Pi Network은 유휴 노드와 사용자 네트워크를 탈중앙화된 AI 작업에 활용하여 인공지능 붐을 활용하고자 합니다.
해당 프로젝트는 42만 1천 개 이상의 활성 노드로 구성된 네트워크를 활용하여 전 세계적인 AI 컴퓨팅 파워 부족 문제를 해결할 수 있다고 주장했습니다. 이 방대한 인프라는 100만 개 이상의 중앙 처리 장치(CPU)를 나타냅니다.
Pi Network의 AI 학습 스토리텔링이 토큰 가격을 15% 상승시켰습니다.
Pi Network은 자사의 역량을 입증하기 위해 Pi가 투자한 로봇 스타트업인 OpenMind와 협력하여 개념 증명 테스트를 진행했습니다.
테스트 동안 7명의 자원 봉사 노드 운영자가 AI 이미지 인식 컨테이너를 받았습니다. 노드들은 데이터를 성공적으로 처리하여 버스와 사람 등의 객체를 식별하고 4초 이내에 추론 결과를 반환했습니다.
"전반적으로 이번 실험을 통해 분산형 Pi 노드가 AI 관련 워크로드를 실행하고 유용한 결과를 신속하게 반환할 수 있음이 입증되었습니다."라고 네트워크 측은 밝혔습니다 .
하지만 자세히 살펴보면 해당 프로젝트의 인프라 관련 주장과 현대 인공지능 개발의 기술적 현실 사이에 상당한 격차가 있음을 알 수 있습니다.
복잡한 AI 시스템, 특히 대규모 언어 모델을 학습시키는 것은 막대한 자원을 필요로 합니다. 이를 위해서는 저지연 네트워크로 긴밀하게 연결된 고성능 그래픽 처리 장치(GPU) 의 대규모 클러스터가 필수적입니다.
라즈베리 파이 노드에 탑재된 분산형 소비자용 CPU는 이처럼 복잡한 행렬 연산에 필요한 병렬 처리 기능을 갖추고 있지 않습니다.
AI 학습을 위한 하드웨어적 한계에도 불구하고, Pi Network는 AI 분야에 잠재적으로 매우 가치 있는 자산을 보유하고 있습니다.
이 네트워크의 가장 큰 장점은 전 세계에 걸쳐 분포된 방대한 사용자 기반입니다. 특히, 수백만 명에 달하는 참여자들에 대해 엄격한 신원 확인 절차가 필수적입니다.
Pi Network 공동 창립자인 청디아오 판은 이러한 검증된 사용자들이 AI 모델에 필수적인 인간 개입 지원을 제공할 수 있다고 강조했습니다.
"인간의 참여 또한 매우 중요한 요소입니다. Pi의 검증된 인간 네트워크는 AI 시스템에 확장 가능하고 진정한 인간의 의견을 제공할 수 있는 독보적인 자원을 제공합니다."라고 Fan은 말했습니다 .
Pi는 네트워크 사용자를 AI 학습을 위한 분산형 인력으로 활용함으로써 자체 암호화폐의 정당한 사용처를 확보할 수 있습니다. 참여자들은 소규모 작업에 대한 보상으로 Pi 토큰을 받게 됩니다.
동시에 판은 네트워크의 분산형 AI 훈련 노력이 업계가 현재 직면한 과제를 해결할 수 있다고 주장했습니다.
그녀는 "분산형 AI 훈련은 분산 네트워크와 자연스럽게 연계되며, 데이터 센터 제약, 에너지 집중, 그리고 치명적인 기억 상실이나 전역 상태 병목 현상과 같은 중앙 집중식 훈련의 한계를 해결하는 데에도 도움이 될 수 있다"고 말했다.
한편, 네트워크가 인공지능(AI)으로 방향을 전환하면서 토큰 가격이 보도 시점 현재 15% 상승한 0.2307달러를 기록한 것으로 보입니다.
