회색의 그림자: 암호화폐와 AI 프로젝트 한눈에 보기 암호화폐가 AI를 탈중앙화하는 방법

윌 오그든 무어 글, 0xjs@골든파이낸스 편집

AI는 금세기 가장 유망한 신흥 기술 중 하나로, 인간의 생산성을 기하급수적으로 높이고 의료 혁신을 주도할 잠재력을 지니고 있습니다. AI는 현재도 중요하지만, 2030년에는 15조 달러 규모의 산업으로 성장할 것으로 PwC는 예상하고 있으며, 그 영향력은 더욱 커질 것입니다.

그러나 이 유망한 기술도 도전에 직면해 있습니다. AI 기술이 더욱 강력해짐에 따라 AI 산업은 극도로 중앙집권화되어 소수의 기업에 권력이 집중되고 있으며, 이는 사회에 피해를 줄 수 있습니다. 또한 심각한 위조, 내재된 편향성, 데이터 프라이버시 위험에 대한 심각한 우려도 제기되고 있습니다. 다행히도 암호화폐와 그 탈중앙화 및 투명성은 이러한 문제 중 일부에 대한 잠재적인 해결책을 제시합니다.

이 백서에서는 중앙화된 AI가 야기하는 문제와 탈중앙화된 AI가 이러한 문제를 해결하는 데 어떻게 도움이 되는지 살펴보고, 현장에서 초기 도입 징후를 보인 암호화폐 애플리케이션에 초점을 맞춰 현재 암호화폐와 AI의 교차점에 대해 논의합니다.

중앙화된 AI의 문제점

오늘날 AI 개발은 특정 도전과 위험에 직면해 있으며, AI의 네트워크 효과와 집중적인 자본 요구 사항이 너무 뚜렷하여 소규모 기업이나 학술 연구자 등 대형 기술 회사 이외의 많은 AI 개발자는 AI 개발에 필요한 자원에 액세스하는 데 어려움을 겪고 있거나 작업으로 수익을 창출할 수 없습니다. 이는 AI 전반의 경쟁과 혁신을 제한합니다.

그 결과, 이 중요한 기술에 대한 영향력이 OpenAI와 Google과 같은 소수의 기업에 집중되어 있어 AI 거버넌스에 대한 심각한 의문이 제기되고 있습니다. 예를 들어, 지난 2월에는 Google의 AI 이미지 생성기 Gemini가 인종적 편견과 역사적 오류를 노출하여 기업이 모델을 어떻게 조작할 수 있는지를 보여주었습니다. 또한 지난 11월에는 6명으로 구성된 이사회가 OpenAI의 CEO인 샘 알트먼을 해고하기로 결정하면서 소수의 사람들이 이러한 모델을 개발하는 회사를 통제하고 있다는 사실이 드러났습니다.

AI의 영향력과 중요성이 커지면서 많은 사람들은 한 기업이 사회에 큰 영향을 미치는 AI 모델에 대한 의사 결정을 장악하여 가드레일을 설치하거나 비공개로 운영하거나 자신의 이익을 위해 모델을 조작하여 나머지 사회를 희생시킬 수 있다는 우려를 하고 있습니다.

탈중앙화 AI가 도움이 되는 방법

탈중앙화 AI는 블록체인 기술을 사용하여 투명성과 접근성을 높이기 위해 설계된 방식으로 AI 소유권과 거버넌스를 분산하는 AI 서비스를 말하며, Grayscale Research는 탈중앙화 AI가 이러한 중요한 결정을 폐쇄적인 체제로부터 해방하여 대중의 소유로 가져올 수 있는 잠재력을 가지고 있다고 믿습니다. 소유권으로 가져올 수 있다고 믿습니다.

블록체인 기술은 개발자가 AI에 더 쉽게 접근할 수 있도록 도와 독립 개발자의 개발 및 수익 창출 장벽을 낮출 수 있습니다. 이는 전반적인 AI 혁신과 경쟁을 개선하고 거대 기술 기업이 개발한 모델과 균형을 맞추는 데 도움이 될 수 있다고 믿습니다.

또한 탈중앙화된 AI는 AI 투자의 민주화에도 도움이 됩니다. 현재로서는 소수의 기술주 외에는 AI 개발과 관련된 금전적 이익을 얻을 수 있는 방법이 거의 없습니다. 동시에 상당량의 민간 자본이 AI 스타트업과 민간 기업에 할당되고 있습니다(2022년 470억 달러, 2023년 420억 달러). 그 결과, 소수의 벤처 캐피털리스트와 자격을 갖춘 투자자만이 이러한 기업의 재무적 수익에 접근할 수 있습니다. 이와는 대조적으로 탈중앙화된 AI 암호화 자산은 누구나 이용할 수 있으므로 누구나 AI 미래의 일부를 소유할 수 있습니다.

오늘날 암호화폐와 AI의 교차점은 어디일까요?

오늘날 암호화폐와 AI의 교차점은 아직 성숙 초기 단계에 있지만, 시장의 반응은 고무적입니다. 2024년 5월 현재, 암호화폐 자산의 AI 분야는 20%의 수익률을 기록하며 통화를 제외한 모든 암호화폐 트랙을 능가하는 성과를 거두고 있습니다(그림 1). 또한 데이터 제공업체 카이토에 따르면, 현재 탈중앙화 금융, 레이어 2, 모달 코인, 실물 자산 등 다른 테마에 비해 소셜 플랫폼에서 AI 테마가 가장 많은 '내러티브 마인드쉐어'를 차지하고 있습니다.

최근 많은 유명 인사들이 이 새로운 크로스오버를 받아들이기 시작했으며, 중앙화된 AI의 단점을 해결하기 위해 노력하고 있습니다. 지난 3월, 선도적인 AI 기업인 Stability AI의 창업자 에마드 모스타크는 "이제는 AI를 개방적이고 분산된 상태로 유지해야 할 때"라며 탈중앙화된 AI를 추구하기 위해 회사를 떠났습니다. 또한, 암호화폐 기업가인 Erik Vorhees는 최근 종단 간 암호화를 통해 개인 정보 보호에 중점을 둔 AI 서비스인 Venice.ai를 출시했습니다.

그림 1: 올해 들어 지금까지 거의 모든 암호화폐 트랙을 능가하는 성과를 거둔 AI 트랙

암호와 AI의 교차점을 세 가지 주요 하위 범주로 나눌 수 있습니다.

1. 인프라 계층 : AI 개발을위한 플랫폼을 제공하는 네트워크 (예 :. NEAR, TAO, FET)

2. AI에 필요한 자원: AI 개발에 필요한 핵심 자원(컴퓨팅, 스토리지, 데이터)을 제공하는 자산(예: RNDR, AKT, LPT, FIL, AR, MASA)

3. AI 문제 해결: 로봇 공학 및 딥 페이크의 부상과 같은 AI 관련 문제를 해결하고자 하는 자산. 모델 검증(예: WLD, TRAC, NUM)

그림 2: AI 및 암호화폐 시장 지도

출처: 그레이 스케일 인베스트먼트

AI 개발을 위한 인프라를 제공하는 네트워크

첫 번째 카테고리는 전반적인 AI 서비스 개발을 위해 특별히 구축된 라이선스 없는 개방형 아키텍처를 제공하는 네트워크입니다. 이러한 자산은 특정 AI 제품이나 서비스에 초점을 맞추기보다는 다양한 AI 애플리케이션을 위한 기본 인프라와 인센티브를 만드는 데 중점을 둡니다.

Near는 설립자가 ChatGPT와 같은 AI 시스템을 구동하는 '트랜스포머' 아키텍처의 공동 설립자라는 점에서 이 범주에서 두각을 나타냅니다. 그러나 최근 이 회사는 전 OpenAI 연구 엔지니어 컨설턴트가 이끄는 R&D 부서를 통해 AI 전문 지식을 활용하여 '사용자 소유 AI'를 개발하려는 노력을 공개했습니다. 2024년 6월 말에는 Near의 기본 모델, AI 앱 데이터 플랫폼, AI 인텔리전스 프레임워크, 컴퓨팅 마켓플레이스를 개발하기 위한 AI 인큐베이터 프로그램을 시작했습니다.

비텐서는 TAO 토큰을 사용하여 AI 개발에 재정적 인센티브를 제공하는 플랫폼의 또 다른 잠재적으로 매력적인 예입니다. 비텐서는 챗봇, 이미지 생성, 재무 예측, 언어 번역, 모델 번역, 모델 교육, 저장 및 계산 등 다양한 사용 사례를 지원합니다. 비트센서 네트워크는 각 하위 네트워크에서 가장 우수한 성과를 낸 채굴자와 검증자에게 TAO 토큰을 보상하고 개발자에게 비트센서 하위 네트워크에서 채굴자를 쿼리하여 특정 AI 애플리케이션을 구축할 수 있는 라이선스 없는 API를 제공합니다.

이 범주에는 개발자가 복잡한 AI 비서 또는 "AI 인텔리전스"를 만들 수 있는 플랫폼인 Fetch.ai와 최근 AGIX 및 OCEAN과 합병되어 약 75억 달러의 가치를 지닌 Allora 네트워크와 같은 다른 프로토콜도 포함됩니다. 또 다른 네트워크는 탈중앙화 거래소와 예측 시장을 위한 자동화된 거래 전략 등 금융 애플리케이션에 AI를 적용하는 데 중점을 둔 Allora 네트워크입니다. Allora는 아직 토큰을 출시하지 않았으며, 6월에 전략적 자금 조달을 통해 총 3천 5백만 달러의 민간 자본을 유치했습니다.

AI 개발에 필요한 리소스

두 번째 범주에는 컴퓨팅, 스토리지 또는 데이터의 형태로 AI 개발에 필요한 리소스를 제공하는 자산이 포함됩니다.

AI의 부상으로 GPU 형태의 컴퓨팅 리소스에 대한 전례 없는 수요가 발생했습니다. 렌더(RNDR), 아카시(AKT), 라이브피어(LPT)와 같은 탈중앙화 GPU 마켓플레이스는 모델 훈련, 모델 추론 또는 3D 생성 AI 렌더링을 위해 컴퓨팅이 필요한 개발자에게 유휴 GPU를 공급합니다. 현재 렌더는 아티스트와 생성 AI에 초점을 맞춘 약 10,000개의 GPU를 제공하는 것으로 추정되며, 아카시는 AI 개발자와 연구자에게 초점을 맞춘 400개의 GPU를 제공합니다. 한편, 라이브피어는 최근 2024년 8월까지 텍스트 대 이미지, 텍스트 대 비디오, 이미지 대 비디오 작업을 완료하는 것을 목표로 하는 새로운 AI 서브넷에 대한 계획을 발표했습니다.

AI 모델은 많은 연산을 필요로 할 뿐만 아니라 많은 데이터를 필요로 합니다. 따라서 데이터 스토리지의 필요성이 급격히 증가했습니다. Filecoin(FIL) 및 Arweave(AR)와 같은 데이터 스토리지 솔루션은 중앙화된 AWS 서버에 AI 데이터를 저장하는 대신 탈중앙화된 안전한 네트워크 대안이 될 수 있습니다. 이러한 솔루션은 비용 효율적이고 확장 가능한 스토리지를 제공할 뿐만 아니라 단일 장애 지점을 제거하고 데이터 유출 위험을 줄임으로써 데이터 보안과 무결성을 강화합니다.

마지막으로, OpenAI와 Gemini와 같은 기존 AI 서비스는 각각 Bing과 Google 검색을 통해 실시간 데이터에 지속적으로 액세스할 수 있습니다. 따라서 이러한 기술 기업 이외의 다른 모든 AI 모델 개발자는 불리한 입장에 처하게 됩니다. 그러나 Grass와 MASA(마사)와 같은 데이터 크롤링 서비스는 개인이 자신의 애플리케이션 데이터를 AI 모델 학습에 사용하여 수익을 창출하는 동시에 개인 데이터에 대한 통제권과 개인정보 보호를 유지할 수 있도록 지원하므로 경쟁의 장을 공평하게 만드는 데 도움이 될 수 있습니다.

AI 관련 문제를 해결하려는 자산

세 번째 범주에는 봇, 딥페이크, 콘텐츠 소싱 등 AI 관련 문제를 해결하려는 자산이 포함됩니다.

AI로 인해 악화되는 주요 문제 중 하나는 봇과 허위 정보의 확산입니다. AI가 생성한 딥페이크는 이미 인도와 유럽에서 대통령 선거에 영향을 미쳤으며, 전문가들은 다가오는 대선 캠페인에서 딥페이크가 주도하는 '허위 정보의 쓰나미'가 발생할 것을 '두려워'하고 있습니다. 검증 가능한 콘텐츠 소스를 구축하여 딥페이크와 관련된 문제를 해결하고자 하는 자산으로는 오리진 트레일(TRAC), 넘버 프로토콜(NUM), 스토리 프로토콜 등이 있으며, 월드코인(WLD)은 고유 생체인식 식별자를 통해 사람의 인간성을 증명함으로써 봇 문제를 해결하고자 합니다. 로봇 공학.

AI의 또 다른 위험은 모델 자체에 대한 신뢰성 확보입니다. 우리가 받은 AI 결과가 변조되거나 조작되지 않았다는 것을 어떻게 신뢰할 수 있을까요? 현재 암호화, 영지식 증명, 완전 동형 암호화(FHE)를 통해 이 문제를 해결하기 위해 노력하고 있는 프로토콜은 Modulus Labs, Zama 등 여러 가지가 있습니다.

결론

탈중앙화된 AI 자산이 초기 단계에 진입했지만, 우리는 아직 이 교차점의 첫 이닝에 있는 중입니다. 올해 초 저명한 벤처 캐피털리스트 프레드 윌슨은 AI와 암호화폐는 "동전의 양면"이며 "웹3.0은 우리가 AI를 신뢰하는 데 도움이 될 것"이라고 말했습니다. 그레이스케일 리서치는 AI 산업이 계속 성숙함에 따라 이러한 AI 관련 암호화폐 사용 사례가 점점 더 중요해질 것이며, 빠르게 진화하는 이 두 기술이 서로의 성장을 지원할 잠재력을 가지고 있다고 믿습니다.

AI가 곧 다가올 것이며 긍정적이든 부정적이든 광범위한 영향을 미칠 것이라는 징후는 많이 있습니다. 저희는 블록체인 기술의 특성을 활용함으로써 암호화폐가 궁극적으로 AI로 인한 위험을 완화하는 데 도움이 될 수 있다고 믿습니다.