저자: DWF 벤처스 출처: 매체 번역: 좋은파, 골든파이낸스

이 글은 에서는 올해 가장 뜨거운 주제 중 하나인 인공지능(AI)에 대해 알아봅니다. 지난 한 해 동안 AI는 OpenAI의 ChatGPT 3.5 출시로 인해 화제의 중심에 서게 되었습니다. 이 출시는 AI의 엄청난 경제적 잠재력을 보여주었습니다. 이는 AI의 미래, 영향력 및 관련 위험에 대한 전 세계적인 논의를 촉발시켰습니다.

낙관론이 커지면서 회의론도 커졌습니다. 잠재적인 문제가 규제 당국에 경종을 울리기 시작했습니다. 인공지능의 급격한 부상과 모호한 규제 프레임워크는 암호화폐 초창기 시절을 떠올리게 합니다. 웹3.0의 탈중앙화된 특성이 잠재적으로 중앙집중적인 인공지능의 힘을 보완하는 것처럼 보였던 두 분야 사이에는 유사점이 있었습니다. 곧이어 1분기의 거의 모든 웹3.0 벤처캐피털의 논의는 AI의 혁신적 잠재력에 집중되었습니다. (한때는 제가 웹3.0이나 AI 관련 행사에 참석한 적이 있는지 의심스러울 정도였습니다.) 또한, 한 해 동안 많은 벤처캐피털이 AI로 눈을 돌리거나 투자 대상에 AI를 포함시키는 것을 목격했습니다.

과열된 분위기가 시간이 지나면서 한풀 꺾인 지금, DWF Ventures는 편견 없는 시각으로 AI 분야를 다시 살펴볼 계획입니다. 이 글에서는 AI의 진화와 현재의 인기 수준에 도달하기까지의 과정을 간략하게 살펴봅니다. 그러나 이 글의 서술은 AI가 웹3.0에 미치는 영향에 대한 기존의 초점에서 웹3.0이 AI에 미치는 영향이라는 반대 방향에 대한 탐구로 뚜렷한 전환을 시도합니다. 이 글에서는 탈중앙화와 웹3.0이 현재 AI가 직면한 과제를 해결하는 데 어떻게 촉매제 역할을 할 수 있는지 살펴봅니다.

AI 개요 및 ChatGPT 3.5의 혁신

최근 AI에 대한 과대광고와 달리, AI의 역사는 그리 길지 않습니다. 인공지능의 역사는 1930년대로 거슬러 올라갑니다. 1950년 튜링 테스트 등 튜링의 연구는 AI의 기초를 공식화하는 데 도움이 되었습니다. 초기의 낙관적인 전망에도 불구하고 1970년대에는 컴퓨팅 장벽과 실시간 수요를 충족시키지 못해 열기가 시들해졌고, 1980년대에는 지식 데이터베이스를 사용해 인간의 전문성을 시뮬레이션하는 전문가 시스템으로 다시 활기를 되찾는 'AI의 겨울'이 시작되었습니다. 이 시대에는 연결주의가 부활하고 순환 신경망이 등장하기도 했습니다.

그러나 전문가 시스템은 지식 습득과 실시간 분석에 어려움을 겪으며 1990년대에 쇠퇴하기 시작했습니다. 개인용 컴퓨터의 성능 향상으로 관련성이 줄어들었기 때문입니다. 수년에 걸쳐 인공 지능 분야는 큰 발전을 이루었고 기계 학습, 자연어 처리, 컴퓨터 비전, 음성 인식과 같은 다양한 기술 영역으로 확장되었습니다. 이러한 발전을 통해 인공지능은 단순한 문제 해결에서 복잡한 응용 분야의 딥러닝으로 진화할 수 있었습니다.

AI가 발전하는 동안 다양한 하위 분야가 융합하는 모습을 목격할 수 있었습니다. 그중에서도 머신러닝과 LLM 분야는 수직적 전환에 있어 상당한 진전을 이루었는데, Ashish Vaswani 등의 논문 Attention is All You Need . 특히 GPT(생성적 사전 훈련 트랜스포머) 모델에서 영감을 얻었습니다. 그 이후로 양방향 "BERT" GPT와 OpenAI 팀의 GPT와 같은 수많은 GPT가 이 분야에 등장했습니다. ChatGPT에 이어 Falcon과 LLaMA2와 같은 오픈 소스 대안이 등장하면서 AGI(일반화된 인공지능)에 더 가까워질 수 있는 GPT의 다음 반복에 대한 경쟁이 치열해졌습니다(일반화된 인공지능. 인공 지능).

GPT에 대한 과대광고는 학계에서 수십억 명의 사람들에게 AI를 소개하는 데 도움이 되었습니다. OpenAI는 출시 2개월 만에 주당 활성 사용자 수 1억 명에 도달하는 가장 빠른 사용자 기록을 세웠습니다. 최근 맥킨지의 연구에 따르면 기술 업계 전문가의 약 51%가 현재 업무에 어느 정도 AI를 활용하고 있는 것으로 나타났습니다.

인공지능 현실: 집중된 AI에 대한 사회적 인식과 실질적인 한계 해결

비탈릭이 최근 실시한 설문조사에 따르면, 많은 사람들이 AI의 발전을 지연시키려는 정서가 널리 퍼져 있다고 합니다. 발전을 지연시키는 정서가 만연해 있음을 시사합니다.

최근 관심이 급증한 것은 인간적인 반응에 힘입어 ChatGPT의 명성이 급상승한 데서 비롯된 것으로 볼 수 있습니다. 그러나 대부분의 사람들이 깨닫지 못하는 것은 GPT가 인간의 상호작용을 모방하지만 AGI는 아니라는 점입니다.

GPT는 출력을 생성할 때마다 통계적으로 달라지며 일관성이 부족하고 사실적 정확성을 보장하지 않습니다.

GPT는 다른 한계에 직면하지만 가장 두드러진 단점은 논리적으로 추론하지 못한다는 점입니다. 특히 수학에서 그렇습니다.

AI를 둘러싼 무수한 우려와 대규모 AI 모델을 효과적으로 관리하는 데 따른 기존 과제를 고려할 때, Web3의 통합을 모색하는 것이 AI가 직면한 문제를 완화할 수 있는 잠재적 수단으로 떠오르고 있습니다. 잠재적인 대안으로 떠오르고 있습니다. Web3에 내재된 탈중앙화 및 분산 컴퓨팅 원칙을 활용하면 현재 AI 시스템이 직면한 문제를 해결하는 데 도움이 될 수 있습니다.

탈중앙화 AI로 가는 길: 개요, 잠재력, 과제

중앙화된 시스템에 AI 기능이 집중되면 데이터 액세스, 모델 관련성, AI 애플리케이션의 전반적인 지속 가능성에 대한 우려가 제기됩니다. 우려 사항. 중앙 집중식 AI 시스템은 심각한 장애물에 직면해 있습니다. 특히 독점적인 대규모 데이터 세트의 경우 더욱 그렇습니다.

이 때문에 쿼리 단위로 수익을 창출하고 X.com의 게시물 조회수에 일일 제한을 두게 되었습니다. 얼마 지나지 않아 사용자가 X.com 데이터에 실시간으로 액세스할 수 있는 X.com GPT인 Grok이 출시되었습니다. 이 모델은 경제적 장벽을 만들고 AI 혜택의 접근성과 포용성에 대한 의문을 제기합니다.

저자: DWF 벤처스 출처: 매체 굿오바, 골든파이낸스 번역

또한 지속적인 데이터 업데이트가 이루어지지 않으면 공개된 모델이 빠르게 구식이 될 수 있어 관련성을 유지하는 데 큰 어려움을 겪을 수 있으며, 이는 정확성 유지에 큰 도전이 됩니다. 정확성을 유지하는 데 큰 어려움이 있습니다.

이러한 문제를 해결하기 위해 DAI는 중앙 집중화의 한계에 대한 잠재적 해결책을 제시하는 유망한 패러다임으로 부상하고 있습니다.

탈중앙화 AI는 중앙화 모델에 내재된 문제를 해결하기 위한 대안적 궤적을 제공합니다. 최근 Janbi 등의 메타분석 논문은 중앙화 모델과 분산형 모델을 구분하는 포괄적인 가이드를 제공합니다. 의 최근 메타분석 논문은 DAI를 다섯 가지 주요 영역으로 구분하는 포괄적인 가이드 역할을 합니다.

DAI의 도전 과제

AI는 AI 개발에 흥미로운 변화를 가져왔으며 AI 개발의 흥미로운 변화를 가져왔으며 수많은 이점을 제공합니다. 그러나 이러한 발전과 함께 수반되는 과제를 인식하는 것이 중요합니다.

결론

요약하면, 탈중앙화된 AI로 향하는 여정이 큰 잠재력을 가지고 있습니다. 분산형 AI의 잠재력을 완전히 실현하려면 기존 AI 사용자 풀을 기반으로 임계치에 도달해야 합니다. 오픈 소스 대안은 제한된 공급업체와 사용자로 인해 장애물에 직면하지만, ChatGPT API는 대중 시장을 위한 실용적이고 저렴한 옵션을 제공하여 사용 편의성과 신뢰성을 제공합니다.

그러나 독점적인 범용 AI의 잠재적 결과를 고려할 때, 개인은 자신의 선택과 행동에 있어 편의성과 탈중앙화 사이의 균형을 다시 한 번 고려해야 합니다. 보다 광범위하게는 웹3 및 AI 커뮤니티의 혁신가들이 AI 워크플로우를 재정의하고, 인프라를 재구상하고, 혁신적인 패러다임을 채택하고, 효율적으로 관리하고, 탈중앙화 원칙에 부합하는 애플리케이션을 개발함으로써 이 문제를 해결할 수 있습니다. 이 과정에서 협업, 포용성, 윤리적 고려는 인류에게 진정으로 도움이 되는 탈중앙화된 AI 환경을 형성하는 데 핵심이 될 것입니다.