탈중앙화된 AI와 영지식 증명이 컴퓨팅을 민주화하는 방법

마헤시 라마크리슈난, 비나약 쿠럽, 코인데스크 글, 타오 주, 골든 파이낸스 편집

7월 말, 마크 저커버그는 "긍정적인 AI 미래를 위해 오픈소스가 필수"인 이유를 설명하는 서한을 썼습니다. 이 편지에서 그는 오픈소스 AI 개발의 필요성에 대해 서정적으로 표현했습니다. 한때 괴짜였던 10대 창업자는 이제 수상 스키를 타고 금목걸이를 차고 주짓수를 즐기는 '주커버그'가 되어 오픈소스 모델 개발의 구세주로 불리고 있습니다.

그러나 지금까지 저커버그와 메타 팀은 이러한 모델이 어떻게 배포되는지 자세히 설명하지 않았습니다. 모델 복잡성으로 인한 계산 요구가 증가함에 따라 모델 배포가 소수의 참여자에 의해 제어된다면 우리는 비슷한 형태의 중앙 집중화에 굴복하게 될까요? 분산형 AI는 이러한 문제를 해결할 수 있는 가능성을 가지고 있지만, 이 기술을 구현하려면 업계 최고의 암호화 기술과 고유한 하이브리드 솔루션의 발전이 필요합니다.

중앙화된 클라우드 제공업체와 달리 분산형 AI(DAI)는 여러 시스템, 네트워크 및 위치에 걸쳐 AI 추론 및 학습의 계산 프로세스를 분산시킵니다. 탈중앙화 물리적 인프라 네트워크(DePIN)의 일종인 이러한 네트워크가 올바르게 구현되면 검열 저항, 컴퓨팅 액세스, 비용 측면에서 이점을 제공합니다.

DAI는 AI 환경과 탈중앙화 인프라 자체라는 두 가지 주요 영역에서 도전에 직면해 있습니다. 중앙 집중식 시스템과 비교했을 때, DAI는 모델 세부 정보에 대한 무단 액세스나 독점 정보의 도난 및 복제에 대한 추가적인 보호가 필요합니다. 따라서 오픈 소스 모델에 중점을 두면서도 폐쇄 소스 모델에 비해 오픈 소스 모델의 잠재적인 성능 단점을 인식하고 있는 팀에게는 잘 알려지지 않은 기회입니다.

특히 분산형 시스템은 네트워크 무결성 및 리소스 오버헤드 측면에서 장애물에 직면합니다. 예를 들어, 여러 노드에 분산된 클라이언트 데이터는 더 많은 공격 경로에 노출됩니다. 공격자는 노드를 실행하여 연산을 분석하고 노드 간의 데이터 전송을 가로채거나 시스템 성능을 저하시키는 편향을 도입할 수도 있습니다. 안전한 분산형 추론 모델이라 하더라도 계산 과정을 감사할 수 있는 메커니즘이 있어야 합니다. 노드는 불완전한 계산을 제시함으로써 리소스 비용을 절감하고, 신뢰할 수 있는 중앙화된 참여자가 부족하기 때문에 검증이 복잡해집니다.

영지식 증명

영지식 증명(ZKP)은 현재 계산 비용이 엄청나게 높지만, DAI의 일부 문제에 대한 잠재적인 해결책 중 하나입니다.ZKP는 한 당사자(증명자)가 다른 당사자(검증자)를 설득할 수 있는 암호화 메커니즘으로, 한 당사자( 검증자)가 진술의 유효성을 제외하고는 진술 자체에 대한 세부 정보를 공개하지 않고도 진술의 진실성을 믿도록 설득할 수 있는 암호화 메커니즘입니다. 다른 노드는 이 증명을 빠르게 검증하고 각 노드가 프로토콜에 따라 행동하고 있음을 증명할 수 있는 방법을 제공할 수 있습니다. 증명 시스템과 그 구현 간의 기술적 차이점(나중에 자세히 살펴보겠습니다)은 이 분야의 투자자들에게 중요합니다.

중앙화된 컴퓨팅은 모델 훈련을 잘 배치되고 자원이 풍부한 소수의 플레이어로 제한합니다. 예를 들어, 맥북은 여분의 컴퓨팅 대역폭을 사용하여 대규모 언어 모델을 훈련하는 동시에 사용자를 위한 토큰을 획득할 수 있습니다.

소비자 하드웨어를 사용해 탈중앙화된 훈련이나 추론을 배포하는 것은 Gensyn과 Inference Labs와 같은 팀들이 집중하는 분야입니다. 아카시나 렌더와 같은 탈중앙화된 컴퓨팅 네트워크와 달리, 연산 샤딩은 부동 소수점 문제와 같은 복잡성을 추가합니다. 사용하지 않는 분산 컴퓨팅 리소스를 활용하면 소규모 개발자들이 관련 문제를 해결할 수 있는 도구만 있다면 자체 네트워크를 테스트하고 훈련할 수 있는 길이 열립니다.

현재 ZKP 시스템은 로컬에서 연산을 실행하는 것보다 4~6배의 비용이 더 드는 것으로 보이며, 모델 훈련과 같이 높은 연산이 필요하거나 모델 추론과 같이 지연 시간이 짧은 작업의 경우 ZKP를 사용하면 매우 느립니다. 이에 비해 6배나 떨어진다는 것은 a16z의 Jolt와 같은 최첨단 시스템에서 M3 Max 칩으로 실행되는 프로그램을 증명하는 것이 TI-84 그래프 계산기에서 실행하는 것보다 150배나 느리다는 것을 의미합니다.

대량의 데이터를 처리하는 인공지능의 능력은 영지식 증명(ZKP)과 호환되지만, ZKP가 널리 사용되기 위해서는 더 많은 암호화 기술이 발전해야 할 것입니다. 비니우스 증명 시스템과 커미트먼트 체계를 설계한 Irreducible, Gensyn, TensorOpera, Hellas, Inference Labs와 같은 팀에서 진행 중인 연구는 이 비전을 실현하는 데 중요한 단계가 될 것입니다. 그러나 진정한 혁신에는 시간과 수학적 발전이 필요하기 때문에 이 타임라인은 여전히 지나치게 낙관적입니다.

요약

탈중앙화된 AI 훈련과 추론은 소수 메이저 플레이어의 권력 집중을 막는 안전장치 역할을 하는 동시에 이전에는 접근할 수 없었던 계산을 가능하게 할 것입니다. ZKP는 이러한 비전을 실현하는 데 필수적인 요소가 될 것입니다. 여러분의 컴퓨터는 백그라운드에서 추가 처리 능력을 활용하여 여러분도 모르게 실제 돈을 벌 수 있게 될 것입니다. 컴퓨팅이 올바르게 실행되었다는 간단한 증명만으로도 대형 클라우드 제공업체가 활용하는 신뢰가 불필요해져 소규모 제공업체의 컴퓨팅 네트워크가 기업 고객을 유치할 수 있게 될 것입니다.

영지식 증명이 이러한 미래를 가능하게 하고 단일 슬롯 완결성이라는 이더넷의 비전처럼 컴퓨팅 네트워크 이상의 중요한 부분이 될 것이지만, 컴퓨팅 오버헤드는 여전히 장벽으로 남아 있습니다. 낙관적 게임의 게임 이론적 메커니즘과 영지식 증명의 선택적 사용을 결합한 하이브리드 솔루션이 훨씬 더 나은 솔루션이며, ZKP가 더 빨라질 때까지 유비쿼터스 연결 지점이 될 가능성이 높습니다.

국내 및 국외 암호화폐 투자자의 경우, 탈중앙화 AI 시스템의 가치와 과제를 이해하는 것은 자본을 효과적으로 배치하는 데 매우 중요합니다. 팀은 노드 컴퓨팅 증명과 네트워크 이중화에 대한 질문에 대한 답을 가지고 있어야 합니다. 또한, 많은 DePIN 프로젝트에서 관찰한 바와 같이 탈중앙화는 시간이 지남에 따라 이루어지며, 팀은 이러한 비전을 달성하기 위한 명확한 계획을 세우는 것이 중요합니다. DePIN 컴퓨팅과 관련된 문제를 해결하는 것은 개인과 소규모 개발자에게 통제권을 돌려주는 데 매우 중요하며, 이는 시스템을 개방적이고 자유로우며 검열에 강한 상태로 유지하는 데 있어 중요한 부분입니다.