암호화 AI 프로젝트가 다 허무맹랑한 것은 아니다. 어떻게 진짜 시나리오와 가짜 수요를 구별할 수 있을까?

2024.05.24

암호화 AI 프로젝트가 다 허무맹랑한 것은 아니다. 어떻게 진짜 시나리오와 가짜 수요를 구별할 수 있을까?

암호화 기술은 AI 집중화에 대응하는 힘으로 여겨진다.

2024.05.24 - 04:37:18

Web3 심층 보도에 집중하고 흐름을 통찰

암호화 기술은 AI 집중화에 대응하는 힘으로 여겨진다.

작가: 563

번역: TechFlow

암호화폐와 인공지능(AI)의 교차점을 탐색한다.

새로운 알파 정보를 추구할 때 우리는 불가피하게 쓰레기 정보도 마주하게 된다. 단지 반쯤 그려진 소개와 평범한 브랜딩만으로도 5~6자리 금액을 쉽게 조달할 수 있는 상황이라면, 투기자들은 새로운 내러티브마다 달라붙을 것이다. 전통 금융권이 앞다퉈 AI 열풍에 동참하면서 '암호화폐 + AI' 내러티브는 이 문제를 더욱 악화시키고 있다.

이들 프로젝트 대부분의 핵심 문제는 다음과 같다:

대부분의 암호화폐 프로젝트는 AI가 필요하지 않다
대부분의 AI 프로젝트는 암호화폐가 필요하지 않다

모든 탈중앙화 거래소(DEX)에 AI 어시스턴트가 내장되어야 할 필요는 없으며, 모든 챗봇마다 채택률 증가를 위해 반드시 대응하는 토큰이 필요한 것도 아니다. AI와 암호화 기술을 무리하게 결합하는 것은 내가 처음 이 내러티브를 깊이 파고들었을 당시 거의 정신崩溃 상태에 이를 정도였다.

나쁜 소식은 무엇인가? 현재의 방향을 계속 따른다면 이 기술은 더욱 중앙집중화되고, 결국 실패로 끝날 것이며, 수많은 위조된 "AI x Crypto" 프로젝트들이 우리가 회복세를 되찾는 것을 방해할 것이다.

좋은 소식은 무엇인가? 터널 끝에 빛이 있다. 가끔씩 AI는 실제로 암호경제학에서 혜택을 받을 수 있다. 마찬가지로 일부 암호화폐 사용 사례에서는 AI가 실제 문제를 해결할 수 있다.

오늘 이 글에서는 이러한 핵심 접점들을 살펴볼 것이다. 이러한 틈새 혁신 아이디어들이 겹쳐질 때 시너지 효과가 발생하며, 전체는 부분의 합보다 크다.

AI 스택의 고수준 개요

아래는 내가 바라보는 "암호화 + AI" 생태계 내 다양한 수직 영역들이다 (더 깊이 알고 싶다면 Tommy의 글을 참고하라). 이것은 매우 단순화된 관점이지만, 기초를 다지는 데 도움이 되기를 바란다.

상위 수준에서 어떻게 작동하는지를 보면:

대규모 데이터 수집
데이터를 처리하여 머신이 이를 소비하고 활용하는 방법을 이해하게 함
이 데이터를 기반으로 모델을 훈련시켜 일반적인 모델 생성
특정 사용 사례를 처리하기 위해 미세 조정 가능
마지막으로, 애플리케이션이 유용한 결과를 얻기 위해 쿼리할 수 있도록 모델을 배포 및 호스팅
이 모든 과정은 로컬 또는 클라우드에서 제공되는 막대한 컴퓨팅 자원을 필요로 한다

각 영역을 하나씩 살펴보고, 특히 다른 암호경제 설계가 표준 워크플로우를 어떻게 실질적으로 개선할 수 있는지에 주목하자.

암호화가 오픈소스에게 싸울 기회를 부여한다

“폐쇄형”과 “오픈소스” 개발 방식의 논쟁은 윈도우-리눅스 논쟁과 에릭 레이먼드의 유명한 『성당과 시장』 이론까지 거슬러 올라간다. 오늘날 리눅스는 애호가 사이에서 널리 사용되지만, 사용자의 약 90%는 윈도우를 선택한다. 왜일까? 인센티브 때문이다.

외부에서 볼 때 오픈소스 개발은 많은 장점이 있다. 가능한 많은 사람들이 개발 과정에 참여하고 기여할 수 있기 때문이다. 하지만 이런 분산된 구조 안에는 통합된 지침이 없다. CEO는 자신의 최종 이익을 극대화하기 위해 자발적으로 제품을 최대한 많은 사람에게 사용하게 하지 않는다. 오픈소스 개발 과정에서 프로젝트는 각 디자인 철학의 접점마다 갈라져 "키메라"처럼 변질될 위험이 있다.

인센티브를 조율하는 가장 좋은 방법은 무엇인가? 목표 달성을 촉진하는 행동에 보상을 주는 시스템을 만드는 것이다. 즉, 목표 달성에 더 가까워지게 하는 행위자들에게 돈을 직접 전달하는 것이다. 암호화폐를 통해 이러한 인센티브는 법처럼 코드에 경직되게 기록될 수 있다.

그렇게 하고 있는 몇몇 프로젝트들을 살펴보자.

탈중앙화 물리 인프라 네트워크(DePINs)

“제발, 또 이거요?” 네, DePIN 내러티브가 AI만큼이나 진부하다는 걸 알고 있지만 잠깐만 들어달라. 나는 확실히 믿는다. DePIN은 진짜 세상을 변화시킬 수 있는 암호화 사용 사례라는 것을 말이다. 한번 생각해보라.

암호화 기술이 정말 잘하는 것은 무엇인가? 중개자를 제거하고 활동을 인센티브화하는 것.

비트코인의 초기 비전은 은행을 배제하려는 P2P 화폐였다. 마찬가지로 현대의 DePIN은 중앙 집중 세력을 배제하고 입증 가능한 공정한 시장 역학을 도입하려 한다. 우리가 보겠지만, 이러한 아키텍처는 AI 관련 네트워크의 대량 참여에 이상적이다.

DePIN은 초기 토큰 발행을 통해 공급측(제공자)을 늘리고, 이것이 지속 가능한 수요(소비자)를 유치하기를 기대한다. 이는 신규 시장의 콜드스타트 문제를 해결하기 위한 것이다.

즉 초기 하드웨어/소프트웨어(“노드”) 제공자는 많은 토큰과 적은 현금을 번다. 사용자(우리의 경우 머신러닝 개발자)가 이러한 노드를 이용함으로써 창출되는 현금 흐름이 시간이 지남에 따라 감소하는 토큰 발행을 점차 상쇄하게 되고, 결국 완전히 자급자족하는 생태계가 형성된다(몇 년이 걸릴 수 있음). 초기 사례인 Helium과 Hivemapper는 이러한 설계의 효과를 입증했다.

데이터 네트워크, Grass의 사례

GPT-3는 순수 텍스트 데이터 45TB로 훈련되었다고 알려져 있으며, 이는 약 9천만 권의 소설에 해당한다(하지만 여전히 원을 그리지 못한다). GPT-4와 GPT-5는 표면 웹에 존재하는 데이터总量보다 더 많은 데이터를 필요로 한다. 인공지능을 "데이터 갈증"이라고 부르는 것은 이번 세기 최대의 과소평가일 것이다.

당신이 최정상 플레이어가 아니라면—OpenAI, Microsoft, Google, Facebook—이런 데이터를 확보하는 것은 매우 어렵다. 대부분의 사람들은 웹 스크래핑을 흔히 전략으로 삼는데, 본격적으로 제재를 받기 전까진 괜찮다. AWS 인스턴스를 이용해 많은 웹사이트를 스크래핑하려 하면 금방 속도 제한을 당한다. 여기서 Grass의 역할이 시작된다.

Grass는 200만 대 이상의 장치를 연결해 사용자의 IP 주소로부터 웹사이트를 스크래핑하고, 이를 수집·구조화하여 절박하게 데이터를 원하는 AI 기업에 판매한다. 그 대가로, Grass 네트워크에 참여하는 사용자는 자신의 데이터를 사용하는 AI 기업으로부터 꾸준한 수익을 얻을 수 있다.

물론 아직 토큰은 없지만, 미래의 $GRASS 토큰은 사용자가 브라우저 확장 프로그램(또는 모바일 앱)을 설치하도록 유인할 수 있을 것이다. 비록 이미 성공적인 추천 캠페인을 통해 많은 사용자를 유치했지만 말이다.

GPU 네트워크, io.net의 사례

데이터보다 더 중요한 것은 계산 능력일지도 모른다. 아시는가, 2020년과 2021년 중국은 석유보다 GPU에 더 많은 돈을 썼다는 사실을. 정말 미친 일이지만, 이건 시작에 불과하다. 안녕, 오일코인. 계산코인을 위해 길을 열어라.

(보고서 보기)

현재 시장에는 많은 GPU DePIN들이 있으며, 대략적인 작동 방식은 다음과 같다.

계산 능력이 급히 필요한 머신러닝 엔지니어/기업
반면, 데이터센터, 유휴 채굴 장비, 그리고 유휴 GPU/CPU를 가진 아마추어들

전 세계적으로 공급량은 크지만 조정이 부족하다. 10개의 서로 다른 데이터센터에 연락해 당신의 용도로 입찰을 요청하는 건 쉽지 않다. 중앙화된 해결책은 임대 수익을 추구하는 중개자를 만들며, 그들의 인센티브는 양측 모두에서 최대한의 가치를 추출하는 것이다. 하지만 암호화 기술이 도와줄 수 있다.

암호화 기술은 매매 당사자 간을 효율적으로 연결하는 시장층을 만드는 데 매우 뛰어나다. 코드 한 줄은 주주 재무 이익에 책임질 필요가 없다.

io.net이 두드러지는 이유는 AI 훈련에 필수적인 멋진 신기술—클러스터 스택을 도입했기 때문이다. 전통적인 클러스터는 동일한 데이터센터 내에서 여러 GPU를 물리적으로 연결해 모델 훈련을 공동 수행하게 한다. 하지만 당신의 하드웨어가 전 세계에 흩어져 있다면 어떨까? io.net은 ChatGPT를 만든 Ray와 협력하여 서로 다른 위치의 GPU를 연결할 수 있는 클러스터 중간 장치를 개발했다.

또한 AWS 등록 절차는 며칠이 걸릴 수 있지만, io.net에서는 90초 이내에 무허가로 클러스터를 시작할 수 있다. 이러한 이유들 때문에, io.net이 다른 모든 GPU DePIN들의 중심이 될 수 있다고 본다. 그들은 모두 io.net의 “IO 엔진”에 연결하여 내장된 클러스터링과 매끄러운 사용 경험을 누릴 수 있게 될 것이다. 이 모든 것이 암호화 기술 덕분에 가능하다.

당신은 대부분의 야심 찬 탈중앙화 AI 프로젝트들(Bittensor, Morpheus, Gensyn, Ritual, Sahara)이 명확한 “컴퓨팅” 수요를 가지고 있다는 것을 알아차렸을 것이다. 바로 GPU DePIN이 끼어들어야 할 자리이며, 탈중앙화 AI는 무허가 컴퓨팅을 필요로 한다.

인센티브 구조 활용하기

다시 비트코인의 통찰로 돌아가자. 광부들이 왜 계속해서 해시 값을 빠르게 계산할까? 그것이 그들의 보상 방식이기 때문이다—나카모토가 이 아키텍처를 제안한 것은 보안을 우선시하기 위해서였다. 교훈은 무엇인가? 이 프로토콜 내장된 인센티브 구조가 궁극적으로 만들어내는 최종 제품을 결정한다.

비트코인 광부와 이더리움 스테이커는 모두 그들의 원생 토큰을 흡수하는 참여자들이다. 왜냐하면 프로토콜이 그것을 인센티브로 삼기 때문이다—참여자들이 광부와 스테이커가 되도록 유도한다.

조직 내에서는 이걸 CEO가 "비전"이나 "미션 선언문"으로 정의할 수 있다. 하지만 사람은 실수를 하기 마련이며 회사를 잘못된 방향으로 이끌 수 있다. 반면 컴퓨터 코드는 가장 꼼꼼한 월급 노예보다도 더 집중력을 유지할 수 있다. 인센티브를 통해 참가자들이 숭고한 목표에 집중하도록 하는 탈중앙화 프로젝트들을 살펴보자.

AI 구축 네트워크, Bittensor 살펴보기

비트코인 광부가 쓸모없는 수학 문제를 푸는 대신 AI를 만들게 한다면 어떻게 될까? 그러면 당신은 Bittensor를 얻게 된다.

Bittensor의 목표는 실험적인 생태계를 몇 개 만들어 실험을 수행하고, 각 생태계 내에서 “상품화된 지능”을 생산하는 것이다. 즉 어떤 생태계(서브넷, 줄여서 “SN”)는 언어 모델 개발에 집중할 수 있고, 다른 하나는 금융 모델, 또 다른 하나는 음성 합성, AI 탐지 또는 이미지 생성에 집중할 수 있다(현재 활성화된 프로젝트 보기).

Bittensor 네트워크 입장에서는 당신이 무엇을 하든 중요하지 않다.只要你能证明你的项目值得资助，激励措施就会流动。这是子网所有者的目标，他注册子网并调整游戏规则。

이 “게임”의 참가자들을 “광부”라고 부른다. 이들은 ML/AI 엔지니어 및 팀으로 모델을 구축한다. 그들은 지속적인 검토가 이루어지는 “뇌성 돔” 안에 갇혀 있으며, 가장 많은 보상을 얻기 위해 서로 경쟁한다.

검증자는 다른 축으로, 광부들의 작업을 검토하고 평가한다. 검증자가 광부와 짜고 있다는 것이 밝혀질 경우 추방된다.

인센티브를 기억하라:

광부는 서브넷 내 다른 광부들을 이길수록 더 많이 번다—이는 AI 발전을 추진한다.
검증자는 고성능 및 저성능 광부를 정확히 식별할수록 더 많이 번다—이는 서브넷의 공정성을 유지한다.
서브넷 소유자는 자신의 서브넷이 생성한 AI 모델이 다른 서브넷보다 더 유용할수록 더 많이 번다—이는 서브넷 소유자가 자신의 “게임”을 최적화하도록 유도한다.

Bittensor를 AI 개발을 위한 영구적인 보상 기계로 볼 수 있다. 새내기 머신러닝 엔지니어는 무언가를 만들고 VC들에게 피칭하여 자금을 조달할 수도 있다. 혹은 Bittensor 서브넷 중 하나에 광부로 참여해 실력을 발휘하고 많은 TAO를 얻을 수도 있다. 어느 쪽이 쉬운가?

최상위 팀들이 네트워크 위에서 구축하고 있다:

Nous Research는 오픈소스의 왕이다. 그들의 서브넷은 오픈소스 LLM을 미세 조정하는 데 있어 전통을 뒤엎었다. 지속적인 합성 데이터 스트림을 통해 모델을 테스트함으로써 리더보드 조작을 불가능하게 만들었다(기존 HuggingFace 같은 벤치마킹과 다르게).
Taoshi의 독점 훈련 네트워크는 기본적으로 오픈소스 양자거래 회사다. ML 기여자들에게 자산 가격 움직임을 예측하는 트레이딩 알고리즘을 만들도록 요구한다. 그들의 API는 개인 및 기관 사용자에게 양자 거래 수준의 신호를 제공하며, 빠르게 큰 수익을 내고 있다.
Corcel 팀이 개발한 Cortex.t는 두 가지 목적을 가진다. 먼저, 개발자의 지속적인 이용 가능성을 보장하기 위해 광부들이 최상위 모델(GPT-4, Claude-3 등)의 API 접근 권한을 제공하도록 유도한다. 또한 모델 훈련 및 벤치마킹에 매우 유용한 합성 데이터 생성도 제공한다(Nous가 이것을 사용하는 이유이기도 하다). 그들의 도구를 확인해보라—채팅과 검색.

놀랍지 않게도, Bittensor는 인센티브 구조의 힘을 다시 한번 증명하며, 이 모든 것은 암호경제학 덕분에 가능했다.

스마트 에이전트, Morpheus 살펴보기

이제 Morpheus의 두 가지 측면을 살펴보자:

암호경제 구조가 AI를 구축함(암호화 기술이 AI를 돕는다)
AI가 활성화된 애플리케이션이 암호화 기술 내 새로운 사용 사례를 가능하게 함(AI가 암호화 기술을 돕는다)

“스마트 에이전트”란 스마트 계약에 대해 훈련된 AI 모델일 뿐이다. 그들은 모든 주요 DeFi 프로토콜의 내부 작동을 이해하고, 어디서 수익을 찾을 수 있는지, 어디서 브릿징해야 하는지, 의심스러운 계약을 어떻게 발견하는지 알고 있다. 그들은 미래의 “자동 라우터”이며, 내 생각에 5~10년 안에 모든 사람이 블록체인과 상호작용하는 방식이 될 것이다. 사실 그 지점에 도달하면, 당신은 자신이 암호화폐를 사용하고 있다는 사실조차 모를지도 모른다. 그냥 챗봇에게 일부 저축을 다른 투자로 옮기고 싶다고 말하면, 모든 일이 백그라운드에서 자동으로 처리될 것이다.

Morpheus는 “인센티브를 주면 그들은 올 것이다”는 메시지를 이 영역에서 구현한다. 그들의 목표는 스마트 에이전트들이 확산되고 번성할 수 있는 플랫폼을 갖는 것으로, 각 에이전트가 이전 에이전트의 성공 위에 구축되며 외부성을 최소화하는 생태계를 조성하는 것이다.

토큰 인플레이션 구조는 프로토콜의 네 가지 주요 기여자를 강조한다:

코드—에이전트 구축자
커뮤니티—프론트엔드 애플리케이션 및 도구를 구축하여 새로운 사용자를 생태계로 유치
계산—에이전트 실행을 위한 컴퓨팅 능력 제공
자본—수익을 제공하여 Morpheus의 경제 기계를 추진

이 범주 각각은 $MOR 인플레이션 보상의 동등한 몫을 받는다(비상 기금으로 작은 부분을 보존함), 이로 인해 다음과 같은 행동을 하도록 유도된다:

최고의 에이전트 구축—에이전트가 일관되게 사용될 때 구축자는 보상을 받는다. OpenAI 플러그인을 무료로 제공하는 것과 달리, 이 방식은 구축자에게 즉시 지급된다.
최고의 프론트엔드/도구 구축—창작물이 일관되게 사용될 때 구축자는 보상을 받는다.
안정적인 컴퓨팅 능력 제공—제공자는 컴퓨팅 능력을 빌려줄 때 보상을 받는다.
프로젝트에 유동성 제공—유동성을 유지함으로써 MOR 몫을 번다.