AI 연산력도 Crypto를 매개로 한 P2P 거래가 가능할까? 3개 프로젝트로 새로운 기회를 알아보세요
전망은 무한한가, 아니면 자본 거품인가? 3개의 대표적인 프로젝트를 통해 탈중앙화 AI 컴퓨팅 경로를 이해하다저자: Arkady childe
오늘날 데이터 중심 시대에서 인공지능(AI) 기술은 전례 없는 속도로 발전하고 있습니다. 특히 AI 대모델의 훈련은 기술적 경계를 지속적으로 넘어서고 있지만, 이는 동시에 거대한 도전 과제를 가져옵니다. 그 중에서 탈중앙화된 분산 컴퓨팅 네트워크는 AI 대모델 훈련 분야에서 중요한 역할을 하고 있지만, 그것이 직면한 기술적 병목 현상과 도전 과제 또한 간과할 수 없습니다.
탈중앙화 네트워크의 가장 큰 요구 중 하나는 AI 대모델 훈련 지원입니다. 그러나 이 과정은 복잡한 데이터 동기화 및 네트워크 최적화 문제를 포함하며, 이러한 문제의 해결은 컴퓨팅 네트워크의 효율성과 효과를 보장하는 데 매우 중요합니다. 또한 데이터의 프라이버시와 보안성도 무시할 수 없는 중요한 요소입니다. 데이터 프라이버시를 보장하면서 효과적인 모델 훈련을 수행하는 방법은 시급히 해결해야 할 난제입니다.
현재 안전한 다자간 계산, 차등 프라이버시, 연합 학습, 동형 암호화 등의 기술은 특정 상황에서 그 장점을 보여주고 있지만, 특히 대규모 분산 컴퓨팅 네트워크에서 데이터 프라이버시 문제를 처리하는 데 한계가 있습니다. 예를 들어, 제로 지식 증명(ZKP) 기술은 이 분야에서 큰 잠재력을 가지고 있지만, 이를 대규모 분산 컴퓨팅 네트워크 훈련 대모델에 적용하기 위해서는 수년간의 연구와 개발이 필요합니다. 이는 학계의 더 많은 관심과 자원 투입이 필요할 뿐만 아니라, 거대한 기술적 비용과 실제 응용의 난제를 직면하게 됩니다.
모델 훈련과 비교할 때, 탈중앙화된 분산 컴퓨팅 네트워크는 모델 추론 측면에서 더 큰 실용 잠재력을 보여줍니다. 향후 이 분야의 성장 가능성은 매우 클 것으로 예상됩니다. 그럼에도 불구하고, 추론 과정은 여전히 통신 지연, 데이터 프라이버시 및 모델 보안 등 여러 도전에 직면해 있습니다. 계산 복잡성과 데이터 상호작용성이 상대적으로 낮기 때문에 모델 추론은 분산 환경에서 수행하는 것이 더 적합하지만, 이러한 도전을 극복하는 방법은 여전히 깊이 있는 논의가 필요한 주제입니다.
이러한 배경 속에서 우리는 탈중앙화된 분산 컴퓨팅 네트워크의 대표 프로젝트인 Akash Network, Gensyn, Together를 추가로 탐구하여 미래의 생산 방식을 변화시킬 수 있는 이 분야를 더 깊이 이해하고자 합니다.
Akash Network: 완전 오픈 소스 P2P 클라우드 마켓, 토큰 인센티브로 전 세계 유휴 컴퓨팅 파워 활성화
Akash Network는 오픈 소스 플랫폼으로, 그 핵심 이념은 클라우드 서비스를 찾는 사용자와 과잉 컴퓨팅 자원을 보유한 인프라 제공자를 연결하는 탈중앙화된 P2P 클라우드 마켓을 구축하는 것입니다.
Akash 플랫폼은 배포를 호스팅하고 관리하는 데 특화되어 있으며, Kubernetes 작업 부하를 실행하는 클라우드 관리 서비스를 제공합니다. 간단히 말해, Kubernetes는 컨테이너화된 애플리케이션의 자동 배포, 확장 및 관리를 위한 오픈 소스 시스템입니다.
Akash 플랫폼의 사용자는 "세입자"라고 불리며, 주로 특정 기준을 충족하는 클라우드 제공자에게 Docker 컨테이너를 배포하려는 개발자들입니다. Docker 컨테이너의 중요한 특징 중 하나는 패키지된 코드와 그 의존성을 포함하여, 애플리케이션이 어떤 컴퓨팅 환경에서도 동일한 방식으로 실행되도록 보장한다는 것입니다. 이는 노트북에서 개발하든, 샌드박스에서 테스트하든, 클라우드에서 실행하든 애플리케이션이 코드 변경 없이 실행될 수 있음을 의미합니다.
Akash 마켓의 독특한 점은 그 반대 경매 모델입니다. 이 모델은 사용자가 가격을 자율적으로 설정하고 배포할 컨테이너의 자원 요구 사항을 설명할 수 있도록 합니다. 클라우드 제공자의 컴퓨팅 자원이 충분히 활용되지 않을 때, 그들은 Akash 마켓을 통해 이러한 자원을 임대할 수 있으며, 이는 Airbnb 호스트가 여분의 방을 임대하는 방식과 유사합니다. 주목할 점은 Akash를 통해 컨테이너를 배포하는 비용이 세 대 클라우드 서비스 제공자(아마존 웹 서비스, 구글 클라우드, 마이크로소프트 Azure)의 약 10분의 1에 불과하다는 것입니다.
Akash Network의 모든 거래와 기록은 그 토큰인 Akash Token (AKT)을 통해 체인 상에서 이루어집니다. 이 네트워크는 Cosmos SDK 프레임워크를 기반으로 블록체인을 구축하고, Tendermint 비잔틴 내결함성(BFT) 엔진을 활용하여 위임 지분 증명(DPoS) 합의 알고리즘을 지원합니다. AKT는 단순한 거래 매개체일 뿐만 아니라, Akash 네트워크 내에서 보안 보장, 보상 제공, 네트워크 거버넌스 참여 및 거래 처리 등 다양한 역할을 수행합니다.
이러한 방식으로 Akash Network는 더 경제적이고 효율적인 클라우드 서비스 선택지를 제공할 뿐만 아니라, 현대 클라우드 컴퓨팅 분야에서 블록체인 기술의 혁신적 응용을 보여줍니다.
Gensyn: 복잡한 머신 러닝 작업을 여러 하위 작업으로 분해하여 처리 효율성 향상
Gensyn은 인공지능 컴퓨팅 시장의 수요를 처리하기 위해 특별히 설계된 블록체인 기반의 탈중앙화된 딥러닝 계산 프로토콜입니다.
이 프로토콜의 핵심은 복잡한 머신 러닝 작업을 여러 하위 작업으로 분해하고, 참여자의 계산 자원을 통해 고도로 병렬화된 계산을 실현하는 것입니다. 이러한 방식은 계산 효율성을 높일 뿐만 아니라, 스마트 계약을 통해 작업의 자동화된 배분, 검증 및 보상을 실현하여 중앙 집중식 관리의 필요성을 제거합니다.
팀은 2023년 6월 유명 벤처 캐피탈 회사 a16z가 주도한 4,300만 달러의 A 라운드 자금을 성공적으로 조달하여 누적 자금이 5,000만 달러에 달했습니다.
Gensyn 프로토콜은 스마트 계산 네트워크와 유사하며, 주요 특징은 다음과 같습니다:
확률적 학습 증명: 그래디언트 최적화 과정의 메타데이터를 활용하여 작업 완료 증명을 구축하여 작업 완료 상태를 신속하게 검증합니다;
그래프 기반 위치 프로토콜: 다중 세분화된 그래프 기반 위치 프로토콜을 사용하여 교차 검증 일관된 실행을 통해 작업 검증의 일관성을 보장합니다;
Truebit 스타일의 인센티브 게임: 스테이킹 및 감소 메커니즘을 통해 인센티브 게임을 구축하여 참여자가 정직하게 작업을 수행하도록 보장합니다.
또한 Gensyn 시스템에 관련된 네 가지 주요 역할은 다음과 같습니다:
제출자: 시스템의 최종 사용자로, 계산이 필요한 작업을 제공하고 비용을 지불합니다;
해결자: 모델 훈련을 수행하고 검증자가 확인해야 할 증명을 생성합니다;
검증자: 해결자가 제공한 증명의 정확성을 검증하는 역할을 합니다;
신고자: 안전 보장을 위해 검증자의 작업을 검토하고 문제가 발견되면 이의를 제기합니다.
Gensyn 프로토콜은 비용과 성능 면에서 상당한 장점을 가지고 있습니다. 예를 들어, 이더리움의 작업 증명을 지분 증명으로 전환하는 것과 비교하여, Gensyn은 참여자에게 자신의 계산 자원을 활용하여 보상을 받을 수 있는 방법을 제공하여 계산 비용을 낮추고 자원 활용도를 높였습니다. Python 시뮬레이션 테스트 결과에 따르면, Gensyn 프로토콜의 모델 훈련 시간 비용은 약 46% 증가했지만, 성능은 다른 방법에 비해 상당히 향상되었습니다.
Gensyn은 블록체인 기반의 탈중앙화된 컴퓨팅 프로토콜로, 스마트 계약을 통해 머신 러닝 작업의 배분 및 보상을 실현하여 AI 모델 훈련을 가속화하고 비용을 낮추는 데 전념하고 있습니다. 통신 및 프라이버시와 같은 도전에 직면해 있지만, Gensyn은 유휴 컴퓨팅 파워를 효과적으로 활용하는 방법을 제공하며, 다양한 모델 규모와 요구를 고려하여 보다 광범위하고 유연한 응용을 실현하고자 합니다.
Together: 대모델 개발 및 응용에 집중, 시드 라운드에서 2,000만 달러 자금 조달
Together는 탈중앙화 AI 컴퓨팅 솔루션을 제공하는 오픈 소스 회사로, 대모델의 개발 및 응용에 집중하고 있습니다. 회사의 비전은 누구나 어디서나 AI에 접근하고 사용할 수 있도록 하는 것입니다. 올해 5월, Together는 Lux Capital이 주도한 2,000만 달러의 시드 라운드 자금을 조달했습니다.
Together는 Chris, Percy, Ce가 공동 설립하였으며, 그 출발점은 대모델 훈련에 필요한 많은 고급 GPU 클러스터와 비싼 비용에 대한 인식에서 비롯되었습니다. 그들은 이러한 자원과 모델 훈련 능력이 소수의 대기업에만 집중되어서는 안 된다고 생각합니다.
Together의 발전 전략은 오픈 소스 모델과 분산 컴퓨팅의 응용에 중점을 두고 있습니다. 그들은 탈중앙화된 컴퓨팅 네트워크를 사용하기 위한 전제 조건으로 모델이 반드시 오픈 소스여야 하며, 이는 비용과 복잡성을 줄이는 데 도움이 된다고 믿고 있습니다. 그들이 최근 발표한 LLaMA 기반의 RedPajama는 그 예로, 이 프로젝트는 Together와 여러 연구 팀이 협력하여 시작하였으며, 완전 오픈 소스 대형 언어 모델을 개발하는 것을 목표로 하고 있습니다.
모델 추론 측면에서 Together의 연구 개발 팀은 RedPajama-INCITE-3B 모델에 대해 LoRA를 사용하여 저비용 미세 조정을 구현하는 등 일련의 업데이트를 진행하였습니다. 모델 훈련에 관해서는, Together는 탈중앙화 훈련에서의 통신 병목 문제를 해결하기 위해 스케줄 최적화 및 통신 압축 최적화 등을 진행하고 있습니다.
Together 팀은 대모델 개발에서 클라우드 컴퓨팅 및 하드웨어 최적화에 이르기까지 다양한 분야의 전문 배경을 가지고 있으며, AI 컴퓨팅 프로젝트에 대한 전방위적인 고려를 보여줍니다. 그들의 전략은 오픈 소스 대모델 개발, 모델 추론에서의 분산 컴퓨팅 테스트, 대모델 훈련에 대한 분산 컴퓨팅 배치 등 장기 발전 계획을 반영하고 있습니다.
현재 프로젝트는 초기 단계에 있으며, 네트워크 인센티브 메커니즘, 토큰 사용 사례 등 많은 핵심 세부 사항이 아직 공개되지 않았습니다. 이러한 요소는 암호화 프로젝트의 성공에 매우 중요합니다. 따라서 업계는 Together의 향후 발전과 추가적인 세부 공개에 지속적으로 주목하고 있습니다.
탈중앙화 AI의 미래는 무한히 넓지만, 그 안의 도전 과제도 점진적으로 극복해야 합니다
탈중앙화 컴퓨팅 네트워크와 AI 기술의 융합을 살펴보면, 이 분야는 도전과 잠재력으로 가득 차 있음을 알 수 있습니다. AI와 Web3의 결합은 두 개의 다른 분야이지만, 분산 기술을 사용하여 AI 독점을 제한하고 탈중앙화 합의 메커니즘 형성을 촉진하는 데 자연스럽게 맞물려 있습니다. 탈중앙화 컴퓨팅 네트워크는 분산 계산 능력과 프라이버시 보호를 제공할 뿐만 아니라, AI 모델의 신뢰성과 신뢰성을 강화하고 신속한 배포 및 실행을 지원합니다.
그러나 이 분야의 발전은 장애물이 없는 것은 아닙니다. 중앙 집중식 컴퓨팅 네트워크에서의 높은 통신 비용은 탈중앙화 네트워크의 큰 도전 과제로, 노드의 신뢰성과 보안을 보장하고 분산된 계산 자원을 효과적으로 관리하는 등 여러 기술적 문제를 극복해야 합니다.
상업적 현실로 돌아가면, AI와 Web3의 깊은 융합은 매력적이지만, 연구 개발 비용이 높고 비즈니스 모델이 불명확한 문제에 직면해 있습니다. AI와 Web3와 같은 분야는 현재 여전히 초기 발전 단계에 있으며, 그 진정한 잠재력은 시간이 지나야 증명될 것입니다.
