저자: David & Goliath
번역: 테크플로우(TechFlow)
현재 AI 산업의 계산 및 학습 단계는 주로 집중화된 Web2 대기업이 주도하고 있습니다. 이러한 기업들은 강력한 자본력, 최첨단 하드웨어 및 방대한 데이터 자원을 바탕으로 주도적인 위치를 차지하고 있습니다. 이러한 상황은 가장 강력한 범용 머신러닝(ML) 모델을 개발할 때 지속될 수 있지만, 중급 또는 맞춤형 모델의 경우 Web3 네트워크가 점차 더 경제적이고 접근하기 쉬운 계산 자원의 원천이 될 수 있습니다.
마찬가지로 추론 요구가 개인 엣지 디바이스의 능력을 초과할 때 일부 소비자는 검열이 적고 다양성이 높은 출력을 얻기 위해 Web3 네트워크를 선택할 수 있습니다. 전체 AI 기술 스택을 전복하려 시도하는 대신, Web3 참여자들은 이러한 세분화된 시나리오에 더 초점을 맞추고 검열 저항성, 투명성 및 사회적 검증성의 고유한 장점을 최대한 활용해야 합니다.
GPT 또는 BERT와 같은 차세대 기본 모델을 학습하는 데 필요한 하드웨어 자원은 희소하고 비싸며, 최고 성능 칩에 대한 수요가 공급을 계속 초과할 것입니다. 이러한 자원 부족으로 인해 하드웨어가 충분한 자금을 가진 선두 기업에 집중되어, 이들 기업은 이 하드웨어를 사용하여 성능이 최적화되고 복잡도가 가장 높은 기본 모델을 학습하고 상업화했습니다.
그러나 하드웨어 업그레이드 속도는 매우 빠릅니다. 그렇다면 구식 중급 또는 저성능 하드웨어는 어떻게 활용될 수 있을까요?
이러한 하드웨어는 더 단순하거나 특정 목적에 맞는 모델 학습에 사용될 가능성이 높습니다. 다양한 성능의 하드웨어와 모델 범주를 매칭함으로써 자원을 최적으로 활용할 수 있습니다. 이 경우 Web3 프로토콜은 다양하고 저렴한 계산 자원에 대한 액세스를 조정함으로써 핵심적인 역할을 할 수 있습니다. 예를 들어 소비자는 개인 데이터 세트로 학습된 단순한 중급 모델을 사용할 수 있으며, 더 복잡한 작업을 처리할 때만 집중화된 기업이 학습하고 호스팅하는 고급 모델을 선택할 수 있습니다. 이 경우 사용자 ID는 숨겨지고 프롬프트 데이터는 암호화됩니다.
효율성 문제 외에도 집중화된 모델의 편향과 잠재적인 검열에 대한 우려가 계속 증가하고 있습니다. Web3 환경은 투명성과 검증성으로 알려져 있으며, Web2에서 무시되거나 너무 민감한 것으로 간주되는 모델에 대한 학습 지원을 제공할 수 있습니다. 이러한 모델은 성능과 혁신 면에서 경쟁력이 없을 수 있지만 사회의 특정 집단에게는 여전히 중요한 가치가 있습니다. 따라서 Web3 프로토콜은 더 개방적이고 신뢰할 수 있으며 검열 저항성 있는 모델 학습 서비스를 제공함으로써 이 분야에서 독특한 시장을 개척할 수 있습니다.
초기에는 집중화된 방식과 탈중앙화된 방식이 공존하며 각각 다른 사용 사례를 서비스할 수 있습니다. 그러나 개발자 경험과 플랫폼 호환성이 지속적으로 향상되고 오픈 소스 AI의 네트워크 효과가 점차 나타남에 따라 Web3는 결국 집중화된 기업의 핵심 영역에서 경쟁할 수 있게 될 것입니다. 특히 소비자가 집중화된 모델의 한계를 더 잘 인식하게 되면 Web3의 장점이 더욱 두드러질 것입니다.
중급 또는 특정 분야 모델 학습 외에도 Web3 참여자는 더 투명하고 유연한 추론 솔루션을 제공할 수 있는 이점을 가지고 있습니다. 탈중앙화된 추론 서비스는 무중단 운영, 모듈식 모델 조합, 공개된 모델 성능 평가, 더 다양하고 검열되지 않은 출력 등 여러 가지 이점을 제공할 수 있습니다. 이러한 서비스는 또한 소비자가 소수의 집중화된 공급업체에 종속되는 "공급업체 잠금" 문제를 효과적으로 피할 수 있습니다. 모델 학습과 마찬가지로, 탈중앙화된 추론 계층의 경쟁 우위는 계산 능력 자체가 아니라 투명성 부족, 검증 가능성 부족, 높은 비용과 같은 오랜 문제를 해결하는 데 있습니다.
Dan Olshansky는 POKT의 AI 추론 라우팅 네트워크를 통해 AI 연구원과 엔지니어에게 더 많은 기회를 창출하여 자신의 연구 성과를 실현하고 맞춤형 머신러닝(ML) 또는 인공지능(AI) 모델을 통해 추가 수익을 얻을 수 있다는 유망한 구상을 제시했습니다. 더 중요한 것은 이 네트워크가 다양한 출처의 추론 결과(탈중앙화 및 집중화 공급업체 포함)를 통합함으로써 추론 서비스 시장의 공정한 경쟁을 촉진할 수 있다는 점입니다.
전체 AI 기술 스택이 향후 완전히 온체인으로 이전될 것이라는 낙관적인 예측에도 불구하고, 현재로서는 데이터와 계산 자원의 집중화가 여전히 큰 장애물이 되고 있습니다. 이는 기존 대기업에 상당한 경쟁 우위를 제공합니다. 그러나 탈중앙화된 조정 및 계산 네트워크는 더 개인화되고 경제적이며 개방적이고 검열 저항성 있는 AI 서비스를 제공하는 데 있어 고유한 가치를 보여주고 있습니다. 이러한 가치가 가장 중요한 세분화된 시장에 초점을 맞춤으로써 Web3는 자신만의 경쟁 우위를 구축하고, 이 시대의 가장 영향력 있는 기술이 다양한 방향으로 공동 발전하여 소수의 전통적인 대기업이 아닌 더 광범위한 이해관계자에게 혜택을 줄 수 있도록 할 수 있습니다.
마지막으로 Placeholder Investment 팀의 모든 구성원, Multicoin Capital의 Kyle Samani, Canonical VC의 Anand Iyer, Nectar AI의 Keccak Wong, Osmosis Labs의 Alpin Yukseloglu, NEAR Foundation의 Cameron Dennis 등이 이 글 작성 과정에서 제공한 검토와 귀중한 피드백에 특별히 감사드립니다.
