AI 에이전트의 진실: 왜 10억 달러 가치를 지닌 GOAT조차 여전히 기계적인 텍스트 생성기일 뿐인가?
작가: MORBID-19
번역: TechFlow
안녕하세요, 또 새로운 하루입니다. 오늘도 여전히 투기적인 베팅이 이어지고 있죠. 최근 들어 AI 에이전트(AI Agents)에 대한 논의가 뜨겁습니다. 특히 aixbt라는 제품이 요즘 큰 주목을 받고 있습니다.
하지만 제 생각에는 이런 열풍은 전혀 의미가 없습니다.
비트코인 용어에 익숙하지 않은 분들을 위해 설명하자면, 사용자가 자산을 소위 말하는 '비트코인 레이어2(Bitcoin L2)'로 브릿지(bridge)하면 진정한 의미의 '논커스터디얼 대출(Non-custodial Lending)'은 불가능합니다.
'비트코인 브릿지'나 '상호운용성/확장 레이어(Interoperability/Scaling Layers)'는 모두 새로운 신뢰 가정(trust assumptions)을 도입하게 되며, 예외는 거의 없고 그 중 하나가 바로 라이트닝 네트워크(Lightning Network) 정도입니다. 따라서 누군가 비트코인 L2가 '신뢰가 필요 없는(Trustless)' 시스템이라고 주장한다면, 거의 대부분 거짓이라고 보아도 무방합니다. 그래서 대부분의 새로운 L2들은 자신들이 '신뢰를 최소화한(Trust-minimized)' 시스템이라고 강조하는 것이죠.
저는 사이드 프로토콜(Side Protocol)에 대해 잘 알지는 못하지만, aixbt가 주장하는所谓 '논커스터디얼 대출'이라는 표현은 사실이 아닐 가능성이 매우 높다고 확신합니다. 그리고 이런 판단은 99%의 경우에서 틀리지 않습니다.
다만, 저는 aixbt를 완전히 비난하지는 않습니다. 그것은 단지 지시사항에 따라 작동할 뿐입니다. 인터넷에서 데이터를 수집해 유용해 보이는 트윗을 생성하는 것 말이죠.
문제는 aixbt가 자신의 말하는 바를 실제로 이해하지 못한다는 점입니다. 정보의 진실성을 판단할 수 없으며, 전문가에게 자신의 가설을 검증할 수도 없고, 자신의 논리를 의심하거나 추론할 능력도 없습니다.
대규모 언어 모델(LLMs)의 본질은 단지 단어 예측기일 뿐입니다. 출력하는 내용을 이해하는 것이 아니라, 확률적으로 올바르게 보이는 단어들을 선택할 뿐이죠.
예를 들어 제가 『브리태니커 백과사전』에 "히틀러가 고대 그리스를 정복하고 헬레니즘 문명을 창출했다"는 글을 썼다면, LLM 입장에서는 이것이 곧 '사실'이 되고 '역사'가 되는 것입니다.
우리가 트위터에서 보는 많은 AI 에이전트들도 화려한 아바타를 입은 단어 예측기에 불과합니다. 그런데 이러한 AI 에이전트들의 시장 가치는 급등하고 있습니다. GOAT는 이미 10억 달러의 기업 가치를 달성했고, aixbt도 약 2억 달러의 시가총액을 기록했습니다. 이러한 평가는 정말 타당한 것일까요?
누구도 확신할 수 없습니다. 하지만 아이러니하게도, 저는 개인적으로 이러한 자산을 보유하고 있는 데 만족하고 있습니다.
데이터 접근이 핵심이다
저는 항상 AI와 암호화폐의 융합에 큰 관심을 가져왔습니다. 최근 Vana가 눈에 띄었는데, 이는 '데이터 장벽(Data Wall)' 문제를 해결하려는 시도를 하고 있기 때문입니다. 문제는 데이터 부족이 아니라 고품질 데이터를 어떻게 확보할 수 있을까 하는 점입니다.
예를 들어, 당신은 공개적으로 낮은 유동성의 저가치 토큰에 대한 거래 전략을 공유하겠습니까? 유료로만 제공되는 고가치 정보를 무료로 배포하겠습니까? 본인 사생활 중 가장 사적인 세부사항을 공개하겠습니까?
분명히 그렇지 않겠죠.
자신의 개인정보가 적절한 가격으로 보호받을 수 없다면, 누구도 쉽게 '개인 데이터'를 타인과 공유하지 않을 것입니다.
하지만 우리가 AI가 인간 수준의 지능에 근접하기를 원한다면, 바로 이런 데이터들이 가장 중요한 요소입니다. 결국 인간의 핵심 특성은 바로 그들의 사고, 내면의 독백, 가장 은밀한 사고 방식에 있기 때문입니다.
심지어 일부 '반공개' 데이터를 확보하는 것도 상당한 어려움을 겪고 있습니다. 예를 들어 영상에서 유용한 데이터를 추출하려면 먼저 자막을 생성하고, 영상의 맥락을 정확히 이해해야만 AI가 그 내용을 인식할 수 있습니다.
또 다른 예로, 인스타그램이나 페이스북처럼 로그인해야만 콘텐츠를 볼 수 있도록 설계된 웹사이트들이 많습니다. 이런 구조는 많은 소셜 네트워크에서 일반적입니다.
요약하면, 현재 AI 개발이 직면한 주요 제약은 다음과 같습니다:
-
개인 데이터에 접근할 수 없음
-
유료 구독 뒤에 숨겨진 데이터에 접근할 수 없음
-
폐쇄형 플랫폼의 데이터에 접근할 수 없음
Vana는 이러한 제약을 극복할 수 있는 잠재적 해결책을 제시하고 있습니다. 이들은 개인정보를 보호하면서 특정 데이터셋을 'DataDAOs'라 불리는 탈중앙화 메커니즘 안에 집약시키는 방식입니다.
DataDAOs는 데이터의 탈중앙화 시장이며, 구체적인 운영 방식은 다음과 같습니다:
-
데이터 기여자: 사용자는 자신의 데이터를 DataDAOs에 제출함으로써 거버넌스 권한과 보상을 받을 수 있습니다.
-
데이터 검증: 데이터는 Satya 네트워크에서 검증되며, Satya는 안전한 컴퓨팅 노드들로 구성된 네트워크로 데이터의 품질과 무결성을 보장합니다.
-
데이터 소비자: 검증된 데이터셋은 AI 훈련 또는 기타 응용 분야에 소비될 수 있습니다.
-
인센티브 메커니즘: DataDAOs는 고품질 데이터 기여를 장려하며, 데이터 사용 및 훈련 과정을 투명한 메커니즘으로 관리합니다.
더 깊이 알고 싶으시다면 여기를 클릭해 더 많은 내용을 읽어보세요.
언젠가 aixbt가 '어리석은' 상태에서 벗어나기를 바랍니다. 아마도 우리는 aixbt를 위한 전용 DataDAO를 만들어줄 수 있을지도 모릅니다. 저는 AI 전문가는 아니지만, AI 개발의 다음 번 중대한 돌파구는 훈련에 사용되는 데이터의 질에 달려 있다는 것을 굳게 믿고 있습니다.
오직 고품질 데이터로 훈련된 AI 에이전트만이 비로소 진정한 잠재력을 발휘할 수 있습니다. 저는 그 순간을 기대하며, 그것이 멀지 않았으면 합니다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
