Gensyn 공동창립자 벤 필딩과의 대화: a16z가 리드한 분산형 컴퓨팅 프로토콜이 AI 민주화를 어떻게 실현하는가?

2024.05.21

Gensyn 공동창립자 벤 필딩과의 대화: a16z가 리드한 분산형 컴퓨팅 프로토콜이 AI 민주화를 어떻게 실현하는가?

Gensyn은 이중적 성격의 솔루션을 의미한다. 즉, 소프트웨어 연결을 위한 오픈소스 프로토콜이자 자원 보상의 재무 메커니즘인 것이다.

2024.05.21 - 01:34:46

GensynAI

Web3 심층 보도에 집중하고 흐름을 통찰

Gensyn은 이중적 성격의 솔루션을 의미한다. 즉, 소프트웨어 연결을 위한 오픈소스 프로토콜이자 자원 보상의 재무 메커니즘인 것이다.

인터뷰: Sunny and Min, TechFlow

게스트: Ben Fielding, Gensyn 공동창립자

우리의 목표는 머신러닝 생태계 전반을 독점하는 것이 아니라, 전력 다음으로 위치할 최적화된 컴퓨팅 자원 활용 프로토콜로서 Gensyn을 구축함으로써 인류가 컴퓨팅 자원을 효과적으로 활용하는 능력을 극적으로 향상시키는 것입니다.

-- Ben Fielding, Gensyn 공동창립자

2024년 1월, OpenAI CEO 샘 알트먼(Sam Altman)은 미래에 중요한 두 가지 "통화"는컴퓨팅 파워와 에너지가 될 것이라고 밝혔습니다.

그러나 AI 시대의 권력 통화인 컴퓨팅 파워는 대기업에 의해 독점되기 쉬우며, 특히 AGI 대규모 모델 분야에서 더욱 그러합니다. 독점이 존재하면 반독점의 움직임도 생기게 마련이며, 이에 따라 탈중앙화 인공지능(Decentralized AI)이 등장하게 되었습니다.

"블록체인이라는 허가 없이 접근 가능한 구성요소는 중개자 없이 전 세계적으로 컴퓨팅 파워 거래(또는 데이터, 알고리즘 같은 다른 디지털 자원)를 위한 시장을 창출할 수 있다"고 유명 투자기관 a16z는 한 기사에서 AI 컴퓨팅 파워의 블록체인 접근법을 설명하며 언급한 바 있으며, 그 대상 프로젝트가 바로 Gensyn입니다.

Gensyn은 탈중앙화된 딥러닝 컴퓨팅 프로토콜로, 머신러닝 컴퓨팅의 기본 계층이 되는 것을 목표로 하며, 스마트계약 방식을 통해 머신러닝 작업의 할당과 보상을 촉진하여 AI 모델 학습 능력을 신속히 실현하고 딥러닝 트레이닝 비용을 낮추는 데 기여합니다.

Gensyn은 개발자(머신러닝 모델을 학습시킬 수 있는 누구든)와 솔버(Solver, 자신의 장비로 머신러닝 모델을 학습시키고자 하는 사람)를 연결합니다. 전 세계적으로 유휴 상태인, 머신러닝 처리 능력을 갖춘 로ング테일 컴퓨팅 장치들(예: 소규모 데이터센터, 개인 게이밍 PC 등)을 활용함으로써 머신러닝에 사용 가능한 컴퓨팅 파워를 10~100배까지 증가시킵니다.

요약하자면, Gensyn의 핵심 목표는 블록체인을 통해 AI 민주화를 달성하는 것입니다.

2023년 6월, Gensyn은 a16z가 주도하고 CoinFund, Canonical Crypto, Protocol Labs, Eden Block 등이 참여한 A 라운드 펀딩에서 4,300만 달러를 조달했다고 발표했습니다.

Gensyn은 컴퓨터 과학 및 머신러닝 연구 분야의 베테랑인 Ben Fielding과 Harry Grieve가 2020년에 공동 설립했습니다. Harry Grieve는 브라운대학교와 애버딘대학교 출신의 데이터 과학자이자 기업가이며, Ben Fielding은 노섬브리아 대학교 출신으로 SaaS 플랫폼 Fair Custodian의 공동 창립자이자 Research Analytics의 이사로 재직한 바 있습니다.

TechFlow는 Gensyn 공동창립자 Ben Fielding을 인터뷰하여 그의 암호화 기반 AI 여정과 Gensyn의 AI 기술에 대해 알아보았습니다.

창립자의 관점에서 본 Gensyn의 가치 제안

TechFlow: 어떤 계기로 Gensyn을 창립하게 되셨나요?

Ben:

저는 원래 학계 출신으로, 신경망 아키텍처 탐색(Neural Architecture Search) 분야에서 머신러닝 연구원으로 일했습니다. 이 분야는 컴퓨터 비전 응용 프로그램에 사용되는 심층 신경망 구조를 최적화하는 것을 다룹니다.

제 업무는 신경망 구조를 집단적으로 진화시키는 알고리즘을 개발하는 것이었습니다. 이 과정에는 다수의 후보 모델 아키텍처를 동시에 학습시키고, 점차 특정 작업에 최적화된 단일 메타 모델로 진화시키는 과정이 포함됩니다.

그 당시 저는 컴퓨팅 자원 관련 큰 어려움을 겪었습니다. 박사과정생이었지만, 책상 아래 큰 워크스테이션에 설치된 몇 대의 고성능 GPU를 사용할 수 있었습니다. 제가 직접 구입한 장비였죠.

한편 Google과 같은 회사들은 유사한 연구를 진행하면서 수천 대의 GPU와 TPU를 데이터센터에서 수주간 지속적으로 운영했습니다. 이런 차이는 충분한 컴퓨팅 능력 외 모든 필요한 자원을 갖춘 상태에서도 전 세계의 다른 사람들 역시 동일한 제약에 직면해 있다는 사실을 깨닫게 해주었습니다. 이는 연구와 사회 발전 속도를 저해하고 있었죠. 저는 이런 상황에 불만을 느꼈고, 이것이 결국 Gensyn을 창립하게 된 계기가 되었습니다.

Gensyn에 전념하기 전, 저는 2년간 개인정보 보호 스타트업을 공동 창업했습니다. 이 기업은 소비자 데이터 흐름 관리와 사용자 동의 기반의 데이터 접근을 전문으로 하여, 개인과 기업 간 데이터 상호작용 방식을 개선하는 데 목적이 있었습니다.

이 경험을 통해 일반적인 스타트업 함정에 대한 소중한 교훈을 얻었으며, 개인 데이터 흐름과 동의 기반 접근에 대한 신중한 태도를 더욱 강화할 수 있었습니다.

4년 전, 저는 제 스타트업을 종료하고 런던의 엑셀러레이터 'Entrepreneur First'에 참여했고, 그곳에서 공동 창립자인 Harry Grieve를 만났습니다. 바로 그 자리에서 우리는 글로벌 컴퓨팅 자원 문제를 해결하기 위해 Gensyn을 시작했습니다. 초기 전략은 조직 내부의 사설 데이터 아일랜드 사이에서 컴퓨팅 작업을 분산하는 것이었는데(연합 학습), 매우 흥미로웠습니다. 우리는 이를 전 세계 규모로 확장할 잠재력을 금세 인식했습니다. 이러한 확장 비전에 부응하기 위해, 컴퓨팅 공급원 자체와 관련된 근본적인 신뢰 문제를 해결해야 했습니다.

Gensyn은 이후 증명, 게임 이론 기반 인센티브 메커니즘, 확률적 검사를 결합하여 각 장치에서 수행되는 머신러닝 작업의 정확성을 보장하는 데 매진해왔습니다. 내용이 다소 기술적일 수 있지만, Gensyn은 전 세계 누구라도 자신의 컴퓨팅 장치를 이용해 머신러닝 모델을 학습시킬 수 있도록 하는 시스템 개발을 목표로 합니다.

TechFlow: 샘 알트먼(Sam Altman)은 전 세계 칩 부족 문제를 해결하기 위해 AI 칩 공장을 운영하는 데 7조 달러가 필요하다고 말했습니다. 그의 계획이 칩 공급 규모화 측면에서 현실적인가요? 한편, Gensyn은 알트먼의 해결책과 어떻게 다른 AI 문제를 해결하고 있나요?

Ben:

AI 분야와 그가 직면한 도전 과제에 대해 말씀드리면, Gensyn은 알트먼이 직면한 문제와 유사한 문제를 해결하고 있습니다. 본질적으로 컴퓨팅 접근 문제를 해결하는 방법은 두 가지입니다. 머신러닝은 점점 보편화되고 있으며, 명령형 코드에서 확률적 모델로의 전환처럼 우리가 사용하는 모든 기술에 통합될 가능성이 큽니다. 이러한 모델들은 막대한 컴퓨팅 파워를 필요로 합니다. 컴퓨팅 수요와 세계 칩 생산 능력을 비교하면 눈에 띄는 격차가 존재합니다. 수요는 폭발적으로 증가하고 있는 반면, 칩 생산은 서서히 증가하고 있을 뿐입니다.

해결책은 (1) 수요를 충족시키기 위해 더 많은 칩을 생산하거나, (2) 기존 칩들의 사용 효율을 높이는 것입니다.

궁극적으로, 두 전략 모두 증가하는 컴퓨팅 자원 수요를 해결하기 위해 반드시 필요합니다.

저는 알트먼이 이 문제에 효과적으로 정면으로 대응하고 있다고 생각합니다. 문제는 칩 공급망인데, 이는 매우 복잡한 시스템입니다. 공급망의 일부는 특히 복잡하며, 오직 소수 회사만이 이러한 복잡성을 관리할 역량을 가지고 있습니다. 현재 많은 정부들이 이를 지정학적 문제로 인식하고, 국내 반도체 제조 공장 재편성과 공급망 병목 현상 해결에 투자하고 있습니다.

제 생각에 알트먼이 제시한 7조 달러라는 숫자는 글로벌 금융시장이 이 문제에 얼마나 관심을 갖고 있는지를 테스트하는 마켓 테스트입니다. 이 엄청난 숫자가 즉각 거부되지 않았다는 사실 자체가 매우 주목할 만합니다. 사람들이 다시 생각하게 됩니다. "이건 터무니없어 보이지만, 정말 가능한가?"

이러한 반응은 실제로 중대한 우려가 존재하며, 사람들이 이 문제를 해결하기 위해 막대한 자금을 할당하려는 의향이 있다는 것을 보여줍니다. 이렇게 높은 기준을 설정함으로써, 알트먼은 실제로 미래의 칩 생산 노력에 대한 하나의 참고점을 만들었습니다. 이 전략적 움직임은 실제 비용이 7조 달러에 도달하지 않더라도 해당 분야에 대규모 투자가 이루어졌다는 선례를 만들었으며, 칩 제조 과제 해결에 대한 단단한 의지를 나타냅니다.

Gensyn의 접근법은 다릅니다. 우리는 전 세계 기존 칩들의 사용을 최적화하는 것을 목표로 합니다. 게이밍용 GPU부터 M1, M2, M3 칩이 탑재된 Macbook에 이르기까지, 많은 칩들이 충분히 활용되지 않고 있습니다.

이러한 장치들은 새로운 전용 AI 프로세서를 개발하지 않아도 AI 처리를 완벽히 지원할 능력을 가지고 있습니다. 그러나 이러한 기존 자원을 활용하려면 TCP/IP가 인터넷 통신을 촉진하는 방식처럼, 이들을 통합된 하나의 네트워크로 묶어주는 프로토콜이 필요합니다.

이러한 프로토콜을 통해 이 장치들이 필요할 때 컴퓨팅 작업에 사용될 수 있게 됩니다.

우리 프로토콜과 TCP/IP 같은 기존 오픈소스 프로토콜의 주요 차이점은 재정적 측면에 있습니다. 후자는 순수한 기술적 해결책이지만, 하드웨어 자원 사용 자체는 전기 요금과 하드웨어 자체의 물리적 비용 같은 고유한 비용을 수반합니다.

이 문제를 해결하기 위해, 우리의 프로토콜은 크립토화폐와 탈중앙화 원칙을 통합하여 하드웨어 소유자의 기여를 유도하는 가치 조정 네트워크를 구축합니다.

따라서 Gensyn은 이중적 성격의 해결책을 제공합니다. 즉, 소프트웨어 연결을 위한 오픈소스 프로토콜이자 동시에 자원 보상의 재정 메커니즘입니다.

더 나아가, 머신러닝 시장이 직면한 도전은 컴퓨팅 자원뿐만이 아닙니다.

데이터 접근, 지식 공유 등의 다른 요소들도 중요한 역할을 합니다. 탈중앙화 기술을 통해 우리는 이러한 다양한 구성요소들의 가치 배분을 촉진하고, 더욱 통합적이고 효율적인 생태계를 이끌어낼 수 있습니다. 따라서 Gensyn은 고립되어 작동하지 않습니다. 우리는 더 광범위한 도전 과제의 일부를 해결하지만, 나머지 문제는 다른 해결책들이 다뤄야 합니다. 이러한 협력적 노력은 머신러닝 분야 발전에 있어 매우 중요합니다.

Gensyn의 이중적(dual-natured) 해결책 정의하기

TechFlow: Gensyn의 이중적 해결책을 가장 간단한 용어로 설명해주실 수 있나요?

Ben:

간단히 말해, Gensyn은 오픈소스 소프트웨어 기반의 피어 투 피어(P2P) 네트워크입니다. 당신의 장치가 참여하려면 이 소프트웨어를 실행하기만 하면 되며, 장치는 머신러닝 학습 작업을 수행할 수 있어야 합니다. 이 네트워크는 여러 노드로 구성되며, 각 노드는 당신의 장치처럼 이 소프트웨어를 실행하고 서로 직접 통신하며, 사용 가능한 하드웨어와 수행할 작업에 대한 정보를 공유합니다. 이렇게 하면 중심 서버가 필요 없으며, 당신의 장치는 다른 장치와 직접 상호작용할 수 있어 중심 서버의 필요성을 피할 수 있습니다.

Gensyn의 중요한 특징 중 하나는 중앙 권위가 없는 통신 방식입니다. 예를 들어 MacBook을 사용 중이라면, 중앙 서버를 거치지 않고 다른 MacBook과 직접 연결 및 통신하며 하드웨어 성능과 사용 가능한 작업 정보를 교환합니다.

Gensyn이 직면한 주요 도전 과제 중 하나는 체인 외부에서의 비결정적(non-deterministic) 연산을 검증하는 것으로, 블록체인 입장에서는 너무 큰 규모입니다.

우리의 해결책은 검증 가능한 컴퓨팅 증명(proof)을 생성하도록 장치를 허용하는 검증 메커니즘을 도입하는 것입니다. 이 증명은 다른 장치에서 확인할 수 있으며, 작업의 무결성을 보장하면서도 검증 대상 작업의 어떤 부분이 확인될지 미리 드러내지 않음으로써, 장치가 오직 검사될 부분만 완료하는 것을 방지합니다.

우리 시스템은 장치들이 암호화 증명 과정 또는 선택적 작업 재실행을 통해 솔루션 제공자이자 검증자로서 참여하도록 유도하여 완료된 작업의 유효성을 판단합니다. 본질적으로 Gensyn은 노드 간 상호 운용성을 실현하고, 서로 작업을 검증하며 완료된 작업에 대해 합의를 도출하려는 목표를 가지고 있습니다. 작업에 대한 지불은 이 프레임워크 내에서 블록체인의 신뢰 메커니즘을 활용하여 실행됩니다. 이 기술 생태계는 이더리움의 기능을 모방하며, 작업 무결성을 보장하기 위해 노드 간 상호 검증에 초점을 맞춥니다.

우리의 주요 목표는 최소한의 컴퓨팅 노력으로 작업 완료에 대한 합의를 이루는 것으로, 시스템의 무결성을 보장하면서도 대규모 머신러닝 작업을 수용할 수 있도록 하는 것입니다.

종합하면, Gensyn은 두 가지 주요 부분으로 나눌 수 있습니다.

첫 번째는 블록체인 측면으로, 제가 앞서 언급한 스테이트 머신(state machine)을 포함합니다. 이는 참가자들 사이에서 공유 컴퓨팅이 발생하는 장소입니다.
Gensyn의 나머지 절반은 통신 인프라에 관한 것으로, 노드 간 상호작용 방식과 머신러닝 작업 처리에 중점을 둡니다.

이 설정을 통해 블록체인 측에서 나중에 작업을 검증할 수 있다면, 어떤 노드라도 어떤 컴퓨팅 작업도 수행할 수 있습니다.

우리는 정보 공유, 필요한 경우 모델 분할, 광범위한 데이터 처리를 촉진하기 위해 모든 노드를 아우르는 통신 인프라를 구축하고 있습니다. 이 설정은 데이터 병렬 처리, 모델 병렬 처리, 파이프라인 분할과 같은 다양한 모델 학습 방법을 지원하며, 즉각적인 신뢰 조정 없이도 가능합니다.

이중적 해결책 = 상태 머신 + 머신러닝 작업 통신

Gensyn 상태 머신

TechFlow: 특정 머신러닝 피어 투 피어 네트워크 내에서 Gensyn 체인이 어떻게 작동하나요?

Ben:

초기에는 모든 참가자가 역할에 따라 작업을 수행하고 그에 상응하는 증명을 생성한다고 가정합니다. 그런 다음 우리는 블록체인 측면으로 관심을 돌립니다. 여기서 우리는 다른 블록체인들과 유사하게 공유 상태(shared state)를 유지하며, 해싱된 트랜잭션과 작업, 그리고 이전 블록의 해시를 포함하여 완전한 체인을 형성합니다.

참가자들 간의 합의는 블록 내 컴퓨팅 작업이 일치하여 동일한 해시 값을 생성하면 작업이 올바르게 완료된 것으로 간주되며, 다음 체인 링크로 진행할 수 있다는 것입니다.

Gensyn은 PoS(지분 증명) 운영 메커니즘을 사용하며, 블록 생성 검증에 기여한 자에게 보상을 제공합니다.

블록을 생성한다는 것은 (1) 머신러닝 검증 작업에 필요한 작업을 해싱하고, (2) 해당 블록 내에서 발생한 거래를 기록하는 것을 의미합니다.

우리의 접근법은 이더리움 같은 시스템과 유사하지만, 우리의 주요 차별점은 통신 측면에 있으며, 특히 노드가 머신러닝 작업을 어떻게 관리하고 협업하는지에 있습니다.

TechFlow: Gensyn 체인은 이더리움과 어떻게 다른가요? 핵심 인프라가 새로울 것이 없다면, PoS 체인은 어떻게 머신러닝의 특정 사용 사례를 충족하도록 설계되었나요?

Ben:

우리의 블록체인 핵심 구조는 새로운 데이터 가용성 계층을 제외하고는 새로울 것이 없습니다. 현저한 차이점은 더 큰 컴퓨팅 작업을 처리할 수 있는 능력에 있으며, 이는 우리 작업이 일반적으로 이더리움에서 가능한 것보다 훨씬 더 효율적이라는 것을 의미합니다.

이는 컨볼루션 연산(convolution operations)에 특히 관련이 있는데, 이는 많은 머신러닝 모델의 핵심 구성 요소입니다.

Solidity를 사용하여 이더리움 가상머신(EVM)에서 이러한 연산을 효율적으로 실행하는 것은 도전적입니다.

Gensyn 체인은 EVM의 작업 범위 제한을 받지 않기 때문에 이러한 컴퓨팅을 더 효과적으로 처리할 수 있는 유연성을 제공합니다.

진정한 도전은 모델의 일반화 가능성(Generalizability)을 실현하는 것입니다. 즉, 모델이 이전에 본 적 없는 완전히 새로운 샘플을 접했을 때 정확하게 예측할 수 있어야 한다는 의미이며, 이는 충분히 광범위한 공간 이해 능력을 갖추고 있기 때문입니다.

이러한 학습 과정은 매우 많은 컴퓨팅 자원을 필요로 하며, 데이터를 모델에 반복적으로 통과시켜야 하기 때문입니다.

Gensyn의 머신러닝 런타임의 임무는 모델의 그래픽 표현을 가져와, 컴퓨팅을 수행할 때 각 작업의 완료 증명을 생성할 수 있는 프레임워크 안에 두는 것입니다.

여기서 중요한 문제는 결정성과 재현 가능성입니다.

이상적으로 수학적 세계에서는 동일한 작업을 반복하면 동일한 결과를 산출해야 합니다. 그러나 컴퓨팅 하드웨어의 물리적 세계에서는 예측할 수 없는 변수들로 인해 계산 결과가 약간씩 달라질 수 있습니다.

지금까지 머신러닝에서 어느 정도의 무작위성은 받아들여졌으며, 오히려 모델의 과적합(overfitting)을 방지하고 더 나은 일반화를 촉진하는 데 도움이 되기도 했습니다.

그러나 Gensyn의 경우, 일반화 가능성과 재현 가능성 모두 매우 중요합니다.

계산 결과의 변화는 완전히 다른 해시값을 초래할 수 있으며, 이는 검증 시스템이 작업을 잘못 완료된 것으로 잘못 표시하게 하고, 재정적 손실 위험에 처하게 할 수 있습니다. 이를 대응하기 위해, 우리의 런타임은 작업이 다양한 장치에서 결정적이고 재현 가능하도록 보장하며, 이는 복잡하지만 필수적인 해결책입니다.

이 접근법은 PyTorch, TensorFlow 또는 JAX와 같은 머신러닝 프레임워크 사용과 어느 정도 유사합니다. 사용자는 이러한 프레임워크 내에서 모델을 정의하고 학습을 시작할 수 있습니다. 우리는 이러한 프레임워크와 CUDA(Compute Unified Device Architecture)와 같은 저수준 라이브러리를 적응시켜, 모델이 어떤 장치에서 실행되든 반복 가능한 정확한 방식으로 수행되도록 보장하고 있습니다.

이렇게 함으로써 한 장치에서의 작업 결과를 해싱했을 때 다른 장치에서도 동일한 해시값을 생성하게 되며, 이는 시스템 내 머신러닝 실행의 이 측면의 중요성을 강조합니다.

Gensyn은 탈중앙화 머신러닝을 지원하기 위해 오픈소스 블록체인 통신 프로토콜을 통해 클라우드 서비스를 탈중앙화했습니다.

TechFlow: 그렇다면 Gensyn 체인 위에 구축된, 머신러닝 네트워크에 특화된 이 블록체인 통신 인프라는 어떻게 작동하나요?

Ben:

통신 인프라의 목적은 장치 간 상호 통신을 촉진하는 것입니다. 그 주요 기능은 한 장치가 다른 장치가 생성한 작업과 증명을 검증할 수 있도록 하는 것입니다.

본질적으로 장치 간 통신은 서로의 작업을 검증하기 위한 것이며, 이 과정은 블록체인을 통해 이루어져야 합니다. 블록체인은 모든 분쟁에서 중심 중재자 역할을 하기 때문입니다. 블록체인은 우리 시스템에서 유일한 신뢰 가능한 출처이며, 없으면 참여자의 신원을 신뢰할 수 있게 검증할 수 없습니다. 누구나 자신이 작업을 검증했다고 주장할 수 있기 때문입니다.

블록체인과 그 암호화 기술은 신원 인증과 작업 확인을 안전하게 만듭니다. 장치는 이 메커니즘을 통해 자신의 신원을 입증하고 정보를 안전하게 제출할 수 있으므로, 다른 당사자가 정보의 진위를 식별하고 검증할 수 있습니다.

이 시스템의 최종 목적은 장치 소유자에게 보상을 제공하는 것입니다. 머신러닝 작업을 수행할 수 있는 하드웨어를 보유하고 있다면 이를 임대할 수 있습니다.

그러나 기존 시스템에서는 이 과정이 복잡하고 비용이 많이 듭니다. 예를 들어, Nvidia GPU를 대량으로 구입하여 임대하는 경우(클라우드 서비스 제공업체처럼 자본 지출을 운영 지출로 전환)는 수많은 도전에 직면합니다. 귀하의 하드웨어에 관심 있는 AI 회사를 찾아야 하고, 판매 채널을 구축하고, 모델 전송 및 접근 인프라를 개발하며, 서비스 수준 계약(SLA)을 포함한 법적 및 운영 계약을 관리해야 합니다. SLA는 고객과 약정한 가동 시간을 보장하기 위해 현장 엔지니어를 요구하며, 가동 중단은 계약상 책임과 잠재적 재정적 리스크를 초래합니다. 이러한 복잡성은 개인이나 소규모 기업에게 큰 장벽이 되며, 이 또한 중앙집중식 클라우드 서비스가 주류가 된 이유 중 하나입니다.

Gensyn은 이러한 거래에 일반적으로 수반되는 인적·상업적 비용을 제거하는 훨씬 더 효과적인 방법을 제공합니다. 단순히 소프트웨어를 실행하기만 하면 되며, 법적 계약이나 인프라 구축을 위한 엔지니어에 의존할 필요가 없습니다. 법적 계약은 스마트계약으로 대체되며, 작업 검증은 작업이 올바르게 완료되었는지를 확인하는 자동화 시스템을 통해 이루어집니다. 더 이상 수동으로 위약 청구를 처리하거나 법적 해결을 추구할 필요가 없으며, 모든 것이 기술적으로 즉시 해결될 수 있습니다. 이는 큰 장점입니다. 공급자는 추가적인 번거로움 없이 즉시 GPU로부터 수익을 얻을 수 있습니다.