AMA | 에피소드 1 - AI 에이전트의 인수: 과대 광고와 현실을 구분하기 (AG2 출연)

이번 AMA에서는 AI 에이전트 테이크오버 시리즈를 시작하며 가장 중요한 질문 중 하나를 다룹니다. AI 에이전트와 관련하여 무엇이 과대 홍보이고 무엇이 현실인지요? 마케팅 리드 Joules Barragan가 진행하며 Sahara AI의 CEO이자 공동 창립자 Sean Ren 그리고 Chi Wang, AG2의 창립자이자 Google DeepMind의 연구원이 함께하여 오픈 소스 에이전트 프레임워크의 미래, 소유권 및 귀속에서의 분산형 AI의 역할, 그리고 진정한 자율 시스템을 구축하는 데 따르는 도전 과제를 탐구합니다. 여러분이 초기 개발자이든 한계를 그리는 연구원이든 이 세션은 에이전틱 AI 생태계를 형성하는 혁신, 장애물 및 기회를 탐구합니다. 

링크: https://x.com/i/spaces/1eaKbWYmEOYGX

대본

Joules: 안녕하세요, 여러분. 저는 Sahara AI의 Joules입니다. 오늘 진행자가 되어 매우 기쁩니다. 오늘 우리는 AI 분야의 두 천재와 함께하는 흥미진진한 AMA를 준비했습니다. 여러분도 익히 들어보셨을 Sean Ren, Sahara AI의 CEO이시죠. 그가 돌아오는 것은 항상 반갑습니다. 저희 특별 게스트, Chi Wang도 함께 있습니다. Chi, 이번 AMA는 처음 나오신 것 맞죠?

Chi: 반갑습니다.

Joules: 모르시는 분도 계시겠지만, 그는 AG2의 창립자이며, 이전에는 AutoGen으로 알려진 자율 AI를 지원하는 오픈 소스 에이전트 OS 개발자입니다. 그는 Google DeepMind, Microsoft Research, Meta, UIUC 및 Tsinghua에서 15년 이상의 연구 경험을 보유하고 있습니다. 발음이 맞았나요, Chi?

Chi: Tsinghua. 

Joules: 그리고 그는 자신의 분야에서 여러 차례 상을 수상했습니다. 오늘 저희와 함께해 주셔서 감사합니다, Chi.

Chi: 감사합니다. 여기 오게 되어 기쁩니다.

Joules: 훌륭합니다. 듣고 계신 여러분, 이번 AMA 중에 질문이 있으시면 아래 댓글에 남겨주시면 됩니다. 마지막에 답변해 드릴게요. 아, 그리고 고마워요, Sean. 제가 말을 많이 해버렸네요.

Sean: 저는 말할 필요 없습니다. 계속 하세요.

Chi: 죄송합니다. 감사합니다.

Joules: Chi, AG2는 AI 에이전트 개발을 간소화하기 위해 시작되었습니다. 궁금한 점은 AI 생태계에서 어떤 문제를 보셨기에 이러한 필요성을 느끼셨나요?

Chi: 네, 질문 감사합니다. 저는 방금 전에 소개한 대로 AutoML 및 하이퍼파라미터 튜닝을 작업했습니다. AI 에이전트를 위한 AutoGen에 작업하기 전, AutoML을 작업하면서 언어 모델의 강력한 힘을 보았고, AutoML 아이디어를 적용해 이들 언어 모델의 추론 매개변수를 조정하여 애플리케이션을 위해 모델을 사용하는 방식에 대해 얼마나 큰 차이가 있는지 알아보고 싶었습니다. 그 차이는 상당했으며, 특히 더 큰 시스템에서 모델이 어떻게 사용되는지에 대한 질문이었죠. 그래서 새로운 유형의 모델에 대한 질문이 되었고, 이전 세대 기계 모델에 비해 이들은 단순히 예측을 하는 것이 아니라 개방된 공간에서 열린 생성이 가능해졌습니다. 이들은 시스템이 작동하는 새로운 브레인, 새로운 제어계가 될 수도 있습니다. 그래서 이는 설계에 대한 매우 넓은 공간을 열어줍니다. 하지만 저는 두 년 전 이 문제에 대해 작업을 시작할 때, 이러한 새로운 유형의 모델에 중점을 두고 개발자들이 그 위에 오픈 소스 애플리케이션을 구축할 수 있도록 최적화된 새로운 종류의 운영 체제가 필요하다는 것을 알지 못했습니다. 그래서 우리는 이러한 새로운 모델을 최적화하고, 그 위에서 다양한 애플리케이션이 작동할 수 있도록 하는 새로운 종류의 운영 체제가 필요했습니다. 그래서 그것이 제가 보았던 결핍이었고, 제 출발점이었습니다.

Joules: 정말 멋진 말씀입니다. Sean, 당신은 AI 분야에 10년 정도 있었다고 하셨나요? 그리고 지금은 Web3와 AI의 교차점에 계신 것 같습니다. 오늘 AI 에이전트 기술에서 가장 흥미로운 돌파구는 무엇이라고 생각하시나요?

Sean: 네, 그냥 AI 에이전트라는 것보다 조금 더 일반적인 것일 수도 있습니다. 이번 새로운 시대에는, 인터넷의 지난 시대와 마찬가지로 사람들은 자신의 콘텐츠를 게시하기 시작할 수 있었고, 서로가 생산하는 것을 정말 효율적으로 탐색하고 서로의 아이디어를 이해하며 물리적 및 시간적 한계 없이 즉시 소통할 수 있는 시대입니다. 오늘날 이 새로운 AI와 AI 에이전트의 시대를 볼 때, 저는 사람들이 흥미로운 애플리케이션과 콘텐츠를 만들 수 있는 진입 장벽이 크게 낮아졌다고 느낍니다. 코딩 에이전트에 대해 생각해보면, 이는 비전문가와 비기술자들이 정말로 애플리케이션, 프론트엔드 및 기타 사용자 상호작용 애플리케이션을 몇 시간 안에 만들어볼 수 있는 유망한 가능성을 보여줍니다. 그리고 이는 우리의 창의적인 아이디어를 소통하고, 심지어 매우 효율적으로 수익화 가능한 애플리케이션을 만드는 데 있어서 장벽을 더욱 낮추었습니다. 제가 여기서 예측하는 것은, 사람들에게 흥미로운 애플리케이션 및 콘텐츠를 만들 수 있는 더 쉬운 방식과 효율적이고 간소화된 절차로 인해, 사람들의 창의적 아이디어와 이러한 애플리케이션의 소유권을 보호해야 할 새로운 도전이 생길 것이라는 점입니다. 따라서 사실 저작권 보호, 추적 가능한 소유권, 귀속의 문제가 정말로 떠오르는 문제가 되고 있습니다. 그래서 우리는 Sahara AI를 시작하여 이 스펙트럼의 문제를 해결하려고 했습니다. 이는 에이전트의 능력과 유사하게 진화하고 있다고 생각합니다.

Joules: 훌륭합니다. 정말 좋은 점들을 말씀해 주셨습니다. 당신은 장벽을 낮추고 더 많은 접근성을 제공하고, 그로 인해 혁신이 증가하는 부분에 대해 말씀하셨죠. 그리고 그 일환으로 오픈 소스 운동이 있습니다. Chi, AG2가 이 분야에서 상당히 선도하고 있으며 대규모 오픈 소스 운동을 키워가고 있죠. Google, IBM, Meta 및 여러 주요 대학의 20,000명 이상의 빌더가 함께하고 있습니다. 오픈 소스 협업이 AG2의 발전을 형성한 가장 놀라운 방법 중 하나는 무엇이었나요?

Chi: 네, 정말 좋은 질문이네요. 저는 여섯 년 전 오픈 소스 프로젝트를 시작했으며, AutoML 라이브러리 FLAML에서 시작했습니다. AutoGen은 FLAML 내부에서 처음부터 개발되고 있으며, 모든 코드 한 줄이 오픈 소스로 작성되었습니다. 몇 개월 후, 우리는 그것을 GitHub의 독립된 저장소로 옮겼지만 여전히 처음부터 오픈 소스의 형태를 유지하고 있습니다. 그래서 FLAML 내의 하위 패키지로서 오픈 소스를 개발하면서 많은 사용자와 더 많은 커뮤니티가 참여했습니다. 

그리고 가장 놀라운 점은 우리는 AutoGen 프레임워크를 구축할 때 강력한 에이전트를 목표로 했지만, 우리는 빠르게 큰 장벽이 있다는 것을 깨달았습니다. 그래서 쉽지 않았습니다. 이러한 메모리 모델이 매우 강력한 가능성을 보여주었지만, 해결해야 할 다양한 문제들이 있었습니다. 그래서 우리는 그 임무를 혼자서 해결하려고 하지 않기로 결정했습니다. 우리는 대신 기본 프레임워크를 구축하고, 다른 사람들이 그 위에서 사람들이 아이디어를 실험할 수 있도록 하는 공통 인프라를 구축하기 시작했습니다. 그 결과, 제품이 발전하는 가장 효과적인 방법이 되었죠. 많은 아이디어가 실제로 커뮤니티에서 이루어졌고, 우리는 이러한 아이디어를 흡수하고 반복하며, 개선하고 프레임워크에 추가하여 더욱 강력하게 만들었습니다. 예를 들면, 여러 에이전트가 서로 대화하며 같은 맥락을 공유하고 문제를 공동으로 해결할 수 있는 그룹 채팅 대화 패턴이 있습니다. 이는 오픈 소스 협업에서 처음 제안된 실험적 기능으로, 이 프레임워크가 무엇을 할 수 있는지를 보여주기 위해 추가되었습니다. 이는 유일한 기능이 아니었지만 예제로 추가되었습니다. 그러나 결과적으로 이는 매우 인기 있는 기능이 되었습니다. 또한 사용자가 계속 발전시키고, 개발하여 더욱 풍부한 기능으로 발전하게 되었습니다. 하지만 오픈 소스 기여는 커뮤니티가 매우 활성화되고, 라이브러리 자체가 정말 흥미로운 발전을 이루도록 만든 이유입니다. 뿐만 아니라 그런 아이디어를 시도하는 수많은 사람들이 있었고, 때때로 일부 주류 연구나 엔지니어링 팀보다 먼저 시도하여 엄청난 결과를 얻었습니다. 그래서 이러한 초기 탐색과 매우 발전된 기능이 저의 새로운 아이디어를 배우고 작업하는 방식을 근본적으로 변화시켰습니다. 지금, 오픈 소스 커뮤니티는 저에게 영감을 주는 주요 출처입니다. 그러니까 단순히 가끔 그들로부터 배우는 것이 아니라, 계속해서 그들로부터 배우고 있습니다. 예를 들어, 그들은 도전적인 벤치마크, 소프트웨어 엔지니어링과 같은 분야에서 최고의 성과를 달성했습니다. 그래서 그 여정에서 얻은 큰 교훈입니다.

Joules: 네, 놀랍습니다. 오픈 소스 개발은 특히 이 공간에서 저를 항상 놀라게 하네요. Web3는 오랫동안 오픈 소스에 중점을 두었고, 저는 2015년부터 Web3에 깊이 들어와 있습니다. AI 커뮤니티가 또한 오픈 소스에서 많이 발전하고 있는 것을 보는 것은 정말 놀랍습니다. Sean, 궁금한 점이 있습니다. 오픈 소스 AI와 분산형 AI는 서로 보완하는 측면과 서로 다른 접근 방식을 원하나요? 특히 이전에 말씀하신 소유권과 저작권 우려를 해결하는 관점에서 어떻게 보시나요?

Sean: 네, 정말 좋은 질문입니다. 사실 이 질문을 좀 더 분해하고 설명하겠습니다. 분산형 AI는 많은 사람들에게 지나치게 포화되어 있고 자주 모호한 용어라고 생각합니다. 그리고 오픈 소스 AI 또한 여러 회사에 의해 과부하되고 있습니다. 예를 들어, Llama를 오픈 소스 모델이라고 할 수 있을까요? 그들은 오픈 가중치로 이해할 수 있지만, 레시피와 모든 과정이 전혀 오픈 소스라고 할 수는 없습니다. 그래서 Joules의 질문으로 돌아가면, 이들은 공존 가능하며 서로를 보완할 수 있습니다. 연구자의 모자를 쓰고 이야기하자면 저는 오픈 소스 AI를 사랑합니다. 그게 과학 발전과 오픈 과학을 이끄는 기반이니까요. 누군가가 DeepSeek가 어떻게 0에서 1로 만들어졌는지 모든 세부 사항을 알고 있습니다. 무게뿐 아니라, 모델을 훈련시키는 데 사용된 모든 데이터, 심지어는 훈련 전과 훈련 후 데이터도 알고 있어야 한다고 생각합니다. 

또 다른 좋은 예는 인공지능 도구에서 나온 OMO 모델입니다. 이 연구소에서는 모델을 만드는 데 사용된 모든 데이터 세트를 공개하여 훈련 단계 전후에 모든 연구자들이 그러한 기존 데이터를 기반으로 모델을 구축하고 흥미로운 현상을 조사하여 다음 모델 개선을 위한 새로운 지적 아이디어를 발상할 수 있게 합니다. 오픈 소스 AI는 과학의 기본입니다. 오픈 소스가 없다면 연구자와 박사 과정 학생들이 그 분야의 최신 발전을 따라잡기가 매우 어려울 것입니다. 

반면, 제가 생각하는 분산형 AI는 데이터 세트와 모델의 소유권과 제어를 다시 주는 것입니다. 오늘날 중앙 집중형 AI 패러다임을 상상해 보세요. 개발자와 데이터 서비스 제공자는 모두 AI 회사에 고용되어 회사의 일부 업무를 담당합니다. 그리고 최종 제품과 결과는 회사에서 통제되고 수익화됩니다. 그리고 회사는 그 돈과 이익이 모든 당사자에게 어떻게 분배되어야 하는지를 조정합니다. 분명히 오늘날 우리는 모델 개발자에게는 상당히 괜찮은 삶을 제공하는 매우 불공평한 분배를 보았습니다. 그들은 높은 급여를 받고 있습니다. Open AI와 같은 큰 AI 모델이 제공하는 패키지를 한번 보세요. 그런데 모델, 채팅 모델 개선에 기여하는 데이터에 기여한 수많은 사람들이 그에 대한 대가를 얻는 일은 없습니다. 

따라서 이러한 금전적 결과에서 기여자에게 돌아가는 것의 불균형이 존재합니다. 분산형 AI는 이를 혁신하려고 노력합니다. 그 방법론은 아주 처음부터 시작되는 것입니다. 데이터 세트가 생성될 때, 우리는 co-owners와 주주가 누구인지 정확히 알 수 있습니다. 그리고 이 흔적은 모델 소유자와 에이전트 및 애플리케이션 소유자에게 전달될 것입니다. 그런 다음 이 흔적을 사용하여 수익 공유를 진행할 수 있습니다. 이것이 분산형 AI의 희망입니다. 그리고 창조자와 기여자에게 모든 힘을 돌려줌으로써, 보다 지속 가능한 경제가 됩니다. 각자가 자신의 비율을 받게 되니까요. 이제 이 분배를 자율적인 공정한 방식으로 수행하는 것은 기술적 도전이 있다고 생각합니다. Sahara도 오늘날 이러한 문제에 대해 연구하고 있습니다.

Joules: 감사합니다, Sean. 정말 잘 말씀해 주셨습니다. Chi, 그 전에 추가하고 싶은 말씀이 있나요?

Chi: 아니요, 더 이상 없습니다.

Joules: 훌륭합니다. 주제를 약간 바꾸고 싶습니다. 시간이 부족해지고 있으니, 이 AI 에이전트들이 실제로 어떻게 적용되고 있는지를 조금 살펴보겠습니다. AG2 에이전트를 사용하여 이메일, 일정, YouTube 전사, 웹 스크래핑 등 모든 것을 자동화하는 소위 솔로프레너들이 있는 모습도 보았습니다. 이전에 몇 가지 추가 예를 언급하셨죠. 정말 놀랍고 "오, 와우, 그거 진짜 멋진데?"라고 생각하게 만든 사례는 무엇인가요?

Chi: 네. 여러 사례가 있지만, 이 커뮤니티와 가장 밀접한 사례를 말씀드리면 자율 거래를 AG2로 구축한 사례를 봤습니다. 그들은 에이전트를 사용하여 웹3 자산을 관리하고 언제든지 자율적으로 거래를 진행합니다. 심지어 여러분이 잠을 잘 때에도, 에이전트는 자면서도 24시간, 주 7일 자산을 관리하고 자동으로 매매하여 포트폴리오를 증가시킵니다. 이는 저에게 꽤 놀라운 사용 사례였습니다.

Joules: 네, DeFi에서는 AI가 많이 사용되고 있는 것을 많이 보았습니다. 꽤 놀랍습니다. Sean, 추가하고 싶은 말이 있나요?

Sean: 네, 제가 생각하는 것은 자율 거래 봇이나 에이전트가 Web3에서 큰 화두가 되고 있지만 그들은 아직 완벽하다고 말하기에는 더 발전이 필요한 구현 단계입니다. 그들은 프로토타입이나 MVP 개념에 가깝습니다. 예를 들어 우리는 이 에이전트가 100달러의 비트코인을 100 달러의 솔로 교환하면 성공적으로 작동하는 것을 볼 수 있습니다. 하지만 사용자의 막연한 의도를 가지고 작업하여 특정 유형의 meme 코인에 10,000달러를 사용할 때, 시간이 걸리면 어떻게 될지 한 번 생각해보세요. 이 지시 사항을 에이전트가 수행하고 높은 가능성의 결과를 실행할 수 있을까요? 우리는 아직 그 목표에서 많이 먼 상태입니다. 적어도 1년 정도 더 걸릴 것으로 생각합니다. 

그래서 이는 결국, 우리는 AI의 지난 세대에서 규칙 기반의 프로그램적 AI에서 자연어 코멘트를 이해하고 가능성 있는 방식으로 공통 감각 행동을 취하는 더 진화된 AI로 이동하고 있다는 것과 크게 관련이 있을 것입니다.

Joules: 네, 당신 모두 정말 좋은 방안을 제시해 주셨습니다. 저는 특히 Chi가 직원들에게 시키는 일을 자동화하는 문제에 대한 말씀에 많은 울림을 느낌니다. 그러고 보면 AI 에이전트들이 인간의 일을 대체 할 것인지에 대한 두려움이 감도는 것이 사실입니다. 여러분 둘 다, 우리는 어디로 향하고 있다고 생각하십니까?

Joules: Chi, 먼저 하시겠습니까?

Chi: 저는 간단히 빨리 말씀드릴 수 있습니다. 네, 정말 어려운 질문입니다. AI 에이전트들은 일의 양을 변화시킬 가능성이 높습니다. 우리가 예상할 수 있는 여러 가지 변화가 있지만, 제가 추측하는 한 가지 트렌드는 AI 에이전트가 개인이나 작은 팀이 더 많은 일을 할 수 있도록 할 수 있다는 것입니다. 그래서 아마도 우리는 더 많은 작은 팀들이 경이로운 성과를 내는 것을 볼 수 있을 것입니다. 그래서 일 분포의 한 가지 변화가 미래에 생길 수 있다고 생각합니다. 다른 한 가지 측면은 AI가 해결할 수 없는 문제를 해결하기 위해 어떤 새로운 일자리를 만들 수 있을까 하는 생각을 했으면 하는 점입니다. 만약 우리가 그 문제에 대해 생각하기 위해 집중한다면, 많은 기회를 창출할 수 있을 것입니다.

Sean: 네, 저도 비슷하게 생각합니다. 우리는 이미 에이전트의 조정자 같은 새로운 유형의 직업을 브레인스토밍했습니다. 오늘날 그들이 목표에 따라 잘 유지하기 어렵다면, 우리는 인간이 그들에게 주의를 기울여야 할 필요가 있습니다. 많은 에이전트가 자율적으로 또는 반자율적으로 온라인에서 작동하게 될 것이고, 우리는 그들이 문제에 빠지지 않도록 모니터링할 인간 조정자가 필요합니다. 그래서 저는 이 질문에 대한 답변이 아마도 직업 유형에 따라 달라질 것이라고 생각합니다. 우리는 여전히 인간이 전체 에이전트-인간 사회의 결정권자일 것입니다. 그런 식으로 보자면, 우리는 그들에게 우리가 원하지 않는 지루한 작업을 하도록 유도하고, 그들과 협력하여 새로운 흥미로운 작업을 창출해야 할 것입니다. 이러한 방향성은 당분간 계속될 것으로 생각합니다. 그렇게 된다면 에이전트가 곧 시스템 역할을 하게 되고, 자율조종 지원과 함께 우리의 보조 역할을 하기 위해 분리하려고 합니다. 자율적으로 진행되는 에이전트는 우리의 조수 또는 조종사로서 수행할 수 있으며, 서로 상충하지 않습니다. 그러니 예상되는 트렌드는 지루한 작업들이 가능한 한 대체될 것이고, 우리는 여전히 현실 세계와 유사한 물리적 인간 상호작용을 누릴 수 있을 것입니다.

Joules: 훌륭합니다. 이러한 미래로 다가가면서, 모든 AI 개발자, AG2, Sahara AI 또는 기타 AI 프로젝트에서 일하는 개발자들이 AI와 특히 AI 에이전트를 설계할 때 유념해야 할 점은 무엇인가요?

Chi: 네, 제게는 한 가지 중요한 부분이 있습니다. 항상 이러한 에이전트들이 실수를 할 수 있다는 점을 기억하고, 바람직하지 않은 결과를 가져올 수 있으며, 실패할 수 있다는 점을 유념해야 합니다. 시작할 때 그러한 가능성을 고려하고 결함을 허용하거나 경계 장치를 추가하면 성공 가능성을 높일 수 있습니다.

Sean: 네, 저의 경우는 Sahara AI의 가치를 다시 강조하고 싶습니다. 우리는 기여자에게 권한과 소유권을 다시 되돌려줘야 합니다. 에이전트를 구축할 때, 저와 함께할 기여자들, 데이터 세트 소유자, 에이전트 훈련의 계산 제공자 및 모든 에이전트 레시피를 잊지 말아야 합니다. 그들은 지속적으로 수익을 공유받고, 계속해서 함께 일해야 할 당사자입니다.

Joules: 훌륭합니다. 두 분 모두 훌륭한 대답이었습니다. 관객의 Q&A를 위한 시간이 조금 남았는지 확인하고 싶습니다. 몇 가지 질문이 있습니다. 첫 번째 질문은, 에이전틱 AI에 새롭게 진입하는 개발자들이 가장 큰 학습 곡선은 무엇인가요? 시작하는 데 도움이 되는 팁이 있을까요?

Chi: 저의 경우에는 에이전트 API를 생각할 때, 몇 단계 앞서가고 미래지향적으로 생각하는 것입니다. 그러한 관점은 전통적인 소프트웨어에서 에이전틱 소프트웨어로 근본적으로 다른 방식으로 사고하는 것입니다. 이는 전통적인 소프트웨어를 기능 프로그래밍이나 객체 프로그래밍 측면에서 생각하던 사람들에게 큰 패러다임 전환이 될 수 있습니다. 그리고 많은 이들에게는 아마도 개방적인 질문으로 남아 있을 것이고, 어떤 식으로 사고해야 하는 좋은 방법이 무엇인지 확고하지 않을 것입니다. 사람들은 쉽게 사라지는 기술을 학습하고 싶지 않기 때문에, 어떤 기술을 배우더라도 그 기술을 오랜 시간 동안 사용할 수 있도록 한 미래지향적인 사고 방식을 갖는 것이 중요합니다. 그것이 하나의 도전인데 AI 기술이 오늘날 매우 빨리 발전하고 있기 때문입니다. 이 달에 배우는 것이 다음 달에는 relevance이 없어지는 경우가 많습니다. 그래서 저는 저의 가장 미래지향적인 사고는 에이전트를 단순한 기능 강력한 응용 프로그램이나 자연스러운 소통 수단으로 보는 것이 아니라, 새로운 유형의 소프트웨어 아키텍처의 일부로 간주하는 것입니다. 

미래에 우리는 에이전트 암체어 프로그래밍 방식으로 소프트웨어를 구축할 수 있을 것입니다. 그것이 아마도 가장 혁신적인 일입니다. 하지만 그렇게 사고 방식을 익혀가면 전통적으로 저희가 구축해야 했던 어려운 소프트웨어들이 새롭게 구축하는 방식에서 더욱 간단해지게 됩니다. 이제 우리는 문제 해결을 위한 다양한 역할을 고려하고 이들이 어떻게 함께 협력할 것인지 고민하는 것이 중요합니다. 매우 비전통적이었지만 그러한 사고 방식을 익힌 이후, 디자인 프로세스나 사고 과정을 단순화하는 데 매우 도움이 되었습니다. 물론 이는 모든 저수준의 세부사항을 처리해주는 좋은 프레임워크가 필요합니다. 그것이 AG2와 기타 프레임워크들이 도와줄 수 있는 부분입니다. 여러분은 이렇게 높은 수준의 프로그래밍 패러다임을 더 정적으로 활용할 수 있으며, 이러한 에이전트와 에이전트 AI 시스템에 대해 훨씬 더 쉽게 사고하는 방법을 찾을 수 있습니다.

Sean: 네, 저도 빠르게 추가할 수 있는데, 에이전트를 구축한다는 것은 전통적인 모델 구축이나 소프트웨어 프로그래밍과는 달리, 특정 프로그래밍 언어를 일관되게 사용해야 하는 것이 아닙니다. 대신 에이전트를 구축할 경우 여러 도구와 각기 다른 API, 데이터 및 다양한 데이터베이스와 상호작용해야 합니다. 이는 거의 복잡한 계획처럼 여러 디지털 축이 서로 상호작용하게 만들며, 에러 전파와 축적이 이전보다 훨씬 더 복잡하게 됩니다. 따라서 에이전트 개발을 전통적인 컴퓨터 프로그램 관점에서가 아니라 시스템으로 생각해야 하며, 모든 리스크 평가와 완화도 필요할 것입니다. 네.

Joules: 감사합니다. 두 분 모두 매우 통찰력 있는 이야기를 해주셨습니다. SIWA에 관한 질문도 몇 가지 있습니다. 참고로, 모든 분들! 이번 주에 Discord에서 SIWA에 대한 AMAs가 더 있을 예정입니다. 기대해 주시고, 질문에 대한 답변을 위한 오늘의 마지막 질문입니다. Sean과 Chi, AI 분야의 스타트업에게 가장 큰 기회는 어디에 있다고 생각하시나요? 인프라 도구, 특정 수직 에이전트? 무엇이죠?

Chi: 네, 특정 수직 에이전트는 스타트업에게 전반적으로 좋은 공간입니다. 그곳은 아마도 진입 장벽이 가장 낮을 것입니다. 특정 수직 에이전트를 구축하기 위해 필요한 주요 요소는 어떤 심층 도메인 지식이 있는 것이기에 여러분 모두 사람마다 어느 정도 갖추고 있습니다. 오늘 제가 본 가장 성공적인 AI 에이전트들은 여전히 특정 도메인 전문 지식을 정교하게 활용하는 역량을 가지고 있습니다. 기본 모델들은 이미 매우 강력하지만, 특정 애플리케이션을 활용시켜 유용하게 만들기 위해 필요한 몇 가지 격차가 존재합니다. 그 차이를 메우기 위한 기회가 무궁무진하며, 그 가능성은 매우 다양합니다. 모든 사람은 자신만의 독특한 경험과 배경을 가지고 있기 때문에, 특정 도메인을 다른 사람들보다 더 깊이 이해하면, 이를 해결할 수 있는 독특한 AI 에이전트를 구축할 확률이 높아집니다. 그래서 일반적으로 이렇게 생각하는 것이 좋습니다. 그리고 물론 인프라나 도구와 같은 다른 분야에서 특별한 기술이 있다면, 각자의 장점을 활용하여 최선을 다할 수 있습니다. 그래서 제 대답은 그러한 것입니다.

Sean: 네, Chi가 말했듯이, 저희는 생태계에서 여전히 일부 기본적인 도구들이 부족하다고 느낍니다. 예를 들어, 에이전트 평가 여부에 관한 환경과 리더보드가 필요합니다. 예를 들어, DeFi의 거래 에이전트를 이야기할 때, 우리는 현재 발전된 에이전트를 개발하고 있지만 몇 개월 후 그 것들이 성숙한 에이전트를 떠나면 여전히 어떤 것이 어떤 경우에 더 잘 작동하는지에 대한 합의가 없기 때문입니다. 우리는 거래용 에이전트에 대한 전투환경과 강점과 약점을 이해할 수 있는 인프라가 필요합니다.

Chi: 맞습니다.

Sean: 우리는 적합한 인프라 도구를 필요로 하며, 이는 주요 Web2 에이전트나 기본 모델 회사들에 의해 충분히 다루어지지 않을 것이라고 생각합니다.

Chi: 훌륭합니다.

Joules: 감사합니다 두 분. 이제 시간은 다 됐습니다. 마무리 발언이나 shout out 하고 싶으신 게 있다면, 지금이 기회입니다.

Sean: 다시 한 번 강조하고 싶습니다. 저는 에이전트의 능력을 향상시키는 것만큼이나, 이러한 에이전트를 구축하는 과정에서 기여자들의 기여를 추적하고 분류하는 것도 중요하다고 생각합니다. 특히 이 점은 수익화가 가능한 매우 구체적인 기회를 갖는 수직 에이전트와 관련이 있습니다. 그래서 Sahara AI를 포함한 많은 곳은 이 생태계를 키우기를 원하며 이 방향이 주목받고 지속적으로 발전해나가기를 희망합니다.

Chi: 흥미로운 생각입니다. 저는 오픈 소스 기여자들이 AG2 성장의 중요한 요소라고 생각합니다. 이 기여자들이 보상받고 인정받는 아이디어가 필요하며, 더 많은 사람들이 참여할 수 있는 가능성이 있죠. 이 문제를 해결하는 데 도움이 되는 좋은 아이디어가 있다면 시도해보고 싶습니다. Sahara는 아마도 저에게 많은 좋은 해결책을 제공할 수 있다고 기대합니다. 저는 여러분의 진행 상황에 매우 관심이 가지며, 그 과정에서 배우고 싶습니다.

Joules: 멋진 말씀 감사합니다. Chi Wang과 AG2, 그리고 Sean과 Sahara AI에게 큰 감사를 전합니다. 오늘의 대화가 새로운 아이디어에 불을 붙였다면, AG2의 최신 업데이트를 확인하고 Sahara AI를 팔로우하여 분산형 AI 운동의 최전선에 있기를 바랍니다. 모두 참석해 주셔서 감사드리며, 멋진 하루 되세요.

Sean: 초대해 주셔서 감사합니다. 모든 분들 감사합니다.

Chi: 감사합니다. 매우 감사합니다.