오픈 AI의 새로운 스타 플루랄리스: 박사들로만 구성된 이 팀은 보통이 아니다
현재 AI 기술이 지속적으로 돌파구를 마련하고 있으며, AI 훈련 방식 혁신에 대한 탐색도 더욱 깊어지고 있다. 이 흐름 속에서 중앙집중형 모델의 독점 문제와 오픈소스 모델 인센티브 메커니즘의 부재는 보다 나은 해결책을 절실히 요구하고 있다.
이러한 맥락에서 Pluralis 프로젝트가 등장했다. 팀원 전원이 박사 학위 소지자이며 인턴 한 명을 제외하면 모두 아마존 출신이다. 본문에서는 Pluralis가 탈중앙화된 AI 훈련 분야에서 추구하는 핵심 기술 개념과 팀 구성, 펀딩 현황, 그리고 혁신적인 프로토콜 러닝(Protocol Learning) 훈련 패러다임에 대해 소개한다.
Pluralis란 무엇인가?
Pluralis Research는 '프로토콜 러닝'을 통해 탈중앙화되고 오픈소스인 AI 개발 방식을 구축하는 것을 목표로 한다. 이 방식은 탈중앙화된 방법으로 다양한 계산 자원을 통합하여 협업 형태로 모델을 훈련시키며, 이 과정에서 단일 참가자가 전체 모델 가중치를 확보하는 것을 원천적으로 차단한다.
Pluralis의 프로토콜 러닝 핵심 혁신은 바로 프로토콜 모델에 있다. 이는 신경망의 중요한 특성을 활용해 어떤 참가자도 전체 가중치 집합을 추출할 수 없도록 설계되었다. 이러한 구조는 기여자들에게 가치가 돌아가게 하면서 동시에 모델 소유권을 보호함으로써, AI 개발의 개방성과 수익화 요구 사이에서 적절한 균형을 실현한다.
Pluralis 시스템 내에서 모델 설계자는 자신의 모델 아이디어를 제안할 수 있고, 컴퓨팅 자원 및 데이터 제공자는 모델 훈련에 필요한 자원을 기여할 수 있다. 이러한 프로토콜 모델은 공개적이며 오픈형으로 개발되며, 참여자들에게 훈련 결과물인 모델의 일부 소유권을 부여함으로써 각 당사자의 기여를 효과적으로 유도하고, 진정한 의미의 오픈소스 인공지능이라는 목표를 향해 나아간다.
Pluralis 배경
Pluralis 팀은 강력한 역량을 갖추고 있으며, 공식 웹사이트에 소개된 8명의 팀원 중 인턴 1명을 제외한 나머지는 모두 아마존 AI 연구 부서 출신이며 전원이 박사 학위를 소지하고 있다.
-
창립자 Alexander Long: 뉴사우스웨일스 대학교 컴퓨터과학 박사 학위 소지자. 2021년 3월부터 2024년 5월까지 아마존에서 애플리케이션 사이언티스트로 근무했으며, 박사 논문 주제는 딥러닝 환경에서의 샘플 효율적 강화학습과 비모수 기억에 관한 것이었다.
-
창립 과학자 Gil Avraham: 호주 모나시 대학교 머신러닝 박사. 2021년 12월부터 2024년 8월까지 아마존에서 애플리케이션 사이언티스트로 재직 후 고급 애플리케이션 사이언티스트로 승진하였으며, 2024년 10월 Pluralis에 합류했다.
-
창립 과학자 Yan Zuo: 호주 모나시 대학교 전기전자공학 박사. 대규모 최적화, 통계 모델링, 머신러닝 및 컴퓨터 비전 분야에 관심을 두고 있으며, 2021년 8월부터 2024년 10월까지 아마존에서 애플리케이션 사이언티스트로 근무했다.
-
창립 과학자 Ajanthan Thalaiyasingam: 호주 국립대학교 컴퓨터과학 박사. 2020년 12월부터 2024년 3월까지 아마존에서 머신러닝 사이언티스트로 근무한 후 고급 머신러닝 사이언티스트로 승진하였으며, 2024년 10월 Pluralis에 합류했다.
-
창립 과학자 Sameera Ramasinghe: 호주 국립대학교 머신러닝 및 3D 비전 박사. AI 기술 기업 ConscientAI 공동 창립자이자 CTO로서 2022년 5월부터 2024년 11월까지 아마존에서 애플리케이션 사이언티스트로 일했다.
알 수 있듯이 Pluralis의 창립자, 창립 과학자 및 연구 과학자들은 모두 아마존에서 근무한 경험이 있으며, 머신러닝, 컴퓨터 비전, 대규모 언어모델(LLMs) 분야에서 각각 전문성을 지니고 있고 일부는 포닥 연구원 경험도 가지고 있다.
자금 조달 측면에서는 2025년 3월 Pluralis가 760만 달러 규모의 펀딩을 완료했다. 이번 펀딩은 CoinFund와 Union Square Ventures가 주도했으며 Topology, Variant, Eden Block, Bodhi Ventures가 함께 참여했다. 이번 펀딩은 지분 투자 형태로 진행되었으며 향후 암호화폐 관련 권리 증서(warrant)도 포함되었다.
프로토콜 러닝이란 무엇인가?
Alexander Long이 작성한 논문 "Protocol Learning, Decentralized Frontier Risk and the No-Off Problem"에서는 새로운 AI 모델 훈련 패러다임인 프로토콜 러닝(Protocol Learning)을 제안했다. 이는 탈중앙화된 인센티브 네트워크를 활용해 협업적으로 모델을 훈련시킴으로써 현재의 중앙집중형 및 오픈소스 방식이 지닌 한계를 극복하는 것을 목표로 한다.
Alexander Long은 중앙집중형 모델이 효율적이기는 하나 독점 위험과 투명하지 못한 거버넌스 문제가 있다고 지적하며, 오픈소스 모델은 지속 가능한 인센티브 메커니즘이 부족하다고 말한다. 반면 프로토콜 러닝은 이러한 문제들 사이의 타협점이 될 수 있으며, 참가자들의 컴퓨팅 자원 기여를 유도하여 탈중앙화된 훈련 네트워크를 구축함으로써 이론상 중앙집중형 훈련보다 몇 수준 높은 계산 능력을 집적할 수 있다고 설명한다.
기술적 실현 가능성 측면에서 탈중앙화된 훈련은 효율적인 통신, 모델 분할, 탄력적인 훈련, 비잔틴 장애 허용, 이종 노드 지원 등의 조건을 충족해야 한다. 분산 훈련, 파이프라인 병렬 처리, 오류 복구 메커니즘 등에 관한 연구는 어느 정도 진전을 이루었으나 아직 100B 이상의 대규모 모델에 이를 통합 적용한 사례는 없다. 또한 계산 기여도에 따라 소유권을 배분함으로써 경제적 인센티브를 형성할 수 있으나, 게임 이론 기반 스테이킹(staking)이나 제로노울리지 증명(ZKP) 등의 기술을 활용하여 계산 검증 문제를 해결해야 한다.
물론 프로토콜 러닝은 새로운 리스크도 동반한다. 탈중앙화된 모델은 일방적으로 종료하기 어렵고, 모델이 통제를 벗어나거나 악용될 경우 전체 네트워크와의 협의를 통해 정지를 결정해야 하므로 실행 난이도가 매우 높다. 더불어 인센티브, 보안, 통제 가능성 사이에서 균형을 유지하고 악의적 행위를 방지해야 한다.
Pluralis는 인공지능의 미래가 단순히 분산된 것에 그치지 않고 반드시 탈중앙화되어야 한다고 믿는다. 탈중앙화 훈련의 기술적 장벽은 극복 가능하며, 그로 인해 얻게 될 이득은 엄청날 것이라고 본다.
결론적으로 Pluralis는 탈중앙화된 AI 훈련 인프라를 구축함으로써 프로토콜 러닝을 통해 첨단 모델의 공동 창조를 추진하고, AI 기반 모델의 생산과 접근을 근본적으로 민주화하려는 목적을 가지고 있다.
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
Foresight News
