탈중앙화 AI의 주요 도전과 혁신: AI/ALL 정상 회담 싱가포르의 전문가 의견

AI/ALL Summit - Singapore는 분산된 AI 미래를 구축하기 위해 필요한 기술적, 경제적, 정부적 변화에 초점을 맞춘 AI의 미래에 대한 가장 진보적인 논의를 선보였습니다. 올해의 패널에서는 분산 시스템에서의 인프라, 개인 정보 보호, 토큰 경제 및 거버넌스와 같은 핵심 영역에 대한 심층 연구와 AI 중앙 집중화로 인해 발생하는 문제에 대한 실용적인 솔루션을 강조합니다.

아래에서 패널 녹화 및 주요 요점을 탐색할 수 있습니다.

분산 AI 인프라 구축의 주요 도전 과제

"분산 AI 인프라 구축의 주요 도전 과제" 패널은 DeAI 생태계의 다양한 배경을 가진 전문가들이 모여 확장 가능하고 분산된 AI 시스템을 만드는 데 있어 장애물과 기회를 탐구합니다. 이 논의는 분산 네트워크에서의 신뢰와 검증, 데이터 개인정보 보호, 전문 하드웨어의 진화하는 역할과 같은 중요한 문제를 다룹니다. 또한 사용자들이 AI 모델의 편향에 대한 제어를 가질 수 있도록 하는 분산 거버넌스의 중요성과 그 의미를 검토합니다. 이 패널은 분산된 AI의 잠재력을 완전히 발휘하기 위해 해결해야 하는 기술적 및 구조적 도전에 대한 깊은 통찰을 제공합니다.

패널리스트:

• ​모더레이터 – Anish Mohammed (CTO 및 최고 과학자, Panther Protocol)

• ​Ben Fielding (공동 창립자, Gensyn)

• ​Greg Osuri (창립자, Akash Network)

• ​David Johnston (창립자, Morpheus)

주요 요점:

• 신뢰와 검증: 분산 AI의 핵심 도전 과제는 중앙집중식 권한에 의존하지 않고 분산 네트워크 전반에 신뢰를 구축하는 방법입니다. 전통적인 방법은 종종 신뢰할 수 있는 중개자를 필요로 하여 작업을 검증하지만, 이는 분산 환경에서 잘 확장되지 않습니다. 패널에서는 제로 지식 증명(ZK) 및 기타 검증 기술과 같은 암호화 솔루션의 필요성을 강조했습니다. 이러한 솔루션은 참가자들이 신뢰할 수 없는 경우에도 계산 작업을 검증할 수 있도록 하여 분산 네트워크가 안전하게 작동할 수 있도록 합니다.

• 데이터 개인 정보 보호: 분산 AI에서 가장 큰 장애물 중 하나는 민감한 데이터로 모델을 학습하는 동시에 개인 정보를 유지하는 방법입니다. 의료 또는 재무 데이터와 같은 고품질 민감한 데이터에 대한 접근은 효과적인 AI를 위해 필수적이지만, 개인 정보 보호를 침해하지 않고 얻기 어렵습니다. 패널에서는 실제 데이터를 노출하지 않으면서 AI 모델 학습에 사용할 수 있도록 허용하는 개인 정보 보호 기술인 동형 암호화와 연합 학습에 대해 논의했습니다. 분산 AI는 안전한 방법으로 귀중한 데이터 세트를 잠금 해제할 가능성이 있지만, 이 잠재력을 완전히 실현하기 위해서는 개인 정보 보호 기술의 추가 발전이 필요합니다.

• 하드웨어 전문화: 분산 AI 인프라는 효율적으로 확장하기 위해 현재의 하드웨어 한계를 극복해야 합니다. 패널은 특정 작업에 최적화된 하드웨어를 통해 ASIC가 비트코인 채굴에서 혁신을 일으킨 것처럼, 분산 AI도 AI 모델의 학습 및 실행의 계산 요구 사항을 처리하기 위해 전문화된 하드웨어가 필요하다는 점을 제시했습니다. 전통적인 클라우드 제공업체에 의존하지 않고, 분산 시스템은 전 세계적으로 다양한 하드웨어 소스를 활용하여 비용을 줄이고 확장성을 강화할 수 있습니다.

• AI 모델의 편향: AI 모델은 학습되는 데이터에 의해 본질적으로 편향되어 있으며, 중앙 집중식 시스템에서는 사용자가 이러한 편향에 대한 제어를 거의 갖지 않습니다. 패널리스트들은 분산 AI가 사용자가 원하는 편향을 반영하는 모델을 선택하거나 생성할 수 있도록 허용함으로써 해결책을 제공한다고 언급했습니다. 분산 시스템에서는 모델 옵션의 다양성이 보다 큰 투명성과 책임을 가능하게 하여 사용자가 자신의 니즈에 가장 잘 맞는 모델을 선택하거나 새로운 모델을 만들 수 있도록 합니다. 이는 더욱 개인화된 AI 경험으로 이어지며, 중앙 집중식 모델이 가져오는 고착된 편향의 위험을 줄입니다.

• 분산 거버넌스: 거버넌스는 분산 AI 시스템의 중요한 요소이지만, 그에 따른 도전 과제도 있습니다. 현재의 암호화 거버넌스 모델은 종종 자본 중심적이며, 동전이 가장 많은 사람들이 가장 큰 영향을 미칩니다. 패널리스트들은 자본보다 참여를 우선시하는 거버넌스 모델을 주장하며, 시스템을 사용하고 기여하는 사람들이 더 큰 발언권을 가질 수 있도록 해야 한다고 강조했습니다. 그러나 책임 문제는 여전히 남아 있으며, 분산 시스템에서의 익명성 때문에 해로운 결정에 대한 사용자를 책임지기 어렵습니다. 분산 거버넌스의 미래는 투명성, 참여 및 책임 간의 균형을 맞추는 데 있으며, 전통적인 중앙 집중식 통제의 함정을 피하는 것입니다.

개방적이고 협력적인 AI 경제 구축 

패널 "개방적이고 협력적인 AI 경제 구축"은 분산 AI가 어떻게 보다 공정하고 투명하며 접근 가능한 생태계를 구축할 수 있는지에 대해 탐구합니다. 건강 관리, 교육 및 거버넌스와 같은 분야를 중심으로 하여 개방형 AI 인프라를 구축하는 데 있어의 기회와 도전에 대해 논의합니다. 대화의 중심에는 데이터 주권, 거버넌스 모델 및 공개 소스 프레임워크의 역할이 있으며, 이는 분산 AI가 공공 혜택을 제공하면서 중앙 집중식 기술 대기업의 함정을 피하기 위해 필수적입니다.

패널리스트:

• 모더레이터 – Haseeb Qureshi (MP, Dragonfly)

• ​Emad Mostaque (창립자, Schelling.ai)

주요 요점:

• 공공의 이익을 위한 개방형 AI: 분산 AI 인프라는 공공을 우선시해야 하며, 건강 관리, 교육 및 정부와 같은 분야에서 응용 프로그램을 가지고 있어야 합니다. 이러한 시스템은 대기업이 제어하는 불투명한, "블랙 박스" 모델의 함정을 피하여 보다 큰 투명성과 사회적 혜택을 보장합니다.

• 분산 거버넌스: 효과적인 분산 AI 거버넌스는 공정하고 투명한 시스템을 만들기 위해 필수적입니다. 몇몇 대기업의 통제를 방지함으로써 분산 모델은 AI 개발에서 편향, 검열 및 독점적인 권력의 위험을 줄입니다.

• 데이터 주권과 개인 정보 보호: AI 학습에 활용하기 위해 데이터 개인 정보를 보호하는 것은 여전히 중요한 문제입니다. 개인 정보를 보호하는 기술인 연합 학습과 동형 암호화는 민감한 데이터를 노출하지 않으면서 사용할 수 있는 잠재적 해결책을 제공합니다.

• 협력 지능 및 전문화된 모델: 분산 AI는 건강 관리 또는 교육과 같은 특정 산업에 맞춰진 전문화된 모델의 생성을 촉진할 수 있습니다. 이러한 모델은 분산 플랫폼을 통해 협력적으로 세밀하게 조정하고 배포할 수 있으며, 더 많은 투명성과 산업별 기능을 제공합니다.

• 오픈 소스 및 분산 인프라: 오픈 소스 모델의 중요성을 강조하면, 분산 AI는 AI 리소스에 대한 접근을 democratize할 수 있습니다. 이 분산 인프라는 AI 시스템이 효과적으로 확장되도록 하여 상호 운용성과 협력을 촉진하여 분산 AI가 중앙 집중식 시스템에 도전하고 여전히 가능성이 있는 결과를 이끌 수 있게 합니다.

분산 AI의 경제학: 소유권 및 기여의 수익화

패널 "분산 AI의 경제학: 소유권 및 기여의 수익화"는 분산 AI 생태계 내에서 지속 가능한 비즈니스 모델 및 경제적 인센티브 창출에 중점을 두고 있습니다. 이 논의에서는 거버넌스, 토큰 경제, 데이터 소유권 및 AI 모델의 협력적 생성과 같은 주요 주제를 탐구합니다. 패널에서는 개인 정보 보호, 자원 관리 및 기여자 인센티브를 포함한 문제들을 다루며, 분산 AI 시스템이 개인들이 자신의 데이터에 대한 소유권을 갖고 기여를 수익화하는 방법을 강조합니다.

패널리스트:

• 모더레이터 – Haseeb Qureshi (MP, Dragonfly)

• ​Sean Ren (CEO, Sahara AI)

• ​Alex Skidanov (공동 창립자, NEAR)

• ​Ethan Sun (공동 창립자, MyShell)

주요 요점:

• 분산 AI와 오픈 소스 AI: 패널은 분산 AI와 오픈 소스 AI 간의 차별화된 설명을 명확히 하였습니다. 오픈 소스 AI는 대중이 사용할 수 있는 코드와 모델에 중점을 두고 있지만, 분산 AI는 분산된 데이터 처리, 배포, 에이전트 조정 및 사용자 소유의 거버넌스를 통합하여 그 이상의 것을 목표로 합니다. 분산 AI는 사용자가 데이터 및 상호작용하는 AI 모델에 대한 전체적인 제어를 보장하여 개인 정보 및 기여에 대한 소유권을 대폭 증가시키는 데 초점을 맞춥니다.

• 사용자 소유 AI 및 소유권: 사용자 소유 AI 개념은 사용자가 데이터와 상호작용하는 AI 모델에 대한 전체적인 제어권을 가져야 한다는 것을 의미합니다. 이로 인해 데이터가 제3자에 의해 착취되는 일이 없어지고, 사용자가 데이터 기여를 수익화할 수 있게 됩니다. 그러나, 모델이 제3자 인프라에서 배포될 때 진정한 소유권을 확보하는 데에는 여전히 도전 과제가 남아 있으며, 커뮤니티는 AI 배포를 분산화하는 새로운 방법을 탐색하고 있습니다.

• 토큰 경제 및 경제적 인센티브: 패널에서는 토큰 경제가 AI 개발, 특히 공급 측 자원에 대한 인센티브를 어떻게 제공할 수 있는지를 논의하였습니다. 하지만, 분산 AI 서비스에 대한 수요를 생성하는 데 문제가 존재합니다. 데이터 제공자, 모델 개발자 및 컴퓨트 기여자가 공정하게 보상을 받고, 사용자 또한 AI 자산의 수익화로부터 직접 혜택을 얻을 수 있는 지속 가능한 비즈니스 모델을 구축하는 것이 관건입니다.

• 모델 생성에서의 협업: 기초 AI 모델을 생성할 전문 지식이 몇몇 기업에 집중되어 있지만, 분산 AI는 보다 협력을 통해 전문화된 모델을 생성할 기회를 제공합니다. 패널리스트들은 분산 AI가 창조자들이 특정 작업에 대한 모델을 특정 작업 수치 생성 또는 음성 합성과 같은 작업을 위해 조정하고 세밀하게 조정할 수 있도록 해준다고 언급한 바 있습니다. 이는 참여에 대한 장벽을 낮추고 커뮤니티의 범위에서 더 넓은 기여를 가능하게 합니다.

• 기여자에 대한 공정한 가치 분배: 분산 AI의 주요 도전 과제 중 하나는 데이터 제공자, 컴퓨트 자원 및 개발자를 포함한 모델 구축 프로세스에서 기여자에게 공정한 가치를 부여하는 것입니다. 패널리스트들은 데이터 귀속 문제가 여전히 복잡하지만, 어떤 데이터 세트가 모델 학습에 사용되었는지 기록하고 스마트 계약을 통해 투명한 수익화를 보장하는 방법이 향후 해법을 제시할 수 있다고 강조했습니다. 그러나 데이터 소유권 및 귀속 문제를 해결하려면 분산 거버넌스 및 법적 프레임워크의 조합이 필요할 것입니다.

커뮤니티 주도 모델을 통해 AI 수익화하기: 집단 소유 및 이익 공유

패널 "커뮤니티 주도 모델을 통해 AI 수익화하기: 집단 소유 및 이익 공유"는 분산 AI 플랫폼이 창조자들이 AI 애플리케이션을 구축하고 수익을 올릴 수 있도록 하는 방법을 탐구합니다. 이 논의에서는 간단한 챗봇에서 복잡한 AI 기반 애플리케이션으로의 발전, 오픈 소스 AI 모델의 중요한 역할, 그리고 블록체인 기술이 어떻게 수익화를 촉진하는지를 다룹니다. 공동체 주도 AI 플랫폼이 혁신을 촉진하면서 창조자와 기여자들이 생성하는 가치에서 함께 나누도록 하는 방법을 강조합니다.

패널리스트:

• ​모더레이터 – José Macedo (파트너, Delphi Digital)

• ​Ethan Sun (공동 창립자, MyShell)

주요 요점:

• AI 애플리케이션의 발전: 분산 AI 플랫폼은 창조자들이 단순한 챗봇을 넘어 더 복잡한 애플리케이션을 구축할 수 있도록 합니다. 이미지 생성, 데이터 처리 및 추론과 같은 고급 AI 기능을 통해 창조자들은 이제 코딩 도구 없이 시각 소설 및 미니 게임과 같은 인터랙티브한 경험을 설계할 수 있습니다. 이는 기술 장벽을 낮추고 AI 기반 콘텐츠 제작에서 혁신을 가속화합니다.

• 오픈 소스 AI의 중요성: 오픈 소스 AI 모델은 AI 도구에 대한 접근을 넓히는 데 중요합니다. 그러나 모델이 복잡하고 비용이 증가함에 따라 기업이 최고의 성능을 보이는 모델에 대한 접근을 제한하고 열악한 버전만을 오픈 소스로 남겨두는 문제가 제기됩니다. 블록체인 및 공동체 주도의 생태계와 연결된 분산 AI 모델은 AI 자산의 투명한 소유권과 이익 공유를 가능하게 하여 보다 지속 가능한 솔루션을 제공합니다.

• 창조자를 위한 수익화: 분산 플랫폼은 창조자들이 더 쉽게 수익화할 수 있는 경로를 제공합니다. 블록체인을 통해 창조자는 AI 애플리케이션 또는 데이터 기여를 토큰화하고 판매할 수 있으며, 전통적인 중개자의 필요성을 제거합니다. 이 분산화는 취미로 활동하는 이들과 독립적인 창조자를 위한 새로운 수익 기회를 열어주며, AI 경제에 대한 보다 큰 참여를 장려합니다.

• AI 기여 장려: 공동체 주도 모델은 데이터 및 모델 기여를 수익화하여 AI 개발에 대한 인센티브를 부여할 수 있습니다. 블록체인을 통합함으로써 오픈 소스 AI 프로젝트에 기여하는 자들은 자신의 기여에 대한 보상을 받을 수 있어, 이익을 공유하는 보다 공정한 시스템을 만들 수 있습니다. 이러한 구조는 창조자와 기여자 모두가 분산 AI 생태계에서 그들이 생성하는 가치에서 혜택을 볼 수 있도록 보장합니다.

• 개인 정보 보호와 접근성의 균형: 개인정보 보호는 AI에서 특히 민감한 데이터에 대해 여전히 도전입니다. 암호화 솔루션이 존재하지만, 이는 비용과 복잡성을 추가합니다. 소비자와의 AI 애플리케이션에서 사용자는 종종 개인 정보 보호보다 무료 접근을 우선시하지만, AI 모델이 더욱 개인화됨에 따라 개인 정보 문제를 해결해야 합니다. 내장형 컴퓨팅 및 지역화된 AI 솔루션이 접근성과 개인信息 보호를 동시에 강화하는 방법을 제시할 수 있습니다.

모든 사람을 위한 AI: 분산화를 승리하게 하려면 무엇이 필요한가?

패널 “모든 사람을 위한 AI: 분산화를 승리하게 하려면 무엇이 필요한가?”는 분산 AI의 미래를 탐구하며, 이를 지배적인 패러다임으로 만들기 위해 필요한 도전과 이정표에 중점을 둡니다. 다양한 분야의 전문가들이 AI 인프라에서 분산 시스템의 핵심 역할, 검증 가능성의 중요성 및 AI 모델 학습의 미래에 대해 논의합니다. 이 대화는 분산 AI가 현재의 제한을 극복하고 중앙 모델에 대한 실행 가능한 대안으로 자리 잡는 방법을 다루며, collaborativeness, 혁신 및 확장성을 강조합니다.

패널리스트:

• ​모더레이터 – Kaweepol Panpheng (파트너, SCB 10x)

• ​Kartin Wong (CEO, ORA)

• ​Ben Finch (AI 제품 책임자, Sentient)

• ​Mark Rydon (공동 창립자, Aethir)

• ​Jasper Zhang (공동 창립자, Hyperbolic)

주요 요점:

• 검증 가능성이 분산 AI의 신뢰를 위한 핵심이다: 분산 AI의 중앙적인 도전 과제 중 하나는 AI 계산이 중앙 기관에 의존하지 않고 온체인에서 검증될 수 있도록 하는 것입니다. 확률적 검사, 낙관적 기계 학습 및 영 지식 증명 등을 포함한 여러 검증 방법이 개발되고 있으며, 이는 AI 출력의 신뢰성을 보장하면서 효율성과 보안을 유지하기 위한 것입니다.

• AI의 민주화에는 접근 가능한 컴퓨트 파워가 필요하다: GPU 자원에 대한 공개 접속은 AI 개발의 분산화를 위해 필수적입니다. 전 세계 GPU를 집계하는 분산 네트워크는 작은 개발자들이 AI 모델을 구축하는 데 필요한 컴퓨트 파워에 접근할 수 있도록 하여 중앙 집중식 클라우드 제공업체가 지배하는 산업에서 평등의 장을 제공합니다.

• 모듈형 AI 아키텍처가 단일 시스템을 능가할 수 있다: 중앙 집중식 단일 AI 모델에 의존하는 대신, 분산 AI 시스템은 전문 AI 에이전트가 함께 작업하는 모듈형 아키텍처를 채택할 수 있습니다. 이 접근법은 대규모 AI 학습이 비현실적인 시나리오에서 특히 더 유연하고 효율적인 솔루션을 제공할 수 있습니다.

• 분산화된 자금 모델 및 토큰화: AI 모델 및 인프라의 토큰화는 사용자들이 AI 모델을 개발하기 위해 자원이나 자금을 기여하고, 그 대가로 소유권과 보상을 공유하는 커뮤니티 주도 혁신을 가능하게 할 수 있습니다. 이러한 자금 구조는 AI 개발을 분산화하고 대기업 투자자에 대한 의존도를 줄일 수 있습니다.

• 분산 AI의 병목 현상 극복: 분산 AI의 가장 큰 장애물은 특히 대규모 AI 훈련의 속도 및 효율성을 중앙 집중식 시스템과 일치시키는 것입니다. 그러나, 전력 및 데이터 가용성의 향후병목 현상은 분산 네트워크를 더 두드러진 역할로 밀어넣을 수 있고, 이는 분산된 자원을 보다 효율적으로 활용할 수 있도록 합니다.

블록체인에서 AI 모델 라이프사이클 관리

패널 "블록체인에서 AI 모델 라이프사이클 관리"는 AI 및 블록체인 기술의 융합과 이들이 AI 모델 관리의 분산화를 위해 어떻게 결합될 수 있는지에 대해 탐구합니다. 이 논의는 데이터 수집, 학습, 배포 및 거버넌스를 포함한 AI 라이프사이클의 핵심 측면을 분산화하는 것의 중요성에 중점을 둡니다. 블록체인을 활용함으로써 패널은 분산화가 AI 모델 관리에 투명성, 책임 및 효율성을 가져올 수 있는 방법을 강조하고, AI 에이전트가 온체인 작업을 자동화하고 간소화하는 미래의 기반을 마련할 수 있습니다.

패널리스트:

• ​모더레이터 – Momir Amidzic (고위 이사, IOSG Ventures)

• ​Mike Hanono (CEO, Talus Network)

• ​Ron Chan (공동 창립자, Inference Labs)

• ​Ron Bodkin (공동 창립자, Theoriq)

주요 요점:

• 왜 분산 AI가 필요한가: 분산 AI는 OpenAI, Google 및 Facebook과 같은 기술 대기업의 AI의 증가하는 집중화를 해결할 솔루션으로 자리 잡고 있습니다. 중앙 집중식 AI 시스템은 데이터, 계산 및 혁신에 대한 막대한 통제를 보유하고 있으며, 이는 독점 권력 및 투명성 부족 측면에서 중요한 위험을 초래합니다. 블록체인은 AI를 분산화하는 도구를 제공하여 권력과 통제를 커뮤니티에 재분배하고, 더 개방적이고 투명한 AI 생태계를 가능하게 합니다. 분산화는 AI에 대한 접근을 민주화할 뿐만 아니라, 검열 저항, 데이터 주권 및 AI 응용 프로그램의 구성 가능성을 허용하여 공정하고 포괄적인 AI 개발을 위한 필수적입니다.

• AI 모델 라이프사이클 관리에서 블록체인의 역할: 블록체인은 AI 모델 관리에서 새로운 수준의 투명성 및 책임을 가능하게 합니다. 데이터 수집, 학습, 배포, 업그레이드 및 거버넌스와 같은 AI 라이프사이클의 주요 구성 요소는 분산화할 수 있으며, 온체인에서 추적할 수 있습니다. 이 분산 모델은 보다 커뮤니티 주도 개선을 허용하여 최상의 모델과 데이터를 활용하는 것을 보장합니다. 블록체인은 모델 업그레이드에 대한 투명한 의사 결정 과정을 지원하여 AI 시스템이 일부 통제 기관에만 이익이 되는 방식으로 발전하는 것을 보장합니다.

• AI 에이전트: 블록체인 상호작용의 미래: AI 에이전트는 향후 5년 동안 블록체인 생태계에서 핵심 역할을 할 것으로 예상됩니다. 이 에이전트들은 온체인 거래를 자동화하고 작업을 조정하며, 고급 지식 작업을 수행하여 분산 응용 프로그램의 핵심 요소가 될 것입니다. 블록체인은 이러한 에이전트가 상호작용할 수 있는 이상적인 프레임워크를 제공하며, 그들의 작업에서 투명성, 검증 가능성 및 책임을 보장합니다. 에이전트가 더욱 고도화되면, 인적 상호작용보다 더 많이 존재할 가능성이 높으며, 이는 여러 산업의 복잡한 작업을 처리하는 보다 효율적이고 확장 가능한 방법을 만들어 낼 것입니다.

• 훈련 후 AI와 지속적인 모델 개선: 패널은 AI 모델이 배포 후 개선되는 방법에 대한 변화에 대해 강조했습니다. 미세 조정 및 지속적 학습과 같은 사후 훈련 기법은 더욱 두드러지게 대중에 영향을 미치고 있으며, AI 모델이 실시간으로 적응하고 개선될 수 있도록 합니다. 블록 체인으로 지원되는 분산 프레임 워크는 작고 전문화 된 모델 또는 에이전트 간의 협업을 가능하게 하여 이러한 프로세스를 지원할 수 있습니다. 이러한 모델 개선에 대한 분산 접근 방식은 중앙 집중식 모델보다 더 유연하고 확장 가능한 솔루션을 제공할 수 있습니다.

VC의 인사이트를 통한 분산 AI 육성

이 패널은 주요 벤처 자본가들을 모아 분산 AI 및 블록체인의 융합을 조사하고 투자 지형 및 신흥 트렌드에 대한 심층 조사를 제공합니다. 이 논의는 분산 AI가 중앙 모델이 직면한 투명성, 통제 및 확장성의 핵심 과제를 어떻게 해결할 수 있는지에 초점을 맞추고 있습니다. 주요 토픽에는 AI 인프라에서 블록체인의 진화하는 역할, 분산 AI 훈련의 증가 및 에지 컴퓨팅의 잠재력이 포함되어 있으며, AI 개발자 채택의 장애물과 AI와 암호 사이의 교차점에서의 평가 과대 요소를 다루며, 이 공간에서 지속 가능한 성장을 위한 미래 지향적 관점을 제공합니다.

패널리스트:

• ​모더레이터 – Emma Cui, (창립자 & MP, LongHash Ventures)

• ​Jake Brukhman (창립자 & MP, CoinFund)

• ​Sam Campbell (투자자, Samsung Next)

• ​Sven Wellmann (연구원, Polychain Capital)

주요 요점:

• AI와 블록체인은 상호 보완 기술: AI는 중앙 집권적 모델로부터 혜택을 보지만 투명성, 통제 및 확장성에서 한계가 있습니다. 블록체인은 이러한 문제를 대응할 수 있는 분산화를 제안하여 AI에 대한 검증 가능성, 개인정보 보호 및 민주화된 접근을 가능하게 합니다. 이 두 기술의 융합은 향후 AI 생태계를 형성하는 데 중요한 역할을 할 것입니다.

• 분산 AI 교육이 점점 실행 가능해지고 있음: 분산 AI 교육이 비현실적이라는 오랜 시각이 변화하고 있습니다. 새로운 연구와 분산 네트워크는 모델을 분산된 시스템에서 훈련할 수 있는 가능성을 열고 있으며, 이는 Google 및 Nvidia와 같은 중앙 집중식 기업의 우세에 도전하고 있습니다. 이러한 변화는 AI가 개방적이고 접근 가능하도록 보장하는 데 중요합니다.

• 분산화를 위한 에지 컴퓨팅: 장치(예: 모바일폰)에서 AI 모델을 로컬로 실행하는 것은 분산화의 중요한 형태를 나타냅니다. 이는 중앙 집중식 데이터 센터에 대한 의존도를 줄이고, 개인 정보를 개선하며, 지연 시간을 줄입니다. 에지 컴퓨팅은 분산 AI 응용 프로그램을 확장하기 위한 실질적인 솔루션으로 대두되고 있습니다.

• AI 개발자 채택의 과제들: 전통적인 web2 환경에서의 최고 AI 인재를 분산 AI로 유치하는 것은 여전히 장애물로 남아 있습니다. 그러나, 분산 AI 프로젝트가 개인 정보 보호 및 무허가 접근과 같은 실제 문제를 해결하기 시작함에 따라, 더 많은 AI 개발자들이 이 분야로 유입될 것으로 예상됩니다.

• 암호-AI의 평가 과대: AI와 암호의 교차점은 많은 프로젝트의 평가가 지나치게 부풀려지도록 유도하고 있으며, 이는 두 분야에 대한 과대 홍보 때문입니다. 자금의 흐름이 이 공간으로 들어오고 있지만, 투자자는 장기적인 지속 가능성에 집중하고 단기적인 흥분으로부터 흔들리지 않도록 해야 할 필요가 있습니다.

사용자에서 이해관계자로: 분산 AI 생태계에서 참여 재정의

패널 "사용자에서 이해관계자로: 분산 AI 생태계에서 참여 재정의"는 분산 AI가 OpenAI와 Google과 같은 중앙 플레이어가 지배하는 현재의 풍경을 어떻게 재구성할 수 있는지를 다룹니다. 이 논의는 분산 AI 시스템 개발의 도전, 이해관계자 간의 공정한 가치 분배 보장, 블록체인이 AI를 보다 개방적인 생태계로 변화시키는 역할에 중점을 둡니다. 목표는 AI 참여를 재구상하여 다양한 분야의 기여자들이 생태계에 적극적으로 형태를 주고 혜택을 얻도록 하는 것입니다.

패널리스트:

• ​모더레이터 – Nihal Maunder (투자자, Pantera)

• ​Sean Ren (공동 창립자 겸 CEO, Sahara AI)

주요 요점:

• 분산화는 거버넌스에 관한 것이지 인프라에 관한 것이 아니다: 분산 AI는 모든 것을 분산화할 것을 목표로 하지는 않습니다. 특히 물리적 계산 자원에 대해서는 그러하나, 거버넌스와 경제를 분산화하는 데 중점을 둡니다. 자원 할당, 수익 분배 및 기여 추적과 같은 주요 영역은 공정한 AI 생태계를 만들기 위해 분산되어야 하지만, 데이터 센터 및 기타 계산 인프라는 효율을 위해 중앙 집중화할 수 있습니다.

• 블록체인은 기여의 회계 시스템: 블록체인은 이해관계자가 하는 기여를 기록하는 투명하고 분산된 방법을 제공합니다. 데이터 제공자, 컴퓨트 제공자 또는 AI 모델 개발자 등 기여를 기반으로 공정한 수익 분배를 가능하게 합니다. 이러한 기여를 기록하면 블록체인을 통해 오프체인 작업의 신뢰를 증진할 수 있습니다.

• 초기 모델 오퍼링(IMO) 및 토큰화가 AI를 민주화할 수 있다: 토큰화 및 초기 모델 오퍼링을 통해 AI 모델 개발자는 자본을 신속하게 조달하며 모델의 지분을 판매할 수 있으며, 이는 벤처 자본 작용과 유사합니다. 이러한 접근법은 보다 빠른 자원 확보를 가능하게 하며, 분산 재무(DeFi) 생태계를 활용하여 독점 AI 모델의 개발을 지원합니다.

• 현재 생태계에서 AI 개발자를 위한 도전 과제: AI 개발자는 중앙 집중식 기업의 지배로 인해 자원 접근이 제한되고 경쟁이 치열한 환경에서 상당한 장벽에 직면해 있습니다. 분산 AI 생태계인 Sahara AI는 AI 모델 개발자가 데이터, 컴퓨트 및 자본에 접근할 수 있도록 새로운 경로를 제공하는 목적을 가지고 있습니다.

• 중앙 집중식 AI 모델과 사용자에 미치는 영향: 현재 ChatGPT와 같은 AI 모델과 상호작용할 때, 사용자는 귀중한 개인 정보를 제공함으로써 AI 개선에 기여하지만, 자신의 기여에 대한 소유권은 없습니다. 분산 AI 생태계는 사용자가 자신의 데이터에 대한 소유권을 가질 수 있도록 하여 AI 개발 과정에 참여할 수 있게 하여, 자신들이 생성한 경제적 가치에서 함께 나눌 수 있도록 합니다.

AI의 미래를 형성하는 데 함께해 주세요

분산 AI의 최신 발전 사항을 최신 상태로 유지하고, 이 변화의 여정의 일환이 되기를 원하시면 대기자 명단에 등록하세요. 독점적인 인사이트, 새로운 개발에 대한 조기 접근 및 AI와 블록체인의 경계를 넓히는 산업 리더와의 참여 기회를 누리십시오.