VanEck：2030年加密货币人工智能收入预测

원저자: Patrick Bush, Matthew Sigel

원본 편집: Lynn, Mars Finance

우리는 2030년까지 AI 암호화폐 수익 시나리오를 개략적으로 설명하여 102억 달러의 기본 사례를 강조하고 필수 기능을 통해 AI 채택을 촉진하는 퍼블릭 블록체인의 중요한 역할을 강조합니다.

VanEck는 아래 나열된 디지털 자산에서 포지션을 보유할 수 있습니다.

키 포인트:

• 당사의 기본 사례에 따르면 암호화폐 AI 수익은 2030년까지 102억 달러에 이를 것으로 예상됩니다.

• 블록체인 기술은 AI 채택과 분산형 AI 솔루션 발전의 핵심 동인이 될 수 있습니다.

• 암호화 인센티브와의 통합으로 AI 모델의 보안 및 효율성 향상

• 블록체인은 AI 인증 및 데이터 무결성 문제에 대한 솔루션이 될 수 있습니다.

퍼블릭 블록체인은 인공지능(AI)의 광범위한 채택을 가능하게 하는 열쇠가 될 수 있으며, AI 애플리케이션은 암호화폐의 존재 이유가 될 것입니다. 암호화폐는 투명성, 불변성, 잘 정의된 소유권 속성, 적대적 테스트 환경 등 인공지능에 필요한 중요한 기본 요소를 제공하기 때문입니다. 우리는 이러한 기능이 AI의 잠재력을 최대한 발휘하는 데 도움이 될 것이라고 믿습니다. AI 성장 추정치를 바탕으로 우리는 AI 중심 암호화폐 프로젝트가 2030년까지 연간 수익이 102억 달러에 이를 것이라고 주장합니다. 이 기사에서 우리는 AI 채택을 촉진하는 데 있어서 암호화폐의 역할과 암호화폐가 AI 비즈니스에 가져올 가치에 대해 추측합니다.

여기 이 블로그를 확인해 보세요PDF 버전。

우리는 인공 지능에 암호화폐를 가장 잘 적용할 수 있는 것으로 나타났습니다.

• 분산 컴퓨팅 자원 제공

• 모델 테스트, 미세 조정 및 검증

• 저작권 보호 및 데이터 무결성

• 인공지능 보안

• 신원

암호화폐는 이미 인공지능의 현재와 미래의 많은 과제를 해결하고 있기 때문에 인공지능에 매우 유용합니다. 본질적으로 암호화폐는 조정 문제를 해결합니다. 암호화폐는 인적, 계산적, 금전적 자원을 모아 오픈 소스 소프트웨어를 실행합니다. 이는 각 블록체인 네트워크를 생성, 지원 및 사용하는 사람들에게 각 네트워크의 가치에 연결된 토큰 형태로 보상을 제공함으로써 이를 수행합니다. 이 보상 시스템은 AI 가치 스택의 다양한 구성 요소를 안내하는 데 사용될 수 있습니다. 암호화와 인공 지능을 결합하는 중요한 의미는 암호화폐 인센티브를 사용하여 GPU 클러스터와 같은 교육, 미세 조정 및 생성 모델 사용 지원에 전념하는 필수 물리적 인프라를 개발한다는 것입니다. 암호화폐는 원하는 사용자 행동에 보상하기 위해 암호화폐를 사용하는 적대적 환경이기 때문에 특정 품질 표준을 충족하는 출력을 최적화하기 위해 인공 지능 모델을 테스트하고 미세 조정하기 위한 최고의 기반입니다.

또한 블록체인은 디지털 소유권에 투명성을 제공하여 OpenAI와 Microsoft에 대한 New York Times의 소송에서 강조된 것처럼 AI가 법정에서 직면하게 될 오픈 소스 소프트웨어 문제 중 일부를 해결하는 데 도움이 될 수 있습니다. 즉, 암호화는 데이터 소유자, 모델 구축자, 모델 사용자의 소유권과 저작권 보호를 투명하게 증명할 수 있습니다. 이러한 투명성은 모델의 유효성에 대한 수학적 증명을 공개 블록체인에 게시하는 데에도 적용됩니다. 마지막으로, 위조할 수 없는 디지털 서명과 데이터 무결성으로 인해 퍼블릭 블록체인이 AI의 효율성을 저해할 수 있는 식별 및 보안 문제를 완화하는 데 도움이 될 것이라고 믿습니다.

인공지능 기업에서 암호화폐의 역할 정의

2030년 예상 암호화폐 AI 수익: Bear, Base Case, Bull 시나리오

출처: Morgan Stanley, Bloomberg, VanEck Research 2024년 1월 29일 기준. 과거 성과는 미래 결과를 보장하지 않습니다. 이 블로그에 제공된 정보, 가치 평가 시나리오 및 가격 목표는 재정적 조언이나 조치 촉구, 매수 또는 매도 추천 또는 AI 비즈니스의 향후 성과 예측 역할을 하기 위한 것이 아닙니다. 실제 미래 성과는 알 수 없으며 여기에 설명된 가상 결과와 실질적으로 다를 수 있습니다. 제시된 시나리오에서 고려되지 않은 성능을 저해할 수 있는 위험이나 기타 요인이 있을 수 있습니다. 이는 당사의 연구를 기반으로 한 시뮬레이션 결과일 뿐이며 설명 목적으로만 사용됩니다. 스스로 조사하고 결론을 내리시기 바랍니다.

암호화폐 AI 시장을 예측하기 위해 우리는 먼저 AI로 인한 비즈니스 생산성 향상의 총 주소 지정 가능 시장(TAM)을 추정합니다. 이 수치의 기준은 2022년 McKinsey의 가정에서 나온 것입니다. 그런 다음 McKinsey의 예측에 경제 및 생산성 성장 가정을 적용하여 2030년에 $5.85T의 기본 사례 TAM을 계산합니다. 이 기본 사례에서는 AI 생산성 증가가 GDP 증가(3%)보다 50% 더 높다고 가정합니다. 그런 다음 글로벌 기업에서 AI의 시장 침투율(기본 사례에서 33%)을 예측하고 이를 초기 TAM에 적용하여 AI가 기업의 생산성 향상에 1.93T 달러를 가져올 것으로 예측합니다. 모든 AI 비즈니스의 수익을 계산하기 위해 이러한 생산성 향상 중 13%가 AI 비즈니스에서 발생하는(또는 기업 소비자가 지출하는) 수익으로 가정됩니다. AI 지출이 비슷해야 한다는 가정하에 SP 500 기업 간 인건비 중 평균 수익 지분을 적용해 AI 수익 지분을 추정했다. 분석의 다음 부분에서는 AI 가치 스택 분포에 대한 Bloomberg Intelligence의 예측을 적용하여 각 AI 비즈니스 그룹의 연간 수익을 추정합니다. 마지막으로, 각 AI 비즈니스의 암호화폐 시장 점유율에 대한 구체적인 추정치를 제공하여 각 사례 및 시장에 대한 최종 수치에 도달합니다.

우리는 오픈 소스 공개 저장소를 사용하여 구축된 분산형 AI 모델이 상상할 수 있는 모든 사용 사례에 적용되는 미래를 상상합니다. 많은 경우 이러한 오픈 소스 모델은 중앙 집중식 AI 생성보다 성능이 뛰어납니다. 이 가정의 기초는 오픈 소스 커뮤니티가 사물을 개선하려는 독특한 동기를 가진 열성 팬과 취미 활동가를 하나로 모으는 가정에서 비롯됩니다. 우리는 오픈 소스 인터넷 프로젝트가 기존 비즈니스를 혼란에 빠뜨리는 것을 보았습니다. 이러한 현상의 가장 좋은 예는 상업 백과사전 사업을 사실상 종식시킨 위키피디아, 뉴스 매체를 혼란에 빠뜨린 트위터이다. 이러한 오픈 소스 커뮤니티는 전통적인 기업이 실패하는 곳에서 성공합니다. 오픈 소스 그룹은 사회적 영향력, 이데올로기 및 그룹 결속의 조합을 통해 사람들에게 가치를 제공하도록 조정하고 영감을 주기 때문입니다. 간단히 말해서, 이러한 오픈 소스 커뮤니티는 회원들의 관심 때문에 성공합니다.

오픈 소스 AI 모델과 암호화폐 인센티브를 결합하면 신흥 커뮤니티의 범위를 확장하여 새로운 참가자를 유치하는 데 필요한 인프라를 구축할 수 있는 재정적 힘을 제공할 수 있습니다. 이 전제를 인공 지능에 적용하는 것은 열정과 재정적 자원의 매혹적인 조합이 될 것입니다. 인공지능 모델은 암호화폐 인센티브 대회에서 테스트돼 모델 평가 벤치마크 환경을 구축할 예정이다. 이러한 환경에서는 각 모델의 가치가 명확하게 정량화되어 있으므로 가장 효과적인 모델과 평가 기준이 승리합니다. 따라서 기본 사례에서는 블록체인으로 생성된 AI 모델이 전체 AI 소프트웨어 수익의 5%를 차지할 것으로 예상합니다. 이 추정치에는 하드웨어, 소프트웨어, 서비스, 광고, 게임 등이 포함되어 비즈니스 운영 규모의 변화를 반영합니다. 전체 AI 소프트웨어 수익 중에서 이것이 전체 AI 수익의 약 절반, 즉 약 1,255억 달러를 차지할 것으로 예상됩니다. 따라서 우리는 오픈 소스 모델의 5% 시장 점유율이 암호화폐 기반 AI 모델 수익 62억 7천만 달러에 해당한다고 추정합니다.

우리는 미세 조정, 교육 및 추론을 위한 컴퓨팅(또는 서비스형 AI 인프라)을 위한 TAM이 2030년까지 474억 4천만 달러에 이를 것으로 예측합니다. AI가 널리 채택됨에 따라 AI는 세계 경제의 여러 기능에 통합될 것이며, 컴퓨팅 및 스토리지 제공은 전력 생산 및 배전과 유사한 유틸리티로 구상될 수 있습니다. 이러한 역학에서 기본 로드의 대부분은 Amazon 및 Google과 같은 GPU 클라우드 하이퍼스케일러에서 나오며, 이들의 시장 점유율은 80% Pareto 분포에 근접합니다. 우리는 블록체인 분산 백엔드 서버 인프라가 전문적인 요구 사항을 충족하고 네트워크 수요가 높은 기간 동안 피크 공급자 역할을 하는 것을 봅니다. 맞춤형 AI 모델 제작자를 위해 암호화된 스토리지 및 컴퓨팅 제공업체는 주문형 서비스 제공, SLA 잠금 기간 단축, 더욱 맞춤화된 컴퓨팅 환경, 대기 시간 민감도 향상과 같은 이점을 제공합니다. 또한 분산형 GPU는 스마트 계약의 분산형 AI 모델과 원활하게 통합될 수 있어 AI 에이전트가 자체 컴퓨팅 요구 사항을 확장하는 무허가 사용 사례를 가능하게 합니다. 블록체인이 제공하는 GPU를 인공 지능 컴퓨팅 인프라와 동등한 Uber/Lyft로 생각하면 블록체인이 제공하는 컴퓨팅 및 스토리지가 인공 지능 인프라에 대한 비 하이퍼스케일 시장의 20%를 차지할 것이며 19억 달러의 수익을 창출할 수 있다고 믿습니다. .

입증 가능한 온체인 인류를 통해 인공 지능 에이전트 및 모델의 맥락에서 신원을 정의하는 것은 전 세계 컴퓨터 네트워크를 위한 마녀 방어 메커니즘으로 볼 수 있습니다. 다양한 블록체인 네트워크 보안과 관련된 수수료를 조사하여 이 서비스의 비용을 추정할 수 있습니다. 2023년에 비트코인, 이더리움, 솔라나에 대한 이러한 비용은 각각 각 네트워크의 인플레이션 발행 ​​가치의 약 1.71%, 4.3%, 5.57%가 될 것입니다. 보수적으로 보면 신원 인식이 AI 시장에서 약 3.5%를 차지해야 한다고 추론할 수 있다. AI 소프트웨어의 TAM이 1,255억 달러라는 점을 고려하면 이는 연간 매출 87억 8천만 달러에 해당합니다. 우리는 암호화폐가 신원 문제에 대한 최선의 솔루션을 제공한다고 믿기 때문에 암호화폐가 이 최종 시장의 10%를 차지할 것이며 연간 수익은 약 8억 7,800만 달러가 될 것으로 예상합니다.

AI 보안은 AI 장치의 또 다른 중요한 구성 요소가 될 것으로 예상되며, 기본 요구 사항은 손상되지 않은 관련 최신 데이터를 사용하여 모델이 올바르게 작동하는지 확인하는 것입니다. AI가 자율주행차, 공장 로봇, 의료 시스템 등 인간의 생명이 위험에 처한 애플리케이션으로 확장되면서 실패에 대한 허용 오차는 줄어들고 있습니다. 사고 발생 시 책임에 대한 필요성으로 인해 보험 시장은 구체적인 안전 증거를 요구하게 될 것입니다. 퍼블릭 블록체인은 누구나 볼 수 있는 불변의 원장에 보안 증명을 게시할 수 있기 때문에 이 기능에 이상적입니다. 이 업무는 금융기관의 컴플라이언스 업무와 유사하다고 볼 수 있습니다. 미국 상업 및 투자 은행이 6,600억 달러의 수익을 창출하고 규정 준수 비용으로 587억 5천만 달러(수익의 8.9%)를 지출한다는 점을 고려하면 AI 보안은 2,510억 달러의 AI TAM 중 약 223억 4,000만 달러를 차지할 것으로 예상됩니다. 암호화폐는 AI 보안을 강화할 수 있는 잠재력을 가지고 있지만, 미국 정부가 AI에 중점을 두고 있다는 점을 고려할 때 AI 규정 준수의 상당 부분이 중앙 집중화될 것이라고 믿습니다. 따라서 우리는 암호화폐가 이 시장의 약 5%, 즉 약 11억 2천만 달러를 차지할 것으로 추정합니다.

분산 컴퓨팅 리소스 구성

암호화폐는 엄청난 사회적, 재정적 조정 이점을 적용하여 컴퓨팅에 대한 액세스를 민주화함으로써 현재 AI 개발자를 괴롭히는 문제점을 해결할 수 있습니다. 높은 비용과 고품질 GPU에 대한 제한된 액세스 외에도 AI 모델 빌더는 현재 다른 까다로운 문제에 직면해 있습니다. 여기에는 공급업체 종속, 보안 부족, 제한된 컴퓨팅 가용성, 낮은 대기 시간, 주 법률에서 요구하는 지오펜싱 등이 포함됩니다.

GPU에 대한 인공지능의 수요를 충족시키는 암호화폐의 능력은 토큰 인센티브를 통해 리소스를 풀링하는 능력에서 비롯됩니다. 비트코인 네트워크의 토큰 가치는 8,500억 달러, 자산 가치는 200억 달러로 이는 이러한 능력을 입증합니다. 따라서 현재의 비트코인 ​​채굴자와 유망한 분산형 GPU 시장 모두 분산형 컴퓨팅을 제공함으로써 인공 지능에 상당한 가치를 더할 수 있는 잠재력을 가지고 있습니다.

블록체인을 통한 GPU 제공을 이해하는 데 유용한 비유는 발전 사업입니다. 간단히 말해서, 대부분의 그리드 요구 사항을 충족하기 위해 안정적으로 전기를 생산할 수 있는 크고 값비싼 발전소를 운영하는 기업이 있습니다. 이러한 기본 부하 발전소는 수요가 안정적이지만 건설에 상당한 자본 투자가 필요하므로 상대적으로 낮지만 자본 수익이 보장됩니다. 기본 부하를 보충하는 것은 피크 전력이라고 불리는 또 다른 유형의 발전기입니다. 이들 회사는 수요가 기본 부하 발전 용량을 초과할 때 전기를 제공합니다. 여기에는 해당 에너지 수요에 가깝게 전략적으로 배치된 고비용의 소규모 에너지 생산이 포함됩니다. 우리는 주문형 컴퓨팅 공간에서도 유사한 역동성이 나타날 것으로 예상합니다.

비트코인 채굴자는 인공지능으로 다양화

비트코인 및 인공 지능과 같은 기타 작업 증명 암호화폐는 에너지 수요가 높습니다. 이 에너지는 채굴 장비와 컴퓨팅 클러스터에 전력을 공급하기 위해 생성, 수확, 운송 및 사용 가능한 전기로 분해되어야 합니다. 공급망에서는 광부들이 발전소, 전력 구매 계약, 그리드 인프라 및 데이터 센터 시설에 상당한 투자를 해야 합니다. PoW 암호화폐 채굴로 인한 금전적 인센티브로 인해 에너지 및 전력 권한과 통합 그리드 아키텍처를 갖춘 전 세계적으로 분산된 많은 비트코인 ​​채굴자가 등장했습니다. 이 에너지의 대부분은 사회가 기피하는 저비용, 탄소 집약적 에너지원에서 나옵니다. 따라서 비트코인 ​​채굴자가 제공할 수 있는 가장 강력한 가치 제안은 AI 백엔드 인프라를 강화하는 저비용 에너지 인프라입니다.

AWS 및 Microsoft와 같은 대규모 컴퓨팅 제공업체는 수직 통합 운영에 투자하고 자체 에너지 생태계를 구축하는 전략을 추구해 왔습니다. 거대 기술 기업들은 자체 칩을 설계하고 자체 에너지를 조달하는 등 상류로 이동했으며, 그 중 대부분은 재생 가능합니다. 현재 데이터 센터는 미국 기업이 사용할 수 있는 재생 가능 에너지의 2/3를 소비합니다. Microsoft와 Amazon은 모두 2025년까지 100% 재생 가능 에너지 공급을 달성하기로 약속했습니다. 그러나 일부 사람들이 말하는 것처럼 예상 컴퓨팅 수요가 기대치를 초과할 경우 AI 중심 데이터 센터의 수가 2027년까지 두 배로 늘어나고 자본 지출도 현재 추정치의 세 배로 늘어날 수 있습니다. 거대 기술 회사들은 이미 전기 요금으로 $0.06-0.10/kWh를 지불하고 있는데, 이는 경쟁적인 비트코인 ​​채굴자들이 일반적으로 지불하는 것(0.03-0.05kWh)보다 훨씬 더 비쌉니다. AI의 에너지 수요가 거대 기술 기업의 현재 인프라 계획을 초과한다면 하이퍼스케일 채굴기에 비해 비트코인 ​​채굴자의 전력 비용 이점이 크게 증가할 수 있습니다. 채굴자들은 GPU 공급과 관련된 고수익 인공지능 사업에 점점 더 매력을 느끼고 있습니다. 특히 Hive는 지난 10월 자사의 HPC 및 AI 운영이 메가와트당 비트코인 ​​채굴 수익의 15배를 창출했다고 보고했습니다. 인공 지능의 기회를 포착하는 다른 비트코인 ​​채굴업체로는 Hut 8과 Applied Digital이 있습니다.

비트코인 채굴자들은 이 새로운 시장에서 성장을 경험했으며, 이는 수익을 다각화하고 수익 보고서를 향상시키는 데 도움이 되었습니다. Hut 8의 2023년 3분기 애널리스트 통화에서 CEO Jaime Leverton은 다음과 같이 말했습니다. HPC 사업에서 우리는 신규 고객 추가와 기존 고객의 성장으로 3분기에 어느 정도 모멘텀을 창출했습니다. 지난 주에 주문형 클라우드 서비스를 출시했습니다. GPU에서 HPC 서비스를 원하는 고객에게 인공 지능, 기계 학습, 시각 효과 및 렌더링 워크로드를 지원할 수 있는 Kubernetes 기반 애플리케이션을 제공하는 이 서비스는 프로비저닝 시간을 며칠에서 몇 분으로 단축하는 동시에 고객의 손에 제어권을 부여합니다. 특히 단기 HPC 프로젝트를 찾는 사람들에게 매력적입니다 Hut 8 2023년 3분기부터 HPC 사업 매출 450만 달러를 달성하여 같은 기간 회사 매출의 25% 이상 차지 HPC 서비스 및 신제품에 대한 수요 증가 비트코인 반감기가 가까워짐에 따라 이 사업 분야의 향후 성장에 도움이 될 것이며, 시장 상황에 따라 HPC 수익이 곧 채굴 수익을 초과할 수도 있습니다.

그들의 사업은 유망해 보이지만 인공 지능으로 전환하는 비트코인 ​​채굴자들은 데이터 센터 구축 기술이 부족하거나 전원 공급 장치를 확장할 수 없기 때문에 어려움을 겪을 수 있습니다. 이러한 광부들은 새로운 데이터 센터 중심 영업 직원을 고용하는 데 드는 비용으로 인해 운영 오버헤드와 관련된 문제를 발견할 수도 있습니다. 또한 현재 채굴 작업은 저렴한 에너지에 대한 최적화로 인해 종종 고속 광섬유 연결이 부족한 원격 위치에 위치하게 되므로 적절한 네트워크 대기 시간이나 대역폭이 없습니다.

인공지능을 위한 분산형 클라우드 구현

또한 AI 서버 리소스 시장의 작지만 중요한 부분을 차지할 컴퓨팅 중심 암호화폐 프로젝트의 롱테일도 볼 수 있습니다. 이러한 엔터티는 하이퍼스케일을 넘어 컴퓨팅 클러스터를 조정하여 신생 AI 빌더의 요구 사항에 맞는 가치 제안을 제공합니다. 분산 컴퓨팅의 이점에는 사용자 정의 가능성, 개방형 액세스 및 더 나은 계약 조건이 포함됩니다. 이러한 블록체인 기반 컴퓨팅 회사는 소규모 AI 플레이어가 H 100 및 A 100과 같은 고급 GPU의 막대한 비용과 일반적 가용성을 피할 수 있도록 지원합니다. Crypto AI 비즈니스는 암호화 토큰 인센티브를 기반으로 구축된 물리적 인프라 네트워크를 생성함으로써 수요를 충족하는 동시에 독점 IP를 제공하여 AI 애플리케이션의 컴퓨팅 사용을 최적화하는 소프트웨어 인프라를 생성할 것입니다. 블록체인 컴퓨팅 프로젝트는 시장 방법과 암호화 보상을 사용하여 독립적인 데이터 센터, 컴퓨팅 성능이 뛰어난 기업 및 이전 PoW 채굴자로부터 더 저렴한 컴퓨팅을 발견합니다. AI 모델에 분산 컴퓨팅을 제공하는 일부 프로젝트에는 Akash, Render 및 io.net이 있습니다.

Akash는 CPU, GPU, 메모리, 스토리지를 제공하는 일반적인 분산형 슈퍼 클라우드라고 볼 수 있는 코스모스 기반 프로젝트입니다. 사실상 클라우드 서비스 사용자와 클라우드 서비스 제공자를 연결하는 양방향 시장이다. Akash의 소프트웨어는 AI 모델의 훈련, 미세 조정 및 실행을 촉진하는 도구를 만드는 동시에 컴퓨팅 공급과 수요를 조정하도록 설계되었습니다. Akash는 또한 시장 구매자와 판매자가 자신의 의무를 정직하게 이행하도록 보장합니다. Akash는 할인된 가격으로 클라우드 서비스 비용을 지불하는 데 사용할 수 있는 $AKT 토큰을 통해 조정됩니다. $AKT는 또한 GPU 컴퓨팅 제공업체 및 기타 네트워크 참가자를 위한 인센티브 메커니즘 역할도 합니다. 공급 측면에서 Akash는 Akash 시장에 65개의 다양한 공급업체가 있기 때문에 컴퓨팅 공급업체를 추가하는 데 큰 진전을 이루었습니다. 2023년 8월 31일 Akash의 AI Super Cloud 출시를 앞두고 컴퓨팅 수요가 부진했지만 컴퓨팅 구매자는 출시일 이후 138,000달러를 지출했습니다.

최근 솔라나(Solana)로 이전한 렌더(Render)는 처음에는 이미지와 비디오를 렌더링하기 위한 GPU 성능을 제공할 분산된 그룹과 아티스트를 연결하는 데 중점을 두었습니다. 그러나 Render는 딥 러닝 모델을 지원하기 위해 분산형 GPU 클러스터를 기계 학습 워크로드에 집중하기 시작했습니다. 네트워크 개선 제안 RNP-004를 통해 이제 Render에는 기계 학습을 위해 Render의 GPU 네트워크를 활용하는 외부 네트워크(예: io.net)에 연결하는 API가 있습니다. 렌더 커뮤니티의 후속 제안은 기계 학습 작업을 위해 Beam 및 FEDML을 통해 GPU에 액세스할 수 있도록 승인되었습니다. 결과적으로, Render는 공급자에게 RNDR 달러를 지불하고 네트워크의 백엔드 인프라를 실행하는 엔터티에 RNDR 인센티브를 제공함으로써 조정되는 GPU 워크로드의 분산형 촉진자가 되었습니다.

io.net GPU 가격 비교. 출처: io.net 2024년 1월 4일 기준.

솔라나의 또 다른 흥미로운 프로젝트는 DePIN 또는 분산형 물리적 인프라 네트워크로 간주되는 io.net입니다. io.net의 목적도 GPU를 제공하는 것이지만, AI 모델을 구동하기 위해 GPU를 적용하는 데에만 중점을 두고 있습니다. Io.net은 단순히 계산을 조정하는 것 외에도 코어 스택에 더 많은 서비스를 추가했습니다. 해당 시스템은 네트워크 전체에서 AI 워크로드를 적절하게 촉진하고 문제를 해결하기 위해 생성, 소비 및 미세 조정을 포함하여 AI의 모든 구성 요소를 처리한다고 주장합니다. 이 프로젝트는 또한 자체 GPU뿐만 아니라 Render 및 Filecoin과 같은 다른 분산형 GPU 네트워크도 활용합니다. io.net에는 현재 토큰이 부족하지만 2024년 1분기에 출시될 예정입니다.

분산 컴퓨팅의 병목 현상 극복

그러나 딥 러닝 모델을 교육하는 데 필요한 일반적인 633TB 이상의 데이터로 인한 네트워크 수요로 인해 이러한 분산 컴퓨팅을 활용하는 것은 여전히 ​​어려운 일입니다. 전 세계에 위치한 컴퓨터 시스템은 컴퓨터 기능의 지연과 차이로 인해 병렬 모델 훈련에 새로운 장애물을 제시합니다. 오픈소스 기본 모델 시장에 공격적으로 진출하고 있는 회사 중 하나는 오픈소스 AI 모델을 호스팅하기 위해 분산형 클라우드를 구축하고 있는 Together입니다. 연구원, 개발자 및 기업이 함께 데이터, 모델 및 계산을 결합하는 직관적인 플랫폼을 통해 AI를 활용하고 개선하여 AI의 접근성을 확대하고 차세대 기술 회사를 지원할 수 있도록 돕습니다. 선도적인 학술 연구 기관과 협력하여 Together는 실험실에서 인공 지능 연구를 위한 컴퓨팅을 중앙 집중화할 수 있도록 Together 연구 컴퓨터를 구축했습니다. 또한 이 회사는 스탠포드의 CRFM(기본 모델 연구 센터)과 협력하여 HELM(전체적 언어 모델 평가)을 만들었습니다. HELM은 이러한 기본 모델을 평가하기 위한 표준화된 프레임워크를 제공함으로써 인공 지능의 투명성을 높이도록 설계된 살아있는 벤치마크입니다.

Together를 창립한 이래 Vipul Ved Prakash 창립자는 1) <1Gbps 링크를 통해 학습된 6B 매개변수 모델을 갖춘 개방형 LLM인 GPT-JT, 2) 전문적인 창작을 위한 강력한 오픈 소스 기반인 OpenChatKit을 포함한 여러 프로젝트를 주도해 왔습니다. 및 범용 챗봇, 3) 연구 및 상업용 애플리케이션의 기반이 되는 것을 목표로 하는 선도적인 오픈 소스 모델을 만드는 프로젝트인 RedPajama. Together 플랫폼은 일반 하드웨어, 분산형 클라우드 및 포괄적인 개발자 클라우드에 대한 개방형 모델로 구성된 기본 모델로, 소비자 채굴자, 암호화폐 채굴 농장, T2-T4 클라우드 제공업체 및 학술 컴퓨팅을 포함한 다양한 컴퓨팅 소스를 통합합니다.

우리는 Together와 같은 분산되고 민주화된 클라우드 컴퓨팅 솔루션이 새로운 모델 구축 비용을 크게 절감하여 잠재적으로 Amazon Web Services, Google Cloud 및 Azure와 같은 기존 거대 기업을 방해하고 경쟁할 수 있다고 믿습니다. 맥락상, AWS 용량 블록과 AWS p 5.48 xlarge 인스턴스를 동일한 수의 H 100 SXM 5 GPU로 구성된 Together GPU 클러스터와 비교하면 Together의 가격은 AWS보다 약 4배 저렴합니다.

Open LLM이 더욱 정확해지고 널리 채택됨에 따라, Red Hat이 Linux용인 것처럼 Together도 오픈 소스 모델의 업계 표준이 될 수 있습니다. 이 분야의 경쟁사로는 모델 제공업체인 Stability A와 HuggingFace, 인공지능 클라우드 제공업체인 Gensyn과 Coreweave가 있습니다.

암호화폐 인센티브로 AI 모델 강화

블록체인과 암호화폐 인센티브는 네트워크 효과와 네트워크 효과의 크기와 관련된 보상이 사람들이 유용한 작업을 하도록 만든다는 것을 보여줍니다. 비트코인 채굴의 맥락에서 임무는 값비싼 전기, 기술 인력, ASIC 기계를 사용하여 비트코인 ​​네트워크를 확보하는 것입니다. 이러한 경제적 자원의 조정은 비트코인에 대한 경제적 공격에 대한 Sybil 공격 방어 메커니즘을 제공합니다. 그 대가로 이러한 자원을 조정하는 채굴자는 BTC USD를 받게 됩니다. 그러나 AI에서 유용한 작업을 위한 녹지 공간은 훨씬 더 크며, 이미 여러 프로젝트에서 AI 및 기계 학습 모델의 개선을 주도하고 있습니다.

이 프로젝트 중 가장 독창적인 것은 Numerai입니다. 현재 Numerai는 최고의 기계 학습 모델을 식별하여 주식 포트폴리오를 구축하여 재정적 수익을 최적화하는 것을 목표로 하는 분산형 데이터 과학 토너먼트로 간주될 수 있습니다. 각 시대마다 익명의 Numerai 참가자에게는 숨겨진 원시 데이터에 대한 액세스 권한이 부여되고 이 데이터를 사용하여 최고 성과의 주식 포트폴리오를 구축하도록 요청됩니다. 참여하려면 사용자는 예측을 제출해야 할 뿐만 아니라 해당 모델의 가치를 입증하기 위해 모델 예측 뒤에 NMR 토큰을 스테이킹해야 합니다. 다른 사용자도 자신이 가장 잘 수행한다고 생각하는 모델에 토큰을 걸 수 있습니다. 그런 다음 약속하고 제출된 각 모델의 출력은 기계 학습 알고리즘에 입력되어 Numerai One 헤지 펀드의 투자 결정을 알리는 메타 모델을 생성합니다. 최고의 정보 계수 또는 효율성을 갖춘 추론을 제출하는 사용자에게는 NMR 토큰이 보상으로 제공됩니다. 동시에, 최악의 모델을 스테이킹한 사람들은 토큰을 삭감하게 됩니다(승자에게 보상하기 위해 압수 및 재사용).

Bittensor의 서브넷 및 사용 사례. 출처 : https://taostats.io/api/ 2024년 1월 2일 기준.

Bittensor는 Numerai의 핵심 개념을 대규모로 확장하는 유사한 프로젝트입니다. Bittensor는 AI/ML 모델에 경제적 인센티브를 제공하는 네트워크이기 때문에 기계 지능의 비트코인으로 간주될 수 있습니다. 이는 AI 모델을 구축하는 채굴자와 이러한 모델의 출력 품질을 평가하는 검증자 개체에 의해 수행됩니다. Bittensor의 아키텍처는 기본 네트워크와 여러 개의 작은 서브넷(서브넷)으로 구성된 아키텍처입니다. 각 하위 네트워크는 기계 지능의 다양한 영역에 중점을 둡니다. 유효성 검사기는 AI 모델의 품질을 평가하기 위해 이러한 서브넷의 채굴자에게 다양한 질문이나 요청을 제기합니다.

최고의 성능을 발휘하는 모델은 가장 높은 TAO 토큰으로 보상을 받게 되며, 검증인은 채굴자를 정확하게 평가한 것에 대해 보상을 받습니다. 높은 수준에서 검증자와 채굴자 모두 각 서브넷에 참여하기 위해 토큰을 스테이킹해야 하며, 각 서브넷의 총 스테이킹 비율에 따라 모든 Bittensor의 총 인플레이션에서 받는 TAO 토큰의 수가 결정됩니다. 따라서 각 채굴자는 자신의 모델을 최적화하여 가장 많은 보상을 받을 수 있는 인센티브를 가질 뿐만 아니라 자신의 모델을 최고의 인공 지능 도메인 서브넷에 집중할 인센티브도 갖습니다. 또한 채굴자와 검증자는 참여를 위해 자금을 유지해야 하므로 모든 사람이 자본 비용 장벽을 초과하거나 시스템을 종료해야 합니다.

2024년 1월 현재 32개의 서로 다른 서브넷이 있으며 각각은 기계 학습 또는 인공 지능의 특정 영역을 전담합니다. 예를 들어 서브넷 1은 ChatGPT와 유사한 LLM을 프롬프트하는 텍스트입니다. 이 서브넷에서 채굴자는 응답 품질을 평가하는 유효성 검사기 프롬프트에 가장 잘 응답하도록 조정된 다양한 버전의 LLM을 실행합니다. Taoshi라는 서브넷 8에서 채굴자는 비트코인 ​​및 다양한 금융 자산의 가격에 대한 단기 예측을 제출합니다. Bittensor에는 인간 언어 번역, 저장, 오디오, 웹 스크래핑, 기계 번역 및 이미지 생성 전용 서브넷도 있습니다. 서브넷 생성에는 권한이 없으며 200 TAO를 가진 사람은 누구나 서브넷을 생성할 수 있습니다. 서브넷 운영자는 각 서브넷 활동에 대한 평가 및 보상 메커니즘을 만드는 일을 담당합니다. 예를 들어, Bittensor의 기반이 되는 Opentensor는 서브넷 1을 실행하고 최근 Cerebras와 협력하여 해당 서브넷에 있는 채굴자의 LLM 출력을 평가하는 모델을 출시했습니다.

이러한 서브넷은 처음에는 인플레이션 보상으로 전액 보조금을 받지만, 각 서브넷은 결국 재정적으로 유지되어야 합니다. 따라서 서브넷 운영자와 유효성 검사기는 외부 사용자가 유료로 각 서브넷의 서비스에 액세스할 수 있도록 하는 도구를 만들기 위해 협력해야 합니다. 인플레이션 TAO 보상이 감소함에 따라 각 서브넷은 자체 유지를 위해 점점 더 외부 수익에 의존하게 됩니다. 이러한 경쟁 환경에서는 최고의 모델을 만들고 다른 사람들이 이러한 모델에 대한 수익성 있는 실제 응용 프로그램을 만들도록 장려해야 하는 직접적인 경제적 압력이 있습니다. Bittensor는 형편없는 소규모 기업을 활용하여 AI 모델을 식별하고 수익화함으로써 AI의 잠재력을 활용하고 있습니다. Bittensor 전도사 MogMachine이 말했듯이 이러한 역학은 인공 지능을 위한 다윈주의 경쟁으로 볼 수 있습니다.

또 다른 흥미로운 프로젝트는 인간이나 다른 컴퓨터 프로그램을 대신하여 자동으로 작업을 완료하도록 프로그래밍된 인공 지능 에이전트의 생성을 장려하기 위해 암호화를 사용하는 것입니다. 이러한 엔터티는 본질적으로 특정 문제를 해결하도록 설계된 적응형 컴퓨터 프로그램입니다. 에이전트는 챗봇, 자동화된 거래 전략, 게임 캐릭터, 심지어 가상 세계 도우미까지 포괄하는 포괄적인 용어입니다. 이 분야에서 주목할 만한 프로젝트 중 하나는 NFT를 사용하여 소유하고 구동되며 훈련된 인공 지능 에이전트를 생성하는 플랫폼인 Altered State Machine입니다. Altered State Machine에서 사용자는 에이전트를 생성한 다음 GPU의 분산 클러스터를 사용하여 훈련합니다. 이러한 에이전트는 특정 사용 사례에 최적화되어 있습니다. 또 다른 프로젝트인 Fetch.ai는 각 사용자의 요구에 맞게 맞춤화된 에이전트를 생성하기 위한 플랫폼입니다. Fetch.ai는 에이전트 등록, 임대 또는 판매를 허용하는 SaaS 비즈니스이기도 합니다.

2023년 1월 1일부터 AI 토큰 반환

출처: Artemis XYZ 2024년 1월 10일 기준. 과거 성과는 미래 결과를 보장하지 않습니다.

영지식(zk) 증명을 통한 검증

2023년은 새로운 AI 모델이 탄생하는 획기적인 해입니다. OpenAI는 ChatGPT를 출시했고, Meta는 LLAMA-2를 출시했으며, Google은 BERT를 출시했습니다. 딥러닝의 가능성으로 인해 2023년 6월 현재 미국에는 18,563개 이상의 인공지능 관련 스타트업이 있습니다. 이러한 신생 기업과 기타 기업에서는 수천 개의 새로운 기본 모델과 미세 조정된 모델을 생산했습니다. 그러나 벤처캐피탈 4달러 중 1달러가 AI 관련 기업에 투자되는 공간에서, 많은 신규 기업의 확산은 심각한 우려를 불러일으킬 것입니다.

• 실제로 각 모델을 만들고 소유하는 사람은 누구입니까?

• 실제로 지정된 모델에서 출력이 생성됩니까?

• 모델이 실제로 광고된 대로 작동합니까?

• 각 모델의 데이터 소스는 무엇이며 해당 데이터의 소유자는 누구입니까?

• 훈련, 미세 조정 및/또는 추론이 저작권이나 데이터 권리를 위반합니까?

이 모델의 투자자와 사용자 모두 이러한 문제를 해결할 수 있다고 100% 확신해야 합니다. 현재 코드 생성을 위한 HumanEval, LLM 보조 작업을 위한 Chatbot Arena, LLM 추론 기능을 위한 ARC Benchmark와 같은 LLM 출력의 다양한 구성 요소에 대한 많은 벤치마크가 존재합니다. 그러나 Hugging Face의 Open LLM Leaderboard와 같은 모델 투명성을 시도했음에도 불구하고 모델의 유효성, 궁극적인 출처 또는 교육/추론 데이터 소스에 대한 구체적인 증거는 없습니다. 벤치마크를 조작할 수 있을 뿐만 아니라 특정 모델이 실제로 실행 중인지 확인할 방법이 없으며(다른 모델에 연결하는 API를 사용하는 것과는 대조적으로) 리더보드 자체가 정직하다는 보장도 없습니다.

이는 퍼블릭 블록체인, 인공지능, 그리고 영지식(zk) 증명이라고 불리는 수학의 최첨단 분야를 통합한 것입니다. zk 증명은 누군가가 기본 데이터를 다른 사람에게 공개하지 않고도 데이터에 대해 작성한 진술이 정확하다는 것을 원하는 수준의 수학적 확실성으로 증명할 수 있는 암호화 응용 프로그램입니다. 명령문에는 간단한 명령문(예: 순위)이 포함될 수 있지만 복잡한 수학적 계산으로 확장될 수 있습니다. 예를 들어, 누군가는 다른 당사자에게 해당 부를 공개하지 않고 표본의 상대적 부를 알고 있음을 입증할 수 있을 뿐만 아니라 그룹의 평균 및 표준 편차를 올바르게 계산했음을 입증할 수도 있습니다. 기본적으로 데이터의 세부 사항이나 계산 수행 방법을 공개하지 않고도 데이터를 이해했다는 점 및/또는 데이터를 사용하여 진정한 주장을 했다는 점을 입증할 수 있습니다. 인공 지능 외에도 이더리움을 확장하는 데 zk 증명이 사용되어 레이어 2 블록체인에서 오프체인 거래가 발생할 수 있습니다. 최근에는 다음을 증명하기 위해 딥러닝 모델에 zk 증명이 적용되었습니다.

• 특정 데이터를 사용하여 모델을 생성하거나 추론 결과를 제공합니다. (또한 사용되지 않는 데이터/소스도 무엇인지)

• 특정 모델을 사용하여 추론 생성

• 추론 출력이 변조되지 않았습니다.

zk 증명은 공개적이고 영구적인 블록체인에 게시될 수 있으며 스마트 계약을 통해 검증될 수 있습니다. 그 결과 블록체인은 인공 지능 모델의 중요한 속성을 공개적으로 반박할 수 없게 증명할 수 있습니다. ZK를 AI에 적용한 두 가지 최첨단 프로젝트를 영지식 머신러닝(ZKML)이라고 부르는데, 바로 EZKL과 Modulus입니다. EZKL은 Halo 2 증명 시스템을 사용하여 Ethereum의 EVM에서 공개적으로 확인할 수 있는 영지식 증명인 zk-snark를 생성합니다. EZKL이 현재 증명할 수 있는 모델 크기는 ChatGPT 4의 175B 매개변수에 비해 약 100M 매개변수로 상대적으로 작지만 EZKL CEO Jason Morton은 기술적 한계 문제보다는 엔지니어링 문제를 고려하고 있다고 믿습니다. EZKL은 실행을 위한 증명을 병렬로 분할하여 메모리 제약과 계산 시간을 줄임으로써 증명 문제를 극복할 수 있다고 믿습니다. 실제로 Jason Morton은 언젠가 “모델을 검증하는 것이 블록체인 거래에 서명하는 것만큼 간단해질 것”이라고 믿습니다.

ZKML은 인공지능에 적용하면 저작권 문제, 인공지능 보안 등 인공지능 구현의 중요한 문제점을 해결할 수 있음을 입증합니다. Open AI와 Microsoft에 대한 New York Times의 최근 소송에서 알 수 있듯이 저작권법은 데이터 소유권에 적용되며 AI 프로젝트는 데이터 출처에 대한 증거를 제공해야 합니다. ZKML 기술을 사용하면 법정에서 모델 및 데이터 소유권에 대한 분쟁을 신속하게 해결할 수 있습니다. 실제로 ZKML의 최고의 응용 프로그램 중 하나는 Ocean Protocol 및 SingularityNet과 같은 데이터/모델 마켓플레이스가 목록의 진위성과 타당성을 입증할 수 있도록 허용하는 것입니다.

AI 모델은 결국 정확성과 안전성이 중요한 영역으로 확장될 것입니다. 2027년까지 중장비, 로봇, 자율 드론 및 차량을 포함할 수 있는 AI 엣지 장치가 58억 대에 이를 것으로 추산됩니다. 기계 지능은 상처를 입히고 죽일 수 있는 사물에 적용되므로 신뢰할 수 있는 소스의 고품질 데이터를 사용하여 평판이 좋은 모델이 장치에서 실행되고 있음을 입증하는 것이 중요합니다. 이러한 에지 장치에서 지속적인 실시간 증명을 구축하고 이를 블록체인에 게시하는 것은 경제적, 기술적으로 어려울 수 있지만 활성화 시 모델을 검증하거나 주기적으로 블록체인에 게시하는 것이 더 실현 가능할 수 있습니다. 그러나 0x PARC 재단의 Zupass는 엣지 장치에서 발생한 일에 대한 증거를 저렴하게 설정할 수 있는 데이터 전달 증명에서 파생된 기본 증명을 구축했습니다. 현재는 행사 참석과 관련된 부분이지만, 곧 아이덴티티, 심지어 헬스케어 등 다른 영역으로도 옮겨갈 것으로 예상할 수 있습니다.

로봇 외과 의사의 AI 모델은 얼마나 좋은가요?

장비 고장에 대해 책임을 질 수 있는 기업의 관점에서 볼 때, 자신의 모델이 비용이 많이 드는 사고의 원인이 아니라는 검증 가능한 증거를 갖는 것이 이상적입니다. 마찬가지로, 보험 관점에서는 실제 데이터를 기반으로 훈련된 신뢰할 수 있는 모델의 사용을 검증하고 증명하는 것이 경제적으로 필요할 수 있습니다. 마찬가지로 AI 딥페이크의 세계에서는 블록체인을 통해 검증되고 인증된 카메라, 휴대폰, 컴퓨터를 활용하여 다양한 작업을 수행하는 것이 표준이 될 수 있습니다. 물론 변조 및 사기를 방지하려면 이러한 장치의 진위성과 정확성에 대한 증거를 공개 오픈 소스 원장에 게시해야 합니다.

이러한 증명은 큰 가능성을 갖고 있지만 현재 가스 비용과 계산 오버헤드로 인해 제한됩니다. 현재 ETH 가격에 따르면, 체인에 증거를 제출하는 데 약 300-500,000 Gas가 소요됩니다(현재 ETH 가격으로 약 35-58 US 달러). 계산적 관점에서 Eigenlayer의 Sreeram Kennan은 AWS에서 실행하는 데 50달러가 소요되는 증명 계산은 현재 ZK 증명 기술을 사용하면 약 1,000,000배 더 많은 비용이 들 것이라고 추정합니다. 몇 년 전에는 누구나 예상했지만 실제 사용 사례가 공개되기까지는 아직 갈 길이 멀다. 누군가가 ZKML의 응용에 대해 궁금해한다고 가정해 보겠습니다. 이 경우 검증된 온체인 스마트 계약 모델로 심사되는 분산형 노래 대회에 참가하고 그 결과를 블록체인에 영구적으로 업로드할 수 있습니다.

블록체인 기반 신원을 통해 인류 구축

광범위하고 진보된 기계 지능의 가능한 결과 중 하나는 자율 에이전트가 가장 많은 인터넷 사용자가 될 것이라는 것입니다. AI 에이전트가 출시되면 의도적으로 봇이 생성한 스팸이나 심지어 네트워크를 막는 무해한 작업 기반 에이전트(스팸 제거)로 인해 전체 네트워크가 중단될 가능성이 높습니다. 봇들이 약 $100,000 상당의 재정 거래 기회를 놓고 경쟁하면서 Solana의 데이터 트래픽은 초당 100GB에 도달했습니다. AI 에이전트가 수백만 개의 기업 웹사이트를 인질로 잡고 수십억 달러를 갈취할 수 있을 때 발생할 웹 트래픽의 홍수를 상상해 보십시오. 이는 미래의 인터넷이 사람이 아닌 트래픽에 제한을 가할 것임을 시사합니다. 이러한 공격을 제한하는 가장 좋은 방법 중 하나는 값싼 자원의 남용에 대해 경제세를 부과하는 것입니다. 하지만 스팸 요금 부과를 위한 최선의 프레임워크를 어떻게 결정하며, 인간성을 어떻게 결정합니까?

다행스럽게도 블록체인에는 이미 AI 봇 스타일의 Sybil 공격에 대한 방어 기능이 내장되어 있습니다. 인간이 아닌 사용자를 측정하고 인간이 아닌 사용자에게 요금을 부과하는 조합은 이상적인 구현이 될 것이며, Hashcash와 같은 계산량이 약간 더 많은 작업은 봇을 억제할 것입니다. 인류 증명 측면에서 블록체인은 익명성을 극복하여 과소담보 대출 및 기타 평판 기반 활동과 같은 활동을 잠금 해제하는 데 오랫동안 어려움을 겪어 왔습니다.

신원 증명을 위한 추진력을 얻는 한 가지 방법은 JWT(JSON 웹 토큰)를 사용하는 것입니다. JWT는 Google과 같은 웹사이트에 로그인할 때 생성되는 쿠키와 유사한 0 Auth 자격 증명입니다. 이를 통해 Google에 로그인한 상태에서 인터넷 사이트를 방문할 때 Google 신원을 공개할 수 있습니다. L1 블록체인 Sui가 만든 zkLogin을 사용하면 사용자는 지갑 개인 키와 작업을 JWT를 생성하는 Google 또는 Facebook 계정에 연결할 수 있습니다. zk P2P는 이 개념을 더욱 확장하여 JWT를 활용하여 사용자가 기본 블록체인에서 법정 화폐를 암호화폐로 교환할 수 있도록 허용합니다. 이는 결제 앱 Venmo를 통해 P2P 현금 이체를 확인함으로써 이루어지며, 이메일 JWT를 통해 확인되면 스마트 계약 에스크로 USDC 토큰이 잠금 해제됩니다. 두 프로젝트의 결과는 오프체인 아이덴티티와 강한 유대관계를 갖고 있다는 것입니다. 예를 들어, zkLogin은 지갑 주소를 Google ID에 연결하는 반면, zk P2P는 Venmo의 KYC 사용자만 사용할 수 있습니다. 둘 다 온체인 신원을 활성화할 만큼 견고한 보장이 부족하지만 다른 사람들이 사용할 수 있는 중요한 빌딩 블록을 만듭니다.

많은 프로젝트가 블록체인 사용자의 인간적 정체성을 확인하려고 노력하지만 가장 대담한 프로젝트는 OpenAI CEO인 Sam Altman이 설립한 WorldCoin입니다. 사용자가 자신의 홍채를 스캔해야 하는 디스토피아적인 “Orb” 기계로 인해 논란이 있지만 WorldCoin은 기계 지능에 의해 쉽게 위조되거나 압도될 수 없는 불변의 신원 시스템을 향해 나아가고 있습니다. 이는 WorldCoin이 각 개인의 고유한 눈 지문을 기반으로 암호화 식별자를 생성하기 때문에 고유성과 신뢰성을 보장하기 위해 샘플링할 수 있습니다. 검증 후 사용자는 Optimism 블록체인에서 World ID라는 디지털 여권을 받게 되며 이를 통해 사용자는 블록체인에서 자신의 인간성을 증명할 수 있습니다. 무엇보다도, 개인의 고유한 서명은 암호화되어 있어 절대 공개되지 않으며 추적이 불가능합니다. World ID는 단순히 블록체인 주소가 인간의 것이라고 주장합니다. Checkmate와 같은 프로젝트는 이미 World ID를 소셜 미디어 프로필과 연결하여 사용자의 고유성과 신뢰성을 보장합니다. AI가 주도하는 미래 인터넷에서는 모든 온라인 상호작용에서 인간성을 명시적으로 보여주는 것이 일반화될 수 있습니다. 인공지능이 CAPTCHA의 한계를 극복하면 블록체인 애플리케이션은 저렴하고 신속하며 구체적으로 신원을 증명할 수 있습니다.

블록체인 기술을 통해 인공지능에 기여

우리가 인공지능 혁명의 초기 단계에 있다는 것은 의심의 여지가 없습니다. 그러나 기계 지능의 성장 궤적이 가장 대담한 예측과 일치한다면 AI는 잠재적인 피해를 능가하는 동시에 탁월한 성능을 발휘해야 합니다. 우리는 암호화폐가 결과가 풍부하지만 잠재적으로 교활한 인공 지능 식물을 적절하게 훈련하는 이상적인 그리드라고 믿습니다. 블록체인의 AI 솔루션 세트는 더 반응성이 뛰어나고 유연하며 잠재적으로 더 저렴한 분산형 컴퓨팅을 제공함으로써 기계 지능 제작자의 성과를 높일 수 있습니다. 또한 더 나은 모델을 만들 수 있는 제작자에게 인센티브를 제공하는 동시에 다른 사람들이 이러한 AI 모델을 사용하여 유용한 비즈니스를 구축할 수 있도록 재정적 인센티브를 제공합니다. 마찬가지로 중요한 점은 모델 소유자가 모델의 유효성을 입증하는 동시에 보호된 데이터 원본이 사용되지 않음을 입증할 수 있다는 것입니다. AI 사용자의 경우 암호화 애플리케이션은 실행 중인 모델이 보안 표준을 충족하는지 확인하는 데 유용할 수 있습니다. 다른 이들에게는 블록체인과 암호화폐가 처벌과 보상의 얽힘이 되어 인공지능이 될 걸리버의 족쇄가 될 수도 있습니다.

출처: VanEck Research, 프로젝트 웹사이트, 2024년 1월 15일 기준.

공개: VanEck는 분산 컴퓨팅의 병목 현상 극복 섹션에 기여할 만큼 친절했던 초기 단계 벤처 캐피탈 관리자 Cadenza와의 전략적 파트너십을 통해 Together에 존재하게 되었습니다.