유방 밀도 분류와 투명한 보고서 생성에 중점을 둔 의료 AI 도구인 QBio를 만나보세요 . 엑스레이 사진을 업로드하면 몇 분 내에 유방 밀도가 A, B, C, D 중 어느 것인지 알려드리고, 의사 결정 과정을 설명하는 자세한 보고서도 받아보실 수 있습니다.
Fetch와 Hybrid가 개발했습니다. QBio는 단지 전채요리일 뿐이고, 진짜 스타는 ASI-1 Mini입니다.
Fetch는 매우 오래된 프로젝트입니다. Defi가 전체 시장의 주목을 받던 시절, Fetch는 AI + Crypto에 집중했으며, 항상 멀티모델 에이전트의 전반적인 기술 연구, 개발 및 적용에 집중해 왔습니다.
ASI-1 Mini란 무엇입니까?
올해 2월, Fetch는 세계 최초의 Web3 네이티브 대규모 언어 모델(LLM)인 ASI-1 Mini를 출시했습니다. Web3 네이티브란 무엇인가요? 간단히 말해, 블록체인과 완벽하게 통합되어 AI를 사용할 수 있을 뿐만 아니라 $FET 토큰과 ASI 지갑을 통해 AI에 투자하고, AI를 훈련시키고, 소유할 수도 있습니다.
그렇다면 ASI-1 Mini는 정확히 무엇일까요?
이는 여러 AI 에이전트를 조정하고 복잡한 다단계 작업을 처리할 수 있는 에이전트 AI를 위해 특별히 설계된 대규모 언어 모델입니다.
예를 들어, QBio의 기반이 되는 ASI <TRAIN/> 추론 에이전트는 ASI-1 Mini의 일부입니다. 유방 밀도를 분류할 수 있을 뿐만 아니라, 의사결정 과정을 설명하고 AI의 블랙박스 문제를 해결할 수 있습니다. 게다가 ASI-1 Mini는 실행하는 데 GPU가 두 개만 필요합니다. 다른 LLM(예: 16개의 H100 GPU가 필요한 DeepSeek)과 비교했을 때 비용이 매우 낮아 중소 규모 기관에서 사용하기에 적합합니다.
ASI-1 Mini의 혁신 방식
ASI-1 Mini는 하드웨어 비용이 상당히 낮으면서도 주요 LLM과 비슷한 성능을 제공하며, 더욱 효율적이고 상황에 맞는 의사 결정을 위한 동적 추론 모드와 고급 적응 기능을 갖추고 있습니다.
MoM 및 MoA
이것들은 모두 약어입니다. 두려워하지 마세요. 간단합니다. 모델 혼합(MoM), 에이전트 혼합(MoA)
각기 다른 업무에 집중하고 원활하게 협업하는 AI 전문가 팀을 상상해보세요. 이를 통해 효율성이 향상될 뿐만 아니라 의사결정 과정도 더 투명해질 수 있습니다. 예를 들어, 의료 영상 분석에서 MoM은 이미지 인식에 특화된 모델과 텍스트 생성에 특화된 모델을 선택할 수 있으며, MoA는 이 두 모델의 출력을 조정하여 최종 보고서가 정확하고 읽기 쉽도록 할 책임을 맡습니다.
투명성과 확장성
전통적인 LLM은 종종 블랙박스입니다. 질문을 하면 답변을 주는데, 왜 그 답변이 나오는지 말씀드릴 수 없습니다. ASI-1 미니는 다릅니다. 여러 단계의 추론을 계속하면, 이러한 이유 때문에 이 답을 선택했다는 것을 알려줄 수 있는데, 이는 특히 의학 분야에서 매우 중요합니다.
ASI-1 Mini의 컨텍스트 창은 1,000만 개의 토큰으로 확장되어 다중 모드 기능(예: 이미지 및 비디오 처리)을 지원합니다. 앞으로는 로봇공학, 생명공학 등 첨단 분야에 초점을 맞춘 Cortex 시리즈 모델이 출시될 예정입니다.
하드웨어 효율성
다른 LLM은 높은 하드웨어 비용이 필요하지만, ASI-1 Mini는 실행하는 데 GPU가 두 개만 필요합니다. 즉, 수백만 달러 규모의 데이터 센터가 필요 없이 소규모 병원이라도 이를 감당할 수 있다는 의미입니다.
왜 이렇게 효율적일까요? ASI-1 Mini의 디자인 철학은 적을수록 좋다이기 때문입니다. 알고리즘과 모델 구조를 최적화하여 제한된 컴퓨팅 리소스를 최대한 활용합니다. 이와 대조적으로 다른 LLM은 대규모 모델을 추구하는 경향이 있어 막대한 리소스 소비가 발생합니다.
커뮤니티 중심
다른 대규모 언어 모델과 달리 ASI-1 Mini는 분산화되어 있으며 커뮤니티 중심입니다. ASI-1 Mini는 $FET 보유자를 위한 단계별 프리미엄 제품으로, Web3 지갑에 연결하여 모든 기능을 사용할 수 있습니다. 지갑에 FET 토큰을 많이 보유할수록 모델의 기능을 더 다양하게 탐색할 수 있습니다.
이 커뮤니티 중심 모델은 크라우드 펀딩과 비슷하지만, 인공지능을 훈련하고 검증하는 데 사용된다는 점이 다릅니다. 하이테크는 더 이상 엘리트만을 위한 것이 아닙니다. 누구나 참여할 수 있습니다.
이제 LLM이 비교적 성숙되었는데, 왜 별도의 ASI-1 Mini를 개발해야 할까요? 이해하기 쉽고 Web3와 AI의 통합에서 부족한 부분을 채워줍니다.
현재 LLM(ChatGPT, Grok 등)은 주로 중앙 집중형 환경에 제공되는 반면, ASI-1 Mini는 분산형 생태계를 위해 설계된 최초의 LLM입니다. 이를 통해 AI가 더 투명하고 효율적으로 운영될 수 있을 뿐만 아니라, 커뮤니티 구성원도 AI의 성장으로부터 직접적인 혜택을 누릴 수 있습니다.
ASI-1 미니의 등장은 AI가 블랙박스에서 투명성으로, 중앙집중화에서 분산화로, 도구에서 자산으로 전환되는 것을 의미합니다. 이는 의료 분야(예: QBio)에서만 역할을 하는 것이 아니라 금융, 법률, 과학 연구 등 여러 분야에서도 잠재력을 보여줍니다.
이번 달 Fetch는 Rivalz와 협력하여 ASI-1 Mini를 Rivalz의 Agentic Data Coordination System(ADCS)에 통합하여 체인 내 AI 추론을 구현했습니다. 이러한 협업을 통해 분산형 애플리케이션은 블록체인에서 직접 고급 AI 추론 기능에 액세스할 수 있습니다.
기존 블록체인 환경은 리소스에 제한이 있었고, 스마트 계약은 가벼운 작업만 처리할 수 있었습니다. 그들은 일반적으로 오라클을 통해 간단한 데이터(예: 가격)를 얻고 복잡한 AI 모델을 직접 실행할 수 없습니다. ADCS는 이 문제를 완벽하게 해결합니다. AI 추론의 복잡한 계산은 오프체인으로 완료되고, 그 결과는 블록체인에 안전하게 반환되어 분산화와 신뢰성을 보장합니다.
