작성자: 델파이 연구소
편집자: 테크 플로우 (Techflowpost) TechFlow
이 기사는 Luke Saunders( lukedelphi )와 Jose Macedo( ZeMariaMacedo )가 작성했습니다.
인공지능은 역사상 가장 큰 기술 혁명을 대표하며 전례 없는 기술 군비 경쟁을 촉발시켰습니다. 현재 AI 모델은 이미 가장 표준화된 대학 시험에서 상위 10위에 랭크되어 있으며 AI 연구 자체를 포함한 많은 작업에서 인간을 능가합니다. 현재 수준에서도 이는 검색, 고객 서비스, 콘텐츠 제작, 프로그래밍, 교육 등 많은 산업에 혁신적인 영향을 미치고 있습니다.
우리는 AI 역량, 자금 지원, 사회에 대한 영향이 더욱 가속화될 것으로 기대합니다. 모든 대형 기술 기업은 AI가 업무 에 매우 중요하다는 사실을 깨닫고 그에 따라 투자하고 있습니다. AI 자본 지출의 가장 좋은 지표인 NVIDIA의 매출은 2024년에 1,000억 달러를 초과할 것으로 예상됩니다. 이는 2023년에는 두 배 이상, 전년도 매출의 4배 이상입니다.
Google CEO Sundar Pichai의 AI 투자에 대한 견해:
"우리에게는 과소투자의 리스크 이 과잉투자의 리스크 보다 훨씬 더 큽니다."
동시에 스타트업은 AI가 수십 년 동안 존재해 온 기업을 대체할 수 있는 파괴적인 힘이라는 것을 깨닫고 있습니다. 지난 18개월 동안 AI 스타트업에 약 830억 달러가 투자 됐다.
AI 기능이 컴퓨팅 성능과 함께 기하급수적으로 증가하는 경향이 있다는 점을 감안할 때 우리는 10년 안에 일반 인공 지능(AGI)과 같은 것을 달성할 가능성이 높습니다.
출처: 상황 인식
작가: leopoldasch
이 기사에서 우리는 경쟁 환경이 수백만 개의 모델의 세계로 이어질 것이며 암호화가 이러한 다중 모델 세계의 이상적인 토대라고 주장합니다. 다중 모델 세계가 인공 지능의 불가피한 결과라고 생각하는 이유에 대해 논의하는 것부터 시작하겠습니다. 다음으로, 암호화가 인공 지능에 제공하는 고유한 이점을 다룰 것입니다. 마지막으로 암호화 및 인공지능 기술 스택에 대해 고려하는 사항을 소개하고 관심 있는 프로젝트의 예를 제공합니다.
실제로 오픈 소스 AI와 암호화를 결합하는 데에는 강력한 철학적, 윤리적 이유가 많이 있으며, 관점 다른 곳에서도 잘 논의되었습니다 . 우리는 이 분야에서 우리가 발전하는 동기 중 하나인 이러한 견해에 전적으로 동의합니다. 그러나 본 글에서는 암호화폐가 승리해야 하는 도덕적 이유에 대한 논의보다는 인공지능과 결합된 암호학이 승리할 수 있는 실질적인 이유에 초점을 맞추겠습니다.
슈퍼모델과 멀티모델
이제 우리는 수직적으로 통합된 소수의 대규모 기술 회사가 모든 것을 지배하는 "슈퍼모델"을 생산하는 세상을 향해 나아가고 있습니다.
그러나 우리는 다음과 같은 여러 가지 이유로 이것이 최종 게임이 아니라고 생각합니다.
리스크 문제: AI 기반 경험을 구축하는 조직, 기업가 및 개발자는 모델을 변경하거나, 사용 약관을 수정하거나, 언제든지 서비스를 완전히 중단할 수 있는 단일 비공개 소스 회사에 의존하고 싶지 않습니다.
비용-성능 절충: 거대 기술 회사가 선호하는 초대형 범용 모델은 훈련 및 실행 비용이 필연적으로 더 비쌉니다. 결과적으로 이로 인해 많은 사용 사례에서 가격이 너무 비싸고 압도적입니다. 사람들이 수익성에 대해 생각하지 않기 때문에 현재로서는 이것이 주요 고려 사항이 아니지만, AI가 발전함에 따라 사람들은 원하는 성능 수준에 대해 가장 낮은 비용을 얻기 위해 최적화할 것입니다. 많은 작업에서 대형 모델은 이와 관련하여 경쟁력이 없습니다. 이 관점 뒷받침하는 대량 연구 결과는 더 작고 더 전문화된 모델이 의료 영상 진단 , 사기 탐지 , 음성 인식 등 다양한 작업에서 범용 모델보다 성능이 뛰어날 수 있음을 보여줍니다.
수직적 통합: Apple이 계속해서 입증했듯이 최고의 제품은 전체 기술 스택의 수직적 통합에서 나오는 경우가 많습니다. 야심찬 기업가는 AI 기반 제품을 만들 때 자신만의 특화된 모델을 구축하여 경쟁 우위를 확보하려고 노력할 것입니다. 이를 통해 해당 제품은 더 많은 가치를 포착하고 더 많은 투자를 유치할 수 있습니다.
개인 정보 보호 문제: 인공 지능은 다른 기술과 비교할 수 없을 정도로 조직 워크플로의 핵심 기술이 될 것입니다. 많은 조직에서는 민감한 데이터를 이러한 모델에 넘기는 것을 꺼립니다.
위의 이유로 인해 우리는 특정 사용 사례에 맞게 맞춤화되고 비용 효율적인 더 작고 전문화된 모델이 많이 있는 세상으로 이동할 가능성이 더 높다고 믿습니다. 애플리케이션 개발자와 사용자는 LLaMA 또는 MistralAI 에서 제공하는 것과 같은 오픈 소스 모델을 기반으로 활용하여 종종 독점 데이터를 사용하여 자신의 전문 모델을 미세 조정합니다. 많은 모델이 계속해서 서버에서 실행되지만 더 작고 개인 정보 보호에 중점을 둔 애플리케이션은 클라이언트 장치에서 로컬로 실행되는 반면 검열에 저항해야 하는 다른 애플리케이션은 탈중앙화 컴퓨팅 플랫폼을 사용할 수 있습니다.
이는 개발자와 기업가가 특정 요구 사항에 따라 다양한 서비스를 선택하고 결합할 수 있는 사용자에게 가치를 제공하기 위해 경쟁하는 모듈 AI 빌딩 블록의 세계입니다. "신 모델" 기술 스택을 풀고 이 새로운 AI 경제에 서비스를 제공하려면 라우팅, 오케스트레이션, 구성, 결제 및 기타 모든 종류의 인프라를 구축해야 합니다. 암호화폐가 붐을 이루는 세상이기도 합니다.
암호화폐와 인공지능
직관적으로 암호화폐는 이러한 다중 모델 세계에서 유틸리티를 찾을 수 있는 영역으로 보입니다. 그러나 이러한 과대광고로 인해 정보가 부족한 많은 투자자들이 이 분야에 대량 자본을 할당하게 되었습니다. 이전 인프라 버블과 마찬가지로 존재해서는 안 될 많은 프로젝트에 자금이 지원되고 구축되고 있습니다. 따라서 암호화폐 및 인공지능 분야에서 어떤 하위 부문이 진정으로 가치가 있는지 판단하기 어렵기 때문에 많은 사람들이 전체 분야를 근본적인 가치가 없는 밈으로 간주하게 됩니다.
우리는 이것이 밈이라고 생각하지 않지만, 이 다중 모델 세계가 이론적으로 암호화폐 없이도 존재할 수 있다는 것은 사실입니다. 따라서 보다 혁신적인 제품, 이상적으로는 암호화폐 없이는 만들 수 없는 제품을 만드는 데 도움이 되는 암호화폐의 고유한 차별화 특성에 초점을 맞추는 것이 중요합니다. 이를 위해 우리는 먼저 암호화폐의 고유한 특성을 파악하고 이를 인공지능 분야에 어떻게 적용하여 더 나은 제품을 만들 수 있는지를 파악합니다. 그런 다음 암호화 및 인공 지능의 기술 스택에 대해 논의하고 관련성이 있다고 생각되는 사용 사례의 예를 제공할 것입니다.
조정 계층: CryptoRails는 중앙 집중식 제어 없이 집단 조정을 촉진하는 데 탁월합니다. 이는 대부분의 시장에 내재된 닭과 달걀의 문제를 극복하는 데 특히 효과적이며 암호화폐 기반 인센티브를 통해 대량 신규 사용자를 빠르게 유치할 수 있습니다.
내부 모델을 구축하는 소규모 팀은 필요한 모든 리소스에 직접 액세스하지 못할 수도 있습니다. 예를 들어, 대규모 기술 회사의 AI 연구소에는 자체 컴퓨팅 리소스가 있을 수 있지만 소규모 팀에는 동일한 컴퓨팅 리소스가 없습니다. 마찬가지로 이러한 팀은 데이터에 액세스해야 하며 인간 피드백을 제공하기 위해 다양한 그룹의 사람들을 모집해야 할 수도 있습니다. 이러한 요구 사항은 전문 시장을 통해 충족되는 데 매우 적합하며, 암호화폐 인프라를 활용하는 시장은 그렇지 않은 시장에 비해 경쟁 우위를 가질 것이라고 믿습니다.
개방형, 무허가 API : CryptoRails는 KYC, 신용카드 또는 기타 형태의 승인 없이 누구나 어디서나 액세스할 수 있는 개방형 무허가 API입니다. AI 에이전트가 완전히 자율적으로 행동하려면 사람의 개입 없이 서비스에 액세스하고, 코드를 배포하고, 가치를 전달할 수 있어야 하기 때문에 이는 AI 에이전트에게 중요합니다. 이는 에이전트가 서로에게 서비스 대가를 지불하고, 채무 지고, 심지어 자본을 조달하는 에이전트 집단과 같은 공상 과학과 같은 행동을 허용합니다.
무신뢰: Cryptorails는 일반적으로 무신뢰입니다. 즉, 변경되지 않고 액세스가 실수로 철회되지 않는다는 암호화 보장을 받으며 실행이 예상대로 작동하는지 확인할 수 있습니다. 이는 통합 접근 방식과 달리 빌더가 제어할 수 없는 일련의 기본 요소로 구성해야 하고 사용자는 본질적으로 사용자가 인식하지 못하는 많은 서비스를 신뢰해야 하기 때문에 모듈 AI 아키텍처에 중요합니다.
검열 저항: 불변 계약으로 배포되면 CryptoRails에서 실행되는 애플리케이션을 차단할 수 없습니다. 업그레이드가 가능하더라도 일반적으로 합의가 필요한 탈중앙화 자율 조직(DAO)에서 수행됩니다. AI가 우리가 기대하는 만큼 능력이 있다고 가정하면 정부는 AI를 통제하고 영향력을 행사하려고 노력할 가능성이 높습니다. 사실, 우리는 이미 이런 일이 일어나는 것을 보았습니다. 비트코인과 암호화폐가 시스템 외부에서 화폐/금융 인프라를 제공하는 것처럼, AI와 결합된 암호화폐는 막을 수 없는 지능을 제공합니다.
암호화폐와 인공지능의 교차점
이러한 이점을 고려할 때 암호화폐와 인공 지능의 교차점에서 어떤 애플리케이션이 특히 흥미롭다고 생각합니까?
데이터 센터 및 컴퓨팅
모델 계산의 용도는 크게 훈련과 추론이라는 두 가지 범주로 나뉩니다. 우리는 이 두 영역에서 탈중앙화 컴퓨팅을 사용하는 것이 중요하다고 믿으며, 다음에 별도로 논의하겠습니다.
탈중앙화 교육
현재 분산 컴퓨팅은 훈련 중 노드 간의 엄격한 통신 및 대기 시간 요구 사항으로 인해 어려움에 직면해 있습니다. 이 문제를 해결하기 위해 노력하는 많은 팀이 있으며, 잠재적인 이익의 규모와 참가자의 재능을 고려할 때 이 문제가 해결될 수 있다고 믿습니다. 살펴볼 만한 몇 가지 방법으로는 NousResearch 의 DisTrO 및 PrimeIntellect 의 OpenDiLoCo 가 있습니다.
분산 교육의 기술적 과제를 해결하고 이러한 복잡성을 단순화하는 제품을 구축하는 것 외에도 승자는 다음 사항도 파악해야 합니다.
무허가 네트워크에서 품질과 책임성을 보장하는 방법
소비자급 하드웨어보다는 공급 측면(이상적으로는 데이터 센터 및 클러스터)을 시작하는 방법 토큰 인센티브는 공급 측면에 인센티브를 부여하는 기본 전략일 수 있으며, 보다 창의적인 접근 방식에는 컴퓨팅 공급자에게 최종 모델 소유권을 부여하는 것이 포함될 수 있습니다.
근본적으로 분산 컴퓨팅 시장의 장점은 세계에서 가장 낮은 컴퓨팅 한계 비용을 활용할 수 있다는 것입니다. 기존 서비스 제공업체의 비용이 상승 하고 더 많은 기업과 조직이 더 저렴한 대안을 찾기 시작하면서 이는 점점 더 중요해지고 있습니다. 단점에는 대기 시간, 이기종 하드웨어, 자체 데이터 센터 구축 및 운영에 따른 모든 최적화 및 규모의 경제 부족이 포함됩니다. 미래가 어떻게 될지는 두고 볼 일입니다.
검증 가능한 추론
전반적으로 우리는 검증 가능한 추론의 사용 사례를 AI 기능으로 신뢰 최소화 시스템을 확장하는 것으로 봅니다. 모델을 스마트 계약에 포함시키는 것은 실용적이지 않지만, 모델을 오프체인에서 실행하고 예상대로 작동한다는 증거를 온체인 게시하는 것은 가능합니다. 예를 들어, 프로젝트는 거버넌스 결정(예: 통화 시장의 리스크 매개변수에 대한 결정)을 오프체인 모델에 무신뢰 위임할 수 있습니다.
이 개념은 공개 또는 비공개 소스 모델에서 더 일반적으로 사용될 수도 있으며, 사용자가 기대하는 모델에서 출력이 나온다는 보장을 제공합니다. 애플리케이션과 사용자가 점점 더 중요한 작업에 AI를 사용함에 따라 이는 점점 더 중요해질 가능성이 높습니다. Delphi Ventures의 투자 프로젝트 Inference Labs ( inference_labs )와 같이 다양한 방식으로 이 문제를 해결하는 많은 프로젝트가 있습니다.
데이터
오늘날 LLM(대형 언어 모델) 교육은 다양한 유형의 데이터와 사람의 개입이 필요한 다단계 교육 프로세스입니다. 이 프로세스는 정리되고 선별된 일반 크롤링 및 기타 무료로 사용 가능한 데이터 세트를 사용하여 대규모 언어 모델을 교육하는 사전 교육으로 시작됩니다. 훈련 후 단계에서 이러한 모델은 종종 전문가의 도움을 받아 특정 영역(예: 화학)에 대한 관련 지식을 제공하기 위해 더 작고 더 구체적인 레이블이 지정된 데이터 세트에 대해 훈련됩니다.
최신 데이터 또는 독점 데이터를 보장하기 위해 AI 연구소는 대규모 데이터 소스 소유자와 협력하는 경우가 많습니다. 예를 들어 OpenAI는 Reddit과 6천만 달러 가치의 계약을 체결했다는 소문이 돌았습니다. 마찬가지로, 월스트리트저널(Wall Street Journal)은 뉴스코프(News Corp)와 OpenAI의 5년 계약 가치가 2억 5천만 달러 이상이라고 보도했습니다. 분명히 데이터는 그 어느 때보다 가치가 높습니다.
우리는 암호화된 네트워크가 팀이 각 단계에서 필요한 데이터와 리소스를 얻는 데 효과적으로 도움이 될 수 있다고 믿습니다. 아마도 가장 흥미로운 영역은 데이터 수집일 것입니다. 여기서 암호화폐 인센티브는 데이터 수집의 공급 측면을 주도하고 대량 의 중요한 롱테일 데이터 소스를 활용하는 데 적합하다고 믿습니다.
예: Grass AI ( getgrass_io )는 사용자가 유휴 인터넷 대역폭을 공유하여 웹에서 데이터를 스크랩한 다음 구조화하고 정리하여 AI 교육에 사용할 수 있도록 돕습니다. Grass가 충분한 공급을 구축할 수 있다면 최신 인터넷 데이터를 모델에 제공하는 API 키 역할을 효과적으로 수행할 수 있습니다.
Hivemapper 는 또 다른 좋은 예입니다. 2022년 11월에 출시된 네트워크는 매주 수백만 킬로미터의 도로 이미지를 수집하고 이미 전 세계의 25%를 포괄합니다. 유사한 모델이 다른 형태의 다중 모드 데이터에 적용되어 AI 연구소에 수익성 있게 판매될 수 있다는 것은 분명합니다.
NewsCorp와 Reddit 거래소 많은 기업이 귀중한 데이터를 보유하고 있지만 많은 기업이 너무 작거나 AI 연구소와의 연결이 부족하여 수익을 창출할 수 없습니다. 마찬가지로, AI 연구실이 단일 소규모 공급업체와 거래를 성사시키는 것은 가치가 없을 수도 있습니다. 잘 설계된 데이터 마켓플레이스는 벤더를 AI 연구소와 통합된 방식으로 연결함으로써 이 문제를 완화할 수 있습니다. 여기에는 주로 데이터 품질, API 및 데이터 상호 교환성을 다루는 몇 가지 과제가 있습니다.
마지막으로 데이터 준비는 주석, 정리, 데이터 향상, 변환 등을 포함한 일련의 중요한 작업입니다. 소규모 팀은 이러한 모든 기술을 보유하지 못할 수 있으므로 아웃소싱을 모색할 수 있습니다. Scale AI( scale_AI )는 이러한 서비스를 제공하는 중앙 집중식 회사입니다. 현재 연간 매출이 약 7억 달러로 추정되며 빠르게 성장하고 있습니다. 우리는 암호화를 기반으로 잘 설계된 마켓플레이스와 워크플로 시스템이 여기서 잘 작동할 것이라고 믿습니다. Lightworks 는 Delphi Ventures와 기타 여러 회사의 지원을 받는 회사로 모두 초기 단계에 있습니다.
모델
Delphi Digital의 보고서 The Tower & The Square 에 따르면 AI 모델의 생산과 제어는 거의 전적으로 "대기업"과 정부에 의해 통제됩니다. 이는 정부가 통화를 통제하는 것보다 더 디스토피아적인 상황입니다. 이를 통해 가장 중요한 경제적 자원 중 하나를 통제할 수 있을 뿐만 아니라 특정 "바람직하지 않은" 사람들을 제외하고 정보를 검열하고 조작하여 내러티브를 통제할 수 있기 때문입니다. 사람들의 개인 AI 상호 작용을 수행하거나 단순히 AI를 사용하여 광고 수익을 극대화할 수 있습니다.
모든 사람이 접근할 수 있는 완전히 중립적이고 검열에 저항하는 모델을 만드는 것을 목표로 하는 탈중앙화 네트워크인 "The Square"를 만들기 위해 열심히 노력하는 많은 똑똑한 사람들이 있습니다. 따라서 비트코인과 암호화폐가 금융 시스템 외부에 있는 통화/금융 인프라를 제공하는 것처럼, crypto x AI는 시스템 외부에 있는 지능형 시스템을 제공할 것입니다.
이러한 프로젝트는 모델 생성 프로세스의 모든 측면을 탈중앙화 하여 GPT 및 LLaMA와 경쟁하는 강력한 모델을 생성하는 것을 목표로 합니다. 네트워크는 데이터 수집 및 준비, 자체 탈중앙화 컴퓨팅에 대한 교육 및 동일한 추론 프로세스를 담당합니다. 계산적으로 실행되며 전체 프로세스는 탈중앙화 거버넌스를 통해 조정됩니다. 프로세스의 어떤 부분도 중앙 집중화되어 있지 않으므로 모델은 진정한 커뮤니티 소유이며 "타워"에 의해 제어될 수 없습니다.
분명히 어떤 면에서든 최첨단 모델에 가까운 탈중앙화 모델을 만드는 것은 매우 어려울 것입니다. 우리는 대부분의 사용자가 윤리적인 이유로 품질이 낮은 제품을 받아들일 것이라고 기대할 수 없습니다. 우리는 이러한 유형의 프로젝트를 성공할 가능성이 낮지만 성공한다면 매우 가치 있는 "문샷"으로 보고 진심으로 성공하기를 바랍니다.
암호화폐 개념을 수용하고 토큰을 소유하거나 암호화를 사용할 수 있는 중앙 집중식 AI 연구소를 언급할 가치가 있습니다.
NousResearch 와 PondGNN은 Delphi Ventures의 투자 사례입니다. 마지막으로 OpenTensor 의 Bittensor와 같은 모델 생성 인프라는 이 모델 아키텍처의 일부입니다. Bittensor는 다른 곳에서 심도 있게 논의되었으므로 장단점에 대해서는 논의하지 않겠습니다.
애플리케이션 시나리오
Eric Schmidt는 최근 연설에서 다음과 같이 말했습니다.
TikTok이 금지된 경우, 여러분 각자에게 제안하는 방법은 다음과 같습니다. LLM(Large Language Model)에게 다음과 같이 말합니다. 30초 이내에 앱을 게시하고, 1시간 이내에 입소문이 나지 않으면 다른 유사한 조치를 취하세요.”
이 구절은 에이전트가 보유할 것으로 기대하는 광범위한 기능을 보여줍니다. 그러나 이러한 작업을 완전한 자율성으로 수행하려면 이러한 에이전트가 사람의 개입 없이 다양한 서비스를 사용할 수 있어야 합니다. 즉, 가치를 이전하고 경제적 관계를 구축하며 허가 없이 코드를 배포 및 실행할 수 있어야 합니다.
기존 뱅킹 애플리케이션, KYC(Know Your Customer) 및 온보딩 프로세스는 이러한 상담원에게 적합하지 않습니다. 필연적으로 그들은 인간을 위해 설계되어 도움 없이는 접근할 수 없는 시스템을 만나게 될 것입니다.
암호화 인프라는 완벽한 플랫폼을 제공합니다. 에이전트가 작동할 수 있도록 무허가, 무신뢰, 검열 저항 기반을 제공합니다. 애플리케이션을 배포해야 하는 경우 온체인 직접 배포할 수 있습니다. 특정 수수료를 지불해야 하는 경우 토큰을 보낼 수 있습니다. 온체인 서비스의 코드와 데이터는 개방적이고 일관적이므로 에이전트는 API나 문서 없이도 이해하고 상호 작용할 수 있습니다.
에이전트는 다양한 방식으로 온체인 활동의 촉매 역할을 할 수도 있습니다. 사람들이 웹사이트에서 버튼을 클릭하는 사용자 경험(UX) 패러다임에서 AI 개인 비서를 통해 상호 작용하는 방식으로 전환하면 암호화폐 업계의 악명 높은 온보딩 복잡성을 단순화하여 신규 사용자 유치에 대한 주요 장벽 중 하나를 완화할 수 있습니다.
Wayfinder( AIWayfinder ), Autonolas( Autonolas ), DAIN( dainprotocol ) 및 Almanak( Almanak__ )과 같은 프로젝트는 이러한 미래를 향해 나아가고 있습니다.
결론적으로
인공지능(AI)은 21세기 가장 강력하고 중요한 자원이 되어 사회에 큰 영향을 미치고 있습니다. 거대 기술 기업과 국가가 전적으로 통제하는 미래는 우리가 보고 싶지 않은 디스토피아적인 미래입니다. 이 기사에서 우리는 사람들이 철학적인 이유로 솔루션을 사용하기를 기대하는 것이 아니라 개발자와 사용자에게 진정으로 더 나은 솔루션을 제공함으로써 암호화가 이러한 독점을 방지할 수 있는 방법을 보여 주려고 합니다.
우리는 아직 인공지능(AI) 시대의 초기 단계, 특히 de-AI 시대에 머물고 있습니다. 현재 상태에서 이 기사에서 논의된 미래로 우리를 이끌기 위해서는 아직 해야 할 일이 많이 남아 있습니다. Delphi Labs에서는 암호화폐와 인공 지능의 미래에 대한 열정을 갖고 있으며 해당 분야 최고의 개발자들과 협력하여 그 미래를 형성하는 데 적극적으로 참여하고 싶습니다.
