체인피드 요약:

탈중앙화 AI에 대해 논의할 때, 우리는 먼저 AI가 왜 탈중앙화되어야 하는지, 그리고 그것의 탈중앙화가 어떤 결과를 초래할지 자문해야 합니다. 거의 모든 탈중앙화 구상은 결국 핵심 문제인 인센티브 메커니즘의 합리성을 지적하게 됩니다.

출처:

https://x.com/paramonoww/status/1901633115237531890

저자:

Pavel Paramonov

관점:

Pavel Paramonov: 현재 대규모 <算力> AI 모델의 계산 자원 요구량이 매우 높아, 많은 잠재적 사용자의 참여를 제한하고 있습니다. AI 모델은 대량의 데이터 자원과 막대한 <算力>이 필요하지만, 이러한 자원을 확보하는 비용은 일반인의 부담을 넘어섭니다. 특히 오픈 소스 AI 분야에서, 개발자들은 모델 학습에 시간을 투자할 뿐만 아니라 비싼 <算力>도 투자해야 하므로, 오픈 소스 AI 발전이 제한됩니다. 개인이 자신의 <算力>으로 AI 모델을 실행할 수 있지만, 이는 근본적인 해결책이 되지 못합니다. 인센티브 메커니즘의 합리성은 규칙을 수립하여 참여자들이 자신의 이익을 추구하면서도 전체 시스템의 발전을 추동할 수 있도록 하는 것을 의미합니다. 암호화폐 분야에서는 이미 인센티브 메커니즘 문제를 해결했으며, 그 대표적인 예가 분야입니다. 와 는 분산 노드와 GPU 자원 기여를 통해 인센티브 메커니즘을 합리화했습니다. 왜 이러한 모델을 AI 분야에 적용하여 더 개방적이고 접근 가능한 AI 생태계를 구축할 수 없을까요? 그 답은 완전히 가능합니다. 와 암호화폐의 핵심 동력은 '소유권'입니다: 당신은 자신의 데이터를 소유하고, 자신의 인센티브를 소유하며, 심지어 토큰만 보유해도 네트워크의 일부를 소유할 수 있습니다. 이러한 '소유권 부여'는 자원 제공자들이 자산을 기여하도록 하는 근본적인 동기입니다 - 그들은 네트워크의 성공으로부터 혜택을 받기를 희망합니다. 우리가 탈중앙화 AI 시스템을 구축하고 그 인센티브 메커니즘을 효과적으로 만들기 위해서는, 그 시스템이 블록체인과 유사한 검증 가능한 메커니즘을 갖추어야 합니다: 네트워크 효과(더 많은 참여자 → 더 강력한 생태계), 진입장벽 감소(노드가 미래 수익으로 초기 비용을 보전할 수 있음), 처벌 메커니즘(시스템 안정성 유지를 위한 악의적 행위 처벌). 여기서 처벌 메커니즘은 검증 가능성에 의존합니다. 누가 시스템에서 악의적으로 행동했는지 검증할 수 없다면, 처벌할 수 없으며 이는 시스템을 공격과 사기에 취약하게 만듭니다. 탈중앙화 AI 체계에서 검증 가능성은 필수적인데, 그 이유는 시스템에 단일 신뢰 중심이 없고 신뢰 없이도 검증 가능한 구조를 구축하고자 하기 때문입니다. 현재 AI 생태계에는 이러한 문제를 해결하려는 여러 탈중앙화 <算力> 네트워크가 있습니다. 예를 들어 은 GPU 계산 자원 임대를 통해 AI 학습 비용을 75% 절감하고, 는 메커니즘을 개발하여 노드가 계산 능력을 증명하고 인센티브를 받을 수 있게 하며, 는 신뢰할 수 있는 데이터 소스를 제공하여 AI 학습 데이터의 탈중앙화와 다양성을 높이고 있습니다. 이러한 프로젝트들은 AI를 더 개방적이고 탈중앙화된 형태로 만들고, 전체 인센티브 체계의 공정성과 검증 가능성을 보장하는 방법을 모색하고 있습니다.