플록은 생산의 AI 관계를 어떻게 재편하고 있을까요?

By LindaBell

탈중앙화 AI 붐의 마지막 라운드에서 Bittensor, io.net과 Olas는 혁신적인 기술과 미래 지향적인 레이아웃 덕분에 지난 탈중앙화 AI 붐에서 업계 리더가 되었습니다. 그러나 이러한 베테랑 프로젝트의 가치가 상승함에 따라 일반 투자자들의 참여 문턱도 점점 더 높아지고 있습니다. 그렇다면 현재와 같은 플레이트 로테이션에도 불구하고 여전히 새로운 참여 기회가 있을까요?

Flock: 탈중앙화 AI 학습 및 검증 네트워크

Flock은 연합 학습과 블록체인 기술을 결합하여 사용자에게 안전하고 신뢰할 수 있는 플랫폼을 제공하는 탈중앙화 AI 모델 학습 및 애플리케이션 플랫폼입니다. <블록은 연합 학습과 블록체인 기술을 결합하여 사용자에게 안전한 모델 학습 및 관리 환경을 제공하는 동시에 데이터 프라이버시와 공정한 커뮤니티 참여를 보호하는 탈중앙화 AI 모델 학습 및 애플리케이션 플랫폼입니다. Flock은 2022년 창립팀이 블록체인을 연합 학습에 도입하여 악의적인 행동을 방지하자는 아이디어를 제안한 "FLock: 블록체인을 통한 연합 학습의 악의적 행동 방어"라는 학술 논문을 공동 저술하면서 대중에게 처음 소개되었습니다. 악의적인 행동을 막기 위한 학습. 이 논문은 탈중앙화된 메커니즘을 통해 모델 학습 중 데이터 보안과 개인정보 보호를 강화하는 방법을 설명하고 분산 컴퓨팅에서 이 새로운 아키텍처를 사용할 수 있는 잠재력에 대해서도 설명합니다.

초기 개념 증명 이후, 2023년에 분산형 다중 에이전트 AI 네트워크인 Flock Research를 출시했습니다. Flock Research에서 각 에이전트는 특정 언어 모델에 맞게 조정된 대규모 언어 모델(또는 언어 모델)입니다. 플록 리서치에서 각 에이전트는 특정 도메인에 맞게 조정된 대규모 언어 모델(LLM)로, 서로 다른 도메인에서 얻은 인사이트를 사용자에게 제공하기 위해 협업할 수 있습니다. <이후 2024년 5월 중순, Flock은 탈중앙화 AI 트레이닝 플랫폼을 위한 테스트 네트워크를 공식적으로 오픈하여 사용자가 모델의 훈련과 미세 조정에 참여하고 테스트 토큰 FML을 사용하여 이에 대한 보상을 받을 수 있도록 했습니다. 2024년 9월 30일 현재, Flock은 매일 300명 이상의 AI 엔지니어와 15,000개 이상의 누적 모델 제출을 보유하고 있습니다.

프로젝트가 계속 성장함에 따라 Flock은 자본 시장에서도 주목을 받고 있습니다. <지난 3월, Flock은 라이트스피드 팩션과 타거스 캐피탈이 주도하고 DCG, OKX 벤처스, 인셉션 캐피탈, 볼트 캐피탈이 참여한 600만 달러 규모의 투자 라운드를 마감했습니다. 특히, Flock은 2024년 이더넷 재단 학술 보조금 라운드에서 보조금을 받은 유일한 AI 인프라 프로젝트이기도 합니다.

AI의 생산적 관계를 재구성하는 초석: 연합 학습을 위한 스마트 계약 도입

연합 학습은 여러 엔티티(흔히 클라이언트)가 함께 모델을 학습하면서 데이터를 로컬에 저장할 수 있는 머신 러닝 접근 방식입니다. 연합 학습은 기존 머신 러닝과 달리 모든 데이터를 중앙 서버에 업로드하지 않고 대신 로컬 계산을 통해 사용자의 개인정보를 보호합니다. 현재 연합 학습은 실제로 여러 실제 시나리오에서 사용되고 있으며, 예를 들어 Google은 2017년부터 Gboard 입력 방식에 연합 학습을 도입하여 사용자의 입력 데이터가 업로드되지 않도록 하면서 입력 제안 및 텍스트 예측을 최적화하고 있습니다. Tesla는 오토파일럿 시스템에 유사한 기술을 적용하여 차량의 환경 인식을 로컬 방식으로 개선함으로써 대용량 동영상 데이터 전송의 필요성을 줄였습니다.

그러나 이러한 앱에는 특히 개인정보 보호 및 보안 측면에서 여전히 몇 가지 문제가 있습니다. 첫째, 사용자는 중앙화된 제3자를 신뢰해야 하며, 둘째, 모델 매개변수의 전송 및 집계 과정에서 악성 노드가 잘못된 데이터나 악성 매개변수를 업로드하여 모델의 전체 성능에 편차를 초래하거나 잘못된 예측을 출력하는 것을 방지해야 할 필요가 있습니다. FLock 연구팀이 IEEE 저널에 발표한 연구에 따르면 기존 연합 학습 모델의 정확도는 악성 노드가 10% 존재할 때 96.3%로 떨어지고, 악성 노드의 비율이 30%와 40%로 증가하면 각각 80.1%와 70.9%로 떨어집니다.

이러한 문제를 해결하기 위해 Flock은 연합 학습 아키텍처에 '신뢰 엔진'으로서 블록체인에 스마트 컨트랙트를 도입했습니다. 신뢰 엔진으로서의 스마트 컨트랙트는 탈중앙화된 환경에서 매개변수 수집과 검증을 자동화하고 모델 결과를 편견 없이 공개하여 악의적인 노드의 데이터 변조를 효과적으로 방지합니다. 기존 연합 학습 솔루션과 비교했을 때, FLock의 모델 정확도는 노드의 40%가 악의적인 경우에도 95.5% 이상을 유지합니다.

AI 실행 레이어 배치 및 FLock의 3계층 아키텍처 분석

현재 AI 분야의 주요 문제점 중 하나는 AI 모델 학습과 데이터 사용을 위한 자원이 여전히 몇몇 대기업에 집중되어 있다는 점입니다. AI 모델 학습과 데이터 사용을 위한 리소스가 여전히 소수의 대기업에 집중되어 있어 일반 개발자와 사용자는 이러한 리소스를 효과적으로 사용하기가 어렵습니다. 그 결과, 사용자는 미리 구축된 표준화된 모델만 사용할 수 있고 자신의 필요에 따라 모델을 커스터마이징할 수 없습니다. 이러한 수요와 공급의 불일치는 또한 시장에 풍부한 컴퓨팅 성능과 데이터 보유량이 있음에도 불구하고 이를 실제 사용 가능한 모델과 애플리케이션으로 전환할 수 없다는 사실로 이어집니다.

이 문제를 해결하기 위해 Flock은 수요, 리소스, 컴퓨팅 파워, 데이터를 효과적으로 조율하는 스케줄링 시스템이 되고자 합니다. Flock은 Web3 기술 스택을 활용하여 실행 레이어로 포지셔닝합니다. 실행 레이어의 핵심은 훈련을 위해 맞춤형 AI 요구 사항을 분산된 노드에 배포하고 스마트 계약을 통해 전 세계 노드에서 이러한 작업이 실행되도록 스케줄링하는 역할을 담당하기 때문입니다.

동시에 전체 생태계가 공정하고 효율적으로 운영되도록 하기 위해, 플록 시스템은 '정산'과 '합의'도 담당합니다. 정산은 참여자의 기여를 장려하고 관리하며, 작업 완료에 따라 보상과 처벌을 하는 것을 말합니다. 반면 합의는 생성된 최종 모델이 글로벌 최적 솔루션을 대표할 수 있도록 훈련 결과의 품질을 평가하고 최적화하는 역할을 담당합니다.

FLock의 전체 제품 아키텍처는 AI Arena, FL Alliance, AI Marketplace라는 세 가지 모듈로 구성됩니다. AI 아레나는 탈중앙화 모델 기반 트레이닝을 담당하고, FL 얼라이언스는 스마트 컨트랙트 메커니즘에 따른 모델 미세 조정을 담당하며, AI 마켓플레이스는 궁극적인 모델 애플리케이션 마켓플레이스입니다.

AI 아레나: 현지화된 모델 트레이닝 및 검증 인센티브

AI 아레나는 플록의 탈중앙화 AI 트레이닝 플랫폼으로, 사용자는 플록의 테스트넷 토큰인 FML을 서약하여 참여하고 그에 상응하는 보상을 받을 수 있습니다. 사용자는 플록의 테스트넷 토큰인 FML을 서약하여 참여할 수 있으며, 이에 상응하는 서약 보상을 받을 수 있습니다. 사용자가 원하는 모델을 정의하고 과제를 제출하면 AI 아레나의 트레이닝 노드는 중앙 서버에 직접 데이터를 업로드하지 않고 주어진 초기 모델 아키텍처를 사용하여 로컬에서 모델을 트레이닝합니다. 각 노드가 학습을 완료하면 검증자가 학습 노드의 작업을 평가하고 모델의 품질을 확인하여 점수를 매깁니다. 검증 과정에 참여하고 싶지 않다면 토큰을 검증자에게 위임하고 보상을 받을 수도 있습니다.

AI Arena에서 모든 역할에 대한 보상 메커니즘은 두 가지 핵심 요소, 즉 서약의 수와 작업의 품질에 따라 달라집니다. 서약의 수는 참여자의 '헌신'을 나타내며, 과제의 질은 기여의 가치를 측정합니다. 예를 들어, 훈련 노드의 보상은 서약의 수와 제출된 모델의 품질 순위에 따라 달라지며, 검증자의 보상은 투표 결과와 합의의 일치성, 서약한 토큰의 수, 참여자의 검증 횟수 및 성공 횟수에 따라 달라집니다. 위임자의 보상은 위임자가 선택한 검증자와 서약 횟수에 따라 달라집니다.