탈중앙화 AI의 주요 도전과 혁신: AI/ALL 정상 회담 싱가포르의 전문가 의견
AI/ALL Summit - Singapore는 성공적인 분산형 AI 미래를 구축하기 위해 필요한 기술적, 경제적, 그리고 거버넌스의 변화에 대해 가장 진보적인 논의들을 선보였습니다. 올해의 패널은 인프라, 개인 정보 보호, 토큰 경제학, 분산 시스템에서의 거버넌스와 같은 핵심 분야에 대한 심도 있는 논의를 하면서 AI 중앙 집중화에 의해 초래된 도전에 대한 실용적인 해결책을 강조합니다.
아래에서 패널 녹화와 주요 시사점을 탐색할 수 있습니다.
분산형 AI 인프라 구축의 주요 도전 과제
"분산형 AI 인프라 구축의 주요 도전 과제" 패널은 DeAI 생태계의 다양한 배경을 가진 전문가들을 모아 확장 가능한 분산형 AI 시스템을 만드는 데 있어 장애물과 기회를 탐색합니다. 이 논의는 분산 네트워크에서의 신뢰 및 검증, 데이터 프라이버시 및 전문 하드웨어의 변화하는 역할과 같은 중요한 문제들을 파고듭니다. 또한 사용자 제어 및 AI 모델 편향에 대한 분산형 거버넌스의 중요성과 그 의미를 검토합니다. 이 패널은 분산형 AI의 잠재력을 최대한 활용하기 위해 해결해야 할 기술적 및 구조적 도전에 대해 깊이 있는 통찰을 제공합니다.
패널리스트:
사회자 – 아니시 모하메드 (CTO 및 수석 과학자, 팬서 프로토콜)
벤 필딩 (공동 설립자, 젠신)
그렉 오수리 (설립자, 아카시 네트워크)
데이비드 존스턴 (설립자, 모르페우스)
주요 시사점:
신뢰와 검증: 분산형 AI에서 중앙 집중식 권한에 의존하지 않고 분산 네트워크 전역에 신뢰를 구축하는 것이 중심 과제입니다. 전통적인 방법은 종종 작업을 검증하기 위해 신뢰할 수 있는 중개자를 필요로 하며, 이는 분산 환경에서 잘 확장되지 않습니다. 패널은 작업이 올바르게 완료되고 사용자가 시스템을 신뢰할 수 있도록 보장하기 위해 제로 지식 증명 (ZK) 및 기타 검증 기술의 필요성을 강조했습니다. 이러한 솔루션은 참가자가 신뢰할 수 없을 때에도 분산형 네트워크가 안전하게 작동할 수 있도록 검증 작업을 수행하여 민감한 정보를 공개하지 않습니다.
데이터 프라이버시: 분산형 AI에서 가장 큰 장애물 중 하나는 민감한 데이터로 모델을 훈련하는 동시에 프라이버시를 유지하는 방법입니다. 효과적인 AI에 필요한 고품질의 민감한 데이터(예: 의료 및 재무 데이터)에 대한 접근은 필수적이지만 프라이버시를 침해하지 않고 확보하기 어렵습니다. 패널은 민감한 데이터를 노출하지 않고 AI 모델 훈련에 사용할 수 있도록 하는 프라이버시 보호 기술인 동형 암호화와 연합 학습에 대해 논의하였습니다. 분산형 AI는 안전한 방식으로 귀중한 데이터 세트를 열 수 있는 잠재력을 가지고 있으나, 이를 완전히 실현하기 위해서는 프라이버시 기술에서의 추가 발전이 필요합니다.
하드웨어 특화: 분산형 AI 인프라가 효율적으로 확장하기 위해서는 현재의 하드웨어 한계를 극복해야 합니다. 패널은 ASIC가 특정 작업을 위한 하드웨어를 최적화하여 비트코인 채굴을 혁신한 것처럼, 분산형 AI도 AI 모델 훈련 및 실행의 계산 요건을 처리하기 위해 특수한 하드웨어가 필요하다고 지적했습니다. 전통적인 클라우드 제공업체에 대한 의존도를 줄임으로써 분산형 시스템은 전 세계의 다양한 하드웨어 소스를 활용하여 비용을 절감하고 확장성을 향상시킬 수 있습니다.
AI 모델의 편향: AI 모델은 본질적으로 훈련된 데이터에 의해 편향되며 중앙 집중식 시스템에서는 사용자가 이러한 편향을 제어할 수 있는 경우가 드뭅니다. 패널리스트는 분산형 AI가 사용자가 원하는 편향을 반영하는 모델을 선택하거나 만들 수 있도록 함으로써 해결책을 제시한다고 언급했습니다. 분산형 시스템에서는 모델 옵션의 다양성이 더 큰 투명성과 책임을 가능하게 하며, 사용자가 자신의 필요에 가장 잘 맞는 모델을 선택하거나 새로운 모델을 생성할 수 있게 합니다. 이는 보다 맞춤형 AI 경험으로 이어져 중앙 집중식 모델에 만연한 고착된 편향의 위험을 줄입니다.
분산형 거버넌스: 거버넌스는 분산형 AI 시스템의 핵심 요소이지만, 자체적인 도전 과제가 있습니다. 현재의 암호 거버넌스 모델은 종종 자본 기반으로, 토큰을 가장 많이 보유한 사람들이 가장 큰 영향을 미칩니다. 패널리스트들은 시스템을 사용하는 사람들이 더 큰 발언권을 가지도록 보장하는 참여를 자본보다 우선시하는 거버넌스 모델을 옹호했습니다. 그러나 책임에 관한 도전 과제가 여전히 남아 있으며, 분산 시스템에서의 익명성은 해로운 결정에 대한 사용자의 책임을 묻기 어렵게 만들 수 있습니다. 분산형 거버넌스의 미래는 투명성, 참여 및 책임의 균형을 맞추는 데 있으며, 전통적인 중앙 집중식 통제의 함정을 피하는 것입니다.
열린 협력 AI 경제 구축
"열린 협력 AI 경제 구축" 패널은 분산형 AI가 보다 공정하고 투명하며 접근 가능한 생태계를 어떻게 만들 수 있는지를 탐색합니다. 의료, 교육, 거버넌스와 같은 부문에 초점을 맞추고, 열린 AI 인프라 구축에서의 기회와 도전에 대해 논의합니다. 대화의 중심에는 데이터 주권, 거버넌스 모델 및 오픈 소스 프레임워크의 역할이 있으며, 이는 분산형 AI가 공공의 혜택을 제공하고 중앙 집중화된 기술 대기업의 함정을 피할 수 있도록 하는 데 필수적입니다.
패널리스트:
주요 시사점:
공공을 위한 열린 AI: 분산형 AI 인프라는 의료, 교육 및 정부와 같은 부문에서 공공을 위해 봉사하는 것을 우선시해야 합니다. 이러한 시스템은 대기업이 통제하는 불투명한 "블랙 박스" 모델의 함정을 피하여 더 큰 투명성과 사회적 혜택을 보장합니다.
분산형 거버넌스: 효과적인 분산형 AI 거버넌스는 공정하고 투명한 시스템을 만드는 데 필수적입니다. 몇몇 대기업의 통제를 방지함으로써 분산형 모델은 AI 개발에서 편향, 검열 및 독점적 권력을 줄입니다.
데이터 주권 및 프라이버시: AI 훈련을 위해 데이터 프라이버시를 보호하는 것은 여전히 중요한 도전 과제입니다. 연합 학습 및 동형 암호화와 같은 프라이버시 보호 기술은 민감한 데이터를 노출하지 않고 사용할 수 있는 잠재적 솔루션을 제공합니다.
협력 지능 및 전문화된 모델: 분산형 AI는 의료 또는 교육과 같은 특정 산업에 맞는 전문화된 모델의 생성을 촉진할 수 있습니다. 이러한 모델은 분산형 플랫폼 전반에 걸쳐 협력적으로 미세 조정 및 배포할 수 있으며, 더 많은 투명성과 산업별 기능을 제공합니다.
오픈 소스 및 분산형 인프라: 오픈 소스 모델의 중요성을 강조함으로써 분산형 AI는 AI 자원에 대한 접근을 민주화할 수 있습니다. 이 분산형 인프라는 AI 시스템이 효과적으로 확장할 수 있도록 하며 상호 운용성과 협업을 촉진하여 분산형 AI가 중앙 집권형 시스템에 도전하고 잠재적으로 이를 능가할 수 있도록 합니다.
분산형 AI의 경제학: 소유권과 기여의 수익화
"분산형 AI의 경제학: 소유권과 기여의 수익화" 패널은 분산형 AI 생태계 내에서 지속 가능한 비즈니스 모델과 경제적 인센티브를 창출하는 데 초점을 맞춥니다. 이 논의는 거버넌스, 토큰 경제학, 데이터 소유권 및 AI 모델의 협력적인 생성과 같은 주요 주제를 탐구합니다. 프라이버시, 자원 관리 및 기여자 유인책의 도전을 다루면서, 패널은 분산형 AI 시스템이 개인이 자신의 데이터에 대한 소유권을 가질 수 있게 하고 기여를 수익화할 수 있는 방법을 강조합니다.
패널리스트:
주요 시사점:
분산형 AI vs. 오픈 소스 AI: 패널은 분산형 AI와 오픈 소스 AI 간의 차이를 명확히 하였습니다. 오픈 소스 AI는 공개적으로 사용 가능한 코드와 모델에 초점을 맞추고 있으며, 분산형 AI는 분산 데이터 처리, 배포, 에이전트 조정 및 사용자 소유의 거버넌스를 포함합니다. 분산형 AI는 사용자가 자신의 데이터와 상호작용하는 AI 모델에 대해 완전히 제어할 수 있도록 하여 더 큰 프라이버시와 소유권을 보장합니다.
사용자 소유 AI 및 소유권 권리: 사용자 소유 AI 개념은 사용자가 자신의 데이터 및 상호작용하는 AI 모델에 대해 전체적인 제어를 가지며, 중앙 집권적 엔티티에 의존하지 않음을 의미합니다. 이를 통해 데이터가 제3자에 의해 착취되지 않도록 하고 사용자는 자신의 데이터 기여를 수익화할 수 있습니다. 그러나 모델이 제3자 인프라에 배포될 때 진정한 소유권을 달성하는 데는 여전히 도전 과제가 남아 있으며, 커뮤니티는 AI 배포의 탈중앙화를 위한 새로운 방법을 탐색하고 있습니다.
토큰 경제학 및 경제적 인센티브: 패널은 토큰 경제학이 특히 컴퓨트 파워, 데이터 및 모델 생성과 같은 공급 측 자원을 유인할 수 있는 방법에 대해 논의했습니다. 그러나 분산형 AI 서비스에 대한 수요를 창출하는 데는 도전이 있습니다. 핵심은 데이터 제공자, 모델 개발자 및 컴퓨트 기여자가 공정하게 보상받고 사용자가 AI 자산의 수익화로 직접 이익을 얻을 수 있는 지속 가능한 비즈니스 모델을 수립하는 것입니다.
모델 생성에서의 협력: 기초 AI 모델을 만드는 전문 지식은 몇몇 회사에 집중되어 있지만, 분산형 AI는 더 협력적이고 전문화된 모델의 기회를 열어줍니다. 패널리스트들은 분산형 AI가 창작자들이 특정 작업을 위한 모델을 미세 조정할 수 있도록 하여 깊은 기술 전문 지식 없이도 이미지 생성 또는 음성 합성과 같은 작업을 수행할 수 있도록 돕는다고 언급했습니다. 이는 참여의 장벽을 낮추고 커뮤니티의 더 넓은 기여를 가능하게 합니다.
기여자에 대한 공정한 가치 분배: 분산형 AI에서의 주요 도전 과제 중 하나는 데이터 제공자, 컴퓨트 자원 및 개발자를 포함한 모델 구축 프로세스에서 기여자에게 공정한 가치를 부여하는 것입니다. 패널리스트들은 데이터 기여가 여전히 복잡한 문제임에 따라, 어떤 데이터 세트를 모델 훈련에 사용했는지를 기록하고 스마트 계약을 통해 투명한 수익화를 보장하는 것이 한 가지 해결책이 될 수 있다고 강조했습니다. 그러나 데이터 소유권 및 기여자에 대한 가치를 분배하는 문제는 분산형 거버넌스와 법적 프레임워크의 조합을 필요로 할 것으로 보입니다.
크라우드 오너십 및 수익 분배: 커뮤니티 주도의 모델을 통한 AI 수익화
"크라우드 오너십 및 수익 분배: 커뮤니티 주도의 모델을 통한 AI 수익화" 패널은 분산형 AI 플랫폼이 창작자들이 AI 애플리케이션을 구축하고 수익을 창출할 수 있도록 어떻게 지원하는지를 탐색합니다. 이 논의는 간단한 채팅봇에서 더 복잡한 AI 기반 애플리케이션으로의 진화, 오픈 소스 AI 모델의 중요한 역할 및 블록체인 기술이 수익화에 어떻게 기여하는지에 대해 다룹니다. 이는 커뮤니티 주도의 AI 플랫폼이 혁신을 촉진하면서 창작자와 기여자가 생성하는 가치에서 함께 나누도록 합니다.
패널리스트:
주요 시사점:
AI 애플리케이션의 진화: 분산형 AI 플랫폼은 창작자들이 간단한 채팅봇을 넘어 더 복잡한 애플리케이션을 구축할 수 있게 지원합니다. 이미지 생성, 데이터 처리 및 추론과 같은 고급 AI 기능을 통해 창작자들은 이제 코드 없이도 시각 소설 및 미니 게임과 같은 인터랙티브한 경험을 디자인할 수 있습니다. 이는 기술적 장벽을 낮추고 AI 기반 콘텐츠 제작에서의 혁신을 가속화합니다.
오픈 소스 AI의 중요성: 오픈 소스 AI 모델은 AI 도구에 대한 접근성을 확대하는 데 중요합니다. 그러나 모델이 복잡하고 비용이 증가함에 따라, 기업이 최상의 성능 모델에 대한 접근을 제한할 수 있다는 우려가 커지며, 열등한 버전만을 오픈 소스로 남게 될 수 있습니다. 블록체인 및 커뮤니티 주도의 생태계에 연결된 분산형 AI 모델은 AI 자산의 투명한 소유권 및 수익 분배를 가능하게 하여 보다 지속 가능한 솔루션을 제공합니다.
창작자를 위한 수익화: 분산형 플랫폼은 창작자들이 더 쉬운 수익화 경로를 제공받습니다. 블록체인을 통해 창작자는 AI 애플리케이션이나 데이터 기여를 토큰화하고 판매함으로써 전통적인 중개자가 필요하지 않게 됩니다. 이러한 분산화는 취미로 활동하는 개인 및 독립적인 창작자들에게 새로운 수익원을 열어 주며, AI 경제에 대한 더 큰 참여를 촉진합니다.
AI 기여자 유인: 커뮤니티 주도의 모델은 데이터 및 모델 기여를 수익화하여 AI 개발을 유도할 수 있습니다. 블록체인을 통합함으로써 오픈 소스 AI 프로젝트에 기여하는 이들은 기여에 대한 보상을 받을 수 있으며, 이는 수익 공유를 위한 보다 공정한 시스템을 만듭니다. 이 구조는 창작자와 기여자 모두가 분산형 AI 생태계에서 그들이 생산하는 가치에서 혜택을 누리도록 합니다.
프라이버시와 접근성의 균형: AI에서 프라이버시는 여전히 민감한 데이터에 대한 도전 과제입니다. 암호화 솔루션이 존재하지만 비용과 복잡성을 더합니다. 소비자 기반 AI 애플리케이션에서는 사용자가 종종 프리미엄 접근성을 프라이버시보다 우선시하지만, AI 모델이 더 개인화됨에 따라 프라이버시 문제는 해결되어야 합니다. 임베디드 컴퓨팅 및 로컬 AI 솔루션은 접근성을 희생하지 않고 프라이버시를 향상시킬 수 있는 방법을 제공할 수 있습니다.
모두를 위한 AI: 분산화의 승리를 위한 조건
"모두를 위한 AI: 분산화의 승리를 위한 조건" 패널은 분산형 AI의 미래를 탐색하며, 그것이 지배적인 패러다임이 되기 위해 필요한 도전과 이정표에 초점을 맞춥니다. 다양한 부문의 전문가들이 AI 인프라에서 분산 시스템이 수행하는 중요성, 검증 가능성의 중요성 및 AI 모델 훈련의 미래에 대한 논의를 합니다. 이 대화는 분산형 AI가 현재의 한계를 극복하고 중앙 집중형 모델에 대한 실행 가능한 대안으로 자리매김하는 방안을 다루며, 분산형 생태계에서의 협력, 혁신 및 확장성을 강조합니다.
패널리스트:
사회자 – 카위폴 판펭 (파트너, SCB 10x)
카르틴 왕 (CEO, ORA)
벤 핀치 (AI 제품 리드, 센티언트)
마크 리돈 (공동 설립자, 아에시르)
재스퍼 장 (공동 설립자, 하이퍼볼릭)
주요 시사점:
검증 가능성은 분산형 AI에 대한 신뢰에 필수적입니다: 분산형 AI에서의 주요 과제 중 하나는 중앙 집권적인 주체에 의존하지 않고 AI 계산이 온체인에서 검증될 수 있도록 보장하는 것입니다. 확률적 점검, 낙관적 기계 학습 및 제로 지식 증명과 같은 여러 검증 방법이 개발되고 있으며, 이는 AI 출력의 신뢰성을 보장하면서 효율성과 보안을 유지합니다.
AI 민주화에는 접근 가능한 컴퓨트 파워가 필요합니다: GPU 자원에 대한 개방적인 접근은 AI 개발의 분산화에 필수적입니다. 전 세계의 GPU를 집합하는 분산형 네트워크는 작은 개발자들이 AI 모델 구축에 필요한 컴퓨트 파워에 접근할 수 있도록 하여, 현재 중앙 집권적인 클라우드 제공업체가 지배하는 산업에서 경쟁의 장을 평평하게 만듭니다.
모듈형 AI 아키텍처가 단일 모형 시스템에 앞설 수 있습니다: 중앙 집중식, 단일형 AI 모델에 의존하는 대신 분산형 AI 시스템은 전문 AI 에이전트가 함께 작업하는 모듈형 아키텍처를 채택할 수 있습니다. 이 접근법은 대규모 AI 훈련이 비현실적일 때 특히 더 유연하고 효율적인 솔루션을 제공할 수 있습니다.
분산형 자금 조달 모델 및 토큰화: AI 모델 및 인프라를 토큰화하는 것은 사용자들이 AI 모델을 개발하기 위해 자원이나 자금을 기여하고, 그 대가로 소유권과 보상을 공유할 수 있는 커뮤니티 중심의 혁신을 촉진할 수 있습니다. 이러한 자금 구조는 AI 개발을 분산화하고 주요 기업 투자자의 의존도를 줄일 수 있습니다.
분산형 AI의 병목 현상 극복: 분산형 AI의 가장 큰 장애물은 특히 대규모 AI 훈련에서 중앙 집중형 시스템의 속도와 효율성을 일치시키는 데 있습니다. 그러나 전력 및 데이터 가용성에서의 미래의 병목 현상은 분산 네트워크가 보다 두드러진 역할을 하게 할 수 있으며, 이들은 분산된 자원을 훨씬 더 효율적으로 활용할 수 있습니다.
블록체인에서 AI 모델 생애주기 관리
"블록체인에서 AI 모델 생애주기 관리" 패널은 AI와 블록체인 기술의 교차점을 탐색하고 이들이 어떻게 결합하여 AI 모델 관리를 분산화할 수 있을지를 다룹니다. 이 논의는 데이터 수집, 훈련, 배포 및 거버넌스를 포함한 AI 생애주기의 주요 측면을 분산화하는 것의 중요성에 초점을 맞춥니다. 패널은 블록체인을 활용하여 분산화가 AI 모델 관리에 어떻게 투명성, 책임 및 효율성을 가져올 수 있는지를 강조합니다. 또한 AI 에이전트가 온체인 작업을 자동화하고 간소화하는 미래의 기반을 마련합니다.
패널리스트:
사회자 – 모미르 아미디치 (수석 이사, IOSG 벤처스)
마이크 하노노 (CEO, 탈루스 네트워크)
론 찬 (공동 설립자, 인퍼런스 랩스)
론 보드킨 (공동 설립자, 디오리크)
주요 시사점:
분산형 AI의 필요성: 분산형 AI는 OpenAI, Google, Facebook과 같은 기술 대기업의 중앙 집중화 증대에 대한 해법으로 자리 잡고 있습니다. 중앙 집중형 AI 시스템은 데이터, 계산 및 혁신에 대해 막대한 통제를 보유하고 있어 독점적인 권력과 불투명성의 위험을 초래합니다. 블록체인은 AI를 분산화하기 위한 도구를 제공하여, 권력과 통제를 커뮤니티에 재분배하고 보다 개방적이고 투명한 AI 생태계를 가능하게 합니다. 분산화는 AI에 대한 접근을 민주화할 뿐만 아니라 검열 저항, 데이터 주권 및 AI 애플리케이션의 조합 가능성을 가능하게 하여 공정하고 포용적인 AI 개발에서 필수적입니다.
AI 모델 생애주기 관리에서 블록체인의 역할: 블록체인은 AI 모델 관리에서 투명성과 책임을 새로운 수준으로 끌어올립니다. 데이터 수집, 훈련, 배포, 업그레이드, 거버넌스와 같은 AI 생애주기의 주요 구성 요소는 분산화되고 온체인에서 추적될 수 있습니다. 이러한 분산형 모델은 보다 커뮤니티 주도의 개선을 허용하여 최상의 모델과 데이터를 활용하도록 보장합니다. 블록체인은 또한 모델 업그레이드를 위한 투명한 의사 결정 프로세스를 지원하여 모든 이해관계자가 아닌 일부 통제 단체에게만 이득이 돌아가는 방식을 보장합니다.
AI 에이전트: 블록체인 상호 작용의 미래: AI 에이전트는 향후 5년 내에 블록체인 생태계에서 중요한 역할을 할 것으로 예상됩니다. 이 에이전트는 온체인 거래를 자동화하고 작업을 조정하며 고급 지식 작업을 수행하여 분산형 애플리케이션의 핵심 구성 요소가 될 것입니다. 블록체인은 이러한 에이전트가 상호작용할 수 있는 이상적인 프레임워크를 제공하여, 그들의 작업의 투명성과 검증 가능성 및 책임을 보장합니다. 에이전트들이 더욱 발전함에 따라, 사람 중심의 상호작용보다 더 많은 수의 에이전트가 온체인에서 활동할 가능성이 높아지며, 이는 산업 전반에 걸쳐 복잡한 작업을 처리하는 보다 효율적이고 확장 가능한 방법을 창출할 것입니다.
훈련 후 AI 및 지속적인 모델 개선: 패널은 배포 후 AI 모델이 개선되는 방식에서의 변화를 강조했습니다. 미세 조정 및 지속적인 학습과 같은 훈련 후 기술들이 점점 더 두드러지게 되어 AI 모델이 실시간으로 동적으로 적응하고 개선될 수 있는 가능성을 열어줍니다. 블록체인으로 구동되는 분산형 프레임워크는 이러한 프로세스를 지원하여 소형 전문 모델 또는 에이전트 간의 협력을 가능하게 합니다. 이러한 분산형 접근 방식은 중앙 집중형 모델을 초월할 가능성이 있으며, AI 발전에 대해 보다 유연하고 확장 가능한 솔루션을 제공합니다.
분산형 AI 촉진: VC에서의 통찰
이 패널은 주목받는 벤처 자본가들이 모여 분산형 AI와 블록체인의 융합을 검토하며, 투자 환경과 새로운 트렌드에 대해 깊이 있게 살펴봅니다. 이 논의는 분산형 AI가 중앙 집중형 모델이 직면한 투명성, 통제 및 확장성에 관한 중요한 도전을 어떻게 해결할 수 있는지에 집중합니다. 핵심 주제에는 AI 인프라에서 블록체인의 진화하는 역할, 분산형 AI 훈련의 부상 및 에지 컴퓨팅이 AI를 더욱 분산화할 잠재력이 포함됩니다. 이 패널은 또한 AI 개발자의 채택에 대한 장애물과 AI와 암호화의 교차점에서의 가치 평가 열풍을 다루어 이 분야의 지속 가능한 성장에 대한 전망을 제공합니다.
패널리스트:
주요 시사점:
AI와 블록체인은 상호 보완적인 기술입니다: AI는 중앙 집중형 모델로부터 혜택을 받지만 투명성, 통제 및 확장성에서 한계를 직면하고 있습니다. 블록체인은 이러한 문제를 해결하기 위해 분산형 인프라를 제공하여 AI에 대한 검증 가능성, 프라이버시 및 민주화된 접근을 가능하게 합니다. 이 기술의 융합은 미래 AI 생태계를 형성하는 데 중요한 역할을 할 것입니다.
분산형 AI 훈련은 가능해지고 있습니다: 분산형 AI 훈련이 비현실적이라는 오랜 관점은 변화하고 있습니다. 새로운 연구 및 분산형 네트워크가 분산 시스템에서 모델을 훈련할 수 있게 하여, Google 및 Nvidia와 같은 중앙 집중형 회사의 지배를 도전하고 있습니다. 이러한 변화는 AI가 개방적이고 접근 가능한 상태로 남아있도록 보장하는 데 필수적입니다.
에지 컴퓨팅이 분산화로 가는 길: 장치(예: 모바일 전화)에서 AI 모델을 로컬로 실행하는 것은 중요한 분산화의 경로를 나타냅니다. 이는 중앙 집중형 데이터 센터에 대한 의존도를 줄이고, 프라이버시를 개선하며 지연 시간을 줄입니다. 에지 컴퓨팅은 분산형 AI 애플리케이션의 확장에 대한 실용적인 해결책으로 부상하고 있습니다.
AI 개발자 채택의 도전 과제: 전통적인 웹2 환경에서 분산형 AI로 최고의 AI 인재를 유치하는 것은 여전히 장애물입니다. 하지만 분산형 AI 프로젝트가 프라이버시 및 권한 없는 접근과 같은 현실 세계의 문제를 해결하기 시작함에 따라, 더 많은 AI 개발자들이 이 분야로 끌리게 될 것입니다.
암호화-AI의 가치 평가는 과열되고 있습니다: AI와 암호화의 교차점은 많은 프로젝트의 가치 평가를 비정상적으로 높였습니다. 많은 자금이 이 분야로 유입되고 있지만, 투자자들은 단기적인 흥분에 휘말리는 대신 장기적인 지속 가능성에 집중하고 자기 규율을 유지해야 합니다.
사용자에서 이해관계자로: 분산형 AI 생태계에서의 참여 재정의
"사용자에서 이해관계자로: 분산형 AI 생태계에서의 참여 재정의" 패널은 분산형 AI가 OpenAI 및 Google과 같은 중앙 집중형 업체가 지배하는 현황을 어떻게 변형할 수 있는지를 다룹니다. 이 논의는 분산형 AI 시스템을 개발하는 데 있어의 도전 과제, 이해관계자 간의 공정한 가치 분배 보장 방법 및 AI를 보다 개방적인 생태계로 변환하는 데 있어 블록체인의 역할에 초점을 맞춥니다. 목표는 AI 참여를 재구상하여 다양한 분야의 기여자들이 생태계를 적극적으로 형성하고 혜택을 누릴 수 있도록 하는 것입니다.
패널리스트:
주요 시사점:
분산화는 인프라가 아닌 거버넌스에 관한 것입니다: 분산형 AI는 모든 것을 분산화하려는 목표가 없으며, 특히 물리적 컴퓨팅 리소스는 제외됩니다. 대신, 거버넌스와 경제를 분산화하는 데 주력합니다. 자원 할당, 수익 공유 및 기여 추적과 같은 주요 영역이 분산화되어야 공정한 AI 생태계를 만들 수 있지만, 데이터 센터 및 다른 컴퓨팅 인프라는 효율성을 위해 중앙 집중적으로 남아 있을 수 있습니다.
블록체인은 기여의 회계 시스템입니다: 블록체인은 데이터 제공자, 컴퓨트 제공자 또는 AI 모델 개발자와 같은 이해관계자가 한 기여를 기록하는 투명하고 분산된 방법을 제공합니다. 이를 통해 기여를 기반으로 공정한 수익 분배가 가능해지고, 이로 인해 신뢰할 수 없는 오프체인 작업의 검증이 가능해집니다. 이 과정에서 신뢰 실행 환경(TEE) 및 낙관적 기계 학습과 같은 기술이 활용됩니다.
초기 모델 제공(IMO) 및 토큰화는 AI의 민주화를 촉진할 수 있습니다: 토큰화 및 초기 모델 제공을 통해 AI 모델 개발자는 자신의 모델의 일부를 판매하여 자금을 신속하게 모집할 수 있으며, 이는 벤처 캐피탈 방식과 유사합니다. 이러한 접근은 더 빠른 자원의 확보를 가능하게 하여 분산형 금융(DeFi) 생태계를 활용하여 독점 AI 모델 개발을 지원합니다.
현 생태계에서 AI 개발자의 도전 과제: AI 개발자는 리소스 접근의 제한 및 대기업들이 지배하는 경쟁 환경으로 인해 여러 가지 장벽에 직면해 있습니다. 사하라 AI와 같은 분산형 AI 생태계는 데이터, 컴퓨트 및 자본에 접근할 수 있는 새로운 경로를 제공하여 Google이나 OpenAI와 같은 기술 대기업들에 흡수되지 않도록 지원합니다.
중앙 집중식 AI 모델과 사용자가 받는 영향: 현재 사용자가 ChatGPT와 같은 AI 모델과 상호작용할 때, 그들은 AI를 개선하는 데 도움이 되는 소중한 개인 데이터를 제공하지만 그 기여에 대한 소유권은 없습니다. 분산형 AI 생태계는 사용자가 자신의 데이터에 대한 소유권을 갖고 AI 개발 과정에 참여할 수 있게 하여 그들이 생성하는 경제적 가치에서 함께 나눌 수 있도록 합니다.
AI의 미래를 함께 형성합시다
분산형 AI의 최신 발전사항을 파악하고 이 변혁적인 여정의 일원이 되기 위해, 대기자 명단에 등록하는 것을 잊지 마세요. 독점적인 통찰력, 신규 개발에 대한 조기 접근 권한 및 AI와 블록체인의 경계를 확장하는 산업 리더들과의 교류 기회를 얻을 수 있습니다.
