Bittensor: AI 서브넷이 집단 지능 네트워크를 어떻게 재정의하는가?

2024.08.02

Bittensor: AI 서브넷이 집단 지능 네트워크를 어떻게 재정의하는가?

Bittensor는 독창적인 AI 서브넷 구조와 인센티브 메커니즘을 활용해 집단 지능 네트워크를 재정의하며, AI와 Web3의 유기적 통합을 실현했다.

2024.08.02 - 09:06:48

BittensorAI

Web3 심층 보도에 집중하고 흐름을 통찰

Bittensor는 독창적인 AI 서브넷 구조와 인센티브 메커니즘을 활용해 집단 지능 네트워크를 재정의하며, AI와 Web3의 유기적 통합을 실현했다.

글: Trustless Labs

AI 혁명의 배경

AI 폭발적 성장 배경

인공지능(AI) 기술의 급속한 발전과 함께 우리는 데이터 중심의 새로운 시대로 접어들고 있다. 딥러닝 및 자연어 처리 분야의 돌파구는 AI 응용을 어디에서나 가능하게 했다. 2022년 ChatGPT의 등장은 AI 산업에 불을 붙였으며, 이어 문장을 입력하면 영상을 생성하는 도구, 자동화된 업무 처리 AI 도구들이 속속 등장했고, 'AI+' 응용도 본격적으로 추진되고 있다. AI 산업의 시장 가치 또한 급등하여 2030년에는 1850억 달러에 이를 것으로 예상된다.

그림 1 AI 시장 가치 변화

기존 인터넷 기업의 AI 독점

현재 AI 산업은 주로 엔비디아, 마이크로소프트, 구글, OpenAI 등의 기업이 장악하고 있으며, 기술 발전과 더불어 데이터 집중, 컴퓨팅 자원의 불균형한 배분 등의 문제도 발생하고 있다. 동시에 Web3의 탈중앙화 철학은 이러한 문제들을 해결할 새로운 가능성을 제공하며, Web3 기반 분산 네트워크는 현재의 AI 발전 구조를 재편할 전망이다.

Web3+AI 현황

AI 산업이 빠르게 진화하는 가운데 Web3와 AI를 결합한 우수한 프로젝트들도 다수 등장했다. Fetch.ai는 블록체인 기술을 활용해 탈중앙화 경제를 구축하고, 자율 에이전트 및 스마트 계약을 통해 AI 모델의 학습과 적용을 최적화한다. Numerai는 블록체인 기술과 데이터 과학자 커뮤니티를 이용해 시장 동향을 예측하고, 모델 개발자에게 보상 메커니즘을 통해 인센티브를 제공한다. Velas는 AI와 블록체인을 위한 고성능 스마트 계약 플랫폼을 구축하여 더 빠른 거래 속도와 더 높은 보안성을 제공한다. AI 프로젝트 자체는 데이터, 알고리즘, 컴퓨팅 파워라는 세 가지 요소를 포함하는데, 현재 Web3 + 데이터, Web3 + 컴퓨팅 파워 분야는 활발히 발전하고 있으나, Web3 + 알고리즘 분야는 여전히 개별적인 접근만 이루어지고 있어 결국 단일 방향의 애플리케이션 프로젝트만 생겨날 뿐이었다. Bittensor는 이 틈새를 파고들어 블록체인 자체의 경쟁과 인센티브 메커니즘을 활용해, 자체적으로 우수성 평가 및 경쟁이 가능한 AI 알고리즘 플랫폼을 구축함으로써 가장 질 좋은 AI 프로젝트만 유지하고 있다.

Bittensor의 발전 과정

혁신적 돌파구

Bittensor는 탈중앙화된 인센티브 기계학습 네트워크이자 디지털 상품 시장이다.

탈중앙화: Bittensor는 다양한 기업과 조직이 운영하는 수천 대의 분산 컴퓨터 네트워크에서 작동하며, 데이터 집중 등의 문제를 해결한다.
공정한 인센티브 메커니즘: Bittensor 네트워크는 서브넷이 제공하는 $TAO 토큰을 서브넷의 기여도에 비례하여 배분하며, 서브넷 역시 마이너와 검증자에게 노드 기여도에 따라 보상을 지급한다.
기계학습 리소스: 탈중앙화 네트워크는 기계학습 컴퓨팅 자원이 필요한 모든 개인에게 서비스를 제공할 수 있다.
다양한 디지털 상품 시장: 초기 Bittensor 네트워크의 디지털 상품 시장은 기계학습 모델과 관련 데이터 거래를 위해 설계되었으나, Yuma 합의 메커니즘이 데이터의 실질적 내용을 고려하지 않는 점 덕분에, 이제는 모든 형태의 데이터를 거래할 수 있는 시장으로 확장되었다.

발전 역사

현재 시장에서 많은 고평가 VC 프로젝트들과는 달리, Bittensor는 더욱 공정하고 흥미롭고 의미 있는 기술 애호가들의 프로젝트이며, 다른 프로젝트처럼 "거창한 약속 → 투자 유치 사기"의 과정을 겪지 않았다.

개념 형성 및 프로젝트 시작 (2021년): Bittensor는 탈중앙화된 AI 네트워크를 추진하기 위해 노력하는 기술 애호가들과 전문가들에 의해 창립되었으며, Substrate 프레임워크를 사용해 Bittensor 블록체인을 구축함으로써 유연성과 확장성을 보장했다.
초기 개발 및 기술 검증 (2022년): 팀은 알파 버전 네트워크를 출시하여 탈중앙화 AI의 실현 가능성을 입증했으며, Yuma 합의를 도입하여 데이터 무관 원칙(data-agnostic principle)을 강조하고 사용자의 프라이버시와 보안을 유지했다.
네트워크 확장 및 커뮤니티 구축 (2023년): 팀은 베타 버전을 발표하고 TAO를 활용한 토큰 경제 모델을 도입하여 네트워크 유지에 대한 인센티브를 제공했다.
기술 혁신 및 크로스체인 호환성 (2024년): 팀은 DHT(분산 해시 테이블) 통합 기술을 활용해 데이터 저장 및 검색을 더욱 효율적으로 만들었으며, 동시에 서브넷과 디지털 상품 시장에 대한 홍보와 확장을 본격화했다.

그림 2 Bittensor 네트워크 홍보 이미지

Bittensor의 발전 과정에서 전통적인 VC의 개입은 거의 없었으며, 이는 중앙집중화 통제 위험을 피할 수 있었다. 프로젝트는 토큰 인센티브를 통해 노드와 마이너를 보상함으로써 Bittensor 네트워크의 활력을 유지했다. 본질적으로 Bittensor는 GPU 마이너가 구동하는 AI 컴퓨팅 파워 및 서비스 프로젝트이다.

토큰 이코노믹스

Bittensor 네트워크의 토큰은 TAO이며, 비트코인(BTC)에 대한 존경을 표현하기 위해 TAO는 여러 면에서 BTC와 유사하다. 총 공급량은 2100만 개이며, 4년마다 반감기가 진행된다. TAO 토큰은 Bittensor 네트워크 출시 당시 공정한 출시(fair launch) 방식으로 분배되었으며, 사전 채굴(pre-mine)이 없었고, 창립팀이나 VC에게도 토큰이 배정되지 않았다. 현재 약 12초마다 하나의 Bittensor 네트워크 블록이 생성되며, 각 블록 보상은 1 $TAO이며, 하루에 약 7200개의 TAO가 생성된다. 이 보상은 현재 기여도에 따라 각 서브넷에 분배되며, 이후 서브넷 내에서 서브넷 소유자, 검증자, 마이너에게 다시 배분된다.

그림 3 Bittensor 커뮤니티 홍보 이미지

TAO 토큰은 Bittensor 네트워크에서 컴퓨팅 자원, 데이터, AI 모델 등을 구매하고 활용하는 데 사용되며, 커뮤니티 거버넌스 참여를 위한 증표 역할도 한다.

현황

현재 Bittensor 네트워크의 총 계정 수는 10만 개 이상이며, 그 중 잔액이 있는 계정은 8만 개에 달한다.

그림 4 Bittensor 계정 수 변화

지난 1년간 TAO는 최대 수십 배까지 상승했으며, 현재 시가총액은 22.78억 달러, 가격은 321달러이다.

그림 5 TAO 토큰 가격 변화

점차 실현되는 서브넷 아키텍처

Bittensor 프로토콜

Bittensor 프로토콜은 탈중앙화된 머신러닝 프로토콜로, 네트워크 참가자 간의 머신러닝 능력 및 예측을 교환할 수 있도록 지원하며, P2P 방식으로 머신러닝 모델과 서비스의 공유 및 협업을 촉진한다.

그림 6 Bittensor 프로토콜

Bittensor 프로토콜은 네트워크 아키텍처, 서브텐서(subtensor), 서브넷 아키텍처, 서브넷 생태계 내 검증자 노드, 마이너 노드 등을 포함한다. Bittensor 네트워크는 기본적으로 프로토콜에 참여하는 일련의 노드들로 구성되어 있으며, 각 노드는 Bittensor 클라이언트 소프트웨어를 실행하여 다른 네트워크와 상호작용한다. 이러한 노드들은 각각의 서브넷이 관리하며, 우수한 것은 남고 열등한 것은 퇴출되는 메커니즘을 적용한다. 즉 전체적으로 성과가 좋지 않은 서브넷은 새로운 서브넷에 의해 교체되며, 각 서브넷 내에서 성과가 나쁜 검증자 및 마이너 노드도 제외된다. 따라서 서브넷은 Bittensor 네트워크 아키텍처에서 가장 중요한 요소이다.

서브넷 로직

서브넷은 독립적으로 작동하는 코드 조각이라 볼 수 있으며, 고유한 사용자 인센티브 및 기능을 규정하지만, 모든 서브넷은 Bittensor 메인넷과 동일한 합의 인터페이스를 유지한다. 서브넷은 로컬 서브넷, 테스트넷 서브넷, 메인넷 서브넷의 세 가지 유형이 있다. 루트 서브넷을 제외하고 현재 45개의 서브넷이 존재하며, 2024년 5월부터 7월 사이에 서브넷 수가 32개에서 64개로 증가할 예정이며, 매주 4개의 새로운 서브넷이 추가될 것이다.

서브넷 역할 및 배출(emission)

Bittensor 네트워크 전체에는 사용자, 개발자, 마이너, 스테이킹 검증자, 서브넷 소유자, 위원회 등 6가지 기능적 역할이 존재한다. 서브넷 내부에는 서브넷 소유자, 마이너, 스테이킹 검증자가 포함된다.

서브넷 소유자: 서브넷 소유자는 기본 마이너 및 검증기 코드를 제공하며, 고유한 추가 인센티브 메커니즘을 설정하고, 마이너 작업에 대한 인센티브를 배분할 수 있다.
마이너: 마이너 노드는 서버와 채굴 코드를 지속적으로 개선하도록 유도되며, 같은 서브넷 내 다른 마이너들과의 경쟁에서 앞서 나가야 한다. 배출량이 낮은 마이너는 새로운 마이너에 의해 대체되며, 다시 노드를 등록해야 한다. 참고로 마이너는 여러 서브넷에서 여러 노드를 운영할 수 있다.
검증자: 검증자는 각 서브넷의 기여도를 평가하고 정확성을 보장함으로써 보상을 받는다. 또한 TAO 토큰을 검증자 노드에 스테이킹할 수 있으며, 검증자 노드는 0~18%(조정 가능)의 스테이킹 보상을 얻을 수 있다.

서브넷 배출(emission)은 Bittensor 네트워크에서 마이너 및 검증자에게 지급되는 TAO 토큰 배분 메커니즘이다. 일반적으로 서브넷이 받는 배출량의 18%는 서브넷 소유자에게, 41%는 검증자에게, 41%는 마이너에게 분배된다. 하나의 서브넷은 256개의 UID 슬롯을 가지며, 이 중 64개는 검증자에게, 192개는 마이너에게 할당된다. 오직 스테이킹량이 가장 큰 상위 64명의 검증자만이 검증자 권한을 부여받으며, 서브넷 내에서 활성 검증자로 간주된다. 검증자의 스테이킹량과 성능은 서브넷 내 위치와 보상에 직접 영향을 미친다. 마이너의 성과는 서브넷 검증자의 요청과 평가를 통해 점수화되며, 성과가 부족한 마이너는 새로 등록한 마이너에 의해 교체된다. 따라서 검증자의 스테이킹량이 많을수록, 마이너의 계산 효율이 높을수록 서브넷의 총 배출량이 증가하고 순위가 높아진다.

서브넷 등록 및 퇴출

서브넷 등록 후 7일간의 면역 기간(immunity period)이 부여되며, 첫 등록 비용은 100 $TAO이다. 재등록 시 비용은 두 배가 되지만, 시간이 지남에 따라 다시 100TAO로 회귀한다. 모든 서브넷 슬롯이 차면 새로운 서브넷을 등록할 때 면역 기간이 아니며 배출량이 가장 낮은 서브넷이 삭제되어 새 서브넷을 수용하게 된다. 따라서 서브넷은 면역 기간 후 삭제되지 않도록 UID 슬롯 내 검증자의 스테이킹량과 마이너의 효율을 최대한 높여야 한다.

그림 7 서브넷 명칭

Bittensor 네트워크의 서브넷 아키텍처 덕분에 탈중앙화된 AI 데이터 네트워크 Masa가 실현되었으며, Bittensor 네트워크 내 최초의 이중 토큰 보상 시스템을 갖추게 되었고, 1800만 달러의 투자를 유치했다.

그림 8 Masa 홍보 이미지

합의 및 증명 메커니즘

Bittensor 네트워크는 다양한 합의 메커니즘과 증명 메커니즘을 포함한다. 전통적인 탈중앙화 네트워크에서는 마이너 노드에 PoW(작업 증명)를 적용하여 네트워크 내 기여도를 보장하고, 계산 능력과 데이터 처리 품질에 따라 보상을 지급한다. 검증자 노드의 경우 일반적으로 PoV(검증 증명) 메커니즘을 사용하여 네트워크의 보안성과 무결성을 확보한다. 반면 Bittensor 네트워크는 독자적으로 개발한 PoI(지능 증명) 메커니즘과 Yuma 합의를 결합하여 검증과 보상 배분을 실현한다.

지능 증명(PoI) 메커니즘

Bittensor의 PoI 메커니즘은 독자적인 검증 및 인센티브 메커니즘으로, 지능형 컴퓨팅 작업 수행을 통해 참가자의 기여를 입증함으로써 네트워크의 보안성, 데이터 품질, 컴퓨팅 자원의 효율적 활용을 보장한다.

마이너 노드는 자연어 처리, 데이터 분석, 머신러닝 모델 학습 등 지능형 컴퓨팅 작업을 완료함으로써 자신의 작업을 입증한다.
작업은 검증자에 의해 마이너에게 할당되며, 마이너는 작업을 완료한 후 결과를 검증자에게 반환한다. 검증자는 작업 완료 품질에 따라 점수를 매긴다.

Yuma 합의

Yuma 합의는 Bittensor 네트워크의 핵심 합의 메커니즘이다. 검증자가 작업 완료 상태에 따라 점수를 매기면, 이 점수를 Yuma 합의 알고리즘에 입력한다. 합의 알고리즘에서는 TAO를 많이 스테이킹한 검증자의 점수에 더 큰 비중을 두며, 대부분의 검증자와 크게 벗어난 결과는 필터링한다. 마지막으로 시스템은 종합 점수에 따라 토큰 보상을 배분한다.

그림 9 합의 알고리즘 개념도

데이터 무관 원칙: 데이터 처리 과정에서 개인정보와 보안성을 보장하며, 노드가 처리하는 데이터의 실제 내용을 알지 못하더라도 계산과 검증을 완료할 수 있도록 한다.
성능 기반 보상: 노드의 성능과 기여도에 따라 보상을 배분하여 고효율적이며 고품질의 컴퓨팅 자원과 데이터 처리를 보장한다.

MOE 메커니즘의 협업

Bittensor는 네트워크에 MOE(Mixture of Experts) 메커니즘을 도입하여, 하나의 모델 아키텍처 안에 여러 전문가 수준의 하위 모델을 통합한다. 각 전문가 모델은 해당 분야 문제를 처리할 때 상대적인 장점을 가진다. 따라서 새로운 데이터가 전체 모델 아키텍처에 입력되면, 서로 다른 하위 모델이 협업하여 단일 모델보다 더 나은 실행 결과를 도출할 수 있다.

Yuma 합의 메커니즘과 연동하여 검증자는 전문가 모델에 대해 점수를 매기고 능력을 순위화하며, 토큰 보상을 배분함으로써 모델의 최적화와 개선을 유도할 수 있다.

그림 10 문제 해결 접근법

서브넷 프로젝트

기사 작성 시점 기준 Bittensor 서브넷 등록 수는 45개이며, 이름이 지정된 서브넷은 40개이다. 과거 서브넷 수가 제한되었을 때는 등록 경쟁이 매우 치열했으며, 등록 가격이 최대 백만 달러까지 치솟기도 했다. 현재 Bittensor는 점차 더 많은 서브넷 등록 기회를 개방하고 있으며, 새로 등록된 서브넷은 안정성이나 모델 효율 측면에서 오랫동안 운영된 서브넷에 비해 다소 뒤떨어질 수 있다. 그러나 Bittensor가 도입한 서브넷 퇴출 메커니즘 덕분에 장기적으로는 우수한 프로젝트가 열등한 프로젝트를 대체하는 과정이 될 것이며, 모델 성능이 낮거나 역량이 부족한 서브넷은 생존하기 어려울 것이다.

그림 11 Bittensor 서브넷 프로젝트 상세 정보

루트 서브넷을 제외하고 현재 19번, 18번, 1번 서브넷이 특히 주목받고 있으며, 배출량 비중은 각각 8.72%, 6.47%, 4.16%이다.

19번 서브넷

19번 서브넷은 Vision이라고 하며, 2023년 12월 18일에 등록되었다. Vision은 탈중앙화된 이미지 생성 및 추론에 특화되어 있으며, 최고의 오픈소스 LLM, 이미지 생성 모델(서브넷 19의 데이터셋으로 학습된 모델 포함), 기타 모델(임베딩 모델 등)에 대한 접근을 제공한다.

현재 Vison 서브넷의 슬롯 등록 비용은 3.7 TAO이며, 24시간 동안 노드 총 수익은 약 627.84 TAO, 지난 24시간 동안 회수된 노드 가치는 64.79TAO이다. 새로 등록한 노드가 평균 수준에 도달한다면, 일일 수익은 약 2.472 TAO(약 866달러)에 이를 수 있다.

그림 12 Vison 서브넷 등록 비용 데이터

현재 Vision 서브넷의 회수된 노드 총 가치는 약 19200 TAO이다.

그림 13 Vision 서브넷 회수 비용

18번 서브넷

18번 서브넷은 Cortex.t라고 하며, Corcel이 개발했다. Cortex.t는 선도적인 AI 플랫폼을 구축하여 API를 통해 사용자에게 신뢰할 수 있고 고품질의 텍스트 및 이미지 응답을 제공하는 것을 목표로 한다.

현재 Cortex.t 서브넷의 슬롯 등록 비용은 3.34 TAO이며, 24시간 동안 노드 총 수익은 약 457.2 TAO, 지난 24시간 동안 회수된 노드 가치는 106.32 TAO이다. 새로 등록한 노드가 평균 수준에 도달한다면, 일일 수익은 약 1.76 TAO(약 553.64달러)에 이를 수 있다.

그림 14 Cortex.t 서브넷 등록 비용 데이터

현재 Cortex.t 서브넷의 회수된 노드 총 가치는 약 27134 TAO이다.

그림 15 Cortex.t 서브넷 회수 비용

1번 서브넷

1번 서브넷은 Opentensor 재단이 개발한 것으로, 텍스트 생성을 위한 탈중앙화 서브넷이다. 이 서브넷은 Bittensor의 첫 번째 서브넷 프로젝트로서 과거에 큰 의심을 받아왔다. 올해 3월, Taproot Wizards의 창립자인 Eric Wall은 Bittensor의 TAO 토큰을 AI 분야의 밈코인(meme coin)이라고 칭하며, 1번 서브넷이 텍스트 질문에 답변할 때 수백 개의 노드가 AI를 통해 유사한 결과를 도출하므로 실제 문제 해결 효과를 높이는 데 실패한다고 지적했다.

기타

모델 유형 측면에서 보면, 19번, 18번, 1번 서브넷 모델은 모두 생성형 모델에 속한다. 이 외에도 대규모 데이터 처리 모델, 트레이딩 AI 모델 등이 있다. 예를 들어 서브넷 22 Meta Search는 트위터 데이터를 분석하여 시장 감정을 제공하며, 서브넷 2 Omron은 심층 신경망을 통해 스테이킹 전략을 학습하고 지속적으로 최적화한다.

수익과 리스크 측면에서 보면, 만약 새로운 노드가 몇 주 이상 안정적으로 운영된다면 수익은 매우 매력적이다. 하지만 고성능 그래픽카드를 사용하지 않거나 로컬 알고리즘을 최적화하지 못하면 다른 노드와의 경쟁에서 살아남기 어렵다.

미래 전망

관심도 측면에서 보면, AI 개념 자체의 인기는 Web3 개념에 비할 바가 아니며, 오히려 원래 Web3 산업으로 흘러들어갈 일부 자금이 AI 산업으로 끌려가고 있다. 따라서 Web3+AI는 앞으로很长一段时间 동안 시장의 중심에 있을 것이다.
프로젝트 아키텍처 측면에서 보면, Bittensor는 전통적인 VC 프로젝트가 아니다. 프로젝트 출시 이후 수십 배 상승했으며, 기술과 시장 양면에서 지지를 받고 있다.
기술 혁신 측면에서 보면, Bittensor는 과거 Web3+AI 프로젝트들이 개별적으로 움직이던 상황을 타파했으며, 독자적인 서브넷 아키텍처를 통해 AI 기술 역량을 갖춘 많은 팀들이 탈중앙화 네트워크로 쉽게 이전할 수 있도록 하여 빠르게 수익을 창출할 수 있게 했다. 또한 경쟁과 퇴출 메커니즘 덕분에 서브넷 프로젝트는 지속적으로 모델을 최적화하고 스테이킹량을 늘려야 하며, 그렇지 않으면 새로운 서브넷에 의해 대체될 수 있다.
리스크 측면에서 보면, Bittensor가 서브넷 등록 기회를 늘리는 것은 서브넷 등록 난이도를 낮추고 저품질 프로젝트의 혼란을 초래할 가능성이 있다. 또한 서브넷 수가 증가함에 따라 기존에 등록된 서브넷이 받는 TAO 수량은 점차 감소할 것이며, 만약 TAO 토큰 가격이 서브넷 수 증가에 따라 상승하지 못한다면 수익은 기대에 못 미칠 가능성이 있다.