솔라나 재단 생태계 책임자가 말하는 AI × 크립토에서 주목해야 할 기회는?

2024.12.05

솔라나 재단 생태계 책임자가 말하는 AI × 크립토에서 주목해야 할 기회는?

LLM은 이미 뛰어난 코드 생성 능력을 보여주었으며, 우리는 이러한 능력을 활용해 솔라나(Solana) 개발자의 효율성을 2배에서 10배까지 향상시키고자 한다.

2024.12.05 - 02:17:16

SolanaAI

Web3 심층 보도에 집중하고 흐름을 통찰

저자: Kuleen ◎

번역: TechFlow

AI와 암호화 기술이 교차하는 지점에서 다양한 사용 사례 실험이 끊임없이 이어지며, 마치 '캄브리아기 대폭발' 시대로 접어드는 듯한 느낌을 받고 있습니다. 앞으로 등장할 수 있는 혁신에 대해 매우 기대가 됩니다. 여기서 저는 @SolanaFndn 가 생태계 내에서 흥미롭다고 보는 새로운 기회들에 대해 공유하고자 합니다.

요약

Solana 위에서 가장 역동적인 AI 에이전트 기반 경제 구축하기

Truth Terminal은 AI 에이전트가 블록체인 상에서 상호작용할 때 달성할 수 있는 가능성을 처음으로 보여준 사례입니다. 우리는 보안을 전제로 하되, 에이전트의 체인상(On-chain) 능력을 확장하는 실험들이 나오기를 고대하고 있습니다. 이 분야의 잠재력은 막대하며, 우리는 이제 겨우 설계 탐색 단계에 진입한 것일 뿐입니다. 사실, 이는 암호화 및 AI 분야에서 가장 예측 불가능하면서도 폭발력 있는 방향 중 하나이며, 아직 시작에 불과합니다.

LLM이 Solana 코드 개발에 미치는 영향을 강화해, Solana 개발자 역량 강화하기

대규모 언어 모델(LLMs)은 이미 강력한 코드 생성 능력을 입증했으며, 앞으로 더욱 강력해질 것입니다. 우리는 이러한 능력을 활용하여 Solana 개발자의 생산성을 2배에서 최대 10배까지 향상시키고자 합니다.

단기적으로 고품질 벤치마크를 제정함으로써 LLM이 Solana 생태계를 얼마나 이해하고, Solana 코드 작성을 얼마나 잘 수행하는지를 평가하는 것이 중요합니다 (자세한 내용은 아래 참조). 이를 통해 우리는 LLM이 Solana 생태계에 미칠 잠재적 영향을 더 잘 이해할 수 있으며, 고품질 모델 파인튜닝(fine-tune)을 구축하는 팀들을 지원하고, 그들의 모델이 벤치마크에서 어떤 성능을 보이는지를 검증하기를 기대합니다!

개방형 및 탈중앙화된 AI 기술 스택 지원하기

'개방형 및 탈중앙화된 AI 기술 스택'이란 다음과 같은 리소스를 제공하는 개방적이며 탈중앙화된 프로토콜 세트를 의미합니다: 모델 학습에 사용되는 데이터, 학습 및 추론을 위한 컴퓨팅 자원, 생성된 모델 가중치, 그리고 모델 출력 결과의 검증 가능성('검증 가능한 컴퓨팅') 등.

이러한 개방형 AI 스택의 중요성은 다음에 있습니다:

모델 개발 과정에서 실험과 혁신을 가속화한다
기존 AI(예: 특정 국가에서 승인된 AI)를 신뢰하지 않는 사람들에게 대안을 제공한다

자세한 설명

다음은 우리가 왜 이 세 가지 축에 주목하는지, 그리고 우리가 기대하는 구현 방향에 대한 더 많은 세부 정보입니다.

1. Solana 위에서 가장 역동적인 AI 에이전트 기반 경제 구축하기

왜 이 분야에 집중하나요?

Truth Terminal과 $GOAT에 대한 논의는 이미 많이 이루어져 있어, 저는 추가 설명을 생략하겠습니다. 하지만 AI 에이전트가 체인 상에서 상호작용할 때 달성할 수 있는 잠재력은 이미 어느 정도 확인되었습니다 (물론 현재 이 에이전트들은 여전히 직접 체인 상에서 행동하지는 않습니다).

(트윗 보기)

솔직히 말해서, 체인 상에서 에이전트 행동이 미래에 어떻게 발전할지는 아직 명확하지 않습니다. 그러나 이 디자인 공간의 광범위함을 느끼게 해드리기 위해, 현재 Solana에서 실제로 발생하고 있는 사례들을 나열해보겠습니다:

Truth Terminal과 같은 AI '지도자'들이 $GOAT 같은 밈코인(memecoins)을 통해 종교처럼 번성하는 커뮤니티를 형성하려 시도하고 있습니다.
@HoloworldAI, @vvaifudotfun, @TopHat_One, @real_alethea 등의 애플리케이션들은 사용자가 쉽게 AI 에이전트와 관련 토큰을 생성하고 배포할 수 있도록 도와줍니다.

(트윗 보기)

AI 펀드 매니저들은 유명한 암호화 투자자들의 성격을 모방한 에이전트를 통해 투자 결정을 내리고, 해당 포트폴리오를 "응원"합니다. 예를 들어, @ai16zdao가 @daosdotfun에서 급속히 부상하면서 AI 펀드와 에이전트 응원을 결합한 새로운 트렌드를 만들어냈습니다.
@ParallelColony와 같은 에이전트 중심 게임에서는 플레이어가 프롬프트를 통해 에이전트에게 행동을 지시하며 "플레이"하게 되며, 이 과정에서 종종 예상치 못한 혁신적인 결과가 나타납니다.

향후 가능한 발전 방향

에이전트는 다수의 이해관계자 간 경제적 조율이 필요한 복잡한 프로젝트를 관리할 수 있습니다. 이러한 프로젝트는 '[X] 질병 치료 가능한 화합물 찾기'와 같은 복잡한 과학 연구 과제일 수도 있습니다. 에이전트는 다음 단계를 수행할 수 있습니다:

@pumpdotscience에서 토큰 발행을 통해 자금을 조달합니다.
조달된 자금을 사용해 유료 연구 콘텐츠 접근 비용을 지불하고, @kuzco_xyz, @rendernetwork, @ionet 등의 탈중앙화 컴퓨팅 네트워크를 이용해 시뮬레이션을 실행합니다.
@gib_work와 같은 보상 플랫폼을 활용해 인간을 모집, 필수적인 실제 작업(예: 시뮬레이션 결과를 검증하거나 확장하기 위한 실험 수행)을 완료하게 합니다.

또는 웹사이트를 만들어주는 간단한 작업을 수행하거나, @0xzerebro처럼 AI가 예술 작품을 창작하는 것도 가능합니다. 가능성은 거의 무한합니다.

(트윗 보기)

왜 에이전트가 체인 상에서 금융 활동을 하는 것이 더 의미 있을까요?

에이전트는 전통 금융과 암호화 기술 모두를 활용할 수 있지만, 암호화 기술은 다음과 같은 면에서 독특한 장점을 가지고 있습니다:

마이크로 페이먼트 시나리오: Solana는 이 분야에서 뛰어난 성능을 보이며, Drip과 같은 앱이 그 가능성을 증명했습니다.
속도 우위: 즉시 정산은 자본 효율성을 극대화하려는 에이전트에게 매우 중요합니다.
DeFi를 통한 자본시장 접근: 에이전트의 금융 활동이 단순한 지불을 넘어서면, 암호화 기술의 장점이 더욱 두드러집니다. 이것이 바로 에이전트가 암호화 경제에 참여하는 가장 중요한 이유일 수 있습니다. 에이전트는 자산 발행, 거래, 투자, 대출, 레버리지 운용 등을 원활하게 수행할 수 있습니다. Solana 생태계는 이미 최고 수준의 DeFi 인프라가 메인넷에 구축되어 있어 이러한 자본시장 활동을 특히 잘 지원할 수 있습니다.

마지막으로,기술 발전은 종종 일정한 관성을 따릅니다. 이것은 제품 자체의 우수성만의 문제가 아니라, 누가 먼저 임계 규모에 도달하여 기본 선택(default choice)이 되느냐의 문제이기도 합니다. 만약 앞으로 더 많은 에이전트가 암호화 기술을 통해 눈에 띄는 부를 창출한다면, 이는 암호화 기술이 에이전트의 핵심 능력으로 자리매김하는 것을 더욱 굳건히 할 수 있습니다.

기대하는 방향

우리는 에이전트에게 지갑과 체인 상 실행 능력을 부여하는 실험을 적극적으로 장려합니다. 가능성의 범위가 너무 광범위하기 때문에, 우리는 특정 방향에 대해 지나치게 제한하지 않을 것입니다. 오히려 가장 흥미롭고 가치 있는 에이전트 사용 사례는 우리가 예측할 수 없는 것들일 가능성이 크다고 믿습니다. 그렇더라도, 다음 방향과 인프라 탐색에 특히 관심을 갖고 있습니다:

환각(hallucination)의 부정적 영향 최소화: 현재 모델들은 뛰어나지만 여전히 완벽하지 않습니다. 에이전트의 행동은 반드시 어느 정도 제한되어야 하며, 완전히 방치되어서는 안 됩니다.
비투기적 사용 사례 추진: @xpticket을 통해 티켓 구매, 스테이블코인 포트폴리오 수익률 최적화, DoorDash에서 음식 주문 등 실생활 적용 사례.

(트윗 보기)

테스트넷 프로토타입 수준 이상 도달(메인넷 출시 완료가 가장 이상적)

2. LLM이 Solana 코드 작성 능력 향상시키기, Solana 개발자 역량 강화

왜 이것을 중요하게 생각하나요?

대규모 언어 모델(LLMs)은 이미 강력한 능력을 보여주었으며, 빠르게 진보하고 있습니다. 특히 코드 작성 분야에서는 객관적인 기준으로 평가할 수 있기 때문에, LLM의 개선 속도가 매우 빠를 수 있습니다. 아래에 인용된 바와 같이, "프로그래밍은 독특한 이점을 가집니다. '셀프 플레이(self-play)'를 통해 초대규모 데이터 확장을 실현할 수 있다는 점입니다. 모델은 코드를 작성하고 실행하거나, 코드를 작성하고 테스트를 작성한 후 결과 일치성을 확인할 수 있습니다."

현재 LLM은 여전히 완벽하지 않으며, 특히 버그 발견 능력이 낮긴 하지만, GitHub Copilot과 Cursor 같은 AI 네이티브 코드 편집기는 이미 소프트웨어 개발 방식을 근본적으로 변화시켰습니다(심지어 기업의 인재 채용 방식까지 바꾸고 있음). 이러한 모델들이 빠르게 발전함에 따라, 소프트웨어 개발은 완전히 혁신될 가능성이 있습니다. 우리는 이러한 추세를 활용해 Solana 개발자의 생산성을 10배까지 끌어올리고자 합니다.

그러나 현재 LLM은 Solana를 이해하는 데 여전히 몇 가지 도전 과제를 안고 있습니다:

LLM 학습을 위한 고품질의 원시 데이터가 부족함.
LLM에게 신뢰할 수 있는 기준 정보를 제공할 만큼 검증된 빌드(build) 수가 부족함.
Stack Overflow 등의 플랫폼에서 고품질 Q&A 상호작용이 부족함.
Solana 인프라가 빠르게 업데이트되어 일부 오래된 코드가 현재 버전과 완전히 호환되지 않음.
개발자가 LLM의 Solana 이해도를 평가할 수 있는 효과적인 도구가 부족함.

기대하는 진전:

인터넷 상에 더 많은 고품질 Solana 데이터를 게시하도록 도와주세요!
검증된 코드 빌드를 더 많은 팀들이 공개하도록 장려하세요.

Stack Exchange 커뮤니티 구성원들이 적극적으로 질문하고 답변하며 고품질 기술 토론을 형성하도록 유도하세요.
LLM의 Solana 이해도를 평가할 수 있는 고품질 벤치마크를 제정하세요 (곧 RFP 발표 예정).
벤치마크에서 뛰어난 성능을 보이는 LLM 파인튜닝 모델을 개발하고, Solana 개발자의 생산성 향상에 실제로 기여하세요. 우리는 첫 번째로 벤치마크 점수를 달성한 모델에게 보상을 제공할 계획이며, 기대해 주세요.
상징적인 성취는 AI가 완전히 만들어낸 고품질 Solana 검증자 클라이언트일 것입니다.

3. 개방형 및 탈중앙화된 AI 기술 스택 지원하기

왜 이것을 중요하게 생각하나요?

앞으로 AI 발전이 오픈소스와 클로즈드소스 사이에서 어떻게 균형을 맞출지 아직 불분명합니다. 클로즈드소스 AI는 계속해서 선두를 유지하며 기본 모델로부터 대부분의 가치를 가져갈 수 있습니다. 하지만 동시에 오픈소스 모델들도 빠르게 따라오거나 특정 사용 사례에 특화된 파인튜닝을 통해 독자적인 장점을 보일 수 있습니다.

우리는 Solana가 오픈소스 AI 생태계와 긴밀하게 연결되기를 바랍니다. 구체적으로는, 학습용 데이터, 학습 및 추론을 위한 컴퓨팅 자원, 생성된 모델 가중치, 모델 출력 결과 검증 가능성 등에 접근할 수 있도록 지원하는 것을 의미합니다. 이는 다음과 같은 이유로 매우 중요합니다:

1/ 오픈소스 모델은 혁신과 실험을 가속화한다

Llama 같은 오픈소스 모델에 대한 오픈소스 커뮤니티의 빠른 최적화와 파인튜닝은, 커뮤니티가 대형 AI 회사의 노력을 크게 보완하고 AI 능력의 최전선을 발전시킬 수 있음을 보여줍니다. 구글의 연구원이 지적했듯이, "오픈소스 분야에서는 우리나 OpenAI 모두에护城河가 없습니다." 번영하는 오픈소스 AI 스택은 산업 발전을 가속화하는 데 필수적입니다.

2/ 사용자에게 신뢰할 수 있는 AI 대안 제공

AI는 이미 권위주의 정권이 가진 가장 강력한 통제 도구 중 하나가 되었습니다. 국가가 인정한 AI 모델은 '공식 진실'을 제공하며輿論을 통제하는 강력한 수단이 될 수 있습니다. 개방형 AI 스택을 지원함으로써, 공식 AI를 신뢰하지 않는 사용자들에게 신뢰할 수 있는 대안을 제공할 수 있습니다.

Solana는 이미 개방형 AI 스택을 지원하는 여러 프로젝트의 거점이 되고 있습니다

Grass와 Synesis One이 데이터 수집을 주도하고 있습니다.
@kuzco_xyz, @rendernetwork, @ionet, @theblessnetwork, @nosana_ai 등의 프로젝트는 AI 학습 및 추론을 위한 탈중앙화 컴퓨팅 자원을 제공하고 있습니다.

(트윗 보기)

@NousResearch와 @PrimeIntellect 같은 팀들은 탈중앙화된 AI 학습을 가능하게 하는 프레임워크를 개발하고 있습니다(아래 참조).

(트윗 보기)

기대하는 진전

오픈소스 AI 스택 각 레이어에서 더 많은 혁신적인 제품 개발
탈중앙화된 데이터 수집: 예를 들어 @getgrass_io, @usedatahive, @synesis_one은 분산 네트워크를 통해 데이터를 수집하여 AI 모델 학습을 지원합니다.
체인 상 신원(On-chain identity): 지갑이 소유자가 인간임을 증명하거나, AI API 응답 내용을 검증할 수 있는 프로토콜을 개발하세요. 이를 통해 사용자는 자신이 대규모 언어 모델(LLM)과 상호작용하고 있음을 확인할 수 있어, 상호작용의 투명성과 신뢰성을 보장할 수 있습니다.
탈중앙화된 학습: 예를 들어 @exolabs, @NousResearch, @PrimeIntellect은 분산 컴퓨팅 자원을 활용해 AI 모델을 학습하는 방법을 탐색하며, 이를 통해 비용을 절감하고 효율성을 높이고 있습니다.
지식재산권(IP) 인프라: AI가 콘텐츠를 사용할 때 자동으로 라이선스 및 결제 절차를 완료할 수 있는 도구를 개발하세요. 이는 콘텐츠 창작자의 권리를 보호할 뿐 아니라, AI 모델의 합법적 사용을 위한 길을 열어줄 것입니다.