작성자: @knimkar
번역: 토착 블록체인
우리는 AI와 암호화폐의 교차점에서 캄브리아기의 폭발적인 사용 사례 실험에 진입하고 있는 것으로 보입니다. 저는 이 에너지에서 어떤 결과가 나올지 매우 기대하고 있으며 생태계에서 볼 수 있는 흥미롭고 새로운 기회를 @SolanaFndn에서 공유하고 싶었습니다.
1. 간략한 개요
1) 솔라나에서 가장 역동적인 에이전트 중심 경제를 촉진하는 Truth Terminal은 AI 에이전트가 온체인에서 상호 작용할 수 있을 때 무엇이 가능한지 보여주는 최초의 시연입니다. 우리는 에이전트가 체인에서 수행할 수 있는 작업의 경계를 안전하게 확장하는 실험을 기대합니다. 이 분야의 잠재력은 엄청나지만 우리는 아직 그 안의 디자인 공간을 탐색하기 시작하지도 않았습니다. 이는 이미 암호화폐와 AI의 결합에서 가장 예상치 못한 폭발적인 영역임이 입증되었으며 이제 막 시작되었습니다.
2) 대규모 언어 모델(LLM)을 더욱 효과적으로 Solana 코드 작성에 활용하고 Solana 개발자에게 권한을 부여하세요. 대규모 언어 모델은 이미 코드 작성에 능숙하며 더욱 강력해질 것입니다. 우리는 이러한 기능을 사용하여 솔라나 개발자의 생산성을 2~10배 향상시킬 수 있기를 바랍니다. 단기적으로 우리는 Solana 코드를 이해하고 작성하는 LLM의 능력을 측정하기 위한 고품질 벤치마크를 만들 것입니다(자세한 내용은 아래 참조). 이러한 테스트는 LLM이 Solana 생태계에 미치는 잠재적 영향을 이해하는 데 도움이 됩니다. 우리는 팀이 모델을 미세 조정하는 데 있어 높은 품질의 진전을 이룰 수 있도록 지원하기를 기대합니다(그리고 우리는 벤치마크에서 좋은 성적을 거두어 이러한 모델의 품질을 검증합니다!).
3) 개방형 및 분산형 AI 기술 스택을 지원합니다. 우리가 "개방형 및 분산형 AI 기술 스택"이라고 부르는 것은 훈련용 데이터, 컴퓨팅 리소스(훈련 및 추론용), 모델에 대한 액세스를 용이하게 할 수 있는 개방형 및 분산형 프로토콜을 의미합니다. 가중치, 모델 출력을 검증하는 능력(“검증 가능한 계산”). 이 개방형 AI 기술 스택은 다음과 같은 이유로 중요합니다.
모델 개발 중 실험 및 혁신 가속화
국가가 승인한 AI 등 신뢰할 수 없는 AI를 사용할 수밖에 없는 이들에게 탈출구를 제공하세요.
우리는 이 기술 스택의 모든 수준에서 팀과 제품을 구축하는 것을 지원하고 싶습니다. 이러한 핵심 영역과 관련된 작업을 수행하고 있다면 원본 기사의 작성자에게 문의할 수 있습니다!
2. 상세 개요
아래에서는 우리가 이 세 가지 기둥에 대해 기대하는 이유와 우리가 구축하고자 하는 것이 무엇인지 더 자세히 설명합니다.
1) 가장 역동적인 에이전트 중심 경제를 촉진합니다.
우리는 왜 이것에 관심을 갖는가? Truth Terminal과 GOAT에 대해 많은 논의가 있었고 여기서 반복하지는 않겠지만, 분명히 말할 수 있는 것은 AI 에이전트가 체인에서 상호 작용할 때 가능한 모든 종류의 미친 기능이 되돌릴 수 없게 현실에 들어왔다는 것입니다( 이 경우 에이전트는 아직 온체인에서 직접 조치를 취하지도 않았습니다.)
현 시점에서는 온체인 에이전트 행동의 미래가 어떤 모습일지 정확히 알 수 없다고 자신 있게 말할 수 있습니다. 하지만 설계 공간이 얼마나 넓은지 알려드리기 위해 솔라나에서 이미 일어나고 있는 일 중 일부는 다음과 같습니다.
Truth Terminal과 같은 AI 리더들은 $GOAT와 같은 밈코인을 통해 뉴에이지 종교를 육성하려고 노력하고 있습니다.
동시에 @HoloworldAI, @vvaifudotfun, @TopHat_One 및 @real_alethea와 같은 애플리케이션을 통해 사용자는 에이전트 및 관련 토큰을 쉽게 생성하고 시작할 수 있습니다.
다양한 유명 암호화폐 투자자를 위한 맞춤형 에이전트인 AI 펀드 매니저를 교육하여 투자 결정을 내리고 포트폴리오를 강화하세요. 예를 들어 @daosdotfun에서 @ai16zdao의 급격한 상승은 AI 펀드 + 에이전트 응원의 새로운 메타버스를 만들었습니다.
플레이어가 에이전트에게 조치를 취하도록 명령하는 @ParallelColony와 같은 에이전트 중심 게임도 있으며, 종종 예상치 못한 결과가 발생합니다.
가능한 다음 개발 방향:
모든 당사자 간의 경제적 조정이 필요한 다각적인 프로젝트의 기관 관리입니다. 예를 들어, 에이전트는 "[X] 질병을 치료할 화합물 찾기"와 같은 복잡한 작업을 맡을 수 있습니다. 에이전트는 다음 작업을 수행할 수 있습니다.
@pumpdotscience의 토큰을 통해 자금을 모으십시오.
모금된 자금을 관련 유료 연구에 대한 액세스 비용을 지불하고 다양한 화합물의 시뮬레이션을 위한 분산 컴퓨팅 네트워크(예: @kuzco_xyz, @rendernetwork, @ionet 등)에서의 컴퓨팅 비용을 지불하는 데 사용합니다.
@gib_work와 같은 포상금 플랫폼을 사용하여 실제 작업을 수행할 사람을 모집합니다(예: 시뮬레이션 결과를 검증/정제하기 위한 실험 실행).
또는 웹사이트 구축이나 예술 작품 제작을 돕는 등의 간단한 작업을 수행하는 AI(예: @0xzerebro)입니다.
다른 많은 가능성이 있습니다.
에이전트가 온체인(전통적인 금융 시스템 대신)에서 금융 활동을 수행하도록 하는 것이 더 합리적인 이유는 무엇입니까? 에이전트는 전통적인 금융 시스템과 암호화폐를 모두 활용할 수 있습니다. 암호화폐가 특정 목적에 특히 적합한 몇 가지 이유는 다음과 같습니다.
소액 결제 시나리오 – Solana는 여기에서 탁월하며 Drip과 같은 앱은 이미 그 잠재력을 보여주었습니다.
속도 – 에이전트에게 즉각적인 결제는 매우 중요할 수 있으며, 특히 자본 효율성 측면에서 최적의 상태를 원하는 경우 더욱 그렇습니다.
DeFi를 통한 자본 시장 접근 – 암호화폐의 장점은 에이전트가 엄격한 결제 이상의 금융 활동을 수행하기 시작하면 특히 분명해집니다. 이것이 아마도 에이전트가 암호화폐 경제에 참여하는 가장 강력한 이유일 것입니다. 에이전트는 자산 발행, 거래 수행, 투자, 자금 차입, 레버리지 사용 및 기타 작업을 원활하게 수행할 수 있습니다.
솔라나 메인넷은 이미 최고 수준의 DeFi 인프라를 풍부하게 갖추고 있기 때문에 솔라나는 이러한 종류의 자본 시장 활동을 지원하는 데 특히 적합합니다.
결국 기술은 경로에 따라 달라지는 경우가 많으며, 중요한 것은 어떤 제품이 최고인지가 아니라 먼저 임계 질량에 도달하여 기본 경로가 되는 것입니다. 암호화폐를 통해 상당한 부를 창출하는 에이전트가 더 많아지면 암호화폐 연결이 에이전트의 중요한 기능으로 확고해질 수 있습니다.
우리가 보고 싶은 것
체인에서 작업을 수행하기 위해 에이전트와 지갑을 결합하는 대담한 실험입니다. 가능성이 매우 광범위하고 가장 흥미롭고 가치 있는 에이전트 애플리케이션 시나리오는 예측할 수 없는 시나리오일 것으로 예상하기 때문에 여기서는 지나치게 구체적인 정의를 제공하지 않습니다. 그러나 우리는 특히 다음과 같은 방향의 탐사 및 인프라 건설에 관심을 갖고 있습니다.
적어도 테스트넷의 프로토타입 단계에서는(메인넷이 바람직함)
2) LLM이 솔라나 코드를 잘 작성하고 솔라나 개발자들에게 힘을 실어줄 수 있도록 해주세요
우리는 왜 이것에 관심을 갖는가? LLM은 이미 강력한 역량을 보유하고 있으며 빠르게 발전하고 있습니다. 하지만 코드 작성은 객관적으로 평가할 수 있는 작업이기 때문에 LLM 응용 분야에서는 특히 주목해야 할 방향입니다. 아래 게시물에 설명된 바와 같이, “프로그래밍에는 고유한 이점이 있습니다. '자체 플레이'를 통해 초인적인 데이터 확장이 가능합니다. 모델은 코드를 작성한 후 실행할 수도 있고, 코드를 작성하고 테스트를 작성하고 자체 일관성을 확인할 수도 있습니다. .
환상의 부정적인 영향 제한 - 현재 모델은 매우 강력하지만 여전히 완벽하지는 않습니다. 에이전트에게 작업을 수행할 수 있는 완전한 자유가 주어질 수는 없습니다.
비투기적 사용 사례를 촉진합니다. 예를 들어 @xpticket을 통해 티켓을 구매하거나, 스테이블코인 포트폴리오에 대한 수익을 최적화하거나, DoorDash에서 음식을 구매할 수 있습니다.
현재 LLM은 코드 작성에 있어 아직 완벽과는 거리가 멀고 몇 가지 명백한 단점(예: 취약성을 찾는 데 부족함)이 있지만 Github Copilot 및 AI 기본 코드 편집기 Cursor와 같은 도구는 근본적으로 개선되었습니다. 소프트웨어 개발을 변화시켰으며 기업이 인재를 채용하는 방식도 변화시켰습니다. 예상되는 급속한 발전을 고려하면 이러한 모델은 소프트웨어 개발에 혁명을 일으킬 가능성이 높습니다. 우리는 이러한 발전을 활용하여 솔라나의 개발자 생산성을 훨씬 더 빠르게 향상시킬 수 있기를 바랍니다.
그러나 현재 LLM이 솔라나를 이해하는 데 방해가 되는 몇 가지 과제가 있습니다.
LLM이 훈련할 고품질 원시 데이터가 충분하지 않습니다.
검증된 빌드가 충분하지 않습니다.
Stack Overflow와 같은 곳에서는 중요한 정보의 교환이 충분하지 않습니다.
솔라나 인프라는 빠르게 발전하고 있습니다. 이는 6개월 전에 작성된 코드라도 현재 요구 사항에 완전히 적합하지 않을 수 있음을 의미합니다.
모델이 솔라나를 얼마나 잘 이해하는지 평가할 방법이 없습니다.
우리가 보고 싶은 것
더 나은 솔라나 데이터를 인터넷에 올릴 수 있도록 도와주세요!
더 많은 팀이 검증된 빌드를 출시합니다.
생태계 내 더 많은 사람들이 Stack Exchange에 적극적으로 참여하여 좋은 질문을 하고 질 높은 답변을 제공할 수 있기를 바랍니다.
Solana에 대한 LLM의 이해도를 평가하기 위한 고품질 벤치마크 생성(RFP 제공 예정)
위의 벤치마크에서 높은 점수를 받는 미세 조정된 LLM 버전을 만들고, 더 중요하게는 Solana 개발자의 작업을 가속화합니다. 고품질 벤치마크가 확보되면 벤치마크 점수를 달성한 첫 번째 모델에 대해 보상을 제공할 수 있습니다. 계속 지켜봐 주시기 바랍니다.
여기서 최종 성과는 전적으로 AI로 만들어진 고품질의 차별화된 솔라나 검증인 클라이언트가 될 것입니다.
3) 개방형 및 분산형 AI 기술 스택 지원
우리는 왜 이것에 관심을 갖는가? 장기적으로 AI의 힘이 오픈 소스와 폐쇄 소스 AI 사이에서 어떻게 균형을 이룰지는 불분명합니다. 폐쇄 소스 엔터티가 최첨단 기술을 유지하고 기본 모델에서 대부분의 가치를 포착하는 이유에 대한 좋은 주장이 있습니다. 현재 가장 간단한 기대는 현상 유지가 계속될 것이라는 것입니다. OpenAI 및 Anthropic과 같은 대기업은 기술의 한계를 뛰어넘고, 오픈 소스 모델은 빠르게 뒤따르며 결국 특정 사용 사례에 맞게 독특하고 강력하게 미세 조정된 버전을 갖게 될 것입니다. 솔라나가 긴밀하게 연결되어 오픈소스 AI 생태계를 지원할 수 있기를 바랍니다. 구체적으로 이는 훈련용 데이터, 훈련 및 추론을 위한 컴퓨팅 성능, 결과 모델의 가중치, 모델 출력 검증 기능에 대한 액세스를 용이하게 한다는 것을 의미합니다. 이것이 중요하다고 생각하는 구체적인 이유는 다음과 같습니다.
A. 오픈 소스 모델은 모델 개발의 디버깅과 혁신을 가속화하는 데 도움이 됩니다. 오픈 소스 커뮤니티가 Llama와 같은 오픈 소스 모델을 신속하게 개선하고 미세 조정할 수 있는 방법은 커뮤니티가 AI 분야를 발전시키는 대규모 AI 회사의 노력을 효과적으로 보완할 수 있는 방법을 보여줍니다. (Google의 연구원도 작년에 오픈 소스와 관련하여 "우리에게는 해자가 없으며 OpenAI도 마찬가지입니다"라고 지적했습니다). 우리는 번성하는 오픈 소스 AI 기술 스택이 해당 분야의 발전 속도를 가속화하는 데 중요하다고 믿습니다.
B. 신뢰하지 않는 AI(예: 국가 승인 AI)를 강제로 사용해야 하는 사람들을 위한 출구 제공 AI는 이제 독재자나 권위주의 정권의 무기고에서 가장 강력한 도구일 수 있습니다. 국가가 승인한 모델은 국가가 승인한 진실 버전을 제공하며 엄청난 통제 수단이 됩니다. 고도로 권위주의적인 정권은 AI를 훈련시키기 위해 시민의 프라이버시를 기꺼이 무시하기 때문에 더 나은 모델을 가질 수도 있습니다. AI가 제어 도구로 활용되는 문제는 발생 여부가 아닌 언제 발생하느냐는 점이며, 우리는 이러한 가능성에 대비하기 위해 오픈소스 AI 기술 스택을 최대한 지원하고자 합니다.
솔라나는 이미 오픈 소스 AI 기술 스택을 지원하는 많은 프로젝트의 본거지입니다.
Grass와 Synesis One은 데이터 수집을 촉진하고 있습니다.
@kuzco_xyz, @rendernetwork, @ionet, @theblessnetwork, @nosana_ai 등은 수많은 분산 컴퓨팅 리소스를 제공하고 있습니다.
@NousResearch 및 @PrimeIntellect와 같은 팀은 분산형 교육을 가능하게 하는 프레임워크를 개발하기 위해 노력하고 있습니다(아래 참조).
우리가 기대하는 것은 오픈 소스 AI 기술 스택의 모든 수준에서 더 많은 제품이 개발되는 것입니다.
@getgrass_io, @usedatahive, @synesis_one과 같은 분산형 데이터 수집
온체인 신원 인증: 지갑이 인간임을 증명할 수 있는 프로토콜과 소비자가 LLM과 상호 작용하고 있음을 확인할 수 있도록 AI API 응답을 확인하는 프로토콜이 포함됩니다.
분산형 교육: 예: @exolabs, @NousResearch 및 @PrimeIntellect
지적 재산권 인프라: AI가 활용하는 콘텐츠에 대한 라이선스를 부여하고 비용을 지불할 수 있도록 지원
