로그인/ 가입하기

암호 화폐는 AI의 환상

2024/02/26 13:48

따르다

출처: 마스터 주오의 굽은 목 산

발현: 많은 작은 개체가 상호작용하여 그것을 구성하는 개체에서는 볼 수 없는 새로운 특성을 나타내는 큰 전체를 만들어내는 현상, 예를 들어 생물학에서 연구하는 생명 현상입니다. 예를 들어 생물학에서 연구하는 생명 현상은 화학의 새로운 속성입니다.
환각: AI 모델이 올바른 것처럼 보이지만 실제로는 잘못된 데이터를 출력하는 경향을 말합니다.

2016년 알파고가 인간 바둑 프로를 이긴 이후 암호화폐 업계에서 Fetch.AI와 같이 두 가지를 결합하려는 시도가 자연스럽게 생겨났고, 2023년 GPT-4의 등장 이후 AI + 암호화폐 열풍이 다시 불면서 AI와 암호화폐 사이의 연관성은 분명한 썰물과 밀물 흐름을 보였습니다. 2023년 GPT-4의 등장 이후 AI+암호화폐 붐이 다시 일고 있으며, 월드코인의 코인공개로 인류는 생산성은 AI가 담당하고 유통은 암호화폐가 담당하는 유토피아 시대에 접어들 것으로 보입니다.

이 같은 정서는 OpenAI의 빈센트 동영상 앱인 소라 출시로 절정에 달했지만, 정서가 그렇듯 항상 비합리적인 요소가 존재하며, 적어도 리이저우가 잘못 배치한 부분에 속하는 것은 다음과 같습니다.

AI의 구체적인 적용과 알고리즘의 연구 개발은 항상 소라와 GPT-4의 트랜스포머 원리는 오픈소스이지만 이를 사용하려면 OpenAI에 비용을 지불해야 하며,
AI와 암호화폐의 결합은 아직 암호화폐가 적극적으로 나서지 않고 있고, AI 대기업들도 아직 명확한 의지를 보이지 않고 있어 현 단계에서는 암호화폐가 AI를 위해 할 수 있는 것보다 AI가 암호화폐를 위해 할 수 있는 것이 더 많다고 할 수 있습니다. 현 단계에서는 AI가 Crypto를 위해 할 수 있는 일이 Crypto가 AI를 위해 할 수 있는 일보다 더 많습니다.
암호화폐 애플리케이션에서 AI 기술 사용 ≠ 체인 투어/게임파이/메타 유니버스/웹3게임/AW의 디지털 인간과 같은 AI와 Crypto의 통합;
AI 기술 발전을 위해 Crypto가 할 수있는 일은 주로 컴퓨팅 파워, 메타 유니버스, AI 기술의 세 가지 요소에 속하는 영역에 있습니다. AI 세 가지 필수 요소인 연산, 데이터와 모델에 대한 탈중앙화, 토큰 인센티브 및 기타 보완적인 측면;
월드코인은 이 두 가지를 성공적으로 결합한 사례이며, zkML은 AI와 암호화폐의 기술적 교차점에 있으며 UBI(인간 기본 소득) 이론의 첫 대규모 실천 사례입니다.

이 글에서는 암호화폐가 AI에 추가할 수 있는 것에 초점을 맞출 것입니다. 현재 AI 애플리케이션에 초점을 맞춘 암호화폐 프로젝트는 대부분 주먹구구식이어서 이 논의에 포함하기에는 규모가 너무 작습니다.

선형 회귀에서 트랜스포머로

오랜 시간 동안 AI 관련 대화의 초점은 AI의 '출현'이 매트릭스의 기계 지능을 만들 것인지 아니면 실리콘 기반 문명을 만들 것인지에 맞춰져 왔으며, 이러한 우려는 인간과 AI 기술의 관계에 있어 항상 존재해왔고, 가장 최근에는 소라(Sora)의 도입 이후에도 계속되고 있습니다. 가장 최근에는 소라가 등장하면서, 그 이전에는 2023년 GPT-4, 2016년 알파고, 1997년 IBM의 딥 블루가 체스를 이겼을 때에도 마찬가지였습니다.

그러나 이러한 두려움이 현실화되지 않은 것도 사실이기 때문에 긴장을 풀고 AI가 어떻게 작동하는지 간단히 살펴봅시다.

우리는 실제로 이차 방정식인 선형 회귀에서 시작하는데, 예를 들어 지아링의 체중 감량 메커니즘은 다음과 같이 요약할 수 있습니다: x와 y는 에너지 섭취량과 체중 사이의 관계, 즉 많이 먹을수록 더 뚱뚱해지고 체중을 줄이려면 덜 먹어야 한다는 것을 나타냅니다.

그러나 여기에는 몇 가지 문제가 있습니다. 첫째, 인간의 키와 몸무게에는 생리적인 한계가 있고, 3미터 거인이나 천 파운드의 여성은 나타나지 않을 것이므로 한계 밖의 상황을 고려하는 것은 의미가 없으며, 둘째, 단순히 적게 먹고 많이 운동하는 것은 체중 감량의 과학적인 원리에 맞지 않으며 신체에 심각한 손상을 줄 수 있다는 것입니다.

우리는 둘 사이의 합리적인 관계를 측정하기 위해 체중을 키의 제곱으로 나눈 체질량 지수, 즉 BMI (Body Mass Index) 체질량 지수를 도입하고 키와 체중의 관계를 측정하기 위해 먹는, 수면, 연습 세 가지 요소를 통해 세 가지 매개 변수와 두 가지 출력이 필요하므로 분명히 선형 회귀로는 충분하지 않으며 신경망이 탄생했으며 이름에서 알 수 있듯이 신경망은 인간의 뇌 구조, 생각 횟수, 신경망은 인간의 뇌 구조, 생각 횟수, 신경망은 인간의 뇌 구조, 생각 횟수를 모방하고 신경망은 신경망은 신경망은 신경망은 신경 망은 신경망은 신경망은 신경망은 신경망은 신경 망입니다. 이름에서 알 수 있듯이 신경망은 인간의 뇌 구조를 모방하여 생각할수록 더 합리적이고, 행동하기 전에 두 번 생각하고, 더 많은 횟수, 즉 학습의 깊이에 대해 더 깊이 생각할 수 있습니다 (나는 억지스러운 말도 안되는, 우리는 선의 의미를 이해합니다)

그러나 층의 심화는 끝이없고 천장이 여전히 존재하며 특정 임계 값에 도달하는 것이 덜 효과적 일 수 있으므로 기존 정보 간의 관계를 이해하는보다 합리적인 방법을 통해 키와 체중의 관계를 더 자세히 이해하고, 이전이 요인을 찾지 못했거나 Jialing이 최고의 트레이너를 찾았지만 체중 감량에 대한 욕구를 바로 말하기에 너무 부끄러워 트레이너는 다음과 같아야합니다. 지아링이 실제로 무엇을 의미하는지 알아내야 합니다.

< span style="font-size: 14px;">살 빼는 것의 의미

이 시나리오에서 지아링과 코치는 인코딩과 디코딩의 라이벌 관계를 구성하며, 주고받는 의미는 양측의 실제 의미를 나타내지만 "살 빼서 코치님께 선물을 드리고 싶다"는 직접적인 의미와는 달리 양측의 의미는 다릅니다. 그러나 "살을 빼서 코치님께 선물을 드리고 싶다"는 직설적인 의미와 달리 양측의 진짜 의도는 '의미'에 숨겨져 있습니다.

두 당사자가 충분히 왔다 갔다 하면 각 의미의 의미를 추측하기가 더 쉬워지고 각 의미와 지아링과 코치의 관계가 점점 더 명확해진다는 사실에 주목합니다.

이 모델을 확장하면 일반적인 의미에서 큰 언어 모델(LLM), 더 정확하게는 단어와 문장 사이의 문맥 관계를 살펴보는 큰 언어 모델이라고 하는데, 현재 LLM은 이미지, 비디오 및 기타 시나리오를 포함하도록 확장되었습니다.

AI의 스펙트럼에서 단순한 선형 회귀든 매우 복잡한 변환이든, 알고리즘이나 모델, 그리고 그 너머의 수학과 데이터는 모두 중요합니다.

단순히 말해, AI는 데이터를 삼키고 계산을 수행하여 결과를 산출하는 기계이지만 로봇과 같은 물리적 객체에 비해 가상에 가깝다는 점이 다릅니다.

컴퓨팅 파워는 자체 구축과 클라우드 컴퓨팅 파워 임대 두 가지 방식으로 나뉘는데, GPU 하드웨어는 현재 엔비디아가 장악하고 있으며, CUDA 라이브러리는 하드웨어와 소프트웨어 생태계를 주도하고 있는 황 회장이 수년간 준비해왔고, 컴퓨팅 파워는 마이크로소프트의 애저, 구글 클라우드, AWS 등 클라우드 서비스 벤더들이 임대해 사용하고 있다.

모델은 프레임워크와 알고리즘으로 나눌 수 있으며, 구글의 텐서플로우가 먼저, 메타의 파이토치가 나중에 등장하면서 모델 전쟁은 끝났지만 트랜스포머를 내놓은 구글과 파이토치를 보유한 메타 모두 상용화에서 오픈AI에 점차 뒤처지고 있다. 그러나 구글과 파이토치를 가진 메타 모두 상용화에 있어서는 점차 오픈AI에 뒤쳐지고 있지만, 알고리즘은 현재 트랜스포머가 주도하고 있으며, 다양한 빅모델은 주로 오픈 볼륨의 데이터 소스와 디테일에 있다는 점에서 여전히 그 강점을 과소평가할 수는 없습니다. center;">AI in action

앞에서도 언급했듯이 AI는 다양한 응용 분야가 있으며, Vitalik이 언급한 것과 같은 코드 수정은 오래 전부터 사용되어 왔기 때문에 다른 관점에서 본다면 크립토가 AI를 위해 할 수 있는 일은 무엇일까요? 탈중앙화 데이터 마켓플레이스, 탈중앙화 연산 플랫폼 등과 같은 비기술적인 영역에 주로 집중되어 있습니다. 탈중앙화 LLM에서 일부 사례는 있지만, AI로 Crypto 코드를 분석하는 것은 블록체인에서 대규모로 AI 모델을 실행하는 것과는 전혀 다르며, AI 모델에 여러 Crypto 요소를 추가하는 것도 완벽하다고 할 수 없다는 점에 유의하시기 바랍니다. 조합.

Crypro는 여전히 생산과 인센티브에서 더 우수하며, Crypto로 AI의 생산 패러다임을 바꿀 필요는 없으며, 새로운 단어이며 망치로 못을 찾는 것입니다. Crypto는 AI 워크플로우에 통합되는 것이 합리적인 선택이며, AI는 Crypto를 강화합니다.

디핀의 데이터 수집과 같은 탈중앙화된 데이터 생산과 체인 상의 데이터 개방성은 재무 분석, 보안 분석 및 훈련 데이터에 사용할 수 있는 거래 데이터의 광산을 보유하고 있습니다.

탈중앙화된 전처리 플랫폼, 전통적인 사전 훈련에 대한 확장 불가능한 기술 장벽이 없으며, 유럽과 미국의 빅 모델 뒤에는 제3세계의 수작업 주석가들의 격렬한 노동이 있습니다.

탈중앙화된 산술 플랫폼, 탈중앙화된 인센티브, 개인 대역폭 및 GPU 산술 능력 같은 소프트웨어 및 하드웨어 자원 사용.
탈중앙화된 산술 플랫폼, 탈중앙화된 인센티브, 개인 대역폭 및 GPU 산술 능력 같은 소프트웨어 및 하드웨어 자원 사용.

이 네 가지 관점은 제가 생각할 수있는 시나리오입니다 Crypto가 AI의 원동력이 될 수 있고 AI는 보편적 도구이며 AI & nbsp;For Crypto의 분야와 프로젝트는 반복되지 않을 것이며, 스스로 공부할 수 있습니다.

Crypto는 현재 주로 암호화, 개인 정보 보호 및 경제 설계에 있으며 zkML 만의 기술적 조합에서 몇 가지 시도가 있으며 여기에서 Solana TPS의 미래가 실제로 100,000 +로 실행될 수 있다면 뇌에 구멍을 열 수 있으며 Filecoin과 Solana는 완벽한 단어와 결합하여 체인 LLM 환경을 만들 수 없으며 실제 LLM 환경을 만들 수 있으므로 실제 LLM 환경을 만들 수 있습니다. 파일코인과 솔라나의 조합이 완벽하다면 온체인 LLM 환경을 만들어 실제 온체인 AI를 만들고 현재 동등하지 않은 Crypto와 AI의 관계를 바꿀 수 있을까요?

Web3, AI 워크 플로우에 합류

NVIDIA RTX 4090 그래픽 카드는 하드 화폐이며 현재 동양의 큰 국가 중 하나에서 구하기 어렵다는 것은 말할 필요가 없지만 더 심각한 것은 개인, 소규모 회사 및 학술 기관도 그래픽 카드 위기를 겪고 있으며 결국 대형 상업용 회사가 크립토나이트 플레이어이며 자체 구매 및 클라우드 공급 업체 이외의 제 3 경로를 열 수 있다면 분명한 것은 분명합니다. 실제 비즈니스 가치도 순수한 과대 광고에서 벗어나 "Web3를 사용하지 않으면 프로젝트 운영을 유지할 수 없다"는 논리가되어야하며, 이것이 Web3 For AI의 올바른 자세입니다.

< span style="font-size: 14px;">웹3의 렌즈를 통해 본 AI 워크플로

데이터 소스: Grass와 DePIN 자동차 패밀리 버킷

Grass는 Wynd에서 제공합니다. Grass는 네트워크 데이터를 수집하고 배포하는 개방형 채널로, 데이터를 수집하고 판매하는 것과 달리 데이터를 정제하고 검증하여 점점 더 폐쇄적인 네트워크 환경을 우회하고 AI 모델에 직접 연결하여 바로 사용할 수 있는 데이터 세트를 제공하고자 합니다. Grass는 AI 모델에 직접 연결하여 바로 사용 가능한 데이터 세트를 제공하고자 하며, 이를 위해서는 광범위한 수동 미세 조정과 같은 전문 처리를 통해 AI 모델의 특정 요구 사항을 충족해야 합니다.

이를 확장하여 Grass는 데이터 판매 문제를 해결하고자 하며, Web3의 DePIN 도메인은 주로 자동차의 자율 주행에 초점을 맞춰 AI가 필요로 하는 데이터를 생성하며, 전통적으로 상대방이 자체적으로 데이터를 축적해야 하는 반면 DIMO, Hivemapper 등과 같은 프로젝트는 자동차 위에서 직접 실행되어 자동차의 주행 및 도로 데이터에 대한 점점 더 많은 정보를 수집하고 있습니다. 도로 데이터.

그동안 자율주행은 차량 식별 기술과 고정밀 지도가 두 부분으로 필요한데, 고정밀 지도와 기타 정보는 4차원 매핑 등의 업체들이 오랜 기간 축적해 사실상 산업 장벽을 형성하고 있어 후발주자가 웹3 데이터의 도움을 받아 추월할 수 있는 기회가 생기면 도로를 구부리는 대신 후발주자가 추월할 수 있는 기회가 생긴다는 것입니다.

데이터 전처리: 인공지능의 노예가 된 인간 해방

인공지능은 수동 라벨링과 지능형 알고리즘으로 나눌 수 있으며, 케냐, 필리핀 등 제3세계는 수동 라벨링과 같은 가치 곡선의 가장 낮은 부분을 담당하고 유럽과 미국의 인공지능 전처리 기업이 수익의 상당 부분을 가져가고 이를 인공지능 연구개발 기업에 판매할 수 있습니다.

AI의 발전과 함께 더 많은 기업이 이 부분에 집중하고 있으며, 경쟁 속에서 데이터 라벨링 단가는 점점 낮아지고 있습니다. 이 부분은 주로 캡차 식별과 유사한 데이터 라벨링에 관한 것으로 기술적 한계가 없으며, 심지어 0.01위안의 초저가도 있습니다.

이미지 출처: https://aim.baidu.com/product/0793f1f1-f1cb-4f9f-b3a7-ef31335bd7f0

이러한 맥락에서, Public AI와 같은 Web3 데이터 어노테이션 플랫폼도 인센티브 시스템을 사용하여 순수 상업용 저가 경쟁 모드를 대체하는 인센티브 시스템을 사용하여 AI 기업과 데이터 주석 민중을 연결하는 실제 상업 시장을 가지고 있지만 Scale AI와 같은 성숙한 기업의 주석 기술은 안정적인 품질을 보장하는 반면 분산 된 데이터 주석 플랫폼의 품질을 제어하고 육포 파티를 금지하는 방법은 본질적으로 C2B2B 기업 서비스이며 순수한 데이터 규모 및 양은 기업을 설득하지 못합니다.

하드웨어의 자유: 렌더 네트워크와 비텐서

비트코인 채굴기와 달리 현재 전용 웹3.0 AI 하드웨어는 없으며, 기존의 연산 및 계산 플랫폼은 모두 암호화폐의 인센티브 계층에 겹쳐진 성숙한 하드웨어에서 변형된 것으로 본질적으로 DePIN 도메인으로 분류할 수 있습니다. DePIN 도메인이지만 데이터 소스 프로젝트와는 다르므로 여기에 작성된 AI 워크플로우에 따릅니다.

렌더 네트워크는 완전히 AI를 지원하지 않는 '오래된 프로젝트'로, 렌더라는 이름에서 알 수 있듯이 렌더링 전용으로 처음 시작되었으며, GPU가 그다지 유행하지 않았지만 시장 기회가 생겨나고 GPU 그래픽 시장, 특히 하이엔드 그래픽 카드가 NVIDIA의 GPU 독점으로 지배하던 2017년에 운영을 시작했습니다. 하이엔드 그래픽카드는 엔비디아가 독점하고 있고, 높은 가격으로 인해 렌더링, 인공지능, 메타 유니버스 사용자들의 접근을 막고 있기 때문에 수요 측과 공급 측 사이에 채널을 구축할 수 있다면 자전거 공유와 유사한 경제 모델이 구축될 수 있는 가능성이 있습니다.

그리고 GPU 자원은 물리적으로 하드웨어에 넘겨줄 필요가 없고 소프트웨어 자원만 배치하면 됩니다. 2023년 렌더 네트워크가 폴리곤을 버리고 솔라나 생태계로 전환한 것도 주목할 만하며, 솔라나가 회복되지 않은 시점에 탈피한 것이 올바른 선택이었다는 것이 증명되었고, 고속 네트워크는 GPU 사용과 유통에 필수적인 요소라고 할 수 있죠. GPU 사용 및 배포를 위한 필수 요소.

렌더 네트워크가 오래되었다면 비트텐서는 새로운 기술입니다.

비트텐서는 보카 위에 구축되었으며, 경제적 인센티브를 통해 노드가 AI 모델을 가장 낮은 오류 또는 가장 높은 효율로 훈련할 수 있는지 경쟁하여 AI 모델을 훈련하는 것이 목표이며, 전통적인 AI 온체인 프로세스에 더 부합하는 암호화 프로젝트이기도 하지만 실제 훈련 과정에서는 여전히 NVIDIA GPU와 기존 플랫폼이 필요하므로 전체적으로 Kaggle과 같은 경쟁 플랫폼과 유사합니다. 전체적인 결과는 Kaggle과 같은 경쟁 플랫폼과 유사합니다.

zkML과 UBI: 월드코인의 AB 측면

제로 지식 머신 러닝(zkML)은 AI 모델 학습 과정에 zk 기술을 도입하여 데이터 유출, 개인정보 보호 실패, 모델 검증 문제를 해결합니다. 처음 두 가지는 쉽게 이해할 수 있는데, zk로 암호화된 데이터는 여전히 학습할 수 있지만 개인 정보나 사적인 데이터는 더 이상 유출되지 않기 때문입니다.

모델 검증은 특정 비공개 소스 모델을 평가하는 문제입니다. zk를 사용하면 목표 값을 설정한 다음 계산 과정을 공개하지 않고 결과를 검증하여 비공개 소스 모델이 스스로를 증명할 수 있습니다.

월드코인은 zkML 주류 프로젝트의 초기 구상자일 뿐만 아니라 UBI(인간 기본 소득)의 팬이기도 한데, 미래의 AI 생산성은 인간의 필요 상한선을 훨씬 초과할 것이며, 따라서 실제 문제는 AI의 혜택을 공정하게 분배하는 것이며, UBI의 아이디어는 $WLD 토큰을 통해 글로벌 사용자와 공유되므로 공정성의 원칙을 따르기 위해 실제 사람의 생체인식으로 이루어져야 한다고 생각했습니다. 따라서 공정성의 원칙을 지키기 위해서는 실제 사람의 생체인식을 사용하는 것이 중요합니다.

물론 zkML과 UBI는 아직 실험 초기 단계에 있지만 충분히 흥미롭기 때문에 계속 지켜볼 것입니다.

결론

AI 개발, 그 경로의 발전을 대표하는 트랜스포머와 LLM은 선형 회귀, 신경망 등 결국 모델 파라미터나 데이터의 양을 무제한으로 늘리는 것은 불가능하고 계속 늘려도 한계 이익이 줄어들기 때문에 점차 병목현상에 도달하게 될 것입니다.

AI는 지혜의 출현의 씨앗이 될 수 있지만 지금은 환상의 문제가 매우 심각하며, 실제로 Crypto가 AI의 환상을 바꿀 수 있다는 현재의 생각은 일종의 자신감이지만 일종의 표준 환상이기도하며 Crypto의 가입은 환상의 문제를 기술적으로 해결하기는 어렵지만 적어도 공정성, 투명성의 관점에서 시작하여 현상 변화를 바꿀 수 있음을 알 수 있습니다.

참고자료:

OpenAI. "GPT-4 기술 보고서", 2023; arXiv:2303.08774.
아시시 바스와니, 노암 샤제르, 니키 파마르, 야콥 우스코라이트, 라이온 존스, 에이단 N. 고메즈, 루카스 카이저, 일리아 폴로수킨. "주의만 있으면 충분하다", 2017; arXiv:1706.03762.
제러드 카플란, 샘 맥캔들리쉬, 톰 헤니건, 톰 B. 브라운, 벤자민 체스, 리원 차일드, 스콧 그레이, 알렉 래드포드, 제프리 우, 다리오 Amodei: "신경 언어 모델의 스케일링 법칙", 2020; arXiv:2001.08361.
하오 리우, 윌슨 얀, 마테이 자하리아, 피터 아벨: "백만 길이 비디오의 세계 모델 및 링어텐션이 있는 언어", 2024; arXiv:2402.08268.
맥스 로저(2022) - "인공 지능의 짧은 역사: 세상은 빠르게 변화했습니다 - 다음은 무엇이 될까요? " OurWorldInData.org에서 온라인 게시. 검색 출처: 'https://ourworldindata.org/brief-history-of-ai' [온라인 리소스]
영지식 머신러닝(ZKML)에 대한 소개
암호와 AI의 교차점에 대한 이해
그래스는 AI의 데이터 레이어
그래스는 AI의 데이터 레이어
비텐서: 피어투피어 인텔리전스 시장