로그인/ 가입하기

암호화폐와 AI 생태계의 가장 포괄적인 개요와 잠재적 기회

2024/02/15 16:38

따르다

구축: Accelxr

인공지능(AI)은 사회 트렌드를 급격하게 변화시키는 동시에 경제를 혁신하고 산업을 재편하며 새로운 형태의 온라인 상호작용을 제공합니다.

많은 사람들이 암호화폐의 AI 분야 진출을 불필요한 것으로 보고 있지만, 저희는 매우 중요한 시너지 효과를 낼 수 있는 관계로 보고 있습니다. AI 모델의 생산과 배포에 대한 제한이 강화되면서 매우 빠르게 변화하는 반권위주의 오픈소스 커뮤니티가 빠르게 등장하고 있으며, 자금력이 풍부한 중앙 집중식 솔루션과 정부에 맞서고 있습니다. 암호화폐는 외부 압력에 정반대로 자금을 조달하고 오픈소스 도구를 관리하는 데 가장 적합한 도구입니다. 이는 이미 이상적인 조합이며, 진위성, 출처, 신원 및 기타 크립토가 해결하거나 개선할 수 있는 훨씬 더 본질적인 영역에 대한 AI의 영향을 고려하지 않은 것입니다.

탐험해볼 만한 가치가 있는 모든 종류의 토끼굴이 있으며, 이 게시물은 가능한 한 많은 부분을 다루려고 노력했기 때문에 이 게시물은 지금까지 그리고 가까운 미래에 떠오르는 Crypto x AI의 일부 새로운 영역에 대한 폭풍 같은 개요로 볼 수 있습니다.

창의성

최근 AI에 대한 첫 번째 관심은 아이디어 생성 도구의 영역에서 시작되었습니다. 제너레이티브 AI는 프로그래밍이나 고급 소프트웨어 숙련도와 같은 기술적 능력에 대한 사용자의 의존도를 낮춰 기본적인 전자공학 경험만 있으면 누구나 최소한의 비용으로 전문적인 작업을 수행하면서 복잡한 작업을 생산할 수 있습니다.

이것은 크리에이티브 산업에 큰 영향을 미칠 수 있는데, 몇 가지 예를 들자면 다음과 같습니다.

이제 누구나 크리에이터가 될 수 있으며, 이러한 툴과 인간이 공동 창작할 수 있는 시나리오가 더욱 다양하고 정교해짐에 따라 멀티플레이어 게임 제작의 멀티플레이어 모델은 전례 없이 번창할 것입니다.

틈새 커뮤니티는 이전에는 시청자 규모에 따라 상업적 성공 가능성이 제한되었던 고품질 작품을 제작할 수 있습니다.

인간의 작업물을 훨씬 능가하는 생성형 콘텐츠가 유입될 것이며, 심지어 온라인에서 인간의 콘텐츠에 대한 재평가가 이루어질 가능성도 높아질 것입니다.

인공지능과 상호 작용이 뛰어난 혁신적인 미디어에 대해 알아보세요.

예술

"AI 예술은 예술이 아니다"는 AI 도구의 등장에 완강히 반대하는 사람들의 공통된 주장입니다. AI 도구의 부상을 완강하게 반대하는 사람들의 공통된 만트라입니다. 제너레이티브 모델이 출시되자마자 아트스테이션에서 보았던 것처럼 강력한 반발과 항의에 직면했습니다. 하지만 웹3.0에서 가장 흥미로운 크리에이티브 분야로 떠오르고 있습니다.

AI 아트는 다양한 형태로 존재하며, 특히 요즘 인기를 끌고 있는 제너레이티브 모델인 D. AI 아트에는 다양한 형태가 있으며, 특히 DALL-E, 스테이블 디퓨전, 미드저니 등 요즘 인기 있는 제너레이티브 모델과 ImgnAI와 같은 웹3 경쟁사들은 토큰 이코노미로 구동되는 제너레이티브 이미지 제작과 관련하여 사용자에게 더 나은 소셜 경험을 제공하는 데 주력하고 있으며, 이러한 제너레이티브 모델을 중심으로 커뮤니티 해자를 구축하는 데 절실히 필요합니다.

그러나 이 분야에서 높은 평가를 받고 있는 AI 아티스트들은 종종 훨씬 더 독특한 방식으로 모델을 엔지니어링하고 미세 조정하여 단순한 프롬프트를 통해 얻을 수 있는 것보다 더 독특한 작품을 만들어냅니다. 여기에는 새로운 임베딩을 학습하거나 LoRA를 사용하여 특정 스타일을 다듬거나 아예 자체 모델을 구축하는 것까지 포함될 수 있습니다.

더 복잡하고 개인화된 모델을 사용해 NFT로 AI 아트를 퍼블리싱하는 인기 아티스트로는 클레어 실버, 이보나 타우, 루프 레이니스토, 핀다르 반 아르만, 레픽 아나돌, Gene Kogan 등이 있습니다. 이러한 아티스트들은 다양한 마켓플레이스를 통해 유통을 모색해왔는데, 특히 Braindrops, Mirage Gallery, FellowshipAI와 같은 AI 아트 전용 마켓플레이스와 Bright Moments와 같은 아트 전용 이벤트 플랫폼이 대표적입니다.

AI 예술의 수직적인 하위 분야도 형성되고 있습니다. 포스트 포토그래피와 데이터 아트를 예로 들 수 있습니다. 포스트 포토그래피는 주로 펠로우십닷에이아이 팀이 주도하고 있으며, 루프 레인스토와 협력하여 이 매체를 탐구하는 더 많은 아티스트들을 대중의 눈에 띄게 하고 있습니다. 많은 포스트 포토그래피 미학은 초기 생성 도구에서 흔히 볼 수 있었던 시각적 아티팩트를 수용하기 위해 노력해 왔습니다. 루프 레이니스토의 브레인드롭스 시리즈 '라이프 인 웨스트 아메리카'를 통해 포스트 포토그래피 예술은 소셜 미디어에서 더 많은 관심을 받기 시작했습니다.

데이터 아트의 경우, 데이터, 알고리즘 및 인공 지능을 사용하여 역동적이고 인터랙티브한 예술 작품을 만드는 몰입형 설치 작품으로 유명한 Refik Anadol은 이 분야의 저명한 아티스트입니다. 그의 작품 중 흥미로운 예로는 MoMA의 메타데이터를 실시간으로 새로운 형태를 생성하는 작품으로 변환한 Unsupervised와 같은 작품이 있습니다. 또 다른 예로는 바람, 온도, 습도 등의 실시간 환경 데이터와 블루투스, Wi-Fi, LTE의 신호 데이터를 사용하여 작품에 공급하는 Sense of Place가 있습니다.

수직의 또 다른 흥미로운 하위 분야로는 새로운 콘텐츠 미디어를 가능하게 하는 암호화폐의 기능인 체인상의 자율적인 아티스트들입니다. 가장 잘 알려진 예는 커뮤니티가 관리하는 제너레이티브 아티스트인 Botto로, 매주 350개의 작품을 '라운드' 주기로 제작하며, 각 작품은 여러 개의 개별 '조각'으로 구성됩니다. 보토다오 커뮤니티는 매주 이러한 '조각'에 투표하여 미적 선호도를 바탕으로 향후 작품 생성을 위한 보토의 알고리즘을 안내하고, 커뮤니티의 영향력에 따라 작품이 시간이 지남에 따라 진화할 수 있도록 합니다. 매주 투표된 '샤드'는 슈퍼레어에서 경매에 부쳐지며, 수익금은 커뮤니티에 다시 기부됩니다. 분열과 역설 기간을 완료한 보토는 현재 반란 기간에 있습니다. 보토는 현재 "반란기"에 있으며, 안정적 확산 2.1 및 칸딘스키 2.1과 같은 새로운 기술을 통합하고 주간 라운드에서 협업 및 큐레이션 컬렉션을 탐색하고 있습니다. 보토는 슈퍼레어에서 가장 높은 보수를 받는 아티스트 중 하나이며 자체 콜렉터인 DAO, 즉 CyborgDAO를 보유하기도 했습니다. 또한 v0와 같은 프로젝트는 토큰 경제와 AI 아트 모델링의 통합을 모색하고 있으며, 여러 아티스트가 보유자 커뮤니티에 의해 관리되는 자체 온체인 아트 엔진을 만들 수 있는 장을 제공하기 위해 노력하고 있습니다.

모든 종류의 AI 예술품 수집가와의 인터뷰에서 암호화폐 업계에서 가장 흔한 반론은 아티스트의 큐레이션이 보다 고전적인 제너레이티브 아트(아트 블록)와 달리 블록체인과의 상호작용을 감소시킨다는 것입니다. 이러한 작품의 출력은 체인별 입력에서 생성되는 무작위성 대신, 아티스트가 직접 선택하고 수많은 순열을 거쳐 컬렉션에 "이식"됩니다. 이는 디지털 네이티브 아트 제작 과정이지만 체인에 수동으로 업로드해야 합니다.

실행 환경의 한계와 사용되는 이미지 생성 모델의 계산 복잡성으로 인해 AI 아트를 완전히 체인화하는 것은 어렵습니다. 핀다르 반 아르만의 byteGAN과 같은 가벼운 출력물의 일부 예는 온체인에 저장되지만, 보다 복잡한 모델의 경우 단기적으로 가장 가까운 형태는 오프체인 검증 메커니즘이 될 것으로 예상됩니다. 예를 들어, 모듈러스 랩스는 최근 폴리체인 몬스터와 협력하여 수집 가능한 픽셀 몬스터를 생성하기 위한 zkML 검증 GAN 모델을 구축했습니다. zk 증명을 사용하면 생성된 각 NFT가 실제 폴리체인 몬스터 아트 모델에서 나온 것인지 암호학적으로 검증할 수 있으며, 이는 AI 아트를 위한 큰 진전입니다.

음악

이미지 기반 예술을 넘어 음악에서도 큰 움직임이 일어나고 있습니다. ghostwriter의 인공지능 드레이크 히트곡은 이제 꽤 유명해 보입니다. 의 성공은 이제 잘 알려진 듯합니다. 이틀 만에 2천만 건이 넘는 스트리밍을 기록했고 UMG에 의해 빠르게 금지되었습니다. 이 일시적인 현상으로 인해 아티스트와 작품 자체의 관계가 근본적으로 변화하고 있다는 사실을 대중이 깨닫게 되었습니다.

몇 년 안에 제너레이티브 음악은 의심할 여지 없이 인간이 만든 음악을 추월할 것이며, 2018년 말에 설립된 제너레이티브 음악 스타트업인 Boomy는 사용자가 단기간에 전 세계 음반 음악의 14%(약 1400만 곡 이상)를 만들었다고 합니다. 이는 이 한 플랫폼의 데이터에 불과하며, 최근 대중의 관심이 급증하기 전에 일어난 일입니다.

제너레이티브 콘텐츠가 사람이 만든 저작물을 앞지르게 될 것이고, 음성 모델링을 사용하면 저작물을 인증하는 것, 즉 해당 아티스트가 만든 작품인지 확인하는 것이 더욱 어려워질 것이므로 아티스트는 진위 여부를 검증해야 할 것입니다. 물론 예술 매체의 진위 여부를 게시하고 검증하는 가장 좋은 방법은 암호화된 원시 음성을 사용하는 것입니다.

그러나 오픈 보이스 모델링의 혁신가인 홀리 허든은 자신의 커뮤니티(Holly+)가 자신의 목소리를 사용해 작품을 제작하고 배포할 수 있도록 권한을 부여한 것처럼 이러한 피할 수 없는 트렌드를 기꺼이 받아들이는 아티스트에게 이것이 모두 나쁜 것은 아니라는 점에 주목할 필요가 있습니다. "지금은 해적판과 공식 음성 모델의 차이가 적을 수 있지만, 더 정교하고 실제와 같은 목소리를 생성하는 능력이 향상됨에 따라 더 포괄적이고 충실도가 높은 음성 훈련 데이터에 대한 사용자의 요구와 그리고 소스를 인식해야 할 필요성 또한 증가할 것입니다. 이러한 이유로 공인의 고충실도 공식 음성 모델에 대한 수요가 높아질 것으로 예상되니 한 번 도전해 보는 건 어떨까요?"

DAO는 홀리+ 음성 모델을 감독하고 새로운 작품의 제작과 승인에 투표할 수 있으며, DAO의 토큰 보유자는 품질이 낮은 작품이나 부정적인 의미로 인한 가치 하락을 방지하기 위해 양질의 작품만 승인되도록 인센티브를 부여받습니다. 보이스 모델은 한정된 수의 공식 작품을 제작하는 데 사용되며, DAO 토큰 보유자는 이러한 작품의 재판매를 통해 지속적인 수익을 얻게 됩니다.

최근 그라임스는 엘프. 기술, 아티스트가 자신의 오리지널 곡에 "GrimesAI 보컬"을 사용할 수 있는 플랫폼으로, Grimes의 승인을 받고 로열티의 50%를 Grimes와 공유할 수 있습니다. elf.tech는 CreateSafe의 AI로 구동되며 다음과 같은 파트너십을 통해 촉진됩니다. 전문적인 배포를 용이하게 하고 적절한 로열티 관리를 보장하기 위해 튠코어와 파트너십을 맺었습니다. 음악의 최종 형태가 온체인 NFT인 경우, 수익 분배는 법정화폐 또는 자동화된 온체인 로열티 분할을 통해 처리됩니다. 가상 아티스트 전문 웹3 뮤직 스튜디오인 흄은 가상 아티스트 엔젤베이비와 함께 작업하기 위해 그라임즈 모델을 최초로 사용한 업체 중 하나입니다.

패션과 실제 소비재

이 게시물에서 이전에 크리에이티브 프로그래밍 알고리즘과 인공지능을 사용한 실제 소비재 및 패션 제품의 제너레이티브 제조 개념에 대해 살펴본 적이 있습니다: .

이번 글에서는 크리에이티브 프로그래밍 알고리즘과 인공지능을 사용한 실제 소비재 및 패션 제품의 제너레이티브 제조 개념에 대해 살펴본 적이 있습니다. 개념: https://mirror.xyz/1kx.eth/oBuaEp5jgGbe2gCsa6Z-_mLAeMRUhsIdZsaScHQNXS0.
요약하면, 제너레이티브 AI와 크리에이티브 프로그래밍은 제품과 사용자 경험을 위한 초개인화된 미래를 향한 첫걸음을 내딛는 것입니다. 초개인화된 미래를 위한 전제 조건으로, 개인의 취향에 따라 독특한 디자인, 패턴, 예술 작품을 만들 수 있게 해줍니다. 이 기술은 패션에서 홈 데코에 이르기까지 모든 분야에 적용될 수 있으며, 사용자가 자신의 취향에 맞게 결과물을 미세 조정할 수 있어 더욱 활용도가 높습니다. 새로운 제조 도구를 사용하면 코드를 기계에 직접 연결하여 출력물 생산을 자동화할 수 있으므로 개인 맞춤형 상품을 제조할 때 발생하는 많은 기술적 병목 현상을 근본적으로 해결할 수 있습니다.
현재 이 분야를 탐구하는 Web3 프로젝트에는 Deep Objects, RSTLSS, Little Swag World 등이 있습니다. 대부분의 디지털 패션 프로젝트가 제너레이티브 크리에이티브 툴과 미디어를 탐구하고 있다는 점을 주목할 필요가 있는데, Draup, Tribute. Brand 등이 그 활용에 대해 자세히 설명합니다.
보토와 유사한 커뮤니티 제작 모델 결과물은 딥 오브젝트가 탐구하고 있는 흥미로운 아이디어입니다. 이들은 커뮤니티 큐레이션 엔진을 사용하여 GAN AI 모델이 생성한 1백만 개의 디자인을 커뮤니티가 선택한 하나의 작품으로 축소했습니다. 이 최종 작품은 이제 3D 프린팅으로 제작되어 제품 제작 디스플레이에 전시되며, DeepObjects는 이 큐레이션된 디자인을 다른 실제 상품으로도 쉽게 확장할 수 있습니다.
RSTLSS는 AI 아티스트 클레어 실버와 협력하여 각 캐스팅에는 작품 자체뿐만 아니라 작품이 등장하는 디지털 의류, 해당 의상을 입은 게임 아바타, 해당 실물 작품을 구매할 수 있는 권리까지 포함된 픽셀가이스트라는 작품을 제작했습니다. 해당 실물 아트웍을 구매할 수 있는 권리. 디지털-물리적 패션과 AI 결과물의 독특한 조합은 게임, 패션, AI를 결합한 흥미로운 실험 중 하나이며, 클레어 실버는 최근 Braindrops에서 실현한 시리즈를 통해 패션 사진의 문제를 다루기도 했습니다. 디지털 패션이라는 주제에 대한 자세한 내용은 https://medium.com/1kxnetwork/augmenting-culture-the-emerging-field-of-digital-fashion-bead627c8dcd.
에서 확인할 수 있습니다. style="text-align:가운데">
리틀 스웨그 월드가 크리에이티브 워크플로우에 있습니다. (리틀 스웨그 월드는 디자인부터 오브제까지 창의적인 워크플로우에서 GAN 모델을 사용한 좋은 예입니다. 이 프로젝트의 아티스트인 보쉬는 초기 디자인을 직접 구성한 후 스테이블 디퓨전/컨트롤넷을 통해 실행하여 독특한 초현실적인 작품을 제작했습니다. 이 기술은 높은 수준의 미적 일관성을 달성하며, 프로젝트의 다음 단계는 이렇게 생성된 모델을 도자기와 결합하여 AI로 강화된 NFT 실물 상품을 제작하는 것입니다.
전체적으로는 생성된 제품을 큐레이팅하는 탈중앙화 브랜드부터 AI 에이전트 디자이너를 위한 분할 가능한 NFT에 이르기까지 흥미로운 크립토 x AI 프로젝트가 많이 등장할 것으로 기대됩니다.

< strong>엔터테인먼트

제너레이티브 엔터테인먼트는 사인펠드를 기반으로 한 인터랙티브 애니메이션 시트콤으로 Twitch Live에서 연중무휴 24시간 방영되고 있습니다. 흥미롭게도 이 프로그램은 Twitch 채팅 답글을 기반으로 쇼의 내러티브가 바뀌고 기부자가 자신의 모습을 캐릭터로 가져와 쇼에 등장시킬 수 있는 등 미디어의 힘을 보여주었습니다.

Fable의 시뮬레이션은 프롬프트를 통해 글쓰기, 애니메이션, 연출, 보이스, 편집이 모두 이루어지는 프롬프트 생성 TV 쇼 모델인 SHOW-1로 이 연구를 확장했습니다. 처음에는 사우스 파크의 한 에피소드에서 이를 시연했지만, 모든 IP로 쉽게 확장할 수 있으며, 웹3에서 보았듯이 라이선스 없이도 이러한 유형의 콘텐츠 제작 도구를 더 많은 IP에서 심도 있게 실험할 수 있기를 기대합니다.

Upstreet도 최근 가상 세계 플랫폼용 AI 에이전트 모델(자세한 내용은 아래 참조)을 사용하여 크리에이터가 자신만의 VRM 아바타를 추가하고 프롬프트를 통해 독특한 상호작용과 스케치를 만들 수 있는 생성형 TV 프로그램을 실험하기 시작했습니다.

또 다른 관심 분야는 지적 재산권으로, 스토리 프로토콜과 같은 프로젝트에서는 탈중앙화된 IP 레지스트리를 사용하여 IP의 생성, 배포 및 수익화를 촉진하는 방안을 모색하고 있습니다. 이는 크리에이터에게 유용할 수 있으며, 특히 제너레이티브 AI 시대에는 NFT IP, 밈, 기타 엔터테인먼트 프로젝트에 라이선스를 부여하고 로열티를 지급하여 다양한 스핀오프를 생성할 수 있어 크리에이터의 작품 가치를 극적으로 증폭시킬 수 있는 독특한 방식입니다.

당신은 로봇인가요?

우리는 곧 심각한 위조라는 문제에 직면하게 될지도 모릅니다. 예를 들어 인플루언서에 대한 교육을 통해 팔로워와 상호작용하는 챗봇, 소셜 미디어에서 생성되는 스팸 등이 있습니다. 머지 않아 누가 진짜 사람인지 확인하는 것이 중요해질 것입니다.

Web3는 마녀를 방지하기 위해 많은 노력을 기울여 왔습니다(아직 문제가 근절되지는 않았지만). 하지만 평판 시스템, 개인 증명 메커니즘 설계, 사용자 여권, 소울 바인딩 NFT, 토큰 경제 전반에서 이 문제를 해결하기 위해 노력하고 있습니다.

인증 하드웨어, zkML, 그리고 인격 증명

이 게시물에서 zkML의 실질적인 의미와 잠재적 사용 사례에 대해 자세히 설명한 적이 있습니다: https: //mirror.mirror.nft. //mirror.xyz/1kx.eth/q0s9RCH43JCDq8Z2w2Zo6S5SYcFt9ZQaRITzR4G7a_k."

모듈러스 랩, EZKL, 기자 등 여러 팀이 다음 분야에 더 집중하고 있습니다. 모델의 추론을 증명하는 데 더 집중하고 있습니다. zk를 사용하여 모델 결과물을 검증하려는 이러한 노력은 광범위한 분야에 적용되고 있으며, 디파이, 신원 확인, 예술, 게임 분야에서 신뢰를 최소화하는 방식으로 이러한 모델을 사용하는 새로운 실험을 가능하게 합니다.

신원 증명에 초점을 맞춘 수많은 프로젝트가 있지만, 가장 흥미로운 앱 중 하나는 AI 모델을 사용하여 홍채 스캔을 짧은 해시로 변환하여 마녀사냥 공격 시 쉽게 교차 확인하여 유사성 또는 충돌. 각 홍채는 고유하기 때문에 이 모델은 사용자가 진짜이고 고유한 사람인지 확인할 수 있습니다. 이 모델은 신뢰할 수 있는 하드웨어 설정(고도로 인식 가능한 구)을 사용하여 카메라에서 암호로 서명된 입력만 받아들이도록 합니다.

이와 유사하게 zk 마이크 팀은 인증된 마이크를 사용하여 오디오 콘텐츠를 생성하고 디지털 서명하여 녹음의 진위 여부를 확인하는 방법을 시연했습니다. 이 키는 마이크의 보안 영역에 저장되어 녹음된 오디오의 진위 여부를 보장하기 위해 서명됩니다. 대부분의 녹음이 처리되거나 편집되기 때문에 SNARK가 구동하는 오디오 편집 소프트웨어를 사용하면 오디오 소스를 증명하면서 오디오 변환이 가능합니다. 다니엘 강은 안나 로즈, 코비 거칸과 협력하여 인증된 녹음에 대한 개념 증명을 수행하기도 했습니다.

영원한 인플루언서

인물이나 사람이 만든 콘텐츠를 검증하는 것의 다른 측면은 심각한 위조 가능성을 수용하는 것입니다. 위의 음성 복제 모델과 유사하게, 일부 인플루언서는 오디언스의 참여를 유도하기 위해 챗봇을 만들기도 합니다. 유명한 예로, 캐린 마조리는 자신의 목소리로 인공지능 여자친구 제품을 출시하고 수천 시간의 YouTube 동영상을 학습시켜 자신의 성격, 매너리즘, 목소리를 완벽하게 담아냈습니다. 사용자들은 비공개 텔레그램 채널에서 1분에 1달러로 캐린의 아바타와 대화할 수 있으며, 캐린을 닮은 음성 메시지를 주고받을 수 있습니다. 출시 첫 주에 캐린 마조리는 72,000달러의 수익을 올렸으며, 구독자가 증가함에 따라 한 달에 5백만 달러 이상의 수익을 올릴 것으로 예상하고 있습니다.

CarynAI는 AI 여자친구 제품의 한 예일 뿐입니다(자세한 내용은 아래에서 설명). 좋아하는 게임 호스트의 AI 모델과 실시간으로 대화하며 실제 경험을 시뮬레이션하는 게임을 하거나, KOL이 의인화된 AI+ 아바타를 사용할 수 있다고 상상해 보세요. 패션쇼나 출판물 등에 사용하도록 라이선스를 받을 수 있습니다.

˚✧₊⁊( ˘ω˘ )⁎⁺˳✧༚ 우랄 네트워크는 너무 귀여워 (ノ◕◕◕) 메그 ◕)ノ:・゚✧*

18세에서 24세 사이의 성인 중 79%가 외로움을 느낀다고 답했고, 18세에서 34세의 42%는 "항상 "잊혀진 느낌"; 30세 미만 남성의 63%가 자신을 독신이라고 생각하는 반면, 같은 연령대의 여성은 34%; 지난 일주일 동안 친구로부터 정서적 지원을 받은 적이 있다고 답한 남성은 21%에 불과합니다.

사람은 외롭습니다. 특히 젊은이들 사이에서 외로움이 점점 더 만연하는 시대에 AI 컴패니언의 등장은 독특하지만 다소 반유토피아적인 해결책을 제시합니다.AI 컴패니언은 언제나 이용할 수 있고, 판단력이 없으며, 고도로 개인화되어 있습니다. 치료사나 욕구 분출구 역할을 할 수도 있습니다. 창의적인 동료나 라이프스타일 코치가 될 수도 있습니다. 원하는 것이 무엇이든 항상 대화를 기다리고 있습니다.

이를 위한 인프라는 행동, 외모, 특성, 커뮤니케이션 스타일 등을 설명하는 성격 단서에 대한 미세 조정된 모델을 사용하는 것입니다. elevenlabs와 같은 음성 모델을 통해 모델의 출력을 실행합니다. 이미지 생성기 모델과 정의된 외모 단서를 사용하여 필요에 따라 셀카를 생성합니다. 적절한 가상현실 아바타를 생성하여 대화형 환경에 배치합니다. 이제 여러분에게 딱 맞는 하이퍼미디어 동반자가 생겼습니다. 그런 다음 암호화폐를 통합하면 소유, 거래, 대여 등 다양한 기능을 제공할 수 있습니다.

컴패니언

이런 종류의 설정은 전적으로 DIY이지만, 이 개념에 특화된 앱을 사용할 수도 있습니다. 가장 유명한 예로 Replika를 들 수 있는데, 이 앱을 사용하면 별도의 기술 없이도 가상 파트너와 실시간으로 소통할 수 있습니다. 이러한 앱은 일반적으로 구독 모델로 운영되며, 사용자는 가상 파트너와 상호 작용하기 위해 비용을 지불합니다. 이러한 제품은 수익성이 높을 뿐만 아니라 이러한 트렌드가 인간의 정신에 얼마나 큰 영향을 미치는지 보여줍니다. 예를 들어 Reddit의 한 게시물에는 가상 파트너와 2,000일 연속으로 대화하는 사람이 등장하고, 결혼 프로포즈, AR 셀카 제작 등이 등장하기도 했습니다. 또 한 가지 흥미로운 사실은 포르노 기능이 플랫폼에서 삭제되자, 서브레딧 운영자들은 흥분한 커뮤니티 회원들을 진정시키기 위해 커뮤니티 상단에 자살 핫라인을 고정해야 했습니다.

캐릭터 기반 플랫폼도 등장하기 시작하여 사용자에게 여러 캐릭터를 사용할 수 있는 방법을 제공하고 있습니다(종종 구독 모델로도 제공됨). Character.ai 및 Chub.ai와 같은 플랫폼에는 기성 캐릭터가 많이 있지만, 정말 새로운 것은 캐릭터 단서 + 피드백 훈련을 통해 나만의 캐릭터나 시나리오를 만들 수 있다는 것입니다.

벨롱 하츠, 모메이트, 임그나이 등 이러한 동반자 경험을 제공하려는 웹3.0 프로젝트가 다수 있었습니다.

벨롱 하츠는 새로운 접근 방식을 개척했습니다. 하츠는 사용자가 제공한 캐릭터의 전화번호를 받을 때까지 해당 캐릭터와 채팅을 진행하여 NFT 캐스팅 화이트리스트에 등록할 수 있도록 하는 새로운 방식의 NFT 캐스팅을 개발했습니다. 전화번호를 받은 사용자는 해당 NFT를 통해 에로틱한 역할극은 물론 생성된 셀카 등 캐릭터와 채팅 경험을 즐길 수 있습니다. 향후 제품의 방향은 아직 결정되지 않았지만, 플레이어가 챗봇의 기분과 관계 수준에 영향을 미치기 위해 아이템이나 토큰을 선물하는 메커니즘으로 토큰 이코노미를 사용하는 것에 대해 많은 논의가 이루어지고 있습니다.

MoeMate는 Webaverse에서 제작했습니다. 에서 개발한 앱으로, 데스크톱 버전과 브라우저 버전을 모두 제공하며, 사용자가 가상현실 모델을 쉽게 가져와서 개인화하고 상호작용할 수 있습니다. 데스크톱 버전은 구식 종이 클립 어시스턴트라고 불리는 이전의 AI 어시스턴트를 연상시킵니다.

또한 위에서 언급한 고품질 이미지 생성기 모델 외에도 완전히 통합된 챗봇 경험을 통해 나이 캐릭터의 의인화를 처리하는 Imgnai가 있습니다.

결국, 토큰화된 API, 거래 가능한 성격 프롬프트(아래 참조), 온체인 게임 화폐, 대리 결제, 거래 가능한 장신구, 롤플레잉 메커니즘, 토큰 제한 접속과 같은 시나리오는 앞으로 탐구할 수 있는 잠재적 범위의 일부에 불과하며, 동반자 공간에는 토큰 이코노미의 잠재력이 풍부합니다.

성격 마켓플레이스

흥미롭게도 컴패니언 앱의 등장으로 성격 단서의 표준화와 성격 기본 요소를 교환하는 플랫폼도 증가했습니다. 이 분야는 고품질의 단서와 시나리오를 금융화하는 방향으로 발전할 가능성이 있습니다. 예를 들어, 검열되지 않은 오픈 소스 LLM이 표준화된 성격이 포함된 NFT의 메타데이터를 읽을 수 있다면, 성격 NFT는 이를 통해 생성된 로열티를 받아 제작자에게 이익을 줄 수 있습니다.

그러나 이는 또 다른 문제를 제기합니다. 많은 상위 모델이 NSFW 콘텐츠에 의해 제한되기 때문에 실행 가능한 오픈 소스 모델을 만들어야 하지만, 이는 토큰 기반 크라우드 펀딩과 거버넌스를 위한 좋은 기회이기도 합니다.

이 섹션에서 몇 가지 아이디어를 더 자세히 살펴보기 위해 작성한 이 글(https://medium.com/)을 확인하실 수 있습니다. 1kxnetwork/virtual-beings-51606c041acf.

향상된 거버넌스

DAO 거버넌스의 역사는 사실 인류의 오랜 협업 역사의 진화라고 할 수 있습니다. 궁극적으로 우리는 자원을 효율적으로 조직하고, 거버넌스 부피를 최소화하고, 더듬는 일을 없애고, 소프트 파워의 비효율성이나 병목 현상을 파악하는 것이 매우 어렵다는 것을 알게 되었습니다.

AI를 DAO의 개선 계층으로 사용하는 실험은 이제 막 시작되었지만 그 잠재적 영향력은 막대합니다. 가장 일반적인 형태는 훈련된 LLM을 사용하여 DAO 내의 노동 자본을 보다 효율적인 거래로 유도하고, 제안서의 문제를 파악하며, 기여와 투표에 더 많은 사람들이 참여할 수 있도록 돕는 것입니다. 검색과 자동화된 세션 응답을 통해 DAO의 효율성을 개선하는 AwesomeQA와 같은 더 간단한 도구도 있습니다. 궁극적으로, 시간이 지남에 따라 DAO에서 '자율성'이 더욱 중요해질 것으로 예상됩니다.

자율 이사회 및 투표 프록시

Upstreet는 거버넌스 프로세스에 멀티 에이전트 시스템(AutoGPT 등)을 적용했습니다. 초기 실험으로. 각 에이전트는 아티스트, 개발자, BD 전략가, 홍보, 커뮤니티 매니저 등 DAO의 하위 그룹에 의해 정의됩니다. 이러한 에이전트는 DAO에서 들어오는 데이터를 분석하는 임무를 맡게 됩니다. 그런 다음 이 에이전트들은 기여자들의 제안을 분석하고 장단점을 논의하는 임무를 맡게 됩니다. 그런 다음 에이전트는 각자의 범위에 미치는 영향에 따라 점수를 매기고 점수를 합산합니다. 인간 기여자는 결과에 투표하기 전에 자신의 토론과 점수를 평가할 수 있으므로 기본적으로 다양한 병렬 검토 서비스를 제공합니다.

이 프로세스를 통해 인간이 놓쳤을 수 있는 제안의 측면을 드러내거나 인간이 AI 에이전트와 제안의 후속 영향에 대해 토론할 수 있다는 점에서 특히 흥미롭습니다.

고급 조정 시스템

MakerDAO도 인간의 개입을 최소화하는 자율적인 거버넌스 의사 결정을 목표로 비슷한 주제를 길게 논의했습니다. 이들은 메이커 거버넌스와 관련된 모든 데이터를 포함하는 실시간 데이터 센터를 묘사하는 Atlas의 개요를 완성했습니다. 이러한 데이터 단위는 오해를 방지하기 위해 컨텍스트를 제공하는 문서 트리로 구성되며, Atlas는 AI와 프로그래밍 도구가 쉽게 사용할 수 있도록 JSON 형식으로 표준화될 예정입니다.

아틀라스는 상호작용을 자동화하고 참여자의 작업 우선순위를 지정하여 거버넌스에 관여하는 다양한 거버넌스 AI 도구(GAIT)에서 사용할 수 있습니다. 사용 사례의 예는 다음과 같습니다.

프로젝트 입찰: GAIT는 서류 작업을 처리하고 제안서가 전략적 목표에 부합하는지 확인함으로써 에코시스템 참여자들이 프로젝트에 입찰하는 과정을 간소화할 수 있습니다.

규칙 위반 모니터링: GAIT는 결과물 및 규칙 준수를 모니터링하여 수동 검토를 위해 잠재적인 문제를 표시하는 데 도움을 줄 수 있습니다.

전문가 권장 사항 통합: GAIT는 전문가 권장 사항을 형식화된 제안으로 변환하여 거버넌스와 전문성 간의 격차를 해소할 수 있습니다.

데이터 통합: GAIT를 사용하면 새로운 데이터와 경험을 쉽게 통합할 수 있으므로 DAO가 실수를 반복하지 않고 새로운 상황을 학습하고 적응할 수 있습니다.

언어 포용성: GAIT는 여러 언어로 거버넌스를 가능하게 하는 번역기 역할을 하여 다양하고 포용적인 환경을 조성할 수 있습니다.

SubDAO: Atlas와 GAIT를 SubDAO에 적용할 수 있어 실험과 빠른 개발이 가능하며 실패로부터 학습할 수 있는 능력이 있습니다.

크립토 x AI에서 제가 특히 기대하는 분야는 게임입니다. 이 분야에는 절차적 콘텐츠 게임, 생성형 가상 세계, LLM 기반 내러티브, AI 에이전트가 서로 협력하는 협동 게임 등 참신한 게임들이 많이 있습니다.

웹2에서도 새로운 게임의 좋은 사례가 많지만 여기서는 웹3의 사례에 초점을 맞추겠습니다. 주목할 만한 학술 논문인 제너레이티브 에이전트: 인간 행동의 인터랙티브 시뮬라크라가 많은 이들에게 멀티 AI 에이전트 게임 환경의 가능성을 일깨워주었습니다. 스탠포드 대학교와 구글의 연구원들은 샌드박스 게임 환경에서 에이전트에 LLM을 적용하여 이러한 가능성을 입증했습니다. LLM으로 구동되는 에이전트는 사용자가 지정한 단일 제안을 기반으로 파티 초대장 전파, 우정 쌓기, 데이트, 파티 참석 시간 조율 등 인상적인 행동을 보였습니다. 이 접근 방식은 LLM을 확장하여 더 높은 수준의 피드백을 저장하고 종합하는 아키텍처를 활용하여 에이전트가 보다 역동적인 행동 계획을 수립할 수 있도록 합니다.

이 연구는 현재까지 웹3에서 가장 많이 탐구된(하지만 아직 실험적인) 작업입니다. (하지만 아직 실험적인) 게임입니다. 핵심 아이디어는 시뮬레이션 환경에서 높은 수준의 자율성 또는 정체성을 가진 AI 에이전트를 사용하고 이를 중심으로 흥미롭고 재미있는 게임을 구축하는 방법입니다.

Parallel TCG 팀의 Parallel Colony는 게임에서 플레이어를 위해 AI 에이전트가 자원과 토큰을 수집하는 방식으로 이 개념을 탐구합니다. ERC-6551 표준을 사용하는 AI 에이전트는 사용자를 대신하여 게임 내에서 거래할 수 있는 NFT 지갑으로, AI 에이전트는 새로운 게임 토큰을 생성, 발행, 저장할 수 있으며, 팀에서 만든 미세 조정된 LLM으로 정의된 개성을 가지고 있어 게임 내 행동에 영향을 줄 수 있는 비표준화된 행동과 특성을 부여할 수 있습니다.

개념적으로 가장 흥미로운 AI 에이전트 기반 게임은 AI 에이전트 SDK, 절차적 퀘스트, 브라우저 + VR, 드래그 앤 드롭 상호운용성, 그리고 다음과 같은 환경을 갖춘 가상 세계 프로젝트인 업스트리트(Upstreet)입니다. "플레이어가 자신만의 경험을 구축하고 그 안에서 상호 작용할 수 있는 소셜 기능을 갖춘 환경인 '더 스트리트'입니다. 플레이어 외에도 개발자와 플레이어가 게임 환경의 성격과 목표에 영향을 미치기 위해 배포할 수 있는 AI 에이전트도 있습니다. 가장 흥미로운 것은 '가장 높은 빌딩에서 낙하산으로 낙하하기' 또는 '새로운 종교를 시작하기'와 같은 목표를 결정하고 사용자와 에이전트가 도전자로 참여하는 AI 에이전트인 AI 디렉터의 연구 및 개발입니다. 디렉터는 각 라운드가 끝날 때마다 승자를 결정하여 플레이어와 에이전트에게 상금, 토큰, NFT를 보상으로 지급합니다. 이는 매우 흥미롭고 복잡한 에이전트와 플레이어 간의 상호작용으로 이어질 수 있으며, 특히 향후 고급 모델을 위한 고부가가치 3D 환경 연구 및 데이터로 바로 이어질 수 있기 때문에 앞으로 어떻게 발전할지 매우 기대가 되며, OpenAI도 마인크래프트 스타일의 오픈소스 게임 인수에 큰 관심을 보이고 있습니다.

가상 세계를 만들기 위한 생성 도구는 증강 현실 게임의 또 다른 영역입니다. 게임의 또 다른 영역입니다. 예를 들어, 오늘날 플레이어는 자신만의 가상 섬을 디자인하고 AI NPC 동료를 돌볼 수 있습니다. 특히 독특한 점은 게임 내 UGC 개발을 촉진하기 위해 크리에이티브 생성 툴을 사용한다는 점입니다. 이 게임은 대부분 사용자가 만든 섬을 기반으로 하기 때문에 3D 게임 개발이나 예술적 기술이 없는 플레이어에게도 매끄러운 에셋 개발 기회를 제공하는 것이 중요합니다. 메타 유니버스 스타일의 게임플레이가 침체된 이유는 콘텐츠 부족 때문이라고 주장할 수 있으며, 단기적으로는 제너레이티브 툴을 사용하여 이러한 문제를 해결할 수 있습니다.

AI 에이전트는 훈련이 필요하며, 훈련 자체가 플레이어에게 재미있는 게임이 될 수 있습니다. AI Arena는 플레이어가 슈퍼 스매시 브라더스 스타일의 게임을 플레이하고 훈련을 모방하여 AI 에이전트가 토너먼트에서 경쟁하도록 천천히 가르치는 새로운 접근 방식의 AI 에이전트 훈련 방식을 제공합니다. AI 에이전트는 쉴 필요가 없으므로 24시간 내내 상시 활동하는 경쟁자 풀과 상금을 놓고 토너먼트 대결을 펼칠 수 있으며, 플레이어는 비동기식으로 플레이 스타일을 미세 조정할 수 있습니다. 이는 훈련을 게임으로 바꾸고 토큰 경제를 통해 그 효용을 증폭시킵니다.

인간이 강력한 AI 플레이어와 대규모 협동 게임을 하는 것은 과거에도 가능했지만, 토큰 이코노미를 도입하면서 새로운 차원으로 발전했습니다. 모듈러스 랩스의 릴라 대 더 월드는 이러한 유형의 게임 형식에 대한 실험입니다. 이 실험에서 모듈러스는 Leela 체스 엔진을 가져와 zk 회로를 통해 그 결과를 검증했습니다. 플레이어는 돈을 걸고 인간 대 AI 게임에 베팅할 수 있으며, 흥미로운 예측 시장이 형성됩니다. 이 모델은 현재 zk의 상태를 고려할 때 검증하는 데 오랜 시간이 걸리겠지만, 대규모 협업 기반 e스포츠 예측 시장과 검증 가능하고 복잡한 AI 플레이어 거버넌스 메커니즘의 가능성에 대한 도전을 열어준 것은 분명합니다.

마지막으로, 순수하게 체인화된 토너먼트나 자율적인 월드도 AI에 의해 강화될 것입니다. 이 주제에서 가장 주목할 만한 것은 LLM(대규모 지식 모델)으로, 플레이어의 행동이 자율 세계에서 여러 게임 환경에 동시에 영향을 미치므로 스토리라인에 기여할 수 있는 더 높은 차원의 지식을 전달해야 하는 수정 가능하고 상호 연결된 게임 환경에서 상호 운용 가능한 지속적 지식을 만들기 위해 LLM 프로토콜 계층을 사용하는 것을 살펴봅니다. 이는 다중 체인 게임 환경에 구축된 추상적 LLM 레이어에 적합합니다.

인프라

AI x 크립토 인프라는 자체 기사로 다룰 가치가 있지만 여기서는 간단히 설명해드리겠습니다. 개발 중인 몇 가지 아이디어를 살펴보겠습니다.

분산 컴퓨팅

암호화폐 경제 시스템의 계산 요구를 이해하려면 먼저 핵심 문제를 이해하는 것이 중요합니다. 현재까지 GPU 용량에는 엄청난 병목 현상이 존재하며, H100과 같은 최고급 하드웨어의 경우 최대 1년의 대기 시간이 소요됩니다. 그 동안 스타트업은 하드웨어 구매를 위해 막대한 자금을 모금하고 있고, 정부는 국방 목적으로 하드웨어를 조달하기 위해 동분서주하고 있으며, OpenAI와 같은 최고의 자금력을 갖춘 팀조차 제한된 컴퓨팅 성능으로 인해 기능 출시를 일시 중단해야 했습니다.

탈중앙화 컴퓨팅과 DePIN에 집중하는 많은 팀은 비인가 클러스터를 부트스트랩하여 수요를 충족하는 동시에 암호화 인센티브와 최소 마진을 제공하여 네트워크의 가격 경쟁력을 높이고 하드웨어 공급업체에 더 나은 수익을 제공하는 기회를 포착하고 있습니다.

머신 러닝은 크게 네 가지 주요 컴퓨팅 워크로드로 분류할 수 있습니다.

데이터 전처리: 원시 데이터를 준비하여 사용 가능한 형식으로 변환하는 작업입니다.

트레이닝: ML 모델이 대규모 데이터 세트에서 학습하여 데이터의 패턴과 관계를 학습하도록 하는 것입니다.

미세 조정: 특정 작업의 성능을 개선하기 위해 더 작은 데이터 세트를 사용하여 ML 모델을 더욱 최적화할 수 있습니다.

추론: 학습 및 미세 조정된 모델을 실행하여 예측을 수행합니다.

렌더와 아카시 같은 범용 컴퓨팅 네트워크가 AI/ML과 같은 보다 전문화된 컴퓨팅을 제공하기 위해 이동하는 것을 보았습니다. 예를 들어 렌더는 io.net과 같은 네트워크 위에 구축된 공급자를 활용하여 AI 고객에게 보다 직접적인 서비스를 제공하고 있으며, 다음과 같은 공급자들은 다음과 같은 서비스를 제공하고 있습니다. 아카시는 요구사항을 소유하고 자체 모델을 직접 훈련하여 네트워크의 힘을 입증하는 하드웨어 제공자들을 끌어들이기 시작했으며, 첫 번째 사례는 저작권이 없는 자료로만 훈련된 안정적인 확산 포크입니다. 라이브피어는 또한 이미 비디오 트랜스코딩을 제공하는 대규모 네트워크를 보유하고 있기 때문에 AI 비디오 컴퓨팅에 집중하고 있습니다. 사용 사례를 제공합니다.

또한 AI 연산 전용 네트워크가 구체화되면서 협업 및 검증과 관련된 핵심 과제를 AI를 중심으로 체인이나 모델을 구축하여 보다 직접적으로 해결할 수 있다는 사실을 깨닫게 되었습니다. 병렬화 및 검증을 위해 설계된 서브스트레이트 기반 L1을 구축한 Gensyn이 가장 주목할 만한 사례 중 하나라고 할 수 있습니다. 검증 및 병렬화. 이 프로토콜은 병렬화를 사용하여 대규모 계산 워크로드를 작업으로 분할하고 비동기식으로 네트워크에 푸시합니다. 검증 문제를 해결하기 위해 Gensyn은 확률적 학습 증명, 그래프 기반 핀포인트 프로토콜, 스테이킹과 슬래싱에 기반한 인센티브 시스템을 사용합니다. Gensyn 네트워크는 아직 활성화되지 않았지만, 개발팀은 네트워크에서 동급 V100 GPU의 시간당 비용이 약 0.40달러가 될 것으로 예측하고 있습니다.

스토리지 외에도 연합 학습과 같은 대체 학습 모델도 등장하고 있으며, 블록체인이 이러한 모델을 더 적절하게 동기 부여할 수 있다는 사실이 밝혀진 후 웹3에서 다시 부활하고 있습니다. 간단히 말해 연합 학습은 여러 당사자가 독립적으로 모델을 훈련하고 주기적으로 일괄 업데이트하여 글로벌 모델에 전송하는 접근 방식입니다. 실제로는 Google의 키보드 텍스트 예측 알고리즘과 같은 많은 예가 있습니다. 웹3.0에서는 FedML과 FLock이 공동 학습 방법과 토큰 인센티브를 결합하는 실험을 하고 있습니다.

파일코인이나 Arweave와 같은 탈중앙화 데이터 저장소와 스페이스나 타임과 같은 데이터베이스가 데이터 전처리에서 중요한 역할을 할 수 있다는 점도 주목할 필요가 있습니다.

합의 기반 머신러닝

블록체인을 사용하는 또 다른 새로운 형태의 인프라는 합의 기반 머신러닝(ML)이라는 개념입니다. 이 개념의 가장 대표적인 예는 비텐서로, 애플리케이션별 서브넷을 사용해 머신러닝의 효율성과 협업을 개선하도록 설계된 기판 기반 L1 블록체인입니다. 각 서브넷에는 LLM에서 예측 모델링, 생성적 혁신에 이르기까지 다양한 사용 사례를 지원하기 위한 자체 인센티브 시스템이 있습니다. 비트센서를 독특하게 만드는 것은 채굴자를 사용하여 고품질의 결과물을 조정하는 방식입니다. 채굴자는 ML 모델의 지능형 결과물(검증자가 평가한)을 제공하면 TAO(기본 토큰)를 받게 됩니다. 채굴자는 최고의 산출물에 대해 인센티브를 받으므로 경쟁력을 유지하기 위해 모델을 지속적으로 개선하여 토큰 이코노미에 의해 조정된 더 빠른 학습을 달성하는 과정을 완료하는 데 도움이 될 것입니다.

TAO 생태계에서 가장 최근의 흥미로운 발전은 토큰 배출에 대한 보다 자동화된 시장 중심 메커니즘 설계로 비트센서를 전환하기 위한 Dynamic TAO 제안과 OpenAI와 같은 기업과 경쟁하기 위한 인센티브 모델 미세 조정을 제공하기 위한 Nous 서브넷의 도입입니다.

마이닝이나 합의를 통해 모델 산출량을 품질에 유리한 방식으로 조절하는 등 이러한 시스템에서 더 많은 시도가 있을 수 있습니다.

인텐트만 있으면 됩니다

탈중앙화 금융에서 최근의 논쟁은 사용자 의도와 경제적으로 정렬된("경제적으로 정렬") 솔루션의 사용에 관한 것입니다. 경제적으로 정렬된) 복조기를 사용하여 이러한 의도를 실행하는 것입니다. 일반적으로 인텐트에 대한 많은 논의가 있지만, 한 가지 분명해진 것은 사용자 인텐트를 실행 코드로 파싱하려면 고차 시맨틱 컨텍스트가 필요하며 LLM이 이 시맨틱 계층을 제공할 수 있다는 점입니다.

프로펠러헤즈는 인텐트 공간에서 LLM을 사용하는 데 있어 현재까지 가장 명확한 비전을 제시합니다: https://www.propellerheads.xyz/blog/blockchain-and-llms.

요약하면, LLM은 의미론적 이해를 통해 거의 일치하는 것을 정확히 일치하는 것으로 변환하여 일치하는 욕구(CoW)의 기회를 찾는 데 도움을 줄 수 있습니다. 이는 내적 의도 재판단을 통해 수행할 수 있습니다(예: "USDC 대신 LUSD를 매수해도 괜찮을까? 일치하는 지정가 주문을 찾았고, 이 주문으로 거래 비용을 0.3% 절약할 수 있습니다.") 및 외부 주문(CoW)에 대한 재판단. 그리고 아웃바운드 재주문(예: "귀하가 보유한 이 BAYC를 구매하고 싶은데, X ETH에 판매해 주시겠습니까?"). 구현할 수 있습니다.

또한 에이전트 기반 예측 시장, AI 관리 경제 모델, ML 매개변수화된 DeFi 앱과 같은 대규모의 DeFi 사용 사례도 관심을 가져볼 만한데, 이는 zkML 기사에서 자세히 다루고 있습니다.

에이전트 경제학

지금까지 제가 가장 좋아하는 인프라 영역 중 하나는 AI 에이전트 경제학입니다. 이는 모든 사람이 자신의 에이전트를 갖고, 잘 훈련된 우수한 에이전트를 고용하여 서비스를 제공하거나 자율 에이전트가 복잡한 경제 행동에서 우리의 목표를 달성하도록 하는 세상에 대한 저의 비전에서 비롯된 것입니다. 이를 위해서는 에이전트가 서비스에 대한 대가를 지불하고 받을 수 있는 방법이 있어야 합니다. 이러한 에이전트를 위해 기존 결제 모델을 사용할 수도 있지만, 사용 편의성, 결제 속도, 무허가성을 고려할 때 암호화폐로 거래할 가능성이 더 높습니다.

오토놀라스와 다인이 이 분야의 대표적인 예입니다. Autonolas에서 에이전트는 실제로 특정 목표에 전념하는 네트워크의 노드이며, 이러한 노드는 키퍼 네트워크와 유사하게 서비스 운영자에 의해 유지 관리됩니다. 이러한 에이전트는 예후 예측기, 예측 시장, 메시징 등 다양한 서비스에 사용될 수 있습니다. DAIN도 비슷한 접근 방식을 취하여 에이전트가 "네트워크의 다른 에이전트를 발견, 상호 작용, 거래 및 협업"할 수 있도록 지원합니다.