있는 탈중앙화 실시간 데이터 네트워크를 구축하는 것입니다. Streamr는 데이터 시장을 통해 데이터 생산자가 중개자 없이 관심 있는 소비자에게 데이터 스트림을 직접 판매하여 비용을 절감하고 효율성을 높일 수 있기를 희망합니다.
출처: https://streamr.network/hub/projects
실제 협력 사례에서 Streamr는 또 다른 Web3 차량 하드웨어 프로젝트인 DIMO와 협력하여 차량에 장착된 DIMO 하드웨어 센서를 통해 온도, 기압 및 기타 데이터를 수집하여 기상 데이터 스트림을 형성하고 이를 필요한 기관에 전송합니다.
다른 데이터 프로젝트와 비교하여 Streamr는 위에서 언급한 DIMO 차량 데이터 외에도 사물 인터넷 및 하드웨어 센서의 데이터에 더 중점을 둡니다. 헬싱키의 실시간 교통 데이터 스트림이 포함됩니다. 따라서 Streamr의 프로젝트 토큰 DATA는 Depin 컨셉이 가장 뜨거웠던 작년 12월 하루 만에 가격이 두 배로 오른 적이 있습니다.
Streamr 프로젝트의 현재 순환 시총 는 4,400만 달러이고, 전체 순환 시총 는 5,800만 달러입니다.
2.공유결합 - CQT
다른 데이터 프로젝트와 달리 Covalent는 블록체인 데이터를 제공합니다. Covalent Network는 RPC를 통해 블록체인 노드에서 데이터를 읽은 다음 데이터를 처리하고 구성하여 효율적인 쿼리 데이터베이스를 만듭니다. 이런 방식으로 Covalent 사용자는 블록체인 노드에서 직접 복잡한 쿼리를 수행할 필요 없이 필요한 정보를 신속하게 검색할 수 있습니다. 이러한 유형의 서비스를 "블록체인 데이터 인덱싱"이라고도 합니다.
Covalent의 고객은 주로 다양한 Defi와 같은 Dapp 프로젝트뿐만 아니라 Consensys(Metamask의 모회사), CoinGecko(유명 암호화폐 자산 시장 스테이션), Rotki( Tax Tool ), Rainbow(암호화지갑) 등이 있습니다. 이 밖에도 전통 금융계의 거대 기업인 Fidelity와 4대 회계법인인 Ernst & Young도 Covalent의 고객입니다. Covalent가 공식적으로 공개한 데이터에 따르면, 해당 프로젝트의 데이터 서비스 수익은 동종 분야 선두 프로젝트인 The Graph를 넘어섰습니다.
온체인 데이터의 무결성, 개방성, 신뢰성 및 실시간 특성으로 인해 Web3 산업은 분할된 AI 시나리오 및 특정 "AI 소형 모델"을 위한 고품질 데이터 소스가 될 것으로 예상됩니다. 데이터 제공자로서 Covalent는 다양한 AI 시나리오에 대한 데이터를 제공하기 시작했으며 AI를 위해 특별히 검증 가능한 구조화된 데이터를 출시했습니다.
출처: https://www.covalenthq.com/solutions/decentralized-ai/
예를 들어, 온체인 지능형 거래 플랫폼인 SmartWhales에 데이터를 제공하고 AI를 사용하여 수익성 있는 거래 패턴과 주소를 식별합니다. Entender Finance는 Covalent의 구조화된 데이터와 AI 처리를 사용하여 실시간 통찰력, 이상 탐지 및 예측 분석을 수행합니다.
현재 Covalent가 제공하는 온체인 데이터 서비스의 주요 시나리오는 여전히 재정적이지만 Web3 제품 및 데이터 유형이 일반화됨에 따라 온체인 데이터의 사용 시나리오도 더욱 확장될 것입니다.
Covalent 프로젝트의 현재 유통 시총 1억 5천만 달러이고, 전체 유통 시총 는 2억 3,500만 달러입니다. 동일한 트랙에 있는 블록체인 데이터 인덱스 프로젝트인 The Graph와 비교하면 분명한 가치 평가 이점이 있습니다.
3.Hivemapper - 꿀
모든 데이터 자료 중에서 비디오 데이터의 단가가 가장 높은 경우가 많습니다. Hivemapper는 영상, 지도정보 등의 데이터를 AI 기업에 제공할 수 있습니다. Hivemapper 자체는 블록체인 기술과 커뮤니티 기여를 통해 상세하고 역동적이며 접근 가능한 매핑 시스템을 만드는 것을 목표로 하는 탈중앙화 글로벌 매핑 프로젝트입니다. 참가자는 대시캠을 통해 지도 데이터를 캡처하여 오픈 소스 Hivemapper 데이터 네트워크에 추가하고 프로젝트 토큰 HONEY에 대한 기여도에 따라 보상을 받을 수 있습니다. 네트워크 효과를 개선하고 상호 작용 비용을 줄이기 위해 Hivemapper는 Solana를 기반으로 구축되었습니다.
Hivemapper는 드론을 사용하여 지도를 만들겠다는 원래 비전으로 2015년에 처음 설립되었지만 나중에 이 모델을 확장하기가 어렵다는 사실을 깨닫고 대시캠과 스마트폰을 사용하여 지리 데이터를 캡처하여 글로벌 지도 제작 비용을 절감하게 되었습니다.
Google 지도와 같은 스트리트 뷰 및 지도 소프트웨어와 비교하여 Hivemapper는 지도 범위를 보다 효율적으로 확장하고, 실제 지도 장면의 최신성을 유지하며, 인센티브 네트워크 및 크라우드소싱 모델을 통해 비디오 품질을 향상시킬 수 있습니다.
AI의 데이터 수요가 폭발적으로 증가하기 전에 Hivemapper의 주요 고객으로는 자동차 산업의 자율주행 부문, 내비게이션 서비스 회사, 정부, 보험 및 부동산 회사 등이 있었습니다. 이제 Hivemapper는 API를 통해 AI 및 대형 모델에 지속적으로 업데이트되는 이미지 및 도로 기능 데이터 스트림의 입력을 통해 데이터를 향상된 기능 및 실행으로 더 효과적으로 변환할 수 있습니다. 지리적 위치 및 시각적 판단과 관련된 작업입니다.
데이터 소스: https://hivemapper.com/blog/diversify-ai-computer-vision-models-with-global-road-imagery-map-data/
Hivemapper-Honey 프로젝트의 현재 순환 시총 1억 2천만 달러이며, 전체 순환 시총 는 4억 9천 6백만 달러입니다.
위의 세 가지 프로젝트 외에도 데이터 트랙의 업무 에는 Covalent와 유사하며 블록체인 데이터 인덱싱 서비스 및 Ocean Protocol을 제공하는 The Graph – GRT(유통 시총 32억 달러, FDV 37억 달러)가 포함됩니다. 데이터와 데이터의 교환 및 수익화를 촉진하기 위해 설계된 오픈 소스 프로토콜인 OCEAN(유통 시가 시총 6억 7천만 달러, FDV 14억 5천만 달러, 이 프로젝트는 Fetch.ai 및 SingularityNET과 합병될 예정이며 토큰은 ASI로 전환될 예정) 관련 서비스, 데이터 소비자를 데이터 공급자와 연결하여 신뢰, 투명성 및 추적성을 보장하면서 데이터를 공유합니다.
AI 내러티브의 두 번째 관점: GPT는 순간적으로 다시 나타나고, 일반 인공지능이 도래한다
저자의 생각에 암호화 업계의 'AI 트랙'의 원년은 GPT가 전 세계를 놀라게 했던 2023년이었다. 암호화된 AI 프로젝트의 급증은 AI의 폭발적인 발전이 가져온 '뜨거운 여파'에 가깝다. 산업.
GPT 3.5 이후 GPT 4, 터보 등의 성능이 지속적으로 업그레이드되고 OpenAI 이외의 대규모 언어 모델의 급속한 발전 등 Sora의 놀라운 영상 제작 능력도 발휘되고 있지만, AI가 대중에게 가져온 인지적 영향력은 약화되고 있으며, 사람들은 점차 AI 도구를 사용하고 있으며 아직 대규모 일자리 대체는 일어나지 않은 것 같습니다.
그렇다면 대중을 놀라게 하고 결과적으로 사람들의 삶과 일이 변화될 것임을 깨닫게 하는 AI의 비약적인 발전과 함께 앞으로 AI 분야에 또 다른 'GPT 순간'이 올 것인가?
지금이 바로 인공일반지능(AGI)의 도래일지도 모른다.
AGI는 기계가 인간과 유사한 포괄적인 인지 능력을 갖고 있어 특정 작업뿐만 아니라 다양하고 복잡한 문제를 해결할 수 있다는 점을 말한다. AGI 시스템은 높은 수준의 추상적 사고, 폭넓은 배경지식, 모든 분야의 상식추론 및 인과관계 이해, 전문가 간 전이학습 등의 역량을 갖추고 있습니다. AGI의 성능은 다양한 분야에서 최고의 휴먼과 구별할 수 없을 정도로 뛰어나며, 종합적인 역량 측면에서도 최고의 휴먼 그룹을 완전히 능가합니다.
실제로 SF소설, 게임, 영화, TV 작품에서 등장하든, GPT의 급속한 인기 이후 대중의 기대 속에서든, 대중은 오랫동안 인간의 인지 수준을 뛰어넘는 AGI의 출현을 기대해 왔다. 즉, GPT 자체가 AGI의 대표적인 산물이자 일반 인공지능의 예언적 버전이다.
GPT가 산업적 에너지와 심리적 영향력이 이렇게 큰 이유는 구현 속도와 성능이 대중의 기대를 뛰어넘었기 때문입니다. 사람들은 튜링 테스트를 완료할 수 있는 인공지능 시스템이 실제로 도착할 것이라고는 예상하지 못했고 그 속도가 너무 빠릅니다. .
실제로 인공 지능(AGI)은 1~2년 안에 다시 한 번 갑작스러운 'GPT 순간'을 맞이할 수 있습니다. 사람들은 이제 막 GPT의 지원에 적응했고 AI가 더 이상 단순한 보조자가 아니라 심지어 완료할 수도 있다는 사실을 발견했습니다. 수십 년 동안 인류 최고의 과학자들이 다루지 못했던 어려운 문제를 포함하여 가장 창의적이고 도전적인 작업입니다.
머스크는 올해 4월 8일 노르웨이 국부펀드 니콜라이 탕겐 최고투자책임자(CIO)와 인터뷰를 갖고 AGI가 등장했던 시기에 대해 이야기했다.
그는 “AGI를 인류의 가장 똑똑한 부분보다 더 똑똑한 것으로 정의한다면 2025년에는 그런 일이 일어날 가능성이 높다”고 말했다.
즉, 그의 추론에 따르면 AGI가 등장하는 데는 최대 1년 반이 걸릴 것입니다. 물론 그는 "전력과 하드웨어가 이를 따라갈 수 있다면"라는 전제 조건을 추가했다.
AGI 출현의 이점은 분명합니다.
이는 인간의 생산성 수준이 큰 진전을 이룰 것이며, 수십 년 동안 우리를 얽어매던 대량 과학 연구 문제가 해결될 것임을 의미합니다. '인류의 가장 똑똑한 부분'을 노벨상 수상자의 수준으로 정의한다면, 충분한 에너지, 해시레이트, 데이터가 있는 한 수많은 '노벨상 수상자'가 24시간 내내 지칠 줄 모르고 일할 수 있다는 의미입니다. 가장 중요한 문제.
실제로 노벨상 수상자들은 능력이나 지성 측면에서 대부분 명문대 교수 수준이지만 개연성과 운 덕분에 올바른 방향을 택한 셈이다. 했고, 결과를 얻었습니다. 그와 같은 수준의 사람들, 똑같이 뛰어난 동료들이 과학 연구라는 평행 우주에서 노벨상을 수상했을 수도 있습니다. 그러나 불행하게도 여전히 최고의 대학 교수들과 과학 연구 혁신에 참여하는 사람들이 충분하지 않기 때문에 "과학 연구의 모든 올바른 방향을 횡단하는" 속도는 여전히 매우 느립니다.
AGI를 사용하면 에너지와 해시레이트 완전히 공급되면 무제한의 "노벨상 수상자" AGI를 보유하여 가능한 모든 과학 연구 획기적인 방향으로 심층 탐색을 수행할 수 있으며 기술 개선 속도는 수십 배 빨라질 것입니다. 기술의 발전으로 인해 식량 생산, 신소재, 신약, 고급 교육 등 지금 우리가 상당히 비싸고 희소하다고 생각하는 자원이 10~20년 안에 수백 배 증가하게 되며, 그 비용은 우리는 더 적은 자원으로 더 많은 인구를 먹일 수 있었고 1인당 부는 급격히 증가했습니다.
글로벌 GDP 추세 차트, 데이터 출처: World Bank
이것은 다소 선정적으로 들릴 수 있습니다. IO.NET에 대한 이전 연구 보고서 에서도 사용한 두 가지 예를 살펴보겠습니다.
2018년 노벨 화학상 수상자 프란시스 아놀드(Francis Arnold)는 시상식에서 "현재 우리는 실제 응용 분야에서 모든 DNA 서열을 읽고 쓰고 편집할 수 있지만 그의 연설이 있은 지 5년 후인 2023년에는 아직 그것을 구성할 수 없습니다"라고 말했습니다. 스탠포드 대학과 실리콘밸리 AI 스타트업 세일즈포스 리서치(Salesforce Research)가 "Nature-Biotechnology"에 논문을 발표했습니다. 그들은 GPT 3~0을 기반으로 미세 조정된 대규모 언어 모델을 사용하여 100만 개의 새로운 단백질을 생성했고, 완전히 다른 구조를 가진 2개의 단백질을 발견했습니다. 그러나 둘 다 살균 능력을 갖고 있어 항생제 외에 박테리아와 싸우는 솔루션이 될 것으로 기대된다. 즉, AI의 도움으로 단백질 "생성"의 병목 현상이 해결되었습니다.
앞서 인공지능 알파폴드(AlphaFold) 알고리즘은 지구상의 거의 모든 2억1400만개 단백질의 구조를 18개월 안에 예측한 결과로, 과거 모든 인간 구조생물학자들의 연구 성과의 수백 배에 달하는 성과를 거뒀다.
변화는 이미 일어나고 있으며 AGI의 등장으로 그 변화는 더욱 가속화될 것입니다.
반면에 AGI의 출현으로 인한 과제도 엄청납니다.
AGI는 대량 의 정신노동자를 대체할 뿐만 아니라, 현재 "AI의 영향을 덜 받는" 것으로 간주되는 수작업 서비스 제공업체도 로봇 기술의 성숙과 신소재 개발에 따른 생산 비용 절감의 영향을 받을 것입니다. , 기계의 영향을 받게 될 것이며, 소프트웨어로 대체되는 노동직 점유비율 급격히 증가할 것입니다.
그때, 한때는 매우 멀게만 느껴졌던 두 가지 문제가 곧 표면화될 것입니다.
대량 의 실업자의 고용 및 소득 문제
AI가 어디에나 있는 세상, AI와 인간을 구별하는 방법
Worldcoin\Worldchain은 UBI(전국민 기본소득) 시스템을 이용해 대중에게 기본소득을 제공하고, 홍채 기반 생체인식을 이용해 사람과 AI를 구별하는 솔루션을 제공하려고 합니다.
실제로 모든 사람에게 돈을 배분하는 UBI는 실질적인 실천 없이는 공중에 떠 있는 성이 아니다. 핀란드, 영국 등 국가에서는 전국민 기본소득 시행했고, 캐나다, 스페인, 인도 등 여러 나라에서는 이를 활성화하자는 정당들이 적극적으로 제안하고 있다. 관련 실험.
생체인식 + 블록체인 모델을 기반으로 한 UBI 유통의 장점은 이 시스템이 글로벌하고 더 넓은 인구 범위를 갖는다는 것입니다. 또한, 소득 분배를 통해 확장된 사용자 네트워크를 기반으로 다른 비즈니스 모델을 구축할 수 있습니다. 서비스(Defi), 소셜 네트워킹, 작업 크라우드소싱 등이 네트워크 내에서 비즈니스 협업을 형성합니다.
AGI의 출현으로 인한 영향에 대한 해당 목표 중 하나는 순환 시총 10억 3천만 달러이고 전체 순환 시총 472억 달러인 Worldcoin – WLD입니다.
서술적 추론의 리스크 과 불확실성
본 글은 민트벤처스가 발표한 다수의 프로젝트 및 트랙 연구 보고서와는 달리 내러티브의 추론과 예측은 매우 주관적입니다. 미래. 위에서 언급한 저자의 서술적 추론은 많은 불확실성에 직면해 잘못된 추측으로 이어집니다. 이러한 리스크 이나 영향 요인은 다음을 포함하지만 이에 국한되지 않습니다.
에너지: GPU 교체로 인한 에너지 소비 급감
AI를 둘러싼 에너지 수요가 급증했지만 엔비디아가 대표하는 칩 제조업체들은 지속적인 하드웨어 업그레이드를 통해 더 높은 컴퓨팅 성능과 더 낮은 전력 소비를 제공하고 있다. 예를 들어 올해 3월 엔비디아는 B 2개의 차세대 AI 컴퓨팅 카드를 탑재한 집적 회로를 출시했다. GB 200은 200개의 GPU와 Grace CPU를 탑재하여 이전 세대의 메인 AI GPU인 H 100에 비해 훈련 성능은 4배, 추론 성능은 H 100에 비해 7배 향상되었습니다. 하지만 필요한 에너지는 H 100 수준입니다. .1/4. 물론 그럼에도 불구하고 AI의 전력에 대한 사람들의 욕구는 끝나지 않았습니다. 단위 에너지 소비가 감소하고 AI 적용 시나리오와 요구가 더욱 확대됨에 따라 총 에너지 소비는 실제로 상승 할 수 있습니다.
데이터 측면에서: Q*는 '자체 생산 데이터'를 달성할 계획입니다.
OpenAI가 직원들에게 보낸 내부 메시지에서도 언급된 OpenAI 내에 'Q*'라는 프로젝트가 있다는 소문이 돌았습니다. OpenAI 내부인사 인용한 Reuters에 따르면, 이는 OpenAI가 초지능/일반 인공 지능(AGI)을 추구하는 데 획기적인 진전이 될 수 있습니다. Q*는 추상화 기능을 사용하여 이전에 볼 수 없었던 수학적 문제를 해결할 수 있을 뿐만 아니라 실제 데이터 없이 대규모 모델을 훈련하는 데 사용되는 데이터를 자체 생성할 수도 있습니다. 이 소문이 사실이라면, 고품질 데이터 부족으로 인해 제한되었던 대규모 AI 모델 훈련의 병목 현상이 해소될 것입니다.
AGI가 온다: OpenAI의 숨겨진 걱정
머스크의 말대로 AGI가 2025년에 도래할지는 아직 알 수 없지만 시간문제일 뿐이다. 그러나 Worldcoin은 AGI 출현 이야기의 직접적인 수혜자이기 때문에 가장 큰 관심사는 OpenAI에서 나올 수 있습니다. 결국 "OpenAI 섀도우 토큰"으로 인식됩니다.
5월 14일 이른 아침, OpenAI는 봄 신제품 출시 컨퍼런스에서 종합 작업 점수에서 최신 GPT-4 o와 19개의 다른 버전의 대규모 언어 모델의 성능을 선보였습니다. 테이블에서만 GPT-4 o가 득점했습니다. 1310으로 육안으로는 다음보다 훨씬 높아 보이지만 총점으로 보면 2위인 GPT 4 터보에 비해 4.5%, 4위인 구글의 제미니 1.5 프로보다는 4.9% 높은 수준이다. 5위 Anthropic의 Claude 3 Opus보다 5.1% 높습니다.
GPT 3.5가 출시되어 세계를 놀라게 한 지 불과 1년이 조금 넘었습니다(GPT 5는 아직 출시되지 않았으며 올해 출시될 것으로 예상되지만). OpenAI의 경쟁자들은 이미 그 자리를 유지하고 있습니다. 미래 경쟁력은? 업계 선두의 위치를 점하고 있는지, 답이 점점 모호해지는 것 같습니다. OpenAI의 선두와 지배력이 희석되거나 심지어 추월된다면 OpenAI의 섀도우 토큰인 Worldcoin의 내러티브 가치도 감소할 것입니다.
또한 Worldcoin의 홍채 인증 솔루션 외에도 점점 더 많은 경쟁업체가 이 시장에 진입하기 시작했습니다. 예를 들어, 손바닥 스캔 ID 프로젝트 Humanity Protocol은 평가액으로 3천만 달러에 달하는 새로운 융자 라운드를 완료했다고 발표했습니다. 또한 LayerZero Labs는 Humanity에서 실행되고 ZK 증명을 사용하여 자격 증명을 인증하는 유효성 검사기 노드 네트워크에 합류할 것이라고 발표했습니다.
결론
마지막으로 저자는 AI 트랙의 후속 서사를 추론했지만, AI 트랙은 DeFi 등 암호화폐 네이티브 트랙과는 다르다. 현재 많은 프로젝트가 코인업계 모델 측면에서 실행되지 않았습니다. 많은 프로젝트가 AI 테마의 밈과 유사합니다(예를 들어 Rndr은 NVIDIA의 밈과 유사하며, Worldcoin은 OpenAI의 밈과 유사합니다). 주의해서 다루어야 합니다.
