원저자: @charlotte 0211 z, @BlazingKevin_, Metrics Ventures
Vitalik 게시일: 1월 30일The promise and challenges of crypto + AI applications이 글에서는 블록체인과 인공지능이 어떻게 결합되어야 하는지, 그리고 그 과정에서 발생할 수 있는 잠재적인 과제에 대해 논의합니다. 본 기사가 게재된 지 한 달 만에 기사에 언급된 NMR, Near, WLD 모두 좋은 이익을 얻으며 가치 발굴 라운드를 마쳤습니다. 본 글에서는 비탈릭이 제안한 크립토와 AI를 결합하는 네 가지 방식을 바탕으로 기존 AI 트랙의 세분화 방향을 정리하고 각 방향의 대표 프로젝트를 간략하게 소개한다.
1 서론: 암호화폐와 AI를 결합하는 네 가지 방법
탈중앙화는 블록체인이 유지하는 합의이며, 보안을 보장하는 것이 핵심 아이디어이며, 오픈소스는 암호화적 관점에서 온체인 행동이 위와 같은 특성을 갖도록 하는 핵심 기반입니다. 지난 몇 년 동안 이 접근 방식은 여러 차례의 블록체인 변경에 적용되었지만 인공 지능이 포함되면 상황이 달라집니다.
인공 지능을 사용하여 블록체인 또는 애플리케이션의 아키텍처를 설계한다고 상상해 보십시오. 그런 다음 모델을 오픈 소스화해야 합니다. 그러나 이렇게 하면 적대적인 기계 학습에 취약성이 노출됩니다. 그렇지 않으면 분산성을 잃게 됩니다. 그러므로 우리는 현재의 블록체인이나 애플리케이션에 인공지능을 어떻게, 얼마나 깊이 통합할지 고민할 필요가 있습니다.
출처: 이더리움 대학교
존재하다DE UNIVERSITY OF ETHEREUM~의When Giants Collide: Exploring the Convergence of Crypto x AI본 글에서는 인공지능과 블록체인의 핵심 특성의 차이점을 설명합니다. 위 그림에서 볼 수 있듯이 인공지능의 특징은 다음과 같습니다.
집중
낮은 투명도
에너지 소비
전매권
약한 수익 창출 속성
블록체인은 이 5가지 점에서 인공지능과 정반대입니다. 이는 비탈릭 기사의 실제 주장이기도 하다.인공지능과 블록체인을 결합한다면 데이터 소유권, 투명성, 화폐화 능력, 에너지 소비 비용 등 측면에서 어떤 트레이드 오프를 해야 하며, 이를 위해서는 어떤 인프라가 필요한지 살펴보자. 이 둘의 효과적인 결합을 보장합니다.
위의 원칙과 자체 사고에 따라 Vitalik은 인공 지능과 블록체인을 결합한 애플리케이션을 4가지 주요 범주로 나눕니다.
게임 속의 플레이어로서의 AI
게임 인터페이스로서의 AI
게임의 규칙으로서의 AI
게임의 목표로서의 AI
그 중 처음 3개는 주로 AI가 암호화폐 세계에 도입되는 3가지 방식으로 얕은 것부터 깊은 것까지 세 가지 수준을 나타낸다. 저자의 이해에 따르면 이 구분은 AI가 인간의 의사결정에 미치는 영향의 정도를 나타내며, 따라서 전체 암호화폐에 대한 기반을 제공하여 다양한 수준의 시스템적 위험을 초래합니다.
응용 참여자로서의 인공 지능: 인공 지능 자체는 인간의 의사 결정과 행동에 영향을 미치지 않으므로 실제 인간 세계에 위험을 가져오지 않으므로 현재 구현 수준이 가장 높습니다.
애플리케이션 인터페이스로서의 인공지능: 인공지능은 인간의 의사결정 및 행동에 대한 보조 정보 또는 보조 도구를 제공하여 사용자 및 개발자 경험을 향상시키고 진입 장벽을 낮춥니다. 그러나 잘못된 정보나 조작은 현실 세계에 특정 위험을 가져올 수 있습니다. .
인공지능 적용 규칙: 인공지능은 의사결정과 운영에서 인간을 완전히 대체할 것입니다. 따라서 인공지능의 악행과 실패는 현실 세계의 혼란으로 직접 이어질 것입니다. Web2이든 Web3이든 현재 인공지능은 인간을 대체할 수 있는 신뢰를 얻으세요.
마지막으로 네 번째 카테고리의 프로젝트는 Crypto의 특성을 활용하여 더 나은 인공 지능을 만드는 데 전념하고 있으며 위에서 언급한 것처럼 중앙 집중화, 낮은 투명성, 에너지 소비, 독점 및 약한 통화 속성은 모두 Crypto의 속성을 통해 자연스럽게 제거될 수 있습니다. . 많은 사람들이 크립토가 인공 지능의 발전에 영향을 미칠 수 있는지에 대해 의구심을 갖고 있지만, 탈중앙화의 힘을 통해 현실 세계에 영향을 미치는 것은 언제나 크립토의 가장 매력적인 서사였으며, 이 트랙도 그 원대한 아이디어로 AI 경쟁이 되었습니다. 가장 과장된 부분.
2 참가자로서의 AI
AI 참여 메커니즘에서 인센티브의 궁극적인 원천은 인간 입력의 동의에서 비롯됩니다. AI가 인터페이스나 규칙이 되기 전에 AI가 메커니즘에 참여하고 궁극적으로 온체인 메커니즘을 통해 보상 또는 처벌을 받을 수 있도록 다양한 AI의 성능을 평가해야 하는 경우가 많습니다.
AI가 참여자로서 사용자와 시스템 전체에 미치는 위험은 인터페이스나 규칙으로서의 역할에 비해 기본적으로 무시할 수 있는 수준이며, AI가 사용자의 의사결정과 행동에 깊은 영향을 미치기 전에 꼭 필요한 단계라고 할 수 있다. 차별화 이 수준에서 블록체인을 통합하는 데 필요한 비용과 트레이드오프는 상대적으로 적으며, 부테린이 구현 가능성이 높다고 믿는 제품 유형이기도 합니다.
넓은 관점과 구현 수준에서 볼 때 AI 기반 트레이딩 봇, 챗봇 등 현재 대부분의 AI 애플리케이션이 이 범주에 속하지만, 현재 구현 수준에서는 인터페이스나 규칙으로서의 AI 역할을 실현하기가 여전히 어렵습니다. 서로 다른 비교와 점진적인 최적화가 봇에서 수행되고 있으며 암호화폐 사용자는 아직 AI 애플리케이션을 사용하는 행동 습관을 개발하지 못했습니다. V God의 기사에서는 Autonomous Agent도 이 범주로 분류됩니다.
그러나 좁은 의미와 장기적인 관점에서 우리는 AI 애플리케이션이나 AI 에이전트를 보다 세부적인 카테고리로 나누는 경향이 있으므로, 이 카테고리에서 대표적인 하위 트랙은 다음과 같습니다.
2.1 AI 게임
AI 게임은 어느 정도 이 범주로 분류될 수 있는데, 플레이어는 AI와 상호 작용하고 AI 캐릭터를 훈련시켜 AI 캐릭터를 개인 취향이나 목적에 더 부합하는 등 개인의 요구에 더 부합하도록 만듭니다. 게임 역학 중국은 더욱 전투적이고 경쟁적입니다. 게임은 AI가 현실 세계에 등장하기 전의 과도기적 단계이기도 하며, 현재 구현 위험이 낮고 일반 사용자가 가장 이해하기 쉬운 트랙이기도 하며, AI Arena, Echelon Prime, Altered State Machine 등의 대표적인 프로젝트입니다.
AI 아레나: AI 아레나는 플레이어가 AI를 통해 학습하고 훈련하여 게임 캐릭터를 지속적으로 진화시키는 PVP 격투 게임입니다. AI Arena를 기반으로 하는 인공지능 엔지니어들은 수익 증대를 위한 다양한 AI 알고리즘을 제공합니다. 각 게임 캐릭터는 AI에 의해 강화된 NFT이며, 그 중 Core는 IPFS에 저장되는 아키텍처와 매개변수 두 부분을 포함하는 AI 모델을 포함하는 핵심입니다. 새로운 NFT의 매개변수는 무작위로 생성됩니다. 무작위 행동을 수행하게 되며, 사용자는 모방 학습(IL) 과정을 통해 캐릭터의 전략 능력을 향상시켜야 하며, 사용자가 캐릭터를 훈련하고 진행 상황을 저장할 때마다 매개변수가 IPFS에 업데이트됩니다.
Altered State Machine: ASM은 AI 게임이 아니라 AI Agent의 권리 확인 및 거래를 위한 프로토콜로 Metaverse AI 프로토콜로 자리매김하고 있으며 현재 FIFA를 비롯한 여러 게임과 통합되어 게임 및 Metaverse에 AI를 도입하고 있습니다. 대리인. ASM은 NFT를 사용하여 AI 에이전트를 확인하고 거래하며, 각 에이전트는 Brain(에이전트 고유의 특성), Memories(에이전트와 모델 훈련을 통해 학습한 행동 전략을 저장하는 부분, Brain에 바인딩된 부분)의 세 부분으로 구성됩니다. 형태(캐릭터 외형 등). ASM에는 에이전트에 컴퓨팅 성능 지원을 제공할 수 있는 분산형 GPU 클라우드 공급자를 포함한 Gym 모듈이 있습니다. 현재 ASM을 기반으로 사용하는 프로젝트로는 AIFA(AI 축구 게임), Muhammed Ali(AI 복싱 게임), AI League(FIFA와 제휴한 길거리 축구 게임), Raicers(AI 기반 레이싱 게임), FLUF Worlds Thingies(생성형 게임) 등이 있습니다. NFT).
Parallel Colony(PRIME): Echelon Prime은 플레이어가 AI 아바타와 상호 작용하고 영향을 미칠 수 있는 AI LLM 기반 게임인 Parallel Colony를 개발하고 있습니다. AI 아바타는 기억과 삶의 궤적을 기반으로 자율적으로 행동합니다. 콜로니는 현재 가장 기대되는 AI 게임 중 하나이며, 최근 관계자는 백서를 발표하고 솔라나로의 마이그레이션을 발표하면서 PRIME에 새로운 이익을 안겨주었습니다.
2.2 예측 시장/대회
예측 능력은 AI의 미래 의사결정과 행동의 기초가 되며, AI 모델이 실제 예측에 사용되기 전, 예측 경쟁은 AI 모델의 성능을 더 높은 수준에서 비교하고 이를 통해 데이터 과학자/AI 모델에게 인센티브를 제공합니다. 이는 전체 Crypto×AI 개발에 긍정적인 의미를 갖습니다. 더욱 효율적이고 성능이 뛰어나며 암호화폐 세계에 더욱 적합한 모델과 애플리케이션의 지속적인 개발을 촉진함으로써 우리는 AI 이전에 더 좋고 안전한 제품을 만들 것입니다. 의사결정과 행동에 더 큰 영향을 미칠 수 있습니다. 뷔로서
하나님께서 말씀하셨듯이 예측 시장은 다른 많은 유형의 문제로 확장될 수 있는 강력한 원초적 요소입니다. 이 회로의 대표적인 프로젝트로는 Numerai 및 Ocean Protocol이 있습니다.
Numerai: Numerai는 오랫동안 진행되어 온 데이터 과학 대회입니다. 데이터 과학자들은 기계 학습 모델을 훈련하여 과거 시장 데이터(Numerai 제공)를 기반으로 주식 시장을 예측하고, 우승을 위해 모델과 NMR 토큰을 스테이킹합니다. 더 나은 성능을 가진 모델은 NMR 토큰 인센티브를 얻게 되며, 열악한 모델의 약속된 토큰은 폐기됩니다. 2024년 3월 7일 기준으로 총 6,433개의 모델이 스테이킹되었으며, 프로토콜은 데이터 과학자에게 총 $75,760,979의 인센티브를 제공했습니다. Numerai는 Numerai One 및 Numerai Supreme을 포함하여 지금까지 출시된 펀드를 통해 전 세계의 데이터 과학자들이 협력하여 새로운 헤지 펀드를 구축하도록 영감을 주고 있습니다. Numerai의 경로: 시장 예측 경쟁 → 크라우드소싱 예측 모델 → 크라우드소싱 모델 기반의 새로운 헤지펀드.
Ocean Protocol: Ocean Predictoor는 암호화폐 동향에 대한 크라우드소싱 예측을 시작으로 예측을 검토하고 있습니다. 플레이어는 Predictoor 봇 또는 Trader 봇을 실행할 수 있습니다. Predictoor 봇은 AI 모델을 사용하여 다음 시점(예: 5분 후)의 암호화폐(예: BTC/USDT) 가격을 예측하고 일정 금액의 $를 약속합니다. OCEAN.계약은 약속 금액에 가중치를 부여하여 글로벌 예측을 계산합니다. 트레이더는 예측 결과를 구매하고 이를 기반으로 거래할 수 있습니다. 예측 결과의 정확도가 높을 때 트레이더는 이를 통해 이익을 얻을 수 있습니다. 잘못 예측한 사람은 처벌을 받고, 올바르게 예측한 사람은 보상을 받을 수 있습니다. 토큰 및 거래자 구매 수수료 중 이 부분이 보상으로 제공됩니다. Ocean Predictor는 지난 3월 2일 언론을 통해 자사의 최신 방향인 World-World Model(WWM)을 발표하고 날씨, 에너지 등 실세계 예측을 탐구하기 시작했습니다.
3 인터페이스로서의 AI
AI는 사용자가 간단하고 이해하기 쉬운 언어로 무슨 일이 일어나고 있는지 이해하도록 돕고, 암호화폐 세계에서 사용자의 멘토 역할을 하며, 가능한 위험에 대한 팁을 제공하여 암호화폐의 사용 임계값과 사용자 위험을 줄이고 사용자 경험을 향상시킬 수 있습니다. 구현할 수 있는 특정 제품에는 지갑 상호 작용 중 위험 알림, AI 기반 인텐트 트랜잭션, 일반 사용자의 암호 관련 질문에 답변할 수 있는 AI 챗봇 등 풍부한 기능이 있습니다. 대상 그룹을 확대해 일반 사용자, 개발자, 분석가 등 거의 모든 그룹이 AI 서비스 대상이 된다.
이러한 프로젝트의 공통점을 다시 한 번 반복해 보겠습니다. 특정 결정과 행동을 수행하는 데 있어서 아직 인간을 대체하지는 않지만 AI 모델을 활용하여 의사 결정과 행동을 지원하는 정보와 도구를 인간에게 제공하고 있습니다. 이 단계부터 시스템 내에서 AI 악의 위험성이 노출되기 시작했는데, 잘못된 정보를 제공함으로써 인간의 최종 판단을 방해할 수 있다는 점은 부테린의 글에서도 자세히 분석됐다.
AI 챗봇, AI 스마트 계약 감사, AI 코드 작성, AI 거래 봇 등을 포함하여 이 범주로 분류될 수 있는 많고 복잡한 프로젝트가 있습니다. 현재 대다수의 AI 애플리케이션이 이 범주에 속한다고 말할 수 있습니다. 주니어 레벨의 대표적인 프로젝트는 다음과 같습니다.
PaaL: PaaL은 현재 AI Chatbot의 주요 프로젝트입니다. 암호화 관련 지식으로 훈련된 ChatGPT라고 볼 수 있습니다. TG와 Discord를 통합하여 사용자에게 토큰 데이터 분석, 토큰 기본 및 토큰 경제 분석 등을 제공할 수 있습니다. 텍스트 생성 및 사진 등과 같은 기능은 PaaL Bot을 그룹 채팅에 통합하여 일부 정보에 자동으로 응답할 수 있습니다. PaaL은 개인 봇 사용자 정의를 지원하며 사용자는 데이터 세트를 공급하여 자신만의 AI 지식 기반과 사용자 정의 봇을 구축할 수 있습니다. Paal은 AI 트레이딩 봇을 향해 나아가고 있으며 2월 29일 AI 지원 암호화폐 연구 및 거래 터미널인 PaalX를 출시했다고 발표했습니다. 소개에 따르면 AI 스마트 계약 감사, 트위터 기반 뉴스 통합 및 거래, Crypto를 실현할 수 있습니다. 연구 및 거래 지원 인공지능 보조원은 사용자가 사용할 수 있는 임계값을 낮출 수 있습니다.
ChainGPT: ChainGPT는 인공 지능을 사용하여 챗봇, NFT 생성기, 뉴스 수집, 스마트 계약 생성 및 감사, 거래 도우미, 프롬프트 시장 및 AI 크로스체인 교환과 같은 일련의 암호화 도구를 개발합니다. 그러나 ChainGPT의 현재 초점은 프로젝트 인큐베이션과 Launchpad에 있으며 24개 프로젝트에 대한 IDO와 4개의 무료 경품 행사를 완료했습니다.
Arkham: Ultra는 Arkham이 특별히 제작한 AI 엔진입니다. 사용 사례는 주소를 실제 엔터티와 알고리즘적으로 일치시켜 암호화폐 산업의 투명성을 높이는 것입니다. 울트라는 사용자가 제공하고 자체적으로 수집한 온체인 및 오프체인 데이터를 결합하여 확장 가능한 데이터베이스로 출력하고 최종적으로 차트 형태로 표시됩니다. 하지만 아캄 문서에서는 울트라 시스템에 대해 자세히 언급하지 않고 있는데, 이번에 아캄이 주목을 받은 이유는 OpenAI 창업자인 샘 알트먼(Sam Altman)이 직접 투자해 지난 30일 동안 5배의 수익을 냈기 때문이다.
GraphLinq: GraphLinq는 Coingecko의 비트코인 가격을 5분마다 TG Bot으로 푸시하는 등 사용자가 프로그래밍 없이 다양한 유형의 자동화된 기능을 배포하고 관리할 수 있도록 설계된 자동화된 프로세스 관리 솔루션입니다. GraphLinq의 솔루션은 Graph를 사용하여 자동화 프로세스를 시각화하는 것입니다. 사용자는 노드를 드래그하여 자동화된 작업을 생성하고 GraphLinq 엔진을 사용하여 실행할 수 있습니다. 코드가 필요하지 않지만 그래프를 생성하는 과정에는 적절한 템플릿을 선택하고, 수백 개의 논리 블록 중에서 적절한 것을 선택하고 연결하는 등 일반 사용자에게 여전히 특정 임계값이 있습니다. 따라서 GraphLinq는 AI를 도입하여 사용자가 대화형 인공 지능과 자연어를 사용하여 자동화된 작업의 구축 및 관리를 완료할 수 있도록 합니다.
0x 0.ai:**0x 0 AI와 관련된 주요 사업은 AI 스마트 계약 감사, AI Anti-Rug 탐지, AI 개발자 센터의 세 가지입니다. 그 중 AI 안티 러그 감지 기능은 과도한 세금이나 유동성 유출 등 의심스러운 행위를 감지해 사용자가 속는 것을 방지하며, AI 개발자 센터는 머신러닝 기술을 활용해 스마트 계약을 생성하고 노코드 배포 계약을 구현한다. 그러나 AI 스마트 계약 감사는 초기에 출시되었을 뿐 나머지 두 가지 기능은 아직 개발되지 않았습니다.
Zignaly: Zignaly는 개인 투자자가 카피 트레이딩 논리와 유사하게 암호화폐 자산을 스스로 관리할 펀드 매니저를 선택할 수 있도록 2018년에 탄생했습니다. 지그날리는 머신러닝과 인공지능 기술을 활용해 펀드매니저의 체계적인 평가를 위한 지표체계를 구축하고 있으며, 현재 첫 출시된 제품은 Z-Score이지만, 인공지능 상품으로는 아직은 상대적으로 초보적인 수준이다.
4 게임의 규칙으로서의 AI
이것이 가장 흥미로운 부분입니다 - AI가 인간의 의사 결정과 행동을 대체할 수 있게 해줍니다.귀하의 AI가 귀하의 지갑을 직접 제어하고 귀하를 대신하여 거래 결정과 행동을 내릴 것입니다. 저자는 이 분류에 따라 주로 AI 애플리케이션(특히 AI 자동 거래 봇, AI DeFi 소득 봇 등 자율적 의사결정 비전을 갖춘 애플리케이션), 자율 에이전트 프로토콜, zkml의 세 가지 수준으로 나눌 수 있다고 생각합니다. /opml.
AI 애플리케이션은 특정 분야의 문제에 대해 구체적인 의사결정을 내리는 도구로, 다양한 세분화된 지식과 데이터를 축적하고 세분화된 문제에 따라 맞춤화된 AI 모델을 활용하여 의사결정을 내립니다. 이 기사에서는 AI 애플리케이션이 인터페이스와 규칙이라는 두 가지 범주로 분류된다는 점을 알 수 있습니다. 개발 비전의 관점에서 AI 애플리케이션은 독립적인 의사 결정 주체가 되어야 합니다. 그러나 현재 AI의 효율성은 둘 중 하나도 아닙니다. 모델이나 통합 AI의 보안은 이러한 요구 사항을 충족할 수 없으며 인터페이스로서 약간도 꺼려합니다. AI 응용 프로그램은 매우 초기 단계에 있습니다. 구체적인 프로젝트는 이전에 소개되었으므로 여기서는 자세히 설명하지 않겠습니다.
Autonomous Agent는 Buterin이 첫 번째 범주(참여자로서의 AI)에서 언급했는데, 본 글에서는 장기적인 관점에서 세 번째 범주로 분류한다. 자율 에이전트는 대량의 데이터와 알고리즘을 활용하여 인간의 사고와 의사 결정 프로세스를 시뮬레이션하고 다양한 작업과 상호 작용을 수행합니다. 이 문서에서는 주로 에이전트의 통신 계층, 네트워크 계층 및 기타 인프라에 중점을 둡니다. 이러한 프로토콜은 에이전트의 소유권을 정의하고, 에이전트의 신원, 통신 표준 및 통신 방법을 설정하고, 여러 에이전트 애플리케이션을 연결하고, 공동 의사 결정 및 동작을 가능하게 합니다.
zkML/opML: 암호화 또는 경제학 방법을 통해 올바른 모델 추론 프로세스를 통해 신뢰할 수 있는 출력을 제공하도록 보장됩니다. 스마트 계약에 AI를 도입하는 데 있어 보안 문제는 매우 치명적입니다. 스마트 계약은 입력에 의존하여 출력을 생성하고 자동으로 일련의 기능을 수행합니다. 일단 AI가 악행을 저지르고 잘못된 입력을 하면 시스템에 큰 시스템적 위험이 초래됩니다. 전체 암호화 시스템 따라서 zkML /opML과 다양한 잠재적 솔루션은 AI가 독립적으로 행동하고 결정을 내릴 수 있도록 하는 기반입니다.
마지막으로 세 가지 기본 수준은 운영 규칙으로 AI의 세 가지 기본 수준을 구성합니다. zkml/opml은 프로토콜의 보안을 보장하는 가장 낮은 인프라 역할을 합니다. 에이전트 프로토콜은 에이전트 생태계를 구축하고 협력적으로 결정과 행동을 내릴 수 있습니다. 특정 AI 에이전트는 특정 분야에서 지속적으로 능력을 향상시키며 실제로 의사결정과 행동을 하게 된다.
4.1 Autonomous Agent
암호화폐 세계에서 AI 에이전트를 적용하는 것은 자연스러운 일입니다. 스마트 계약에서 TG 봇, AI 에이전트에 이르기까지 암호화폐 세계는 더 높은 자동화와 더 낮은 사용자 임계값을 향해 움직이고 있습니다. 스마트 계약은 변조할 수 없는 코드를 통해 자동으로 기능을 실행하지만 깨어나기 위해 여전히 외부 트리거에 의존해야 하며 자율적이고 지속적으로 실행할 수 없습니다. TG Bots는 사용자 임계값을 낮춥니다. 사용자는 암호화 전면과 직접 상호 작용할 필요가 없습니다. 그러나 자연어를 통해 온체인 상호작용을 완성하지만 극히 단순하고 구체적인 작업만 완료할 수 있으며 여전히 사용자 의도 중심의 거래를 달성할 수 없습니다. AI 에이전트는 독립적인 의사결정 능력을 갖추고 사용자의 자연어를 이해하며, 사용자가 지정한 목표를 달성하기 위해 다른 에이전트와 온체인 도구를 독립적으로 찾고 결합합니다.
AI Agent는 암호화 제품 사용 경험을 크게 향상시키기 위해 노력하고 있으며, 블록체인은 AI Agent의 운영을 더욱 분산되고 투명하며 안전하게 만드는 데 도움이 될 수 있습니다. 구체적인 도움은 다음과 같습니다.
더 많은 개발자가 토큰을 통해 에이전트를 제공하도록 장려
NFT 확인은 에이전트 기반 청구 및 거래를 촉진합니다.
체인에 에이전트 신원 및 등록 메커니즘 제공
변조할 수 없는 에이전트 활동 로그를 제공하고 적시에 해당 작업에 대한 추적 및 책임을 수행합니다.
이 트랙의 주요 프로젝트는 다음과 같습니다.
Autonolas: Autonolas는 온체인 프로토콜을 통해 에이전트 및 관련 구성 요소의 자산 소유권과 구성성을 지원하여 코드 구성 요소, 에이전트 및 서비스를 체인에서 검색하고 재사용할 수 있도록 하며 개발자가 금전적 보상을 받을 수 있도록 장려합니다. 개발자는 완전한 에이전트 또는 구성 요소를 개발한 후 체인에 코드를 등록하고 코드의 소유권을 나타내는 NFT를 획득하며, 서비스 소유자는 여러 에이전트를 통합하여 서비스를 생성하고 체인에 등록하고 에이전트를 유치합니다. 사업자는 서비스가 실제로 수행되고, 사용자는 서비스 이용에 대한 대가를 지불하게 됩니다.
Fetch.ai: Fetch.ai는 AI 분야에서 탄탄한 팀 배경과 개발 경험을 보유하고 있으며, 현재는 AI Agent 트랙에 주력하고 있습니다. 프로토콜은 AI Agent, Agentverse, AI Engine 및 Fetch Network의 4가지 주요 계층으로 구성됩니다. AI 에이전트는 시스템의 핵심이며, 다른 에이전트는 에이전트 서비스 구축을 지원하는 프레임워크 및 도구입니다. Agentverse는 AI Agent를 생성하고 등록하는 데 주로 사용되는 SaaS(Software-as-a-Service) 플랫폼입니다. AI 엔진의 목표는 사용자의 자연어 입력을 읽어서 이를 실행 가능한 문자로 변환하고 Agentverse에 가장 적합한 등록 AI Agent를 선택하여 작업을 수행하는 것입니다. Fetch Network는 프로토콜의 블록체인 레이어로, AI 에이전트는 다른 에이전트와 협업 서비스를 시작하기 전에 체인의 Almanac 계약에 등록되어야 합니다. Autonolas가 현재 암호화폐 세계에서 에이전트 구축에 중점을 두고 오프체인 에이전트 운영을 체인에 도입하고 있다는 점은 주목할 가치가 있습니다. Fetch.ai의 초점은 여행 예약, 날씨 예측 등과 같은 Web2 세계를 포함합니다.
Delysium: Delysium은 게임에서 AI 에이전트 프로토콜로 전환되었습니다. 주로 통신 계층과 블록체인 계층의 두 가지 계층으로 구성됩니다. 통신 계층은 Delysium의 백본으로, 빠르고 효율적인 통신을 가능하게 하는 안전하고 확장 가능한 인프라를 제공합니다. AI 에이전트: 통신을 위해 블록체인 계층은 에이전트를 인증하고 스마트 계약을 통해 에이전트 행동에 대한 변조 불가능한 기록을 실현합니다. 구체적으로, 통신 계층은 에이전트 간 통합 통신 프로토콜을 설정하고 에이전트가 공통 언어를 통해 서로 통신할 수 있도록 표준화된 메시징 시스템을 사용하며, 사용자와 다른 에이전트가 신속하게 통신할 수 있도록 서비스 검색 프로토콜 및 API를 설정합니다. 사용 가능한 에이전트를 검색하고 연결합니다. 블록체인 계층은 주로 에이전트 ID와 Chronicle 스마트 계약의 두 부분으로 구성됩니다. 에이전트 ID는 합법적인 에이전트만 네트워크에 액세스할 수 있도록 보장합니다. Chronicle은 에이전트가 내린 모든 중요한 결정과 행동의 로그 저장소입니다. 이후에는 변조할 수 없습니다. 체인에 업로드됩니다. , 에이전트 동작의 신뢰할 수 있는 추적성을 보장합니다.
Altered State Machine: NFT를 통한 Agent 자산 소유권 및 거래에 대한 표준을 설정합니다. 구체적인 분석은 Part 1에서 확인할 수 있습니다. ASM은 현재 주로 게임에 연결되어 있지만 기본 사양으로는 다른 Agent 분야로 확장 가능성도 있습니다. .
Morpheous: AI Agent 생태 네트워크가 구축되고 있습니다. 이 계약은 Coder, 컴퓨터 제공자, Community Builder 및 Capital의 네 가지 역할을 연결하여 각각 AI Agent, 컴퓨팅 성능, 프런트엔드 및 개발 도구와 자금을 제공하도록 설계되었습니다. 네트워크용 에이전트 운영 MOR은 컴퓨팅 성능을 제공하는 채굴자, stETH 서약자, 에이전트 또는 스마트 계약 개발 기여자, 커뮤니티 개발 기여자에게 인센티브를 제공하기 위해 공정한 출시 형식을 취할 것입니다.
4.2 zkML/opML
영지식 증명에는 현재 두 가지 주요 적용 방향이 있습니다.
운영이 더 낮은 비용으로 올바르게 실행되고 있음을 온체인에서 입증합니다(ZK-Rollup 및 ZKP 크로스체인 브리지는 ZK의 이러한 기능을 활용하고 있습니다).
개인 정보 보호: 계산이 올바르게 수행되었음을 증명하기 위해 계산 세부 사항을 알 필요는 없습니다.
마찬가지로 기계 학습에 ZKP를 적용하는 것도 두 가지 범주로 나눌 수 있습니다.
추론 검증: ZK 증명을 통해 AI 모델 추론의 집약적인 계산 과정이 체인 밖에서 올바르게 실행된다는 것을 저렴한 비용으로 체인에서 증명합니다.
개인 정보 보호: 두 가지 범주로 나눌 수 있는데, 하나는 데이터 개인 정보 보호, 즉 공개 모델에 대한 추론을 위해 개인 데이터를 사용하는 것이고, ZKML은 개인 데이터를 보호하는 데 사용할 수 있으며, 다른 하나는 모델 개인 정보 보호입니다. , 모델을 숨기기 위해 공개 입력에서 가중치와 같은 특정 정보를 계산하고 출력 결과를 얻습니다.
저자는 현재 Crypto에서 더 중요한 것은 추론 검증이라고 생각하며, 여기서 추론 검증 시나리오에 대해 더 자세히 설명하겠습니다. 참여자로서의 AI에서 시작하여 세계의 지배자인 AI에 이르기까지 우리는 AI를 온체인 프로세스의 일부로 만들기를 희망하지만, AI 모델 추론의 계산 비용이 너무 높아 체인에서 직접 실행할 수 없습니다. 이 프로세스는 오프체인이며, 이는 우리가 이 블랙박스로 인한 신뢰 문제를 안고 살아야 함을 의미합니다. AI 모델 러너가 내 입력을 조작했습니까? 내가 지정한 모델이 추론에 사용되었나요? ML 모델을 ZK 회로로 변환하면 (1) 더 작은 모델을 체인에 업로드하고, 작은 zkML 모델을 스마트 계약에 저장하고, 체인에 직접 업로드하여 불투명성 문제를 해결할 수 있습니다. (2) 완전한 추론이 가능합니다. 오프체인, 동시에 ZK 증명 생성 추론 프로세스의 정확성을 증명하기 위해 체인에서 ZK 증명을 실행함으로써 인프라에는 두 개의 계약, 즉 주 계약(ML 모델을 사용하여 결과 출력)이 포함됩니다. 그리고 ZK-Proof 검증 계약.
zkML은 아직 초기 단계에 있으며, ML 모델을 ZK 회로로 변환하는 기술적인 문제와 극도로 높은 계산 및 암호화 오버헤드 비용에 직면해 있습니다. Rollup의 개발 경로와 마찬가지로 opML은 경제적 관점에서 또 다른 솔루션이 되었습니다. opML은 Arbitrum의 AnyTrust 가정을 사용합니다. 즉, 각 청구에는 제출자 또는 적어도 한 명의 검증자가 정직하다는 것을 보장하기 위해 적어도 하나의 정직한 노드가 있습니다. 그러나 OPML은 추론 검증의 대안일 뿐 개인정보 보호를 달성할 수 없습니다.
현재 프로젝트에서는 zkML을 위한 인프라를 구축하고 해당 애플리케이션을 탐색하기 위해 열심히 노력하고 있습니다. 암호화 사용자에게 zkML의 중요한 역할을 명확하게 보여주고 궁극적인 가치가 막대한 비용을 상쇄할 수 있음을 입증해야 하기 때문에 애플리케이션 구축도 똑같이 중요합니다. 이러한 프로젝트 중 일부는 기계 학습과 관련된 ZK 기술 연구 및 개발(예: Modulus Labs)에 초점을 맞추고 다른 일부는 보다 일반적인 ZK 인프라 구축에 중점을 둡니다.
Modulus는 zkML을 사용하여 온체인 추론 프로세스에 인공 지능을 적용하고 있습니다. Modulus는 2월 27일에 zkML 증명자 Remainder를 출시하여 동급 하드웨어에서 기존 AI 추론에 비해 효율성이 180배 향상되었습니다. 또한 Modulus는 Upshot과 협력하여 복잡한 시장 데이터를 수집하고, NFT 가격을 평가하고, ZK 증명이 포함된 인공 지능을 사용하여 체인에 가격을 전송하는 등 zkML의 실제 사용 사례를 탐색하기 위해 여러 프로젝트와 협력합니다. 전투 중인 아바타가 플레이어가 훈련한 아바타와 동일하다는 것을 증명하기 위해.
Risc Zero는 모델을 온체인에 배치하고, RISC Zero의 ZKVM에서 기계 학습 모델을 실행함으로써 모델에 관련된 정확한 계산이 올바르게 수행되었음을 증명할 수 있습니다.
인곤야마는 ZK 기술 분야에 대한 진입 장벽을 낮출 수 있는 ZK 기술 전용 하드웨어를 개발하고 있으며, 모델 훈련 과정에도 zkML이 활용될 수 있다.
5 목표로서의 AI
처음 세 가지 범주가 AI가 Crypto에 어떻게 힘을 실어주는지에 더 초점을 맞춘다면, 목표로서의 AI는 AI에 대한 Crypto의 도움, 즉 Crypto를 사용하여 여러 평가 기준을 포함할 수 있는 더 나은 AI 모델과 제품을 만드는 방법을 강조합니다. , 더 정확하고, 더 분산되어 있습니다.
AI에는 데이터, 컴퓨팅 성능 및 알고리즘의 세 가지 코어가 포함되어 있으며 모든 차원에서 Crypto는 AI에 보다 효과적인 지원을 제공하기 위해 최선을 다하고 있습니다.
데이터: 데이터는 모델 훈련의 기초입니다. 분산형 데이터 프로토콜은 개인이나 기업이 더 많은 개인 도메인 데이터를 제공하도록 장려하는 동시에 암호화를 사용하여 데이터 프라이버시를 보호하고 민감한 개인 데이터의 누출을 방지합니다.
컴퓨팅 파워: 분산형 컴퓨팅 파워 트랙은 현재 가장 인기 있는 AI 트랙입니다. 이번 협약은 모델 훈련 및 추론에 대한 수요와 공급 간의 매칭 시장을 제공함으로써 롱테일 컴퓨팅 파워와 AI 기업의 매칭을 촉진합니다.
알고리즘: 암호화폐의 알고리즘 강화는 탈중앙화 AI를 구현하는 핵심 연결고리입니다. 이는 Vitalik의 기사에서 목표로서의 AI 서술의 주요 내용이기도 합니다. 위에서 언급한 것처럼 탈중앙화되고 신뢰할 수 있는 블랙박스 AI를 만들기 위한 문제 적대적 머신러닝은 해결되겠지만 극도로 높은 암호화 오버헤드와 같은 일련의 장애물에 직면하게 될 것입니다. 또한, 더 나은 AI 개발을 장려하기 위해 암호화 인센티브를 사용하는 것도 전체 암호화라는 암호화 토끼 구멍에 완전히 빠지지 않고도 달성할 수 있습니다.
대기업의 데이터 및 컴퓨팅 능력 독점으로 인해 모델 훈련 프로세스가 독점되었고, 비공개 소스 모델은 대기업 수익의 핵심이 되었습니다. 인프라 관점에서 Crypto는 경제적 수단을 통해 데이터 및 컴퓨팅 성능의 분산 공급을 장려하는 동시에 암호화 방법을 통해 프로세스에서 데이터 프라이버시를 보장하며, 이를 기반으로 분산 모델 교육을 촉진하여 보다 투명하고 분산된 AI를 달성합니다.
5.1 분산형 데이터 프로토콜
분산형 데이터 프로토콜은 주로 데이터 크라우드소싱의 형태로 수행되며, 사용자가 기업이 모델 교육을 수행할 수 있도록 데이터 세트 또는 데이터 서비스(예: 데이터 주석)를 제공하도록 동기를 부여하고, 데이터 마켓플레이스를 열어 수요와 공급의 일치를 촉진합니다. 프로토콜은 또한 DePIN 인센티브 프로토콜을 통해 탐색하고, 사용자의 검색 데이터를 얻거나, 사용자의 장치/대역폭을 사용하여 네트워크 데이터 크롤링을 완료합니다.
Ocean Protocol: 데이터 확인 및 토큰화 사용자는 Ocean Protocol에서 코드 없이 데이터/알고리즘의 NFT를 생성하고 해당 데이터 토큰을 생성하여 데이터 NFT에 대한 액세스를 제어할 수 있습니다. Ocean Protocol은 C 2D(Compute To Data)를 통해 데이터 프라이버시를 보장하며, 사용자는 데이터/알고리즘을 기반으로 한 출력 결과만 얻을 수 있으며 전체 다운로드는 불가능합니다. 오션 프로토콜은 2017년 설립됐다. 데이터 시장으로서 이런 열풍 속에서 AI열차를 따라잡는 것은 당연하다.
Synesis One: 이 프로젝트는 Solana의 Train 2 Earn 플랫폼입니다. 사용자는 자연어 데이터 및 데이터 주석을 제공하여 $SNS 보상을 얻습니다. 사용자는 데이터 제공을 통해 마이닝을 지원합니다. 데이터는 검증 후 저장되고 체인에 업로드됩니다. 훈련과 추론을 위한 AI 회사. 구체적으로 마이너는 Architect/Builder/Validator의 세 가지 범주로 나누어지며 Architect는 새로운 데이터 작업 생성을 담당하고 Builder는 해당 데이터 작업에 코퍼스를 제공하며 Validator는 Builder가 제공하는 데이터 세트를 검증합니다. 완성된 데이터 세트는 IPFS에 저장되며, 데이터 소스와 IPFS 주소는 체인에 저장되며, AI 회사(현재 Mind AI)에서 사용할 수 있도록 오프체인 데이터베이스에도 저장됩니다.
Grass: AI를 위한 분산형 데이터 레이어로 알려진 이는 본질적으로 웹을 스크랩하고 AI 모델 훈련을 위한 데이터를 얻기 위한 분산형 마켓플레이스입니다. 인터넷 웹사이트는 AI 훈련 데이터의 중요한 소스이며, Twitter, Google, Reddit을 포함한 많은 웹사이트의 데이터는 큰 가치가 있지만 이러한 웹사이트는 지속적으로 데이터 크롤링을 제한하고 있습니다. Grass는 개인 네트워크에서 사용되지 않는 대역폭을 사용하여 다양한 IP 주소를 사용하여 공개 웹 사이트에서 데이터를 크롤링하고 예비 데이터 정리를 완료하며 AI 모델 교육 회사 및 프로젝트의 데이터 소스가 되어 데이터 차단의 영향을 줄입니다. Grass는 현재 베타 테스트 단계에 있으며, 사용자는 대역폭을 제공하여 잠재적인 에어드랍을 받을 수 있는 포인트를 얻을 수 있습니다.
AIT 프로토콜: AIT 프로토콜은 개발자에게 모델 교육을 위한 고품질 데이터 세트를 제공하도록 설계된 분산형 데이터 주석 프로토콜입니다. Web3를 사용하면 전 세계 인력이 데이터 주석을 통해 네트워크에 빠르게 액세스하고 인센티브를 얻을 수 있습니다. AIT의 데이터 과학자는 데이터에 사전 주석을 추가한 후 사용자가 추가 처리합니다. 데이터 과학자의 검사를 거쳐 통과된 데이터는 품질검사는 개발자에게 제공됩니다.
위에서 언급한 데이터 제공 및 데이터 주석 프로토콜 외에도 Filecoin, Arweave 등과 같은 이전의 분산형 스토리지 인프라도 보다 분산된 데이터에 대한 지원을 제공할 것입니다.
5.2 분산형 컴퓨팅 성능
AI 시대에 컴퓨팅 파워의 중요성은 자명합니다. Nvidia의 주가가 최고조에 달할 뿐만 아니라 Crypto 세계에서는 분산형 컴퓨팅 파워가 AI에서 가장 과장된 부분이라고 할 수 있습니다. track—시가총액 상위 200개 기업 중 AI 프로젝트 11개 중 분산형 컴퓨팅 파워에 초점을 맞춘 프로젝트 5개(Render/Akash/AIOZ Network/Golem/Nosana)가 고배의 성장을 달성했습니다. 지난 몇 달 동안. 우리는 또한 시가총액이 작은 프로젝트에서 많은 분산형 컴퓨팅 파워 플랫폼이 출현하는 것을 보았습니다.이들은 이제 막 시작했지만 NVIDIA 컨퍼런스의 물결과 함께 GPU와 관련된 한 빠르게 급증했습니다.
트랙의 특성으로 볼 때 이 방향의 프로젝트의 기본 논리는 매우 동질적입니다. 즉, 토큰 인센티브를 통해 유휴 컴퓨팅 리소스가 있는 사람이나 회사가 리소스를 제공할 수 있으므로 사용 비용이 크게 절감되고 컴퓨팅 파워에 대한 수요와 공급이 확립됩니다. 현재 시장에서 컴퓨팅 파워의 주요 공급은 데이터 센터, 채굴기(특히 이더리움이 PoS로 전환된 이후), 소비자 컴퓨팅 파워 및 다른 프로젝트와의 협력에서 나옵니다. 동질적이지만 선두 프로젝트에 대한 해자가 높은 트랙입니다. 프로젝트의 주요 경쟁 우위는 컴퓨팅 전력 자원, 컴퓨팅 전력 임대 가격, 컴퓨팅 전력 활용률 및 기타 기술 우위에서 비롯됩니다. 이 트랙의 주요 프로젝트로는 Akash, Render, io.net 및 Gensyn이 있습니다.
구체적인 비즈니스 방향에 따라 프로젝트는 크게 AI 모델 추론과 AI 모델 교육의 두 가지 범주로 나눌 수 있습니다. AI 모델 훈련에는 추론보다 훨씬 높은 컴퓨팅 파워와 대역폭이 필요하고, 분산 추론보다 구현이 어렵고, 모델 추론 시장이 빠르게 확대되고 있기 때문에 앞으로 예측 가능한 수입은 모델 훈련보다 훨씬 높을 것이다. 그래서 현재로서는 절대 불가능합니다. 대부분의 프로젝트는 추론에 중점을 둡니다(Akash, Render,io.net), 훈련의 리더는 Gensyn입니다. 그 중 Akash와 Render는 앞서 탄생한 것이지 AI컴퓨팅을 위해 태어난 것은 아닙니다.Akash는 처음에는 일반 컴퓨팅에 사용되었고, Render는 주로 비디오 및 이미지 렌더링에 사용되었으며, io.net은 AI컴퓨팅을 위해 특별히 설계되었지만 AI에서는 컴퓨팅 성능 수요가 더 높은 수준으로 높아진 후 이러한 프로젝트는 AI에서 발전하는 경향이 있습니다.
가장 중요한 두 가지 경쟁 지표는 여전히 공급 측면(컴퓨팅 전력 자원)과 수요 측면(컴퓨팅 전력 활용률)에서 나옵니다. Akash는 282개의 GPU와 20,000개 이상의 CPU를 보유하고 있으며 160,000개의 임대를 완료했습니다. GPU 네트워크의 활용률은 50~70%로 이 트랙에서 좋은 수치입니다. io.net에는 GPU 40272개와 CPU 5958개뿐 아니라 렌더의 GPU 4318개와 CPU 159개, 파일코인의 GPU 1024개에 대한 라이선스도 있는데, 현재 완성된 H 100 블록 약 200개와 A 100 블록 수천 개를 포함한다. .net은 매우 높은 에어드랍 기대치를 갖고 컴퓨팅 리소스를 끌어들이고 있습니다.GPU 데이터는 빠르게 증가하고 있으며 토큰 출시 후 리소스를 끌어들이는 능력을 재평가해야 합니다. Render와 Gensyn은 구체적인 데이터를 공개하지 않았습니다. 또한 많은 프로젝트들이 생태학적 협력을 통해 수요와 공급 측면에서 경쟁력을 향상시키고 있는데, 예를 들어 io.net은 Render와 Filecoin의 컴퓨팅 파워를 활용하여 자원 보유량을 늘리고 있습니다.Render는 컴퓨팅 클라이언트 계획(RNP-004)을 수립했습니다. ). 사용자가 클라이언트를 계산하도록 허용합니다.io.net, Nosana, FedMl 및 Beam을 사용하여 Render의 컴퓨팅 리소스에 간접적으로 액세스함으로써 렌더링 분야에서 인공 지능 컴퓨팅으로 빠르게 전환합니다.
또한, 분산 컴퓨팅에 대한 검증, 즉 컴퓨팅 자원을 가진 작업자가 컴퓨팅 작업을 올바르게 수행했음을 어떻게 증명할 것인지도 여전히 문제로 남아 있습니다. Gensyn은 확률적 학습 증명, 그래프 기반 정밀 측위 프로토콜 및 인센티브를 통해 계산의 정확성을 보장하기 위한 검증 레이어를 구축하려고 하며, 검증자와 내부 고발자가 공동으로 계산을 확인하므로 Gensyn은 탈중앙화를 위한 교육 외에도 제공합니다. 컴퓨팅 파워 지원과 이를 통해 구축되는 검증 메커니즘 역시 고유한 가치를 갖고 있습니다. 솔라나에 기반을 둔 컴퓨팅 프로토콜인 Fluence에는 컴퓨팅 작업에 대한 검증 기능도 추가되어 개발자가 애플리케이션이 예상대로 실행되고 있는지, 온체인 제공업체가 게시한 증명을 확인하여 계산이 올바르게 수행되는지 확인할 수 있습니다. 그러나 실제 요구는 여전히 타당성이 신뢰할 수 있는 것보다 크다는 것입니다. 컴퓨팅 플랫폼은 먼저 경쟁 가능성을 가질 수 있는 충분한 컴퓨팅 성능을 가져야 합니다. 물론 우수한 검증 프로토콜의 경우 컴퓨팅 성능에 액세스하도록 선택할 수 있습니다. 인증 계층과 프로토콜 계층이 되는 다른 플랫폼의 고유한 역할을 수행합니다.
5.3 분산형 모델
우리는 Vitalik이 설명한 궁극적인 시나리오(아래 그림 참조)와는 아직 거리가 멀고, 현재 블록체인과 암호화 기술을 통해 신뢰할 수 있는 블랙박스 AI를 생성하여 적대적인 기계 학습 문제를 해결하고 데이터를 훈련할 수 없습니다. 쿼리 출력까지 전체 AI 실행 프로세스는 매우 큰 비용이 듭니다. 그러나 현재 인센티브 메커니즘을 통해 더 나은 AI 모델을 만들려는 프로젝트가 있는데, 첫째, 서로 다른 모델 간의 폐쇄적인 상태를 개방하고 모델 간 상호 학습, 협업 및 건전한 경쟁 패턴을 만들었습니다. Bittensor가 가장 대표적입니다. . 프로젝트.
Bittensor: Bittensor는 다양한 AI 모델의 결합을 추진하고 있지만 Bittensor 자체가 모델을 훈련시키지 않고 주로 AI 추론 서비스를 제공한다는 점에 주목할 필요가 있습니다. Bittensor의 32개 서브넷은 데이터 캡처, 텍스트 생성, 텍스트 2 이미지 등과 같은 다양한 서비스 방향에 중점을 둡니다. 작업을 완료할 때 서로 다른 방향에 속한 AI 모델은 서로 협력할 수 있습니다. 인센티브 메커니즘은 서브넷 간 및 서브넷 내 경쟁을 촉진합니다. 현재 보상은 블록당 1 TAO 비율로 발행됩니다. 매일 총 약 7,200개의 TAO 토큰이 발행되고, SN 0(루트 네트워크)에서 64번의 검증이 서버에서 결정됩니다. 서브넷 성능에 따라 서로 다른 서브넷 간에 이러한 보상을 분배합니다.배분비율, 서브넷 유효성 검사기는 광부의 작업을 평가하여 여러 광부 간의 분배 비율을 결정하므로 더 나은 서비스와 더 나은 성능을 발휘하는 모델이 더 많은 인센티브를 받게 되며 이는 시스템의 전반적인 추론 품질 향상을 촉진합니다.
6 결론: MEME 과대광고인가, 기술 혁명인가?
Sam Altman의 움직임으로 인한 ARKM 및 WLD의 급등하는 프로젝트부터 일련의 참여 프로젝트로 이어지는 NVIDIA 컨퍼런스까지 많은 사람들이 AI 트랙에 대한 투자 철학을 조정하고 있습니다. 기술 혁명?
ARKM 및 WLD와 같은 몇몇 유명인 주제를 제외하고 AI 트랙 전체는 기술적 서사가 지배하는 MEME에 가깝습니다.
한편으로 Crypto AI 트랙의 전반적인 과대 광고는 Web2 AI의 진행과 밀접하게 연결되어야 하며 OpenAI가 주도하는 외부 과대 광고는 Crypto AI 트랙의 촉발제가 될 것입니다. 반면, AI 트랙의 스토리는 여전히 기술적 서사가 지배적이다. 물론 여기서 우리가 강조하는 것은 기술보다는 기술적 서사이다. AI 트랙과 프로젝트의 기본에 대한 관심은 여전히 중요합니다.과대적 가치를 지닌 서사적 방향을 찾아야 하며, 또한 중장기적 경쟁력과 해자를 갖춘 프로젝트를 찾아야 합니다.
Vitalik이 제안한 네 가지 가능한 조합에서 우리는 서사적 매력과 구현 가능성 사이의 균형을 볼 수 있습니다. AI 애플리케이션으로 대표되는 첫 번째와 두 번째 카테고리에서는 GPT Wrapper를 많이 보았습니다. 제품은 빠르게 출시되지만 비즈니스 동질성도 높습니다. 선점자 이점, 생태계, 사용자 수 및 제품 수익이 스토리가 됩니다. 동질적인 경쟁. 세 번째와 네 번째 카테고리는 Agent 온체인 협업 네트워크, zkML, AI의 탈중앙화 재구성 등 AI와 암호화폐의 결합에 대한 거대한 서사를 나타내며 모두 초기 단계에 있습니다. 매우 초기 구현일지라도 자금이 필요합니다.
회사 소개
Metrics Ventures는 경험이 풍부한 암호화폐 전문가 팀이 이끄는 데이터 및 연구 중심의 암호화폐 자산 2차 시장 유동성 펀드입니다. 이 팀은 1차 시장 인큐베이션 및 2차 시장 거래에 대한 전문 지식을 갖추고 있으며, 심층적인 온체인/오프체인 데이터 분석을 통해 산업 발전에 적극적인 역할을 수행합니다. MVC는 암호화 커뮤니티의 영향력 있는 고위 인사와 협력하여 미디어 및 KOL 리소스, 생태학적 협업 리소스, 프로젝트 전략, 경제 모델 컨설팅 기능 등과 같은 프로젝트에 대한 장기적인 지원 기능을 제공합니다.
암호화폐 자산 시장 및 투자에 대한 통찰력과 아이디어를 공유하고 토론하기 위해 DM에 오신 모든 분들을 환영합니다.
우리의 연구 내용은 Twitter와 Notion에 동시에 게시됩니다.
Twitter: https://twitter.com/MetricsVentures
Notion: https://www.notion.so/metricsventures/Metrics-Ventures-475803b4407946b1ae6e0eeaa8708fa2?pvs=4
모집중!좋은 급여와 유연한 근무환경을 갖춘 트레이더를 찾고 있습니다.
해당하는 경우: 40 ordi 미만/ 25 inj 미만/ 3.2 rndr 미만/ 10 tia 미만의 sol을 구입했습니다. 위 중 두 가지를 충족하는 경우 admin@metrics.ventures, ops@metrics.ventures로 문의하세요.
