원문: Archetype
편집자: Yuliya, PANews
오늘날 인공지능과 블록체인 기술의 급속한 발전으로 이 두 분야의 교차점은 흥미로운 혁신 가능성을 낳고 있습니다. 이 기사에서는 지능형 에이전트의 상호 작용부터 분산형 컴퓨팅, 데이터 시장의 변화부터 개인 정보 보호 기술의 혁신까지 2025년에 주목해야 할 10가지 중요한 영역에 대한 심층 분석을 제공합니다.
1. 에이전트 간 상호작용
블록체인의 고유한 투명성과 구성성 특성은 에이전트 간의 상호 작용을 위한 이상적인 기본 계층을 만듭니다. 다양한 엔터티에서 개발하고 다양한 목적을 제공하는 지능형 에이전트는 블록체인에서 원활하게 상호 작용할 수 있습니다. 에이전트 간 자금 이체, 토큰 공동 발행 등 눈길을 끄는 실험적 응용 사례도 있었습니다.
미래 에이전트 상호 작용의 개발 잠재력은 주로 두 가지 측면에 반영됩니다. 첫째, 에이전트 상호 작용에 의해 구동되는 새로운 소셜 시나리오와 같은 새로운 응용 분야 생성, 둘째, 플랫폼 인증 및 검증, 소액 결제, 교차를 포함한 기존 기업 수준 워크플로 최적화. -플랫폼 워크플로 통합 및 기타 전통적으로 번거로운 링크.
aethernet과 clanker는 Warpcast 플랫폼에서 공동 통화 발행을 구현합니다.
2. 분산형 지능형 에이전트 조직
대규모 다중 에이전트 조정은 또 다른 흥미로운 연구 분야입니다. 여기에는 다중 에이전트 시스템이 함께 작동하여 작업을 완료하고, 문제를 해결하고, 시스템과 프로토콜을 관리하는 방법이 포함됩니다. Vitalik은 2024년 초에 발표된 "암호화폐 및 AI 애플리케이션의 전망과 과제"라는 기사에서 예측 시장 및 중재 분야에서 AI 에이전트의 활용 가능성을 언급했습니다. 그는 거시적 관점에서 볼 때 다중 에이전트 시스템이 "진실" 발견 및 자율 거버넌스 시스템에 대한 상당한 잠재력을 보여준다고 믿습니다.
업계에서는 다중 에이전트 시스템의 기능 경계와 다양한 형태의 "군집 인텔리전스"를 계속 탐색하고 실험하고 있습니다. 에이전트 간 조정의 확장으로서 에이전트와 인간 사이의 조정은 흥미로운 설계 공간을 구성합니다. 특히 에이전트를 중심으로 커뮤니티가 상호 작용하는 방식과 에이전트가 집단적 행동을 수행하기 위해 인간을 조직하는 방법 측면에서 그렇습니다.
연구자들은 목적 함수가 대규모 인간 조정을 포함하는 에이전트 실험에 특히 관심이 있습니다. 이러한 애플리케이션은 특히 인간 작업이 오프체인에서 완료되는 경우 해당 검증 메커니즘을 갖추고 있어야 합니다. 이러한 인간과 기계의 협력은 독특하고 흥미로운 새로운 행동으로 이어질 수 있습니다.
3. 지능형 에이전트 멀티미디어 엔터테인먼트
디지털 성격의 개념은 수십 년 동안 존재해 왔습니다.
- 2007년 초, 하츠네 미쿠는 20,000명의 관객이 모인 공연장에서 매진된 콘서트를 열 수 있었습니다.
- 2016년에 태어난 가상 인터넷 유명인인 Lil Miquela는 인스타그램에서 200만 명 이상의 팬을 보유하고 있습니다.
- 2022년 출시된 AI 가상 앵커인 Neuro-sama는 Twitch 플랫폼에서 60만 명 이상의 구독자를 축적했습니다.
- 2023년 창단된 가상 한국 그룹 플레이브(PLAVE)는 2년도 채 되지 않아 유튜브 조회수 3억 회 이상을 달성했다.
AI 인프라의 발전과 결제, 가치 이전 및 개방형 데이터 플랫폼에 블록체인의 통합 적용을 통해 이러한 지능형 에이전트는 2025년까지 더 높은 수준의 자율성을 달성하고 새로운 주류 엔터테인먼트 카테고리를 열 수 있을 것으로 예상됩니다.
왼쪽 위에서 시계 방향으로: 하츠네 미쿠, Virtuals의 Luna, Lil Miquela 및 PLAVE
4. 생성적/지능적 에이전시 콘텐츠 마케팅
앞서 언급한 지능형 에이전트 자체가 제품인 경우와 달리, 지능형 에이전트는 제품의 보완 도구로도 사용될 수 있다. 오늘날의 관심 경제에서는 매력적인 콘텐츠를 지속적으로 출력하는 것이 모든 아이디어, 제품 또는 회사의 성공에 매우 중요합니다. 생성적/지능형 프록시 콘텐츠는 팀이 연중무휴 중단 없이 콘텐츠를 제작할 수 있는 강력한 도구가 되고 있습니다.
이 분야의 개발은 밈 코인과 지능형 에이전트 간의 경계에 대한 논의로 인해 가속화되었습니다. "지능"이 아직 완전히 실현되지는 않았지만 지능형 에이전트는 Meme 코인이 확산되는 강력한 수단이 되었습니다.
게임 분야는 또 다른 전형적인 예를 제공합니다. 현대 게임은 사용자 참여를 유지하기 위해 점점 더 역동적으로 유지되어야 합니다. 전통적으로 UGC(사용자 생성 콘텐츠)를 육성하는 것은 게임의 역동성을 창출하는 고전적인 방법입니다. 순수 생성 콘텐츠(게임 내 아이템, NPC 캐릭터, 완전히 생성된 레벨 등 포함)는 이러한 진화의 다음 단계를 나타낼 수 있습니다. 2025년에는 지능형 에이전트의 기능이 기존 유통 전략의 경계를 크게 확장할 것입니다.
5. 차세대 미술 도구 및 플랫폼
2024년 출시된 'IN CONVERSATION WITH' 시리즈는 암호화폐 분야에서 활동하는 아티스트와 음악, 시각 예술, 디자인, 큐레이션 등의 비주류 아티스트를 인터뷰합니다. 이러한 인터뷰를 통해 중요한 관찰 결과가 드러났습니다. 암호화폐에 관심이 있는 예술가들은 더 광범위한 최첨단 기술에 초점을 맞추는 경향이 있으며 이러한 기술을 AR/VR 개체, 코드 기반 예술과 같은 예술 활동의 미학 또는 핵심에 깊이 통합하는 경향이 있습니다. 그리고 실시간 프로그래밍 기술.
생성 예술과 블록체인 기술 사이에는 항상 시너지 효과가 있어 AI 예술 인프라로서의 잠재력이 더욱 분명해졌습니다. 이러한 새로운 아트 미디어를 전통적인 디스플레이 플랫폼에 제대로 표시하는 것은 극히 어렵습니다. ArtBlocks 플랫폼은 블록체인 기술을 사용하여 디지털 아트 디스플레이, 저장, 수익화 및 보존의 미래를 보여줌으로써 아티스트와 관객의 전반적인 경험을 크게 향상시킵니다.
디스플레이 기능 외에도 AI 도구는 일반 대중의 예술 창작 능력을 확장합니다. 이러한 민주화 추세는 예술 창작의 지형을 재편하고 있습니다. 2025년을 기대하면서 블록체인 기술이 이러한 도구를 어떻게 확장하거나 강화할 것인지는 매우 매력적인 개발 방향이 될 것입니다.
『대화: 마야맨』에서 발췌
6. 데이터 시장
클라이브 험비(Clive Humby)가 '데이터는 새로운 석유'라는 선언을 내놓은 지 20년이 지났습니다. 주요 기업들은 사용자 데이터를 비축하고 수익화하기 위해 강력한 조치를 취해왔습니다. 사용자는 자신의 데이터가 수십억 달러 규모의 기업의 초석이라는 것을 깨달았지만 데이터 사용 방법에 대한 통제권이 거의 없으며 데이터가 창출하는 이익을 공유할 수도 없습니다. 강력한 AI 모델의 급속한 발전으로 인해 이러한 모순은 더욱 두드러졌습니다.
데이터 시장이 직면한 기회는 두 가지입니다. 하나는 악용되는 사용자 데이터 문제를 해결하는 것이고, 다른 하나는 데이터 공급 부족 문제를 해결하는 것입니다. 더 크고 더 나은 모델이 쉽게 접근할 수 있는 "유전"을 소비하고 있기 때문입니다. 공공 인터넷 데이터와 새로운 데이터 소스가 필요합니다.
데이터의 힘은 사용자에게 돌아갑니다
분산형 인프라를 활용하여 사용자에게 데이터 권한을 반환하는 방법에 대한 질문은 여러 영역에서 혁신적인 솔루션이 필요한 방대한 설계 공간입니다. 가장 시급한 문제 중 일부는 다음과 같습니다.
- 데이터가 저장되는 위치와 저장, 전송 및 계산 중에 개인 정보가 보호되는 방법
- 데이터 품질을 객관적으로 평가, 선별 및 측정하는 방법
- 귀속 및 수익화에 사용되는 메커니즘(특히 추론 후 소스로의 가치 추적)
- 다양한 모델 생태계에서 어떤 오케스트레이션 또는 데이터 검색 시스템이 사용되는지.
공급 제한
공급 제약 문제를 해결하는 데 있어 핵심은 단순히 Scale AI의 모델을 토큰으로 복제하는 것이 아니라, 기술이 유리할 때 어디에서 이점을 구축할 수 있는지, Scale에서든 경쟁 우위를 갖는 솔루션을 구축하는 방법을 이해하는 것입니다. 더 높은 가치의 데이터 제품을 만들기 위한 품질 또는 더 나은 인센티브(및 심사) 메커니즘. 특히 대부분의 수요가 여전히 Web2 AI에서 나오는 경우 스마트 계약 실행 메커니즘을 기존 SLA(서비스 수준 계약) 및 툴링과 결합하는 방법에 대해 생각하는 것이 중요한 연구 영역입니다.
7. 분산 컴퓨팅
데이터가 AI 개발 및 배포의 필수 요소라면 컴퓨팅 성능은 또 다른 핵심 구성 요소입니다. 전통적인 대규모 데이터 센터 모델은 고유한 공간, 에너지 및 하드웨어 이점으로 지난 몇 년 동안 딥 러닝 및 AI의 개발 궤적을 크게 지배해 왔습니다. 그러나 물리적 한계와 오픈 소스 기술의 개발로 인해 이러한 환경이 어려워지고 있습니다.
- 분산형 AI 컴퓨팅의 첫 번째 단계(v1)는 본질적으로 Web2 GPU 클라우드 서비스의 복제품으로, 공급 측면(하드웨어 또는 데이터 센터)에 실질적인 이점이 없고 유기적 수요가 제한되어 있습니다.
- 두 번째 단계(v2)에서는 일부 뛰어난 팀이 이기종 고성능 컴퓨팅(HPC) 제공을 기반으로 완전한 기술 스택을 구축하여 스케줄링, 라우팅 및 가격 책정 분야에서 고유한 기능을 입증하는 동시에 수요를 유치하고 마진 압박에 대응할 수 있는 독점 기능을 개발했습니다. , 특히 추론 측면에서. 또한 다양한 팀이 사용 시나리오와 시장 전략에 차이를 보이기 시작했습니다. 일부 팀은 하드웨어 전반에 걸쳐 효율적인 추론 라우팅을 달성하기 위해 컴파일러 프레임워크를 통합하는 데 중점을 두는 반면, 다른 팀은 자신이 구축한 컴퓨팅 네트워크에서 분산 모델 훈련 프레임워크를 생성합니다.
업계에서는 컴퓨팅 성능과 GPU를 소득 창출 자산으로 전환하거나 온체인 유동성을 사용하여 데이터 센터에 대체 자금 소스를 제공하는 혁신적인 경제적 기본 요소가 등장하면서 AI-Fi 시장의 성장이 시작되고 있습니다. 하드웨어 구매를 위해.
여기서 주요 질문은 분산형 AI가 분산형 컴퓨팅 인프라에서 어느 정도 개발 및 배포될 것인지 또는 스토리지와 같이 이상적인 요구 사항과 실제 요구 사항 사이의 격차가 항상 존재하여 이 아이디어의 잠재력을 최대한 실현하는 것이 어려운지 여부입니다.
8. 계산 및 회계기준
분산형 고성능 컴퓨팅 네트워크의 인센티브 메커니즘 측면에서 이기종 컴퓨팅 리소스를 조정하는 데 있어 주요 과제는 통일된 컴퓨팅 회계 표준이 부족하다는 점입니다. AI 모델은 모델 변형, 양자화 방식, 모델 온도와 샘플링 하이퍼파라미터를 통해 조정할 수 있는 무작위성 수준을 포함하여 고성능 컴퓨팅의 출력 공간에 몇 가지 고유한 복잡성을 추가합니다. 또한 AI 하드웨어는 GPU 아키텍처와 CUDA 버전의 차이로 인해 다른 출력 결과도 생성합니다. 이러한 요소는 궁극적으로 모델과 컴퓨팅 시장이 이기종 분산 시스템에서 컴퓨팅 성능을 측정하는 방법을 표준화하기 위한 표준의 필요성으로 이어집니다.
부분적으로 이러한 표준이 부족했기 때문에 2024년에는 Web2 및 Web3 공간에서 모델과 컴퓨팅 시장이 컴퓨팅의 품질과 양을 정확하게 설명하지 못한 여러 사례가 있었습니다. 이로 인해 사용자는 자체 비교 모델 벤치마크를 실행하고 시장 계산 속도를 제한하여 작업 증명을 수행하여 이러한 AI 계층의 실제 성능을 감사해야 합니다.
2025년에는 암호화 기술과 AI의 교차로 기존 AI보다 검증이 쉬워지는 검증성(verfiability)의 돌파구가 마련될 것으로 예상된다. 일반 사용자가 모델이나 컴퓨팅 클러스터의 출력을 정의하는 모든 측면을 공정하게 비교할 수 있어야 하며, 이는 시스템 성능을 감사하고 평가하는 데 도움이 됩니다.
9. 확률론적 개인 정보 보호 기본 요소
Vitalik은 "암호화폐와 AI 애플리케이션의 전망과 과제"에서 암호화폐와 AI를 연결할 때의 독특한 과제를 다음과 같이 지적합니다. "암호화에서는 오픈 소스가 진정한 보안을 달성할 수 있는 유일한 방법이지만 AI에서는 모델의 개방성( 심지어 훈련 데이터까지) 적대적인 머신러닝 공격의 위험이 크게 증가합니다.”
프라이버시는 블록체인 연구의 새로운 영역은 아니지만, AI의 급속한 발전으로 인해 프라이버시를 지원하는 암호화 기본 요소의 연구 및 적용이 가속화되고 있습니다. 2024년에는 암호화에 사용되는 영지식증명(ZK), 완전동형암호(FHE), 신뢰실행환경(TEE), 다자연산(MPC) 등 개인정보 보호 강화 기술이 크게 발전했다. 데이터 계산의 개인 공유 상태와 같은 일반적인 애플리케이션 시나리오. 동시에 Nvidia 및 Apple과 같은 중앙 집중식 AI 거대 기업도 연합 학습 및 개인 AI 추론을 위해 독점 TEE를 사용하여 시스템 전체에서 하드웨어, 펌웨어 및 모델을 일관되게 유지하면서 개인 정보 보호를 보장하고 있습니다.
이러한 개발을 기반으로 업계에서는 무작위 상태 전환에서 개인 정보 보호 기술의 발전과 이러한 기술이 이기종 시스템에서 분산형 AI 애플리케이션의 실제 구현을 어떻게 가속화할 수 있는지에 세심한 주의를 기울이고 있습니다. 여기에는 분산형 개인 추론부터 암호화된 데이터를 위한 저장/액세스 파이프라인, 완전한 독립 실행 환경까지 모든 것이 포함됩니다.
Apple의 인공 지능 기술 스택과 Nvidia의 H100 그래픽 프로세서
10. 에이전트 의도와 차세대 사용자 트랜잭션 인터페이스
지난 12~16개월 동안 의도, 에이전트 행동, 에이전트 의도, 솔루션, 에이전트 솔루션과 같은 개념의 정의와 이러한 개념이 최근 몇 년간의 전통적인 "로봇" 개발과 어떻게 다른지 모호해졌습니다. 정의. AI 에이전트의 자율적인 온체인 트랜잭션은 구현에 가장 가까운 애플리케이션 시나리오 중 하나입니다.
향후 12개월 동안 업계에서는 다양한 데이터 유형 및 신경망 아키텍처와 결합된 더욱 복잡한 언어 시스템이 전체 설계 공간을 발전시킬 것으로 기대하고 있습니다. 이로 인해 몇 가지 주요 질문이 제기됩니다.
- 에이전트는 기존 온체인 거래 시스템을 사용합니까, 아니면 자체 도구 및 방법을 개발합니까?
- 대규모 언어 모델이 계속해서 에이전트 거래 시스템의 백엔드가 될까요, 아니면 완전히 새로운 시스템이 등장할까요?
- 인터페이스 수준에서 사용자는 자연어를 사용하여 거래를 수행하기 시작합니까?
- 고전적인 "브라우저로서의 지갑" 개념이 마침내 실현될 수 있을까요?
이러한 질문에 대한 답은 암호화폐 거래의 미래 방향에 큰 영향을 미칠 것입니다. AI 기술이 발전함에 따라 에이전트 시스템은 더욱 지능적이고 자율적이 되어 사용자 의도를 더 잘 이해하고 실행할 수 있습니다.
