반에크 리서치: 2030년 암호화폐 AI 수익 전망

저자: 패트릭 부시, 매튜 시겔

이 글은 2030년까지 AI 암호화폐의 잠재적 수익 시나리오를 개괄적으로 설명하며, 102억 달러를 기준선으로 예상하고 퍼블릭 블록체인이 주요 기능을 통해 AI 채택을 촉진하는 데 중요한 역할을 할 수 있다는 점을 강조합니다. 반에크는 아래에 설명된 디지털 자산에 대한 포지션을 보유할 수 있음을 참고하시기 바랍니다.

주요 요점:

• 기본 예측에서 예상되는 것은 다음과 같습니다. 2030년까지 암호화폐 AI 수익이 102억 달러에 달할 것으로 예상됩니다.

• 블록체인 기술은 탈중앙화된 AI 솔루션의 채택과 발전의 핵심 동력이 될 수 있습니다.

• 암호화 인센티브와의 통합은 AI 모델의 보안과 효율성을 향상시킬 수 있습니다.

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

퍼블릭 블록체인은 인공지능(AI)의 광범위한 채택을 가능하게 하는 열쇠가 될 가능성이 높으며, AI 애플리케이션은 암호화폐의 존재 이유가 될 것입니다. 암호화폐는 투명성, 불변성, 잘 정의된 소유권 속성, 적대적 테스트 환경 등 AI에 필요한 중요한 기본 요소를 제공하기 때문입니다. 이러한 속성은 AI가 잠재력을 최대한 발휘하는 데 중요한 역할을 할 것으로 믿습니다. AI 성장률 추정에 따르면, 2030년까지 AI에 초점을 맞춘 암호화폐 프로젝트가 거둬들이는 연간 수익은 102억 달러에 달할 것으로 예상됩니다. 이 글에서는 AI 채택을 촉진하는 데 있어 암호화폐가 어떤 역할을 할 것이며, 암호화폐가 AI 비즈니스에서 어떤 가치를 창출할 수 있을지에 대해 추측해보고자 합니다.

암호화폐가 AI에 가장 잘 활용될 수 있는 분야는 다음과 같습니다.

• 탈중앙화된 컴퓨팅 리소스 제공

• 모델 테스트, 미세 조정 및 검증

• 저작권 보호 및 데이터 무결성

• 인공지능 보안

• 아이덴티티

암호화폐는 현재와 미래에 인공지능이 직면하고 있는 많은 문제를 해결했기 때문입니다. 기본적으로 암호화폐는 조정 문제를 해결합니다. 암호화폐는 오픈 소스 소프트웨어를 실행하기 위해 사람, 컴퓨팅, 금전적 자원을 결합합니다. 이는 각 블록체인 네트워크를 만들고, 지원하고, 사용하는 사람들에게 각 네트워크의 가치와 관련된 토큰 형태의 보상을 제공함으로써 이루어집니다. 보상 시스템은 AI 가치 스택의 다양한 구성 요소를 부트스트랩하는 데 사용할 수 있습니다. 암호화폐와 AI를 결합하는 것의 중요한 의미는 암호화폐 인센티브를 사용하여 학습, 미세 조정, 생성 모델 사용 지원을 위한 GPU 클러스터와 같은 필요한 물리적 인프라를 개발할 수 있다는 것입니다.

블록체인은 또한 디지털 소유권의 투명성을 가져다주며, 이는 이미 뉴욕타임스 대 OpenAI와 Microsoft의 소송에서 주목받은 것처럼 AI가 법정에서 직면하게 될 오픈소스 소프트웨어 문제를 해결하는 데 도움이 될 수 있습니다. 즉, 암호화를 통해 데이터 소유자, 모델 빌더, 모델 사용자의 소유권과 저작권 보호를 투명하게 증명할 수 있습니다. 이러한 투명성은 모델 유효성에 대한 수학적 증명을 퍼블릭 블록체인에 게시하는 것에도 확장될 수 있습니다. 마지막으로, 위조가 불가능한 디지털 서명과 데이터 무결성으로 인해 퍼블릭 블록체인은 AI의 효율성을 저해할 수 있는 신원 확인 및 보안 문제를 완화하는 데 도움이 될 것으로 믿습니다.

AI 기업에서 암호화폐의 역할 정의

2030년 예상 암호화폐 AI 수익: 약세, 기본 시나리오, 강세 시나리오

출처: 2024년 1월 29일 기준 모건 스탠리, 블룸버그, VanEck 리서치 과거 성과는 미래 결과를 보장하지 않습니다. 이 블로그에서 제공하는 정보, 가치평가 시나리오 및 가격 목표는 재무적 추천이나 행동 촉구, 매수 또는 매도 추천 또는 AI 비즈니스의 미래 성과에 대한 예측을 위한 것이 아닙니다. 실제 미래 성과는 알 수 없으며 여기에 설명된 가상의 결과와 크게 다를 수 있습니다. 제시된 시나리오에 고려되지 않은 위험이나 기타 요인이 있을 수 있으며, 이는 성과를 저해할 수 있습니다. 이는 저희의 연구를 기반으로 한 시뮬레이션 결과일 뿐이며 설명의 목적으로만 사용됩니다. 직접 조사를 수행하여 결론을 도출하시기 바랍니다.

암호화 AI 시장을 예측하기 위해 먼저 AI를 통한 비즈니스 생산성 향상에 대한 총 주소 가능 시장(TAM)을 추정하고, 이 수치의 기준은 McKinsey의 2022년 가정에서 가져옵니다. 그런 다음 경제 및 생산성 성장 가정을 McKinsey의 데이터에 적용하여 2030년 TAM이 5조 8,500억 달러인 기본 사례를 찾습니다. 이 기본 사례에서는 AI 생산성 성장이 3% 성장하는 GDP 성장률보다 50% 더 높다고 가정합니다. 그런 다음 글로벌 기업에서 AI의 시장 보급률(기본 사례에서는 33%)을 예측하고 이를 초기 TAM에 적용하면 기업의 생산성 향상에 19조 3,000억 달러가 발생할 것으로 예상됩니다. 모든 AI 비즈니스의 수익을 계산하기 위해 이러한 생산성 향상분의 13%를 AI 비즈니스가 수익으로 포착(또는 기업 소비자가 소비)한다고 가정합니다. S&P 500 기업의 평균 인건비 매출 비중을 적용하여 AI 매출 비중을 추정하고, AI 지출도 비슷할 것으로 가정합니다. 분석의 다음 부분에서는 블룸버그 인텔리전스의 AI 가치 스택 분포에 대한 예측을 적용하여 각 AI 비즈니스 그룹의 연간 매출을 추정합니다. 마지막으로, 각 AI 비즈니스별 암호화폐 시장 점유율을 추정하여 각 사례와 각 시장에 대한 최종 수치를 도출합니다.

우리는 오픈소스 공개 저장소를 사용해 구축된 탈중앙화 AI 모델을 향후 상상 가능한 모든 사용 사례에 적용하는 것을 구상하고 있습니다. 많은 경우, 이러한 오픈 소스 모델은 중앙 집중식 AI 창작물보다 우선합니다. 이 가설의 토대는 오픈 소스 커뮤니티가 무언가를 개선하려는 독특한 동기를 가진 애호가와 취미 활동가들을 한데 모은다는 가정에서 출발합니다. 우리는 오픈소스 인터넷 프로젝트가 기존 비즈니스를 파괴하는 것을 보아왔습니다. 이러한 현상의 가장 좋은 예는 비즈니스 백과사전 사업을 사실상 종식시킨 Wikipedia와 뉴스 미디어를 혁신한 Twitter입니다. 이러한 오픈소스 커뮤니티는 사회적 영향력, 이념, 집단 연대의 결합을 통해 사람들이 가치를 제공하도록 조정하고 영감을 주기 때문에 기존 비즈니스가 실패한 곳에서 성공할 수 있었습니다. 한마디로 케어입니다.

오픈소스 AI 모델과 암호화폐 인센티브를 결합하면 이러한 신흥 커뮤니티의 영향력이 확대되어 새로운 참여자를 유치하는 데 필요한 인프라를 구축하는 데 재정적으로 힘을 실어줄 수 있습니다. 이 전제를 AI에 적용하면 열정과 금전적 자원의 매력적인 조합이 될 것입니다. 암호화폐 인센티브 대회에서 인공지능 모델을 테스트하여 벤치마킹을 위해 모델을 평가할 수 있는 환경을 구축할 것입니다. 이 환경에서는 각 모델의 가치가 명시적으로 정량화되기 때문에 가장 효과적인 모델과 평가 기준이 승리할 것입니다. 따라서 저희의 기본 사례에서는 블록체인으로 생성된 AI 모델이 전체 AI 소프트웨어 수익의 5%를 차지할 것으로 예상합니다. 이 추정치에는 하드웨어, 소프트웨어, 서비스, 광고, 게임 등이 포함되며, 운영 중인 비즈니스 수의 변화를 반영합니다. 전체 AI 소프트웨어 매출 중 약 절반에 해당하는 1,250억 5,000만 달러에 달할 것으로 예상됩니다. 따라서 오픈 소스 모델의 시장 점유율 5%는 62억 7천만 달러의 수익이 암호화폐 토큰 기반 AI 모델로 이동하는 것과 같을 것으로 예상합니다.

우리는 미세 조정, 훈련, 추론에 사용되는 컴퓨팅(또는 서비스형 AI 인프라)에 대한 TAM이 2030년까지 474억 4천만 달러에 달할 것으로 예상하고 있으며, 세계 경제의 많은 기능에 필수적인 요소가 될 것으로 예상되는 AI의 광범위한 채택으로 컴퓨팅과 스토리지의 컴퓨팅 및 스토리지 프로비저닝은 발전 및 배전과 유사한 유틸리티로 상상할 수 있습니다. 이러한 역학 관계에서 대부분의 '기본 부하'는 Amazon과 Google과 같은 GPU 클라우드 하이퍼스케일러에서 발생하며, 이들의 시장 점유율은 대략 80%의 파레토 분포에 가까워질 것입니다. 블록체인 분산형 백엔드 서버 인프라는 특정 요구 사항을 충족하고 네트워크 수요가 많은 기간 동안 "피크" 공급자의 역할을 할 것으로 보입니다. 맞춤형 AI 모델 제작자에게 암호화 스토리지 및 컴퓨팅 공급자는 온디맨드 서비스 제공, 더 짧은 SLA 락인 기간, 더 맞춤화된 컴퓨팅 환경, 더 높은 지연 시간 민감도 등의 이점을 제공합니다. 또한, 탈중앙화 GPU는 스마트 컨트랙트의 탈중앙화 AI 모델과 원활하게 통합되어 라이선스 없이도 AI 에이전트가 자체 컴퓨팅 요구 사항을 확장할 수 있는 사용 사례를 가능하게 합니다. 블록체인 제공 GPU를 AI 컴퓨팅 인프라에 해당하는 Uber/Lyft로 생각하면, 블록체인 제공 컴퓨팅과 스토리지가 비하이퍼스케일 AI 인프라 시장의 20%를 차지하여 2030년까지 잠재적으로 19억 9천만 달러에 달할 것으로 예상됩니다.

증명 가능을 통해 AI 에이전트와 모델의 맥락에서 증명 가능한 온체인 인류를 통해 '신원'을 정의하는 것은 전 세계 컴퓨터 네트워크에 대한 마녀의 방어 메커니즘으로 볼 수 있습니다. 다양한 블록체인 네트워크 보호와 관련된 비용을 조사하여 이 서비스의 비용을 추정할 수 있습니다. 2023년 비트코인, 이더리움, 솔라나의 비용은 각각 각 네트워크의 인플레이션 발행 가치의 약 1.71%, 4.3%, 5.57%에 해당합니다. 보수적으로 추론해보면, 신원 증명은 AI 시장의 약 3.5%를 차지할 것으로 예상할 수 있습니다. AI 소프트웨어의 TAM이 1,255억 달러라는 점을 고려하면, 이는 연간 87억 8,800만 달러의 수익에 해당합니다. 저희는 암호화폐가 신원 문제에 대한 최상의 솔루션을 제공한다고 믿기 때문에 이 최종 시장의 10%를 점유하여 연간 약 878억 달러의 수익을 창출할 것으로 예상하고 있습니다.

인공지능 안전은 모델이 올바르게 작동하는지 확인하기 위해 손상되지 않은 관련성 있는 최신 데이터를 사용하는 것이 기본 요건인 AI 디바이스의 또 다른 중요한 구성 요소가 될 것으로 예상됩니다. 자율 주행 자동차, 공장 로봇, 의료 시스템 등 사람의 생명을 위협하는 분야로 AI가 확장됨에 따라 실패에 대한 허용 범위가 좁아지고 있습니다. 사고 발생 시 책임에 대한 필요성은 보험 시장에서 안전에 대한 구체적인 증거를 요구하게 될 것입니다. 퍼블릭 블록체인은 누구나 볼 수 있는 불변의 원장에 '안전 증명'을 게시할 수 있기 때문에 이 기능에 이상적입니다. 이 작업은 금융 기관의 컴플라이언스와 유사하게 생각할 수 있습니다. 미국의 상업 및 투자 은행이 6,600억 달러의 수익을 창출하면서 규정 준수 비용으로 5,875억 달러(수익의 8.9%)를 지출한다는 점을 고려하면, 2,510억 달러의 AI TAM 중 약 223억 4,000만 달러가 AI 보안이 차지할 것으로 예상할 수 있습니다. 암호화폐가 AI 보안을 강화할 수 있는 잠재력을 가지고 있지만, 미국 정부가 AI에 집중하고 있는 점을 고려할 때, AI 규정 준수의 대부분은 중앙 집중화될 것으로 예상됩니다. 그 결과, 암호화폐가 이 시장의 약 5%, 즉 약 11억 2천만 달러를 차지할 것으로 예상합니다.

탈중앙화된 컴퓨팅 리소스 구성

암호화폐는 엄청난 사회적, 재정적 조율의 장점을 컴퓨팅에 대한 액세스를 민주화하는 데 적용할 수 있으며, 현재 AI 개발자들을 괴롭히는 문제점을 해결할 수 있습니다. 현재 AI 모델 빌더는 높은 비용과 고품질 GPU에 대한 제한된 접근성 외에도 다른 까다로운 문제에 직면해 있습니다. 여기에는 공급업체 종속성, 보안 부족, 제한된 컴퓨팅 가용성, 열악한 지연 시간, 주법에 의해 의무화된 지리적 펜싱 등이 포함됩니다.

암호화폐가 AI의 GPU 수요를 충족시킬 수 있는 능력은 토큰을 통해 리소스 풀링을 장려하는 암호화폐의 능력에서 비롯됩니다. 8,500억 달러의 토큰 가치와 200억 달러의 자산 가치를 가진 비트코인 네트워크는 이러한 능력을 보여줍니다. 그 결과, 현재의 비트코인 채굴자와 유망한 탈중앙화 GPU 시장은 모두 탈중앙화 컴퓨팅을 제공함으로써 AI에 상당한 가치를 더할 수 있는 잠재력을 가지고 있습니다.

블록체인을 통한 GPU 제공을 이해하는 데 유용한 비유는 발전 사업입니다. 간단히 말해, 전력망의 수요 대부분을 충족하기 위해 꾸준히 전기를 생산할 수 있는 고가의 대형 발전소를 운영하는 여러 주체가 있습니다. 이러한 "기저 부하" 발전소는 수요가 안정적이지만 건설에 상당한 자본 투자가 필요하기 때문에 상대적으로 낮지만 자본 수익률이 보장됩니다. 기본 부하를 보충하는 또 다른 유형의 발전기는 "피크 전력"이라고 합니다. 피크 전력은 수요가 기본 부하 발전 용량을 초과할 때 전력을 공급합니다. 여기에는 해당 에너지 수요에 전략적으로 가까운 곳에 위치한 고비용의 소규모 에너지 생산이 포함됩니다. "온디맨드" 공간에서도 비슷한 역학 관계가 발생할 것으로 예상됩니다.

비트코인 채굴자들이 인공지능으로 다각화

비트코인 및 기타 작업 증명 암호화폐는 인공지능처럼 에너지 수요가 높습니다. 이 에너지는 채굴 장비와 컴퓨팅 클러스터에 전력을 공급하기 위해 생성, 포집, 운송, 사용 가능한 전력으로 분해되어야 합니다. 이러한 공급망을 구축하려면 채굴자는 발전소, 전력 구매 계약, 그리드 인프라 및 데이터 센터 시설에 상당한 투자를 해야 합니다. 작업 증명 암호화폐 채굴을 통한 금전적 인센티브 덕분에 전 세계에 분산된 많은 비트코인 채굴자들이 에너지와 전력 권한, 통합된 그리드 아키텍처를 보유하게 되었습니다. 이러한 에너지의 대부분은 사회적으로 기피되는 저비용, 탄소 집약적인 자원에서 나옵니다. 따라서 비트코인 채굴자가 제공할 수 있는 가장 매력적인 가치 제안은 AI의 백엔드 인프라를 구동하는 저비용 에너지 인프라입니다.

AWS와 Microsoft와 같은 하이퍼스케일 컴퓨팅 제공업체는 수직 통합 운영에 투자하고 자체 에너지 생태계를 구축하는 전략을 추구해왔습니다. 대형 기술 기업들은 자체 칩을 설계하고 자체 에너지(대부분 재생 가능한 에너지)를 조달하면서 업스트림으로 이동했습니다. 데이터 센터는 현재 미국 기업이 사용할 수 있는 재생 에너지의 3분의 2를 소비하고 있습니다. Microsoft와 Amazon은 2025년까지 100% 재생 에너지 공급을 약속했습니다. 하지만 일부에서 예상하는 것처럼 컴퓨팅 수요가 예상을 뛰어넘는다면 2027년까지 AI 중심 데이터센터의 수는 두 배가 될 수 있으며, 자본 지출은 현재 추정치보다 세 배가 될 수 있습니다. 대형 기술 기업들은 이미 경쟁 비트코인 채굴자들이 일반적으로 지불하는 전기 요금(0.03~0.05kWh)보다 훨씬 비싼 $0.06~$0.10/kWh의 전기 요금을 지불하고 있습니다. AI의 에너지 수요가 대형 기술 기업의 현재 인프라 계획을 초과할 경우 비트코인 채굴자의 전력 비용 우위는 메가 채굴자에 비해 크게 증가할 수 있습니다. 채굴자들은 GPU 공급과 관련된 고수익 AI 비즈니스에 점점 더 매력을 느끼고 있습니다. 특히, 하이브는 10월에 메가와트당 기준으로 HPC 및 AI 사업이 비트코인 채굴보다 15배 더 많은 수익을 창출한다고 보고했습니다. AI 기회를 포착한 다른 비트코인 채굴업체로는 Hut 8과 Applied Digital이 있습니다.

비트코인 채굴업체는 이 새로운 시장에서 성장을 경험하고 있으며, 이는 수익 다변화와 수익 보고 개선에 도움이 되고 있습니다. Hut 8의 2023년 3분기 애널리스트 콜에서 CEO 제이미 레버튼은 "HPC 사업에서 3분기에는 신규 고객 추가와 기존 고객의 성장을 통해 모멘텀을 창출했습니다. 지난주에는 AI, 머신 러닝, 시각 효과 및 렌더링 워크로드를 지원하는 Kubernetes 기반 애플리케이션용 GPU의 HPC 서비스를 원하는 고객을 위한 온디맨드 클라우드 서비스를 출시했습니다. 이 서비스는 고객이 직접 제어할 수 있는 동시에 구성 시간을 며칠에서 몇 분으로 단축할 수 있어 단기 HPC 프로젝트를 찾는 고객에게 특히 매력적입니다. 캐빈 8은 2023년 3분기 HPC 사업에서 450만 달러의 매출을 달성했으며, 이는 같은 기간 회사 전체 매출의 25% 이상을 차지합니다. HPC 서비스 및 신제품에 대한 수요 증가는 이 사업 부문의 향후 성장에 도움이 될 것이며, 비트코인 반감기가 임박함에 따라 시장 상황에 따라 HPC 수익이 곧 채굴 수익을 넘어설 수도 있습니다.

비즈니스는 유망해 보이지만, AI로 전환하는 비트코인 채굴자들은 데이터센터 구축 기술이 부족하거나 전력 공급을 확장할 수 없어 어려움을 겪을 수 있습니다. 또한 데이터 센터 중심의 새로운 영업 직원을 고용하는 데 드는 비용으로 인해 운영 오버헤드와 관련된 어려움을 겪을 수도 있습니다. 또한, 현재 채굴장들은 저렴한 에너지에 최적화되어 있기 때문에 고속 광섬유 연결이 부족한 외딴 지역에 위치하기 때문에 네트워크 지연 시간이나 대역폭이 충분하지 않습니다.

AI를 위한 탈중앙화 클라우드 구현

또한, AI 서버 리소스 시장에서 작지만 중요한 부분을 차지할 컴퓨팅 중심 암호화폐 프로젝트의 롱테일이 나타나고 있습니다. 이러한 단체들은 하이퍼스케일을 넘어서는 컴퓨팅 클러스터를 조율하여 신흥 부유층 AI 구축자의 요구에 맞는 가치 제안을 제공할 것입니다. 탈중앙화 컴퓨팅의 이점으로는 사용자 지정 가능성, 개방형 액세스, 더 나은 계약 조건 등이 있습니다. 이러한 블록체인 기반 컴퓨팅 회사는 소규모 AI 플레이어들이 H100이나 A100과 같은 하이엔드 GPU의 막대한 비용과 일반적인 가용성 문제를 피할 수 있게 해줍니다. 암호화 AI 기업은 암호화 토큰 인센티브를 중심으로 구축된 물리적 인프라 네트워크를 만들어 수요를 충족하는 한편, 독점적인 IP를 제공해 AI 애플리케이션의 컴퓨팅 사용을 최적화하는 소프트웨어 인프라를 구축할 것입니다. 블록체인 컴퓨팅 프로젝트는 시장 방법과 암호화폐 인센티브를 사용해 독립형 데이터 센터, 과잉 컴퓨팅 용량을 보유한 기업, 이전 작업 증명 채굴자로부터 더 저렴한 컴퓨팅을 발굴할 것입니다. 인공지능 모델을 위한 탈중앙화 컴퓨팅을 제공하는 프로젝트에는 아카시, 렌더링, io.net 등이 있습니다.

아카시 일일 수익

아카시 일일 수익. 출처: 2024년 1월 30일 기준 클라우드모스 과거의 성과가 미래의 결과를 보장하지 않습니다.

아카시는 CPU, GPU, 메모리, 스토리지를 제공하는 범용 탈중앙화 "하이퍼클라우드"로 생각할 수 있는 코스모스 기반 프로젝트입니다. 아카시는 코스모스 기반 프로젝트입니다. 사실상 클라우드 서비스 사용자와 클라우드 서비스 제공자를 연결하는 양방향 마켓플레이스입니다. 아카시의 소프트웨어는 컴퓨팅 수요와 공급을 조정하는 동시에 인공지능 모델의 훈련, 미세 조정 및 실행을 용이하게 하는 도구를 만들도록 설계되었습니다. 또한 아카시는 마켓플레이스 구매자와 판매자가 정직한 의무를 이행하도록 보장하며, 클라우드 서비스 할인 결제에 사용할 수 있는 $AKT 토큰을 통해 이를 조정할 수 있습니다. 또한 $AKT는 GPU 컴퓨팅 제공자 및 기타 네트워크 참여자들에게 인센티브 역할을 합니다. 프로비저닝 측면에서 아카시는 컴퓨팅 공급자를 추가하는 데 큰 진전을 이루었으며, 현재 아카시 마켓플레이스에는 65개의 다양한 공급자가 있습니다. 2023년 8월 31일 아카시의 AI 슈퍼 클라우드가 출시될 때까지 컴퓨팅 수요는 부진했지만,

최근 솔라나로 이전한 렌더는 처음에는 이미지와 비디오 렌더링을 위한 GPU 용량을 제공하는 탈중앙화된 그룹과 아티스트를 연결하는 데 중점을 두었습니다. 그러나 Render는 최근 들어 그러나 렌더는 딥러닝 모델을 지원하기 위해 머신러닝 워크로드를 처리하는 데 탈중앙화 GPU 클러스터를 집중하기 시작했습니다. 네트워크 개선 제안 RNP-004를 통해 렌더는 이제 머신러닝을 위해 렌더의 GPU 네트워크를 활용할 수 있는 외부 네트워크(예: io.net)에 연결할 수 있는 API를 갖추게 되었습니다. 이후 Render 커뮤니티의 후속 제안이 통과되어 Beam 및 FEDML을 통해 머신 러닝 작업을 위한 GPU 액세스가 가능해졌습니다. 그 결과, Render는 GPU 워크로드를 위한 탈중앙화 촉진자가 되었으며, 공급자에게 RNDR 달러를 지불하고 네트워크의 백엔드 인프라를 운영하는 주체에게 RNDR 인센티브를 제공함으로써 조율되었습니다.

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

솔라나에서 또 다른 흥미로운 프로젝트는 io.net으로, DePIN 또는 탈중앙화된 물리적 인프라 네트워크로 간주됩니다. io.net 역시 GPU를 제공하는 것을 목표로 하지만, AI 모델을 구동하기 위해 GPU를 적용하는 데에만 초점을 맞추고 있습니다. 단순히 계산을 오케스트레이션하는 것 외에도 Io.net은 핵심 스택에 더 많은 서비스를 추가합니다. 이 시스템은 네트워크 전반에서 AI 워크로드를 적절히 촉진하고 문제를 해결하기 위한 생성, 사용, 미세 조정을 포함하여 AI의 모든 구성 요소를 처리한다고 주장합니다. io.net은 현재 토큰이 부족하지만 2024년 1분기에 출시될 예정이며, 렌더와 파일코인 등 다른 탈중앙화 GPU 네트워크와 자체 GPU도 활용할 계획입니다.

분산형 컴퓨팅의 병목현상 극복

하지만 딥러닝 모델을 훈련하는 데 일반적으로 633테라바이트 이상의 데이터가 필요하기 때문에 이러한 분산 컴퓨팅을 활용하는 것은 네트워크 수요 때문에 여전히 어려운 과제입니다. 또한 전 세계에 위치한 컴퓨터 시스템은 지연 시간과 컴퓨터 성능의 변화로 인해 병렬 모델 훈련에 새로운 장애물이 되고 있습니다. 오픈 소스 기반 모델 시장에 공격적으로 진출하고 있는 투게더는 오픈 소스 AI 모델을 호스팅하기 위해 분산형 클라우드를 구축하고 있으며, 연구자, 개발자 및 기업은 데이터, 모델 및 직관적인 플랫폼을 통해 오픈 소스 AI 모델의 성능을 활용할 수 있습니다. 투게더는 연구자, 개발자 및 기업이 데이터, 모델 및 계산을 결합한 직관적인 플랫폼을 통해 AI를 활용하고 개선하여 AI의 접근성을 확대하고 차세대 기술 기업을 지원할 것입니다.투게더는 주요 학술 연구 기관과 제휴하여 연구실에서 AI 연구를 위한 계산을 중앙 집중화할 수 있는 투게더 리서치 컴퓨터를 구축했습니다. 또한 스탠포드 기본 모델 연구 센터(CRFM)와 협력하여 기본 모델을 평가하기 위한 표준화된 프레임워크를 제공함으로써 AI의 투명성을 개선하기 위한 '살아있는 벤치마크'인 언어 모델의 전체론적 평가(HELM)를 만들었습니다.

Together의 설립자 Vipul Ved Prakash는 창립 이래 1) 1Gbps 링크를 통해 학습된 6B 파라메트릭 모델을 갖춘 개방형 LLM인 GPT-JT, 2) 1Gbps 링크를 통해 학습된 6B 파라메트릭 모델인 OpenChatKit, 3) 1Gbps 링크를 통해 학습된 6B 파라메트릭 모델인 OpenChatKit 등 여러 프로젝트를 주도해 왔습니다. 전용 및 범용 챗봇을 만들기 위한 강력한 오픈 소스 기반인 OpenChatKit, 3) 연구 및 상용 애플리케이션의 기반이 되는 것을 목표로 최첨단 오픈 소스 모델을 만드는 프로젝트인 RedPajama.Together 플랫폼은 상용 하드웨어, 분산형 클라우드, 통합 개발자 클라우드의 개방형 모델로 구성된 기본 모델입니다. 소비자 채굴자, 암호화폐 채굴자, T2-T4 클라우드 제공자 및 학술 컴퓨팅을 포함한 다양한 컴퓨팅 소스를 하나로 모으는 통합 개발자 클라우드로 구성되어 있습니다.

HELM (RAFT) 점수

GPT-JT 성능. 출처: 2024년 1월 4일 기준 디코더

우리는 Together와 같이 탈중앙화되고 민주화된 클라우드 솔루션이 새로운 모델 구축 비용을 크게 절감할 수 있으며, 잠재적으로 Amazon Web Services, Google Cloud, Azure와 같은 거대 기업들과 경쟁하고 파괴할 수 있다고 믿습니다. 맥락을 설명하기 위해 AWS 용량 블록과 AWS p5.48xlarge 인스턴스를 동일한 수의 H100 SXM5 GPU로 구성된 Together GPU 클러스터와 비교하면, Together의 가격은 AWS보다 약 4배 저렴합니다.

오픈 LLM이 더 정확해지고 더 널리 채택됨에 따라 Together는 Red Hat이 Linux의 경우처럼 오픈 소스 모델의 업계 표준이 될 수 있습니다. 이 분야의 경쟁업체로는 모델 제공업체인 Stability A와 HuggingFace, 그리고 AI 클라우드 제공업체인 Gensyn과 Coreweave가 있습니다.

암호화폐 인센티브로 AI 모델 강화

블록체인과 암호화폐 인센티브는 네트워크 효과와 네트워크 효과의 크기와 관련된 보상이 사람들이 <유용한 작업>을 하도록 유도한다는 것을 보여줍니다. 비트코인 채굴의 맥락에서 그 일은 값비싼 전기, 숙련된 인력, ASIC 기계를 사용하여 비트코인 네트워크를 보호하는 것입니다. 이러한 경제적 자원의 조정은 비트코인에 대한 경제적 공격에 대한 마녀 공격 방어 메커니즘을 제공합니다. 그 대가로 이러한 자원을 조정하는 채굴자는 비트코인 달러를 받습니다. 그러나 인공지능에는 유용한 작업을 위한 훨씬 더 많은 여지가 있으며, 이미 많은 프로젝트가 인공지능과 머신러닝 모델의 개선을 추진하고 있습니다.

이 프로젝트 중 가장 독창적인 프로젝트는 현재 주식 포트폴리오를 구축하여 금융 수익을 최적화하는 최고의 머신러닝 모델을 식별하는 것을 목표로 하는 탈중앙화된 데이터 과학 토너먼트라고 생각할 수 있는 Numerai입니다. 각 시대마다 익명의 Numerai 참가자에게는 숨겨진 원시 데이터에 대한 액세스 권한이 부여되며, 해당 데이터를 사용하여 최고의 성과를 내는 주식 포트폴리오를 구축하도록 요청받습니다. 참여하기 위해 사용자는 예측을 제출해야 할 뿐만 아니라 모델의 가치를 증명하기 위해 모델의 예측 뒤에 NMR 토큰을 넣어야 합니다. 다른 사용자들도 가장 성능이 좋다고 생각되는 모델 뒤에 토큰을 넣을 수 있습니다. 이렇게 약정하고 제출한 각 모델의 결과는 머신러닝 알고리즘에 입력되어 누메라이 원 헤지펀드의 투자 결정을 내리는 메타 모델을 생성합니다. 가장 좋은 정보 요소 또는 타당성을 가진 '추론'을 제출한 사용자에게는 NMR 토큰이 보상으로 주어집니다. 동시에 최악의 모델을 제시한 사용자는 자신의 토큰이 감소(몰수되어 승자에게 보상으로 재지급)됩니다.

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

비텐서는 Numerai의 핵심 개념을 대폭 확장한 유사한 프로젝트입니다. 비텐서는 AI/ML 모델에 재정적 인센티브를 제공하는 플랫폼이기 때문에 "기계 지능의 비트코인"이라고 생각할 수 있습니다. 비트센서는 AI/ML 모델에 재정적 인센티브를 제공하는 네트워크이기 때문에 "기계 지능의 비트코인"이라고 생각할 수 있습니다. 이는 AI 모델을 구축하는 '채굴자'와 이러한 모델의 산출물의 품질을 평가하는 '검증자' 주체가 수행하며, 비텐서의 아키텍처는 기본 네트워크와 여러 개의 소규모 하위 네트워크(서브 네트워크)로 구성됩니다. 각 하위 네트워크는 기계 지능의 다른 영역에 중점을 둡니다. 검증자는 이러한 서브넷의 채굴자에게 다양한 질문이나 요청을 통해 AI 모델의 품질을 평가합니다.

최고 성능의 모델은 가장 높은 TAO 토큰으로 보상을 받고, 검증자는 채굴자를 정확하게 평가한 것에 대한 보상을 받습니다. 더 높은 수준에서는 검증자와 채굴자 모두 각 서브넷에 참여하기 위해 토큰을 서약해야 하며, 각 서브넷의 총 서약 비율에 따라 모든 비트센서의 총 인플레이션에서 얼마나 많은 TAO 토큰을 받을 수 있는지가 결정됩니다. 결과적으로 각 채굴자는 가장 많은 보상을 받기 위해 모델을 최적화할 뿐만 아니라 최고의 AI 도메인 서브넷에 모델을 집중하려는 인센티브를 갖게 됩니다. 또한 채굴자와 검증자는 참여하기 위해 자금을 유지해야 하기 때문에 각각 자본 장벽 비용을 초과하거나 시스템에서 퇴장해야 합니다.

2024년 1월 현재, 머신러닝 또는 AI의 특정 영역을 전담하는 32개의 서로 다른 서브넷이 있습니다. 예를 들어, 서브넷 1은 ChatGPT의 힌트 LLM과 유사한 텍스트입니다. 이 서브넷에서 채굴자는 응답의 품질을 평가하는 검증자의 신호에 가장 잘 반응하도록 조정된 다양한 버전의 LLM을 실행합니다. "타오시"라는 서브넷에서 채굴자들은 비트코인 및 다양한 금융 자산의 가격에 대한 단기 예측을 제출합니다.8 비트센서는 또한 인간 언어 번역, 저장, 오디오, 웹 크롤링, 기계 번역 및 이미지 생성 전용 서브넷을 보유하고 있습니다. 서브넷 생성은 라이선스가 필요 없으며, 200개의 TAO만 있으면 누구나 서브넷을 생성할 수 있습니다. 서브넷 운영자는 각 서브넷의 활동에 대한 평가 및 보상 메커니즘을 만들 책임이 있습니다. 예를 들어, 비트센서의 기반이 되는 오픈소스와 세레브라스는 해당 서브넷에서 채굴자의 LLM 산출량을 평가합니다.

이러한 각 서브넷은 처음에는 인플레이션 인센티브를 통해 전액 보조를 받지만, 궁극적으로는 경제적으로 자립해야 합니다. 따라서 서브넷 운영자와 검증자는 외부 사용자가 각 서브넷의 서비스에 액세스하기 위해 비용을 지불할 수 있는 도구를 만드는 데 협력해야 합니다. 인플레이션에 대한 TAO 인센티브가 줄어들면서 각 서브넷은 자체 유지를 위해 외부 수익에 점점 더 의존하게 될 것입니다. 이러한 경쟁 환경에서는 최고의 모델을 만들어야 한다는 직접적인 경제적 압박과 함께 다른 사람들이 이러한 모델을 적용할 수 있도록 수익성 있는 '실제 인센티브'를 만들어야 한다는 인센티브가 존재하며, Bittensor는 경쟁적인 소규모 기업을 활용하여 AI 모델을 식별하고 수익을 창출함으로써 AI의 잠재력을 실현하고 있습니다. 저명한 비텐서 에반젤리스트인 MogMachine의 말처럼, 이러한 역학 관계는 '다윈주의적 AI 경쟁'이라고 할 수 있습니다.

또 다른 흥미로운 프로젝트는 암호화를 사용하여 인간이나 다른 컴퓨터 프로그램을 대신하여 자율적으로 작업을 수행하도록 프로그래밍된 AI 에이전트의 생성을 장려하는 것입니다. 이러한 엔티티는 본질적으로 특정 문제를 해결하도록 설계된 적응형 컴퓨터 프로그램입니다. 에이전트는 챗봇, 자동화된 트레이딩 전략, 게임 캐릭터, 심지어 가상 세계 도우미까지 포함하는 포괄적인 용어입니다. 이 분야에서 주목할 만한 프로젝트는 NFT를 사용해 소유, 구동, 훈련된 AI 에이전트를 생성하는 플랫폼인 변경된 상태 머신(Altered State Machine)입니다. 변경된 상태 머신에서 사용자는 '에이전트'를 생성한 다음 탈중앙화된 GPU 클러스터를 사용하여 이를 '훈련'합니다. 이러한 에이전트는 특정 사용 사례에 최적화되어 있습니다. 또 다른 프로젝트인 Fetch.ai는 각 사용자의 필요에 따라 맞춤화된 에이전트를 생성하는 플랫폼으로, 에이전트를 등록하고 대여 또는 판매할 수 있는 SaaS 비즈니스이기도 합니다.

2023년 1월 1일부터 AI 토큰 수익률

출처: 2024년 1월 10일 기준 Artemis  XYZ. 과거의 성과가 미래의 결과를 보장하지 않습니다.

영지식(zk) 증명을 통한 검증

2023년은 새로운 AI 모델의 획기적인 해로, OpenAI의 ChatGPT 출시, Meta의 2023년 6월 현재 미국에는 18,563개 이상의 AI 관련 스타트업이 있으며, 딥러닝의 잠재력에 힘입어 구글의 BERT가 출시될 예정입니다. 이러한 스타트업과 다른 기업들은 수천 개의 새로운 기본 모델과 미세 조정된 모델을 만들어냈습니다. 그러나 벤처 캐피털에 투자된 4달러 중 1달러를 AI 관련 기업이 투자하는 상황에서 새로운 기업이 급증하는 것은 심각한 우려를 불러일으킬 수 있습니다.

• 각 모델을 실제로 만들고 소유하는 주체는 누구일까요?

• 지정된 모델에서 실제로 출력이 생성되나요?

• 모델이 실제로 광고된 대로 작동합니까?

• 각 모델의 데이터 소스는 무엇이며 해당 데이터의 소유자는 누구입니까?

• 학습, 미세 조정, 추론이 저작권 또는 데이터 권리를 침해하는가?

투자자와 이러한 모델의 사용자는 이러한 문제를 100% 해결할 수 있다는 확신을 가져야 합니다. 현재 코드 생성을 위한 휴먼에벌, LLM 지원 작업을 위한 챗봇 아레나, LLM 추론 기능을 위한 ARC 벤치마크 등 LLM 결과의 다양한 구성 요소에 대한 많은 벤치마크가 존재합니다. 그러나 허깅 페이스의 오픈 LLM 리더보드와 같은 모델 투명성을 위한 시도에도 불구하고 모델의 유효성, 최종 소스 또는 훈련/추론 데이터의 출처에 대한 구체적인 증거는 없습니다. 벤치마크를 조작할 수 있을 뿐만 아니라 특정 모델이 실제로 실행되고 있는지(다른 모델에 연결되는 API를 사용하는 것과는 대조적으로) 또는 리더보드 자체가 정직한지 여부도 확실하지 않습니다.

퍼블릭 블록체인, AI, 영지식(zk) 증명으로 알려진 최첨단 수학 분야의 통합이 바로 여기에서 시작됩니다. zk 증명은 누군가 기초 데이터를 다른 사람에게 공개하지 않고도 필요한 수준의 수학적 확실성을 가지고 데이터에 대한 진술이 옳다는 것을 증명할 수 있는 암호화의 응용 프로그램입니다. 진술은 단순한 진술(예: 순위)로 구성될 수 있지만 복잡한 수학적 계산으로 확장될 수도 있습니다. 예를 들어, 특정 표본의 상대적 부를 다른 사람에게 공개하지 않고도 자신이 그 부를 알고 있음을 증명할 수 있을 뿐만 아니라 해당 모집단의 평균과 표준편차를 정확하게 계산했다는 사실도 증명할 수 있습니다. 즉, 데이터의 세부 사항이나 계산 방법을 공개하지 않고도 데이터를 알고 있거나 해당 데이터를 사용하여 진정한 주장을 했다는 것을 증명할 수 있습니다. AI 외부에서는 이더를 확장하는 데 zk 증명이 사용되어 레이어 2 블록체인에서 오프체인으로 트랜잭션이 이루어질 수 있었습니다. 최근에는 zk 증명이 딥러닝 모델에 적용되어 다음을 증명했습니다.

• 모델을 생성하거나 추론 결과를 제공하기 위해 특정 데이터를 사용하는 것(그리고 어떤 데이터/소스가 사용되지 않았는지)

. p>

• 특정 모델을 사용하여 추론 생성

• 추론 출력이 변조되지 않음

zk 증명은 영구적인 공개 블록체인에 게시하고 스마트 컨트랙트를 통해 검증할 수 있습니다. 그 결과 블록체인은 AI 모델의 중요한 속성을 공개적으로 반박할 수 없게 증명할 수 있습니다. ZK를 AI에 적용하는 두 가지 첨단 프로젝트는 영지식 머신러닝(ZKML), EZKL 및 모듈러스로 알려져 있습니다. eZKL은 Halo2 증명 시스템을 사용하여 영지식 증명인 zk-snarks를 생성한 다음 이더의 EVM에서 공개적으로 검증할 수 있습니다. EZKL의 CEO인 제이슨 모튼은 현재 EZKL의 증명 모델 크기는 약 1억 개의 파라미터로 ChatGPT 4의 175B에 비해 상대적으로 작지만, "기술적 한계"보다는 "공학적 문제"를 고려하고 있다고 말했습니다. EZKL은 증명을 분할하여 병렬로 실행함으로써 메모리 제약과 계산 시간을 줄임으로써 증명 문제를 극복할 수 있다고 믿습니다. 실제로 제이슨 모튼은 언젠가는 "모델을 검증하는 것이 블록체인 트랜잭션에 서명하는 것만큼 쉬워질 것"이라고 믿습니다.

ZKML 증명을 AI에 적용하면 저작권 문제와 AI 보안 등 AI 구현의 중요한 문제점을 해결할 수 있습니다. 최근 뉴욕타임스가 Open AI와 Microsoft를 상대로 제기한 소송에서 알 수 있듯이 데이터 소유권에 저작권법이 적용되고 AI 프로젝트는 데이터 소스에 대한 증명을 제공해야 하며, ZKML 기술은 법정에서 모델 및 데이터 소유권에 대한 분쟁을 신속하게 해결하는 데 사용될 수 있습니다. 실제로 ZKML의 가장 좋은 적용 사례 중 하나는 Ocean Protocol과 SingularityNet과 같은 데이터/모델 마켓플레이스가 리스팅의 진위 여부와 유효성을 증명하는 것입니다.

인공지능 모델은 결국 정확성과 보안이 중요한 분야로 확장될 것입니다. 2027년까지 중장비, 로봇, 자율 드론, 차량 등 58억 개의 AI 엣지 디바이스가 등장할 것으로 예상됩니다. 기계 지능이 사람을 다치게 하거나 죽일 수 있는 사물에 적용되기 때문에 신뢰할 수 있는 출처의 고품질 데이터를 사용하여 해당 기기에서 평판이 좋은 모델이 실행되고 있음을 입증하는 것이 중요합니다. 이러한 엣지 디바이스에서 지속적으로 실시간 증명을 구축하고 블록체인에 게시하는 것은 경제적으로나 기술적으로 어려울 수 있지만, 활성화 시점에 모델을 검증하거나 주기적으로 블록체인에 게시하는 것이 더 실현 가능성이 높을 수 있습니다. 그러나 0xPARC의 주패스 재단은 엣지 디바이스에서 일어나는 일에 대한 <사실 증명>으로 저렴하게 구축할 수 있는 "데이터 운반 증명"에서 파생된 원시 증명을 구축했습니다. 현재는 이벤트 참석과 관련이 있지만, 곧 신원 및 의료와 같은 다른 영역으로 확장될 것으로 예상됩니다.

로봇 외과의를 위한 AI 모델은 얼마나 좋은가요?

로봇 보조 수술. 출처: 2024년 1월 30일 기준 MIT Technology Review

장비 고장에 대한 책임을 질 수 있는 기업의 입장에서는 해당 모델이 비용이 많이 드는 사고의 근본 원인이 아니라는 검증 가능한 증거를 확보하는 것이 이상적으로 보입니다. 마찬가지로 보험의 관점에서도 실제 데이터로 학습된 신뢰할 수 있는 모델의 사용을 검증하고 정당화하는 것이 경제적으로 필요할 수 있습니다. 마찬가지로, 블록체인으로 검증되고 입증된 카메라, 휴대폰, 컴퓨터를 사용하여 다양한 작업을 수행하는 것이 딥 AI 위조의 세상에서 표준이 될 수 있습니다. 물론 이러한 기기의 진위 여부와 정확성에 대한 증거를 공개 오픈 소스 원장에 게시하여 위조와 사기를 방지해야 합니다.

이러한 증명은 큰 가능성을 가지고 있지만, 현재 가스 비용과 계산 오버헤드에 의해 제한을 받고 있습니다. 현재 이더리움 가격으로 온체인 증명을 제출하려면 약 30~50만 달러의 가스(현재 이더리움 가격 기준 약 35~58달러)가 필요합니다. 계산적인 관점에서, Eigenlayer의 Sreeram Kennan은 "AWS에서 실행하는 데 50달러의 비용이 드는 증명 계산이 현재의 ZK 증명 기술을 사용하면 약 1,000,000배의 비용이 들 것"이라고 추정합니다. 몇 년 전만 해도 예상했던 것보다 훨씬 빠르게 발전하고 있지만, 실제 사용 사례가 나오기까지는 아직 갈 길이 멀다는 것이 밝혀졌습니다. 누군가 ZKML의 애플리케이션에 대해 궁금해한다고 가정해 봅시다. 이 경우, 이들은 검증된 온체인 스마트 컨트랙트 모델로 심사하는 탈중앙화 노래 경연 대회에 참가하고 그 결과를 블록체인에 영구적으로 업로드할 수 있습니다.

블록체인 기반 신원을 통한 인류성 확립

확산되는 고급 기계 지능의 한 가지 가능한 결과는 자율 에이전트가 가장 많은 인터넷 사용자가 될 것이라는 점입니다. 인공 지능 에이전트의 등장으로 의도적인 봇이 생성한 스팸이나 무해한 작업 기반 에이전트가 웹을 방해하여 전체 네트워크가 중단될 수 있습니다("정크 이메일 제거하기" 참조). 솔라나 봇들이 약 10만 달러 상당의 차익 거래 기회를 놓고 경쟁할 때 초당 100GB의 데이터 트래픽이 발생합니다. 인공지능 에이전트가 수백만 개의 기업 웹사이트를 랜섬웨어로 공격해 수십억 달러를 갈취할 때 발생할 웹 트래픽의 폭증을 상상해 보세요. 이는 인터넷의 미래가 인간이 아닌 트래픽에 대한 제한을 부과할 것임을 시사합니다. 이러한 공격을 제한하는 가장 좋은 방법 중 하나는 값싼 자원의 남용에 경제적 세금을 부과하는 것입니다. 하지만 스팸에 대한 과금을 위한 최적의 프레임워크를 어떻게 결정하고, 인간성을 어떻게 판단할 수 있을까요?

다행히도 블록체인은 이미 AI 봇 스타일의 마녀 공격에 대한 방어 기능을 내장하고 있습니다. 비인간 사용자를 계량하고 비인간 사용자에게 과금을 부과하는 조합이 이상적인 구현 방법이며, 해시캐시와 같이 다소 번거로운 연산은 봇을 억제할 수 있습니다. 인간 증명 측면에서 블록체인은 오랫동안 익명성을 극복하여 담보 미달 대출 및 기타 평판 기반 활동과 같은 활동을 활성화하기 위해 고군분투해 왔습니다.

신원 증명에 동기를 부여하는 한 가지 방법은 웹사이트에 로그인할 때 사용하는 '쿠키'와 유사한 '0Auth' 자격 증명인 JSON 웹 토큰(JWT)을 사용하는 것입니다. JWT는 Google 등의 웹사이트에 로그인할 때 생성되는 '쿠키'와 유사한 '0Auth' 자격 증명입니다. 이를 통해 Google에 로그인하고 인터넷의 다양한 사이트를 방문할 때 Google 신원을 표시할 수 있습니다. L1 블록체인 Sui에서 만든 zkLogin을 사용하면 사용자가 지갑 개인 키와 작업을 JWT를 생성하는 Google 또는 Facebook 계정에 연결할 수 있습니다. 제로 피어 투 피어는 이 개념을 더욱 확장하여 JWT를 사용하여 사용자가 라이선스 없이도 기본 블록체인에서 법정 화폐를 암호화폐로 교환할 수 있도록 합니다. 이는 결제 앱 Venmo를 통해 P2P 현금 이체를 확인하여 이루어지며, 이메일로 전송된 JWT를 통해 확인되면 스마트 컨트랙트에 호스팅된 USDC 토큰을 잠금 해제합니다. 두 프로젝트의 결과는 오프체인 신원과의 강력한 연결을 구축한다는 것입니다. 예를 들어, zkLogin은 지갑 주소를 Google 신원에 연결하는 반면, zkP2P는 Venmo의 KYC 사용자만 사용할 수 있습니다. 두 가지 모두 온체인 신원에 대해 충분히 신뢰할 수 있고 신뢰할 수 있는 보장은 부족하지만, 다른 사람들이 사용할 수 있는 중요한 구성 요소를 만들어냅니다.

많은 프로젝트가 블록체인 사용자의 신원을 확인하려는 시도를 해왔지만, 가장 대담한 프로젝트는 OpenAI의 CEO인 샘 알트먼이 설립한 월드코인으로, 사용자가 홍채를 스캔해야만 반유토피아적인 "신원 확인"을 사용할 수 있어 논란을 빚기도 했습니다. 사용자가 반유토피아적인 "오브" 기계를 사용하기 위해 홍채를 스캔해야 한다는 논란에도 불구하고, 월드코인은 기계 지능에 의해 쉽게 위조되거나 휩쓸리지 않는 위변조 방지 신원 시스템이 되기 위한 길을 가고 있습니다. 월드코인은 각 사람의 고유한 눈 '지문'을 기반으로 암호화 식별자를 생성하고, 이를 샘플링하여 고유성과 진위 여부를 확인할 수 있기 때문입니다. 인증이 완료되면 사용자는 옵티미즘 블록체인에서 월드 ID라는 디지털 여권을 받게 되며, 이를 통해 사용자는 블록체인에서 자신의 인간성을 증명할 수 있습니다. 가장 중요한 것은 개인의 고유 서명이 암호화되어 있기 때문에 절대로 손상되거나 추적될 수 없다는 점입니다. 월드 ID는 단순히 블록체인 주소가 사람의 것임을 증명하며, Checkmate와 같은 프로젝트는 월드 ID를 소셜 미디어 프로필에 연결하여 사용자의 고유성과 진위를 보장합니다. 인공지능이 지배하는 미래 인터넷에서는 모든 온라인 상호작용에서 인간성을 명시적으로 증명하는 것이 일상화될 수 있습니다. 인공지능이 캡차의 한계를 극복함에 따라 블록체인 앱은 저렴하고 신속하며 구체적으로 신원을 증명할 수 있습니다.

블록체인 기술을 통한 AI에 기여

우리가 AI 혁명의 초기 단계에 있다는 것은 의심의 여지가 없습니다. 그러나 기계 지능의 성장 궤적이 예측대로 흘러간다면, AI의 잠재적 해악을 억제하는 동시에 AI가 두각을 나타낼 수 있도록 도전해야 합니다. 저희는 암호화폐가 유익하지만 잠재적으로 불길한 인공지능을 적절히 '훈련'시킬 수 있는 이상적인 그리드라고 믿습니다. 블록체인의 AI 솔루션 세트는 더 빠르고 유연하며 잠재적으로 더 저렴한 탈중앙화된 컴퓨팅을 제공함으로써 기계 지능 제작자의 결과물을 향상시킬 수 있습니다. 또한 더 나은 모델을 만들 수 있는 제작자에게 인센티브를 제공하는 동시에 다른 사람들이 이러한 AI 모델을 사용하여 유용한 비즈니스를 구축할 수 있도록 경제적 인센티브를 제공합니다. 마찬가지로 중요한 것은 모델 소유자가 보호된 데이터 소스가 사용되지 않았음을 입증하면서 모델의 유효성을 증명할 수 있다는 점입니다. AI 사용자의 경우, 암호화된 앱은 실행 중인 모델이 보안 표준을 준수하며 유용할 수 있음을 확인할 수 있습니다.

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

제3자 웹사이트 링크는 편의를 위해 제공되며, 이러한 링크를 포함한다고 해서 링크된 웹사이트에 포함되어 있거나 해당 웹사이트에서 액세스할 수 있는 콘텐츠나 정보를 당사가 보증, 승인, 조사, 검증 또는 모니터링하는 것을 의미하지 않습니다. VanEck이 아닌 웹 페이지로 연결되는 링크를 클릭하면 귀하는 접속하는 제3자 사이트의 이용약관이 적용되며, VanEck은 제3자 사이트의 콘텐츠, 접속의 적법성 또는 적합성에 대해 책임을 지지 않음을 인정하는 것입니다.

공개: VanEck은 '분산형 컴퓨팅의 병목 현상 극복'에 기여한 초기 단계 벤처 캐피탈 매니저 Cadenza와의 전략적 파트너십을 통해 Together에 참여하고 있습니다. Cadenza는 "분산형 컴퓨팅의 병목현상 극복하기"에 기고해 주셨습니다.

특별 감사 대상:

제이슨 모튼, ZKML CEO

알라 샤바나, 비텐서 공동 창립자

아라쉬 야사볼리안, 비텐서 타오시 서브넷 창립자

그레그 오수리, 아카시의 CEO 겸 설립자

제치앙 량, zkP2P의 CEO

수이 블록체인 팀의 주요 멤버 - 샘 블랙셔, 니하르 샤, 시나 나데르, 알론소 고타리