블록체인과 AI, AI 코인 투자 전 기초 개념

 

 

 

 

AI 테마로 묶인 코인들도 위와 같이 Gen-AI, Agent, On-chain ML, Hardware 섹터로 나눠볼 수 있다. 우선 AI 용어정리를 통해 인공지능 시장을 이해해보자. 

 

 

1. Generation ,Gen (LLMs)

 

: Large Language Model or LLMs

: 사용자 요청 (Query, Prompt)에 따라 글 (Text)를 만들어 내는 것

 

 

Generation ,생성하다라는 뜻을 가지고 있다. Generation AI 는 생성형 AI 를 뜻한다. 하지만 시장에서는 이를 직역했을 때의 용어로 사용하고 있지 않다. AI 시장에서 Generation 은 Large Language Model 지칭한다. 이는 컨텐츠를 만든 후 Large Language Model 을 사용하는 AI를 일컫는다. 

 

 

대표적으로 Large Language Model 은 사용자 요청에 따라서 글을 만들어낸다. 글 자체는 모아진 데이터를 기반으로 생성되기에 Generation 이라는 용어가 사용된다. Large Language Model 의 대표적인 서비스는 Chat GPT가 있다. Gen AI 라 하면 Large Language Model 을 사용한 AI 라는 것을 아는것이 중요하다.

 

 

Large Language Model 이 다루는 데이터 양에 따라 정확도는 천차만별이다. 데이터가 봐야하는 파라메타가 많을수록 비용도 올라가는 구조를 가지고있다. 그렇기에 Large Language Model 을 만드는 것은 비용이 엄청나게 많이든다. GPT3 기준으로 GPU 1,000개 이상이 필요하며 이를 30일 동안 가동시키기 위해선 약 50억원 비용이 발생한다. LLMs 은 자본집약적인 사업이며 스타트업이 LLMs 을 만드는 것은 무모한 도전이다. 만약, 스타트업이 LLM 을 만드는 프로젝트라고 한다면 리스크 관리는 어떻게 하고 있는지 이성적으로 꼼꼼하게 살펴봐야 한다.

 

 

LLMs 학습을 시키다보면 '출처가 없고, 오래된 정보' 때문에 잘못된 정보나  철 지난 정보를 기반으로 사실인 것처럼 대답하는 문제가 생긴다. 이를 해결하기 위해 주제에 맞는 문서를 모아둔 'Rag' 을 활용하였다.

 

 

Rag 란, Retrieval-augmented 의 약어이다. 주제마다 연관된 데이터 룸을 붙이는 것이다. 이 데이터 룸에는 문서, 사진 등의 여러 데이터가 들어있다. 결국 사용자에게 정보를 주기 전 주제와 관련된 Data 뭉치를 가져와 진위여부를 판단하는 것이 Rag 이다. 

 

 

...

 

 

위에서 말했던 것과 같이 LLMs 을 만드는 것에는 엄청난 비용이 발생된다. 이런 자본집약적 사업을 탈중앙화한 것이 DePIN이다. 

(DePIN: Decentralized physical infrastructure network, 분산형 물리적 인프라 네트워크)

 

 

LLM 에서도 연관된 2가지 AI 코인 섹터가 있다.

1) LLM 자체를 고도화 시키는 레이어1

2) GPU를 클라우드를 통해 빌릴 수 있는 Internet of GPU 

 

대표적인 코인이 bittentsor, io.net 이다 .

 

 

1) bittentsor

 

 

bittentsor 를 먼저 살펴보자. Open AI 의 경우 GPT4 LLMs 만 훈련을 시킨다. 반면 bittentsor 은 bittentsor 체인 위에서 누구나 AI 모델을 학습 시킬 수 있다. 누구든지 AI 모델을 학습시킬 수 있고 서로 소통 가능한 구조로 상호작용하며 발전시킬 수 있다. 

 

 

여러 회사들이 AI 모델을 학습시키고 서로 정보를 공유하며 더 빠른 성장을 이루는 것이 bittentsor 의 목적인 것이다. 이 경우 채굴자는 AI 모델을 개발하고 검증자들은 AI모델 성능을 평가하게 된다. 이로써 bittentsor 네트워크를 사용하는 사람들은  bittentsor 토큰인 TAO를 사용해 인센티브를 주고 받는 구조가 된다. 사용자들은 TOA 를 지출하여 자신의 APP 에 적용하는 서비스를 만들수 있게된다.

 

 

 

2) io.net

 

GTP3 의 경우 GPU 1,000개를 한 달간 돌렸을 때 발생하는 비용은 한화로 약 50억이다. io.net 은 개인들의 컴퓨터 GPU 를 클라우드를 통해 거래 할 수 있는 플랫폼을 만들었다. 이로써 AI 모델을 훈련시키는 기업 등에게 개인들의 GPU를 빌려주고 그것에 대한 사용료를 받을수 있게 하는것이 io.net 의 목표이다. 

 

 

 

 

 

기존 AWS 등의 서비스는 시간당 3불이 부과되는 반면 io.net 은 시간당 1불 내외로 저렴하다. io.net 의 경우 개인용 컴퓨터를 빌리는것이기 때문에 사양이 제한이 있다. 하지만 모두가 고사양의 스펙을 가진 GPU를 요구하는 건 아니기에 이를 필요로하는 시장이 존재할 것이다.

 

 

...

 

 

2. Machine Learning, ML

: 과거 데이터를 기반으로 통계적 패턴을 찾아 결과를 추론 할 수 있도록 모델을 고도화

AI 모델들이 데이터를 기반으로 훈련하고 학습하는 것이 ML 때문에 가능한 것이다. 

 

 

 

 

...

 

 

3. Agent

: 알아서 척척 비서, 결과를 가져다 주는 프로그램 (Proactive)

: 어플리케이션 하고는 차이가 있음 (Reactive)

 

 

블록체인 내에 AI 를 이해하기 위해서는 Agent 개념을 이해해야 한다. 

 

 

대표적인 예가 Siri 이다. '재즈 좀 틀어줘' 라고 했을 때 나의 데이터를 기반으로 나에게 맞는 재즈를 틀어준다. 앱과 Agent 는 차이가 있다. 앱은 수동적이며 우리가 무엇을 물어보면 그것에 반응하는 것이 앱이다. Agent 는 반응하는 것이 아니라 무엇을 요청하면 요청의 니즈를 추론하여 결과를 가져다 준다. 

 

 

AI 시장에서 Agent 는 사용자 측면에서 큰 편리성을 제공하기에 핵심적인 요소이다. 

 

 

 

웹 2.0 에서는 Auto GPT 라는 것이 있다. Auto GPT 는 사용자 요구에 맞게 자동으로 앱을 만들어주는 서비스이다. 또 다른 서비스로는 Sora 라는 서비스가 있다. 이 서비스는 사용자 요구에 맞게 자동으로 영상을 만들어준다. 

 

 

웹 3.0 디파이 내에서는 LP 매니지먼트를 도와주는 Agent가 있다. Aperture 는 Uniswap v3 에서 가장 수익이 좋을 것 같은 구간에 유동성을 공급해주는 서비스이다. 

 

 

 

 

 

2000년대 AI 는 반복적 업무를 해결해줬다. 2020년에는 다양한 정보를 쉽게 찾게 해주었다. 이제는 올바른 '목표값' 하나만 제시한다면 알아서 다 해주고 있다.  

 

 

...

 

 

지금까지 알아본 AI 지식으로 블록체인 시장을 들여다 보면 어떤 코인이 옥석인지 알 수 있다. 

 

 

 

 

1) AI 산업의 핵심은 Large Language Model 이다. 하지만 LLM을 만들기 위해선 엄청난 초기자금이 필요하다. 즉 스타트업이 하기 힘든 일이다. 

 

 

2) ML 쪽은 스타트업이 할 수 있는 일들이 있다. 가공된 데이터를 LLM 개발사에 제공하는 분야는 블록체인 기업이 할만 한다. 정제된 블록체인 데이터도 LLM 개발사에 필요하기 때문이다. 

 

 

3) Agent 는 LLM 기반으로 자신의 아이디어를 더 해 만드는 것이다. 이는 스타트업이 도전해볼만한 분야이다. 문제는 진입장벽이 낮아 경쟁이 너무 쎄다. 살아남기가 힘들기에 투자에 유의해야 한다. 사람들에게 주목을 받을 앱을 하나 찾는 것이 정말 어렵다.

 

 

...

 

 

 

 

 

빨간색 글씨들은 AI 생태계를 서포트해주는 서비스들이다. 

 

 

1) GPU (Cloud)

LLM 의 자본집약적인 문제를 해결해주는 솔루션이 GPU (Cloud) 블록체인 서비스이다. 개인들의 GPU 를 지원받아 다른곳에 임대해주어 수익을 창출하고 있다. 

 

2) Inferencce

사람말을 AI 가 잘 알아듣게 하는 기술이다. 사용자와 AI 간의 소통을 원활하게 도와주는 인터페이스이다. Fine-tuning 이라 부르기도 한다.

 

3) AI coprocessor 

웹 2 AI 모델에 블록체인을 연결시켜주는 인프라이다. 웹 2에서 동작하던 모델들이 블록체인에서도 잘 동작할 수 있도록 지원을 한다. 

 

4) Agent Market Place 

Agent 시장은 진입장벽이 낮다고 하였다. 웹 2에서도 Agent 시장이 꽤나 크다. 이 중에서도 현재 가장 잘 나가는 서비스가 Character AI 서비스이다. GPT 다음으로 트래픽이 높다. 이들은 여러 Agent들을 한 곳에 모아 사용자들이 사고 팔 수 있는 장을 만들었다. 

 

이와 마찬가지로 웹3 Agent 시장에 서비스도 유심히 볼 필요가 있다. 

 

5) dApp

대표적인 서비스로 KaitoAI 가 있다. 블록체인 소셜 데이터를 AI 로 분석하여 데이터를 보여주는 서비스를 한다. 

 

 

...

 

 

정리

 

1) AI 의 기초 핵심 용어를 이해할 필요가 있다.

 

2) Gen AI 는 LLM 을 지칭하며 이를 사용하는 AI 를 말한다. (ex. chat GPT)

 

3) LLM 은 AI 산업의 핵심이다. 이를 만들기 위해선 엄청난 자금이 들어간다. (자본집약적) 그렇기에 스타트업이 하기 힘든 사업이다. 잘못된 정보는 Rag 를 통해 해결한다.

 

4) 잘못된 데이터는 Rag 를 통해 해결한다. 사용자에게 정보를 주기 전에 주제와 관련된 Data 뭉치를 가져와 진위여부를 판단하는 것이다.

 

5) ML, 과거 데이터를 기반으로 통계적 패턴을 찾아 결과를 추론할 수 있도록 훈련하는 것이다. 이는 스타트 업도 할 수 있는 일들이 있다. 블록체인을 활동한 정제된 데이터를 필요하는 곳도 있을 수 있다.

 

6) Agent 는 무엇을 요청하면 요청의 니즈를 추론하여 결과를 가져다 준다. (ex. Sora, Auto GPT, Siri) 스타트업이 가장 쉽게 접근할 수 있는 분야이기도 하다.

 

7) 각 AI 생태계에서 해결하고자 하는 문제들이 있다. 이러한 문제들을 블록체인을 통해 해결할 수 있는가를 잘 살펴보자.