IOSG｜AI x Web3 기술 스택에서 인프라의 새로운 내러티브를 펼치다

서문

최근 대규모 언어 모델(LLM)이 빠르게 성장하면서 인공지능(AI)을 활용한 산업 혁신에 대한 관심이 고조되고 있습니다. AI x 암호화폐라는 화두가 등장하면서 블록체인 업계도 주목을 받고 있습니다. 이 글에서는 AI와 암호화폐를 결합하는 세 가지 주요 방법을 살펴보고, 블록체인 기술이 AI 산업의 문제를 해결할 수 있는 특별한 기회를 살펴봅니다.

AIxCrypto의 세 가지 방법은 다음과 같습니다.

• 1. 기존 제품에 AI 통합: 다음과 같은 기업들. Dune과 같은 회사는 사용자가 복잡한 쿼리를 작성하는 데 도움을 주는 SQL 코파일럿을 도입하는 등 AI를 사용하여 제품을 개선하고 있습니다.

• 2. 암호화폐 생태계를 위한 AI 인프라 구축: Ritual과 Autonolas 같은 스타트업은 암호화폐 생태계의 요구에 맞춘 AI 기반 인프라 개발에 주력하고 있습니다.

• 3. 블록체인을 활용한 AI 산업 문제 해결: Gensyn, EZKL, io.net과 같은 프로젝트는 블록체인 기술로 데이터 프라이버시, 보안, 투명성 등 AI 산업이 직면한 문제를 해결하는 방법을 모색하고 있습니다.

AI x Crypto는 블록체인 기술이 AI 산업에 내재된 문제를 해결할 수 있는 가능성을 가지고 있다는 점에서 독특합니다. 이 독특한 교차점은 AI와 블록체인 커뮤니티 모두에게 도움이 되는 혁신적인 솔루션을 위한 새로운 가능성을 열어줍니다.

인공지능과 암호화폐의 접점을 더 깊이 파고들면서, 저희는 AI 산업의 난제를 해결하는 데 있어 블록체인 기술의 가장 유망한 응용 분야를 파악하고 소개하는 것을 목표로 합니다. Facebook은 AI 업계 전문가 및 암호화폐 개발업체와 협력하여 두 기술의 장점을 모두 활용하는 최첨단 솔루션 개발을 촉진하기 위해 최선을 다하고 있습니다.

1. 산업 개요1. strong>

인공지능과 암호화폐 분야는 크게 인프라와 애플리케이션이라는 두 가지 범주로 나눌 수 있습니다. 일부 기존 인프라는 AI 사용 사례를 계속 지원하고 있지만, 새로운 플레이어들은 새로운 AI 네이티브 아키텍처를 시장에 선보이고 있습니다.

1. 1 컴퓨팅 네트워크

AIxCrypto 영역에서 컴퓨팅 네트워크는 AI 애플리케이션에 필요한 인프라를 제공하는 데 중요한 역할을 합니다. 이러한 네트워크는 지원하는 작업에 따라 범용 컴퓨팅 네트워크와 전용 컴퓨팅 네트워크의 두 가지 유형으로 분류할 수 있습니다.

1.1.1 범용 컴퓨팅 네트워크

일반 범용 컴퓨팅 네트워크(예: IO.net 및 아카시)는 사용자에게 SSH를 통해 머신에 대한 액세스를 제공합니다. 그리고 사용자가 자신만의 애플리케이션을 구축할 수 있는 명령줄 인터페이스(CLI)를 제공합니다. 이러한 네트워크는 가상 프라이빗 서버(VPS)와 유사하며, 클라우드에서 개인 컴퓨팅 환경을 제공합니다.

IO.net은 솔라나 생태계를 기반으로 하며, GPU 렌탈과 컴퓨팅 클러스터에 중점을 두고 있고, 아카시는 코스모스 생태계를 기반으로 하며, 주로 CPU 클라우드 서버와 다양한 애플리케이션 템플릿을 제공합니다.

IOSG 벤처의 관점:

컴퓨팅 네트워크는 성숙한 웹2 클라우드 시장에 비해 아직 초기 단계에 머물러 있습니다. 웹3 컴퓨팅 네트워크는 AWS, Azure, Google Cloud와 같은 주요 클라우드 서비스 제공업체를 기반으로 하는 서버리스 기능, VPS, 데이터베이스 클라우드 프로젝트와 같이 웹2보다 '레고' 구성 요소에 가깝습니다.

컴퓨팅 네트워크의 장점은 다음과 같습니다:

• 블록체인 기술은 사용하지 않는 컴퓨팅 자원과 PC를 활용하여 네트워크를 보다 지속 가능하게 만들 수 있습니다. 네트워크를 더 지속 가능하게 만듭니다.

• 개인 간(P2P) 설계를 통해 개인은 사용하지 않는 컴퓨팅 자원을 수익화하고 더 저렴한 컴퓨팅을 제공하여 잠재적으로 비용을 75%~90%까지 절감할 수 있습니다.

하지만 다음과 같은 문제로 인해 컴퓨팅 네트워크가 실제 생산에 투입되어 웹2 클라우드 서비스를 대체하기는 어렵습니다.

• 가격은 분명 범용 컴퓨팅 네트워크의 주요 장점이지만 기능, 보안, 안정성 측면에서 기존 웹2 클라우드 기업과 경쟁하기는 여전히 어렵습니다.

• 피투피 방식은 이러한 네트워크가 성숙하고 강력한 제품을 신속하게 제공하는 데 제한이 될 수 있습니다. 탈중앙화된 특성으로 인해 개발 및 유지보수 비용이 추가될 수 있습니다.

1.1.2 특수 컴퓨팅 네트워크

특수 컴퓨팅 네트워크는 범용 컴퓨팅 네트워크 위에 추가 계층을 추가하여 사용자가 프로파일을 통해 특정 애플리케이션을 배포할 수 있도록 합니다. 이러한 네트워크는 3D 렌더링이나 AI 추론 및 훈련과 같은 특정 사용 사례를 충족하도록 설계되었습니다.

Render는 3D 렌더링에 초점을 맞춘 전문 컴퓨팅 네트워크입니다. AI 분야에서는 Bittensor, Hyperbolic, Ritual, fetch.ai와 같은 새로운 업체들이 AI 추론에 중점을 두고 있으며, Flock과 Gensyn은 주로 AI 훈련에 중점을 두고 있습니다.

IOSG Ventures의 견해:

전용 컴퓨팅 네트워크의 장점:

• 탈중앙화 및 암호화 기능은 AI 업계에 만연한 중앙 집중화 및 투명성 문제를 해결합니다.

• 라이선스가 필요 없는 계산 네트워크와 검증 체계는 추론과 훈련 과정의 유효성을 보장합니다.

• 개인정보 보호 기술(예: 연합 학습)을 통해 개인은 자신의 데이터를 로컬에서 비공개로 유지하면서 모델 학습에 데이터를 제공할 수 있습니다.

• 다운스트림 블록체인 애플리케이션과의 스마트 계약 통합을 지원하여 블록체인에서 직접 AI 추론을 사용할 수 있습니다.

출처: IOSG Ventures

특화된 AI 추론 및 훈련 계산 네트워크는 아직 초기 단계에 있지만, Web3 AI 애플리케이션은 Web3 AI 인프라를 우선적으로 사용할 것으로 예상됩니다. 인프라를 우선적으로 사용할 것으로 예상합니다. 이러한 추세는 이미 지적 재산으로서의 AI 모델을 도입하기 위한 스토리 프로토콜과 Ritual의 MyShell과의 협업에서 잘 드러나고 있습니다.

이러한 새로운 AI x Web3 인프라를 기반으로 구축된 킬러 앱은 아직 출시되지 않았지만 성장 잠재력은 상당합니다. 생태계가 성숙해짐에 따라 분산형 AI 컴퓨팅 네트워크의 고유한 기능을 활용하는 혁신적인 앱이 더 많이 등장할 것으로 예상됩니다.

2. 데이터

데이터는 AI 모델에서 중요한 역할을 하며 데이터 수집, 학습 데이터 세트 저장, 모델 저장 등 AI 모델 개발의 모든 단계에 관여합니다.

2.1 데이터 저장

탈중앙화된 방식으로 추론 API를 제공하려면 AI 모델의 분산형 저장소가 필수적입니다. 매우 중요합니다. 추론 노드는 언제 어디서나 이러한 모델을 검색할 수 있어야 합니다. AI 모델의 크기가 수백 기가바이트에 달할 수 있기 때문에 강력한 분산형 스토리지 네트워크가 필요합니다. Filecoin과 Arweave와 같은 탈중앙화 스토리지의 선두주자들은 이러한 기능을 제공할 수 있습니다.

IOSG Ventures' take:

이 분야에는 엄청난 기회가 있습니다.

• AI 모델에 최적화된 분산형 데이터 스토리지 네트워크로 버전 관리, 다양한 저정밀 모델 수량 저장, 대용량 모델의 빠른 다운로드와 같은 기능을 제공합니다.

• 분산형 벡터 데이터베이스는 종종 모델과 함께 번들로 제공되기 때문에 질문과 관련된 필요한 지식을 삽입하여 보다 정확한 답변을 제공합니다. 벡터 검색 지원은 기존 SQL 데이터베이스에도 추가할 수 있습니다.

2.2 데이터 수집설정 및 라벨링

AI 학습을 위해서는 고품질 데이터를 수집하는 것이 중요합니다. Grass와 같은 블록체인 기반 프로젝트는 크라우드소싱을 통해 개인 네트워크를 활용하여 AI 학습을 위한 데이터를 수집합니다. 적절한 인센티브와 메커니즘을 통해 AI 트레이너는 더 낮은 비용으로 고품질 데이터에 접근할 수 있습니다. 타이다와 사이펜과 같은 프로젝트는 데이터 라벨링에 중점을 둡니다.

IOSG Ventures의 견해:

이 시장에 대한 몇 가지 관찰 사항:

• 대부분의 데이터 태깅 프로젝트는 GameFi에서 영감을 받아 '수익을 위한 태깅'이라는 개념으로 사용자를 끌어들이고, 고품질 태깅 데이터의 비용을 낮춘다는 약속으로 개발자를 끌어모으고 있습니다.

• 이 분야에서는 아직 뚜렷한 리더가 없으며, Scale AI가 웹2.0 데이터 태깅 시장을 지배하고 있습니다.

2.3 블록체인 데이터

블록체인 전용 AI 모델을 학습할 때. 개발자는 고품질의 블록체인 데이터가 필요하며 이를 훈련 프로세스에서 직접 사용할 수 있기를 원합니다. Spice AI와 Space and Time은 개발자가 데이터를 훈련 데이터 파이프라인에 쉽게 통합할 수 있는 SDK와 함께 고품질 블록체인 데이터를 제공합니다.

IOSG Ventures' take:

블록체인 관련 AI 모델에 대한 수요가 증가함에 따라 고품질의 블록체인 체인 데이터에 대한 수요가 급증할 것입니다. 그러나 현재 대부분의 데이터 분석 도구는 데이터를 CSV 형식으로만 내보낼 수 있어 AI 학습 목적으로는 적합하지 않습니다.

블록체인 전용 AI 모델 개발을 촉진하기 위해서는 블록체인 관련 머신러닝 운영 및 유지보수(MLOP) 기능을 더 많이 제공하여 개발자 경험을 개선하는 것이 중요합니다. 이러한 기능을 통해 개발자는 블록체인 데이터를 파이썬 기반 AI 트레이닝 파이프라인에 직접 원활하게 통합할 수 있어야 합니다.

3. ZKML. strong>

중앙화된 AI 제공업체는 계산 비용을 줄이기 위해 덜 정교한 모델을 사용하려는 인센티브 때문에 신뢰 문제에 직면합니다. 예를 들어, 작년에 사용자들은 때때로 ChatGPT의 성능이 저조하다고 생각했습니다. 이는 나중에 모델 성능을 개선하기 위해 설계된 OpenAI 업데이트 때문인 것으로 밝혀졌습니다.

또한 콘텐츠 제작자들은 AI 기업에 대한 저작권 문제를 제기했습니다. 이러한 기업들은 특정 데이터가 학습 과정에 포함되지 않았다는 사실을 증명하기 어렵습니다.

영지식 머신러닝(ZKML)은 중앙화된 AI 제공업체와 관련된 신뢰 문제를 해결할 수 있는 혁신적인 접근 방식입니다. 영지식 증명을 활용하면 개발자는 민감한 데이터나 모델 세부 정보를 공개하지 않고도 AI 학습 및 추론 프로세스의 정확성을 증명할 수 있습니다.

3.1 훈련

개발자는 Risc Zero에서 제공하는 것과 같은 영지식 가상 머신(ZKVM)에서 훈련 작업을 수행할 수 있습니다. 이 프로세스는 훈련이 올바르게 수행되었고 승인된 데이터만 사용되었음을 검증하는 증명을 생성합니다. 이 증명은 개발자가 적절한 훈련 사양과 데이터 사용 권한을 준수했다는 증거로 사용됩니다.

IOSG Ventures' take:

• ZKML은 모델 학습에서 승인된 데이터 사용을 증명하기 위한 고유한 솔루션을 제공하며, 이는 AI 모델의 블랙박스 특성을 고려할 때 달성하기 어려운 경우가 많습니다.

• 이 기술은 아직 초기 단계에 있습니다. 계산 오버헤드가 엄청납니다. 커뮤니티에서는 더 많은 사용 사례를 위해 ZK 트레이닝을 적극적으로 탐색하고 있습니다.

3.2&strong;추론

ZKML은 추론 훈련에 비해 훨씬 더 오랜 기간 동안 사용됩니다. 훨씬 더 오래요. 머신 러닝 추론을 신뢰할 수 있고 투명하게 만들기 위해 각각 고유한 접근 방식을 사용하는 잘 알려진 여러 회사가 이 분야에 등장했습니다.

Giza는 활발한 커뮤니티를 중심으로 종합적인 머신 러닝 운영(MLOP) 플랫폼을 구축하는 데 주력하고 있습니다. 그들의 목표는 개발자에게 추론 워크플로우에 ZKML을 통합할 수 있는 도구와 리소스를 제공하는 것입니다.

반면, EZKL은 뛰어난 성능을 제공하는 사용자 친화적인 ZKML 프레임워크를 만들어 개발 환경을 우선시합니다. 이 솔루션은 ZKML 추론 구현 프로세스를 간소화하고 더 많은 개발자가 쉽게 사용할 수 있도록 설계되었습니다.

모듈러스 랩스는 자체 증명 시스템을 개발하여 다른 접근 방식을 취했습니다. 이들의 주요 목표는 ZKML 추론과 관련된 계산 오버헤드를 크게 줄이는 것이었습니다. 오버헤드를 10배나 줄임으로써 모듈러스랩은 실제 애플리케이션에서 ZKML 추론이 더욱 유용하고 효율적으로 사용될 수 있도록 노력하고 있습니다.

IOSG Ventures' take:

• ZKML은 특히 신뢰가 중요하지 않은 게임파이와 디파이 시나리오에 적합합니다.

• ZKML은 대규모 AI 모델을 효율적으로 실행하기 어렵게 만드는 계산 오버헤드가 발생합니다.

• 업계에서는 실제 시나리오를 시연하기 위해 자사 제품에 ZKML을 광범위하게 사용한 DeFi 및 게임파이 선구자들을 찾고 있습니다.

4. 에이전트 네트워크 + 기타 애플리케이션

4.1 에이전트 네트워크 

에이전트 네트워크는 특정 작업을 수행할 수 있는 도구와 지식을 갖춘 다수의 AI 에이전트로 구성됩니다. 온체인 트랜잭션 지원과 같은 특정 작업을 수행할 수 있는 도구와 지식을 갖춘 다수의 AI 에이전트로 구성됩니다. 이러한 에이전트는 서로 협력하여 더 복잡한 목표를 달성할 수 있습니다. 여러 유명 기업들이 챗봇과 유사한 에이전트와 에이전트 네트워크를 활발히 개발하고 있습니다.

슬리플리스, 시야, 마이쉘, 캐릭터엑스, 델리시움 등이 챗봇 에이전트를 구축하는 주요 기업이며, 오토놀라스와 체인ML은 보다 강력한 사용 사례를 위해 에이전트 네트워크를 구축하고 있습니다.

IOSG Ventures의 견해:

에이전트는 실제 애플리케이션에서 매우 중요합니다. 에이전트는 범용 AI보다 특정 작업을 더 잘 수행할 수 있습니다. 블록체인은 AI 에이전트에게 몇 가지 독특한 기회를 제공합니다.

• 소유권 인센티브: 블록체인은 비동질화된 토큰(NFT)과 같은 기술을 통해 인센티브를 제공합니다. 명확한 소유권과 인센티브 구조를 통해 크리에이터는 체인에서 더 흥미롭고 혁신적인 에이전트를 개발하도록 인센티브를 받을 수 있습니다.

• 스마트 컨트랙트의 구성 가능성: 블록체인의 스마트 컨트랙트는 레고 블록처럼 고도로 구성 가능하며 작동합니다. 스마트 컨트랙트가 제공하는 오픈 API를 통해 에이전트는 기존 금융 시스템에서는 수행하기 어려웠던 복잡한 작업을 수행할 수 있습니다. 이러한 구성성을 통해 에이전트는 다양한 탈중앙화 애플리케이션(dApp)의 기능을 활용하고 상호 작용할 수 있습니다.

• 내재적 개방성: 블록체인에 에이전트를 구축하면 이러한 네트워크의 내재적 개방성과 투명성을 이어받게 됩니다. 이는 서로 다른 에이전트 간에 상당한 구성 가능성을 창출하여 더 복잡한 작업을 해결하기 위해 협업하고 각자의 역량을 결합할 수 있는 기회를 제공합니다.

4.2 기타 애플리케이션

앞서 설명한 주요 범주 외에도 Web3 분야에는 몇 가지 흥미로운 AI가 있습니다. 별도의 카테고리를 형성할 만큼 규모가 크지는 않지만 주목받고 있는 애플리케이션이 몇 가지 있습니다. 이러한 애플리케이션은 다양한 영역에 걸쳐 있으며, 블록체인 생태계에서 AI의 다양성과 잠재력을 보여줍니다.

• 이미지 생성: ImgnAI

• 이미지 프롬프트 실현: NFPrompt

• 커뮤니티 학습 AI 이미지 생성: botto

• 챗봇: Kaito, Supersight, Galaxy, Knn3, Awesome QA, Qna3

• 금융: Numer AI

• 지갑: Dawn_wallet

• Wallet

• 게임: Parallel TCG

• 교육: Hooked

• 금융: Numer AI

• Wallet: Dawn_wallet align: left;">보안: Forta

• DID: Worldcoin

• 크리에이터 도구: Plai Lab

• 제작자 도구: Plai Lab

5. 대량 채택을 위해 웹2.0 사용자에게 AIxCrypto 확장

AI x Crypto는 AI에서 가장 어려운 문제를 해결한다는 점에서 독보적입니다. 현재 AIxCrypto 제품과 웹2.0 AI 제품 간의 격차가 있고 웹2.0 사용자에게는 매력적이지 않지만, AIxCrypto만이 제공할 수 있는 몇 가지 고유한 기능이 있습니다.

5.1 비용 효율적인 컴퓨팅 리소스:

AIxCrypto의 주요 강점 중 하나는 다음과 같은 가용성입니다. 비용 효율적인 컴퓨팅 리소스입니다. LLM에 대한 수요가 증가하고 시장에 개발자가 많아지면서 GPU 가용성과 가격 책정이 더욱 어려워졌습니다. GPU 가격이 급격히 상승하여 공급 부족 현상이 발생하고 있습니다.

DEPIN 프로젝트와 같은 탈중앙화 컴퓨팅 네트워크는 유휴 컴퓨팅 파워, 소규모 데이터센터의 GPU, 개인 컴퓨팅 기기를 활용하여 이 문제를 완화하는 데 도움이 될 수 있습니다. 분산형 컴퓨팅 파워는 중앙 집중식 클라우드 서비스만큼 안정적이지 않을 수 있지만, 이러한 네트워크는 다양한 지역에서 비용 효율적인 컴퓨팅 장치를 제공합니다. 이러한 분산형 접근 방식은 엣지 지연 시간을 최소화하고 보다 분산되고 탄력적인 인프라를 보장합니다.

탈중앙화 컴퓨팅 네트워크의 성능을 활용하여 AIxCrypto는 웹2.0 사용자에게 저렴하고 접근 가능한 컴퓨팅 리소스를 제공할 수 있습니다. 이러한 비용 이점은 특히 AI 컴퓨팅에 대한 수요가 계속 증가함에 따라 웹2.0 사용자를 AIxCrypto 솔루션으로 끌어들이는 데 매력적입니다.

5.2 크리에이터 소유권 강화:

AI x Crypto의 또 다른 중요한 장점은 크리에이터 소유권을 보호한다는 점입니다. 현재 AI 공간에서는 일부 에이전트가 쉽게 복사됩니다. 이러한 프록시는 유사한 힌트를 작성하는 것만으로도 쉽게 복사할 수 있습니다. 또한, GPT 상점의 프록시는 창작자가 아닌 중앙화된 회사가 소유하는 경우가 많기 때문에 창작자가 작품을 통제하고 효과적으로 수익을 창출할 수 있는 능력이 제한됩니다.

AI x Crypto는 암호화폐 업계에 널리 퍼진 검증된 NFT 기술을 활용하여 이 문제를 해결합니다. 프록시를 NFT로 표현함으로써 크리에이터는 실제로 자신의 작품을 소유하고 이를 통해 실제 수익을 창출할 수 있습니다. 사용자가 프록시와 상호작용할 때마다 크리에이터는 인센티브를 받게 되며, 노력에 대한 공정한 보상이 보장됩니다. NFT 기반 소유권 개념은 에이전트에만 적용될 수 있는 것이 아니라 지식 기반이나 힌트와 같은 AI의 다른 중요한 자산을 보호하는 데에도 사용할 수 있습니다.

5.3 개인정보 보호 및 신뢰 회복:

사용자와 크리에이터는 중앙화된 AI 기업에 대해 개인정보 보호에 대한 우려를 가지고 있습니다. 사용자는 자신의 데이터가 향후 모델 학습에 오용될 것을 우려하고, 크리에이터는 자신의 저작물이 적절한 저작자 표시나 보상 없이 사용될 것을 우려합니다. 또한 중앙집중식 AI 기업은 인프라 비용을 줄이기 위해 서비스 품질을 희생할 수 있습니다.

이러한 문제들은 웹2.0 기술로는 해결하기 어렵지만, AIxCrypto는 고급 웹3.0 솔루션을 활용합니다. 영지식 학습 및 추론은 사용된 데이터를 증명하고 올바른 모델이 적용되었는지 확인하여 투명성을 제공합니다. 신뢰할 수 있는 실행 환경(TEE), 연합 학습, 완전 동형 암호화(FHE)와 같은 기술을 통해 안전하고 개인정보를 보호하는 AI 학습 및 추론이 가능합니다.

개인정보 보호와 투명성을 우선시하는 AIxCrypto는 AI 기업이 대중의 신뢰를 회복하고 사용자의 권리를 존중하는 AI 서비스를 제공하여 기존 웹2.0 솔루션과 차별화할 수 있도록 지원합니다.

5.3 개인정보 보호 및 신뢰 회복:

사용자와 크리에이터는 중앙화된 AI 기업에 대해 개인정보 보호에 대한 우려를 가지고 있습니다. 사용자는 자신의 데이터가 향후 모델 학습에 오용될 것을 우려하고, 크리에이터는 자신의 저작물이 적절한 저작자 표시나 보상 없이 사용될 것을 우려합니다. 또한 중앙집중식 AI 기업은 인프라 비용을 줄이기 위해 서비스 품질을 희생할 수 있습니다.

이러한 문제들은 웹2.0 기술로는 해결하기 어렵지만, AIxCrypto는 고급 웹3.0 솔루션을 활용합니다. 영지식 학습 및 추론은 사용된 데이터를 증명하고 올바른 모델이 적용되었는지 확인하여 투명성을 제공합니다. 신뢰할 수 있는 실행 환경(TEE), 연합 학습, 완전 동형 암호화(FHE)와 같은 기술을 통해 안전하고 개인정보를 보호하는 AI 학습 및 추론이 가능합니다.

개인정보 보호와 투명성을 우선시하는 AIxCrypto는 AI 기업이 대중의 신뢰를 회복하고 사용자의 권리를 존중하는 AI 서비스를 제공하여 기존 웹2.0 솔루션과 차별화할 수 있도록 지원합니다.

5.4 콘텐츠 출처 추적

AI로 생성된 콘텐츠가 점점 정교해지면서 사람이 만든 텍스트, 이미지, 동영상 등을 구분하기가 점점 더 어려워지고 있습니다. 구별하기가 더욱 어려워졌습니다. AI가 생성한 콘텐츠의 오용을 방지하려면 콘텐츠의 출처를 확인할 수 있는 신뢰할 수 있는 방법이 필요합니다.

블록체인은 공급망 관리와 NFT에서 성공을 거둔 것처럼 콘텐츠의 출처를 추적하는 데 탁월합니다. 공급망 산업에서 블록체인은 제품의 전체 수명 주기를 추적하여 사용자가 생산자와 주요 이정표를 식별할 수 있도록 합니다. 마찬가지로 블록체인은 제작자를 추적하고, 특히 공공의 성격으로 인해 불법 복제에 취약한 NFT의 경우 불법 복제를 방지합니다. 이러한 취약성에도 불구하고 블록체인을 사용하면 사용자가 진짜와 가짜 토큰을 쉽게 구별할 수 있기 때문에 가짜 NFT로 인한 손실을 최소화할 수 있습니다.

블록체인 기술을 적용하여 AI가 생성한 콘텐츠의 출처를 추적함으로써 AIxCrypto는 사용자에게 콘텐츠 제작자가 AI인지 사람인지 확인할 수 있는 기능을 제공하여 오용 가능성을 줄이고 콘텐츠의 진위성에 대한 신뢰를 높일 수 있습니다.

5.5 암호화폐로 모델 개발

모델, 특히 대규모 모델을 설계하고 학습시키는 것은 많은 비용과 시간이 소요되는 과정입니다. 또한 새로운 모델에는 불확실성이 존재하며 개발자는 그 성능을 예측할 수 없습니다.

암호화폐는 사전 학습 데이터를 수집하고 강화 학습 피드백을 수집하며 이해 관계자로부터 자금을 모금할 수 있는 개발자에게 친숙한 방법을 제공합니다. 이 과정은 일반적인 암호화폐 프로젝트의 수명 주기와 유사합니다. 개인 투자 또는 이륙 패드를 통해 자금을 모금하고 출시 시 적극적인 기여자에게 토큰을 배포하는 것입니다.

모델도 비슷한 접근 방식을 취하여 토큰을 판매하고 데이터 및 피드백 기여자에게 토큰을 에어드롭하여 교육 자금을 모을 수 있습니다. 잘 설계된 토큰 이코노미 모델을 사용하면 이러한 워크플로를 통해 개별 개발자가 그 어느 때보다 쉽게 새로운 모델을 훈련할 수 있습니다.

6. 토큰노믹스의 과제

AI x Crypto 프로젝트는 암호화폐의 고유한 가치 제안과 웹2.0 AI 산업의 시장 규모 때문에 웹2.0 개발자를 잠재 고객으로 타깃으로 삼기 시작했습니다. 그러나 토큰에 익숙하지 않고 토큰 기반 시스템을 꺼려하는 웹2.0 개발자에게는 토큰이 장애물이 될 수 있습니다.

웹2 개발자를 위해 토큰의 유용성을 줄이거나 없애는 것은 인공지능과 암호화폐 프로젝트의 근본적인 입장을 바꿀 수 있기 때문에 웹3.0 애호가들에게는 문제가 될 수 있습니다. 가치 있는 토큰을 AI SaaS 플랫폼에 통합하려고 할 때 웹2.0 개발자를 유치하는 것과 토큰의 실용성을 유지하는 것 사이의 균형을 찾는 것은 어려운 과제입니다.

토큰의 가치를 유지하면서 Web2와 Web3 비즈니스 모델 간의 격차를 해소하기 위해 고려할 수 있는 몇 가지 잠재적 접근 방식은 다음과 같습니다.

• 프로젝트의 분산 인프라 네트워크에서 토큰을 활용합니다. 인프라 네트워크를 보호하기 위해 서약, 보상, 페널티를 구현합니다.

• 토큰을 결제 수단으로 사용하면서 웹2.0 사용자가 토큰을 사용할 수 있는 포털을 제공합니다

• 토큰 기반 거버넌스를 구현합니다

• 토큰 보유자와 수익금 공유

• 수익금을 사용하여 토큰을 매입하거나 소멸

• 프로젝트 제공 오퍼링, 할인 및 토큰 보유자를 위한 추가 기능

웹2와 웹3 모두의 이익에 부합하는 토큰 이코노미 모델을 신중하게 설계함으로써 AI & x Crypto   프로젝트는 웹2. 토큰의 가치와 유용성을 유지하면서 개발자를 성공적으로 유치할 수 있습니다.

7. . 우리가 가장 선호하는 AI x 암호화 시나리오

우리가 가장 선호하는 AI x & nbsp; 암호화 시나리오는 블록체인 기술을 통한 사용자 협업의 힘을 활용하여 AI 공간에서 사용자 협업의 힘을 활용합니다. 몇 가지 구체적인 예는 다음과 같습니다.

1. AI 훈련, 정렬 및 벤치마킹을 위한 집단 데이터 기여(예: 챗봇 아레나)

2. 협업으로 대규모 공유 다양한 에이전트가 사용할 수 있는 대규모 공유 지식 기반 구축(예: 사하라)

3. 웹 데이터 크롤링을 위한 개별 리소스 활용(예: Grass)

블록체인 기반 인센티브와 사용자들의 집단적 노력의 조정을 활용함으로써 이러한 모델은 분산화된 커뮤니티 중심의 AI 개발 및 배포 접근 방식의 잠재력을 보여줍니다.

결론

우리는 AI와 Web3의 여명기에 있으며, AI와 블록체인 영역의 통합은 다른 산업에 비해 아직 초기 단계에 있습니다. 상위 50위 AI 제품 중 Web3 관련 제품은 없습니다. 상위권 LLM 도구는 주로 영업, 회의, 메모/지식 베이스용 콘텐츠 제작 및 편집과 관련된 제품입니다. Web3 생태계에서 연구, 문서화, 영업 및 커뮤니티 작업이 많다는 점을 고려할 때 맞춤형 LLM 도구의 개발 잠재력이 매우 높습니다.

현재 개발자들은 인프라 구축에 집중하고 있습니다. 아직 그 단계에 이르지는 못했지만, 고급 AI 모델을 체인에 도입하는 것이 목표입니다. 이러한 인프라를 지속적으로 개발하는 동시에, 안전하고 신뢰가 필요 없는 방식으로 온체인에서 AI 추론을 수행할 수 있는 최상의 사용자 시나리오도 모색하고 있으며, 이는 블록체인 업계에 특별한 기회를 제공할 것입니다. 다른 산업에서는 추론과 미세 조정을 위해 기존 LLM 인프라를 직접 사용할 수 있습니다. 블록체인 업계에만 자체적인 네이티브 AI 인프라가 필요합니다.

가까운 미래에 블록체인 기술은 P2P의 장점을 활용하여 AI 업계에서 가장 어려운 문제를 해결하고, 누구나 AI 모델을 더 저렴하고 접근 가능하며 수익성 있게 만들 것으로 기대합니다. 또한, 다소 늦어지긴 했지만 암호화폐 분야도 AI 산업의 흐름을 따라갈 것으로 예상합니다. 지난 1년 동안 저희는 개발자들이 암호화폐와 프록시, LLM 모델을 결합하는 것을 지켜보았습니다. 앞으로 몇 달 동안 더 많은 멀티모달 모델, 텍스트-비디오 생성, 3D 생성이 암호화폐 영역에 영향을 미칠 것으로 보입니다.

AI와 Web3 산업 전체가 현재 과소평가되고 있으며, 저희는 크립톡스AI의 킬러 앱인 Web3에서 AI가 점화되는 순간을 간절히 기다리고 있습니다.