원저자: Archetype
원본 편집: Deep Chao TechFlow
1. 에이전트 간 상호작용
자연스러운 투명성과 구성성으로 인해 블록체인은 지능형 에이전트 간의 원활한 상호 작용을 달성하는 데 이상적인 플랫폼이 되었습니다. 이러한 상호 작용에서는 다양한 기관에서 다양한 목적으로 개발한 에이전트가 협력하여 작업을 완료할 수 있습니다. 이미 에이전트 간 자금 이체 , 함께 토큰 발행 등 흥미로운 시도가 이뤄지고 있다. 우리는 에이전트 간의 상호 작용이 더욱 확장될 것으로 기대합니다. 한편으로는 에이전트가 주도하는 새로운 소셜 플랫폼 과 같은 새로운 애플리케이션 시나리오를 생성하고, 다른 한편으로는 플랫폼 인증, 소액 결제 및 교차 결제와 같은 기존 기업 워크플로우를 최적화합니다 . 플랫폼 작업 등을 통해 오늘날의 복잡하고 번거로운 운영 프로세스를 단순화합니다. - 대니 , 케이티 , 아드하시 , 드미트리
aethernet과 clanker가 Warpcast에서 공동으로 토큰을 발행합니다.
2. 분산형 에이전트 조직
대규모 다중 에이전트 협업은 또 다른 흥미로운 연구 방향입니다. 다중 에이전트 시스템은 작업을 완료하고, 문제를 해결하고, 프로토콜과 시스템을 관리하기 위해 어떻게 협업합니까? Vitalik은 2024년 초 암호화폐 + AI 애플리케이션의 약속과 과제라는 기사에서 예측 시장 및 판결에 AI 에이전트를 사용하는 아이디어를 제안했습니다. 그는 대규모 애플리케이션에서 다중 에이전트 시스템이 진실 발견 및 자율적 거버넌스에 대한 엄청난 잠재력을 가지고 있다고 믿습니다. 우리는 이 다중 에이전트 시스템의 기능이 어떻게 더 탐구될 수 있는지, 그리고 군집 지능이 실험에서 어떻게 더 많은 가능성을 밝힐 수 있는지 기대합니다.
또한 지능형 에이전트와 인간 간의 협업도 탐구해볼 가치가 있는 방향이다. 예를 들어, 커뮤니티가 지능형 에이전트를 중심으로 상호 작용하는 방법이나 지능형 에이전트가 집단 작업을 완료하기 위해 인간을 구성하는 방법 등이 있습니다. 대규모 인간 협업을 목표로 하는 에이전트에 대한 더 많은 실험이 있기를 바랍니다. 물론 이를 위해서는 일종의 검증 메커니즘이 필요합니다. 특히 작업이 오프체인에서 완료되는 경우에는 더욱 그렇습니다. 하지만 이러한 탐구는 예상치 못한 놀라운 결과를 가져올 수도 있습니다. -케이티 , 드미트리 , 애쉬
3. 에이전트 기반 멀티미디어 엔터테인먼트(Agentic Multimedia Entertainment)
디지털 아바타의 개념은 수년 동안 존재해 왔습니다. 예를 들어, 하츠네 미쿠 (2007)는 20,000석 규모의 공연장에서 매진 콘서트를 개최했으며, Lil Miquela (2016)는 인스타그램에서 200만 명 이상의 팔로워를 보유하고 있습니다. 최근 사례로는 트위치 구독자 수가 60만명을 돌파한 AI 가상 스트리머 뉴로사마 (2022), 유튜브 조회수가 2년도 안 돼 60만명을 돌파한 익명의 케이팝 보이밴드 PLAVE (2023) 등이 있다. 백만 번. AI 기술의 발전과 결제, 가치 이전 및 개방형 데이터 플랫폼에 블록체인이 적용됨에 따라 이러한 에이전트는 더욱 자율적이 될 것으로 예상되며 2025년까지 새로운 주류 엔터테인먼트 카테고리를 열 수 있습니다. -케이티 , 드미트리
왼쪽 위에서 시계 방향으로: 하츠네 미쿠, Virtuals의 Luna, Lil Miquela 및 PLAVE
4. 생성적/에이전트 중심 콘텐츠 마케팅(Generative/Agentic Content Marketing)
어떤 경우에는 에이전트가 제품 자체인 반면, 다른 경우에는 에이전트가 제품의 보완재가 될 수 있습니다. 관심 경제에서는 매력적인 콘텐츠를 지속적으로 생산하는 것이 모든 아이디어, 제품 또는 회사의 성공에 핵심입니다. 생성적/에이전트 중심 콘텐츠는 팀에게 확장 가능한 연중무휴 콘텐츠 생성 파이프라인을 보장할 수 있는 강력한 도구를 제공합니다. 이 영역은 “밈코인 대 에이전트”에 대한 논의로 가속화되었습니다. 에이전트는 아직 완전히 지능적이지는 않더라도 밈코인이 확산될 수 있는 강력한 도구입니다.
또 다른 예로, 게임 산업은 사용자의 참여를 유지하기 위해 점점 더 역동성을 추구하고 있습니다 . 고전적인 접근 방식은 사용자 생성 콘텐츠를 선도하는 것이며, 순수 생성 콘텐츠(예: 게임 내 아이템, NPC 또는 완전히 생성된 레벨)가 이러한 추세의 다음 단계일 수 있습니다. 2025년에는 에이전트의 역량이 콘텐츠 배포와 사용자 상호 작용의 경계를 어떻게 더욱 확장할지 궁금합니다. -케이티
5. 차세대 미술 도구/플랫폼
2024년에는 음악, 시각 예술, 디자인, 큐레이션 등 분야의 암호화폐 아티스트와 대화하는 인터뷰 프로그램인 IN CONVERSATION WITH 시리즈를 출시했습니다. 올해 인터뷰를 통해 저는 한 가지 추세를 발견하게 되었습니다. 암호화폐에 관심이 있는 아티스트는 종종 최첨단 기술에도 열정을 갖고 있으며 이러한 기술이 AR/VR 개체, 코드 생성 예술, 실시간 코딩(라이브코딩).
생성 예술과 블록체인 기술의 결합은 오랫동안 존재해 왔으며, 이로 인해 블록체인은 AI 예술을 위한 이상적인 캐리어가 되었습니다. 이러한 예술 형식을 전시하고 발표하는 것은 전통적인 플랫폼에서 매우 어렵습니다. ArtBlocks는 디지털 아트가 블록체인을 통해 어떻게 표시, 저장, 수익화 및 보존될 수 있는지에 대한 예비 탐색을 제공하여 예술가와 관객의 경험을 크게 향상시킵니다. 또한, AI 도구를 사용하면 일반인도 쉽게 자신만의 예술 작품을 만들 수 있습니다 . 우리는 2025년에 블록체인이 이러한 도구의 기능을 어떻게 더욱 향상시킬지 매우 기대하고 있습니다. -케이티
KC: 암호화폐 문화에 대한 좌절감과 불일치를 고려할 때 Web3에 계속 참여하도록 선택하게 된 동기는 무엇입니까? Web3는 귀하의 창작 활동에 어떤 가치를 제공합니까? 실험적인 탐험인가요, 금전적인 보상인가요, 아니면 다른 것인가요?
MM: 나에게 있어서 Web3는 나 자신과 다른 예술가들에게 여러 면에서 긍정적인 영향을 미쳤습니다. 개인적으로 제너레이티브 아트 출판을 지원하는 플랫폼은 제 작업에 특히 중요합니다. 예를 들어 JavaScript 파일을 업로드하면 누군가가 작품을 만들거나 수집할 때 코드가 실시간으로 실행되어 설계한 시스템에서 독특한 예술 작품을 생성할 수 있습니다. 이러한 실시간 생성 과정은 내 창작 활동의 핵심 부분입니다. 내가 작성하고 구축한 시스템에 임의성을 도입한 것은 개념적으로나 기술적으로 예술에 대해 생각하는 방식에 큰 영향을 미쳤습니다. 그러나 이 과정이 이 예술 형식을 위해 특별히 설계된 플랫폼이나 전통적인 갤러리에서 제시되지 않으면 관객에게 전달하기 어려운 경우가 많습니다.
갤러리에서는 알고리즘이 프로젝션이나 스크린을 통해 실시간으로 실행되는 모습을 보여주거나, 알고리즘에 의해 생성된 여러 출력에서 선택한 작품을 물리적 형태로 변환하여 전시할 수도 있습니다. 그러나 예술적 매체로서의 코드에 익숙하지 않은 청중의 경우 생성적인 방식으로 소프트웨어를 사용하는 모든 아티스트의 작업에서 중요한 부분인 창작 과정에서 이러한 무작위성의 중요성을 파악하기 어려울 수 있습니다. 작품의 최종 형태가 인스타그램에 게시된 사진이나 실제 인쇄물일 뿐인 경우에는 창의적인 매체로서의 코드라는 핵심 아이디어를 관객에게 강조하기 어려울 때가 있습니다.
NFT의 출현은 생성 예술을 선보일 수 있는 플랫폼을 제공할 뿐만 아니라 예술적 매체로서의 코드라는 개념을 대중화하여 더 많은 사람들이 이러한 창작 방식의 고유성과 가치를 이해할 수 있도록 돕는다는 점에서 저를 흥분시킵니다.
IN CONVERSATION WITH: Maya Man에서 발췌
6. 데이터 시장
Clive Humby가 데이터는 새로운 석유라는 아이디어를 제안한 이후로 기업은 사용자 데이터를 저장하고 수익을 창출하기 위한 조치를 취했습니다. 그러나 사용자들은 자신의 데이터가 거대 기업 생존의 초석이라는 사실을 점차 깨닫고 있지만, 데이터가 어떻게 사용되는지에 대한 통제력이 거의 없고 데이터로부터 이익을 얻지 못하고 있습니다. 강력한 AI 모델의 급속한 발전으로 인해 이러한 모순은 점점 더 심각해지고 있습니다. 한편으로는 사용자 데이터가 오용되는 문제를 해결해야 합니다. 다른 한편으로는 대규모 및 고품질 모델이 공용 인터넷 데이터의 리소스를 고갈시키므로 새로운 데이터 소스도 특히 중요합니다.
데이터 제어권을 사용자에게 반환하기 위해 분산형 인프라는 광범위한 설계 공간을 제공합니다. 이를 위해서는 데이터 저장, 개인 정보 보호, 데이터 품질 평가, 가치 귀속 및 수익 창출 메커니즘과 같은 다양한 영역에서 혁신적인 솔루션이 필요합니다. 동시에 데이터 공급 부족에 대응하여 더 나은 인센티브 메커니즘과 필터링 방법을 통해 더 높은 가치의 데이터 제품을 만드는 등 기술적 이점을 활용하여 경쟁력 있는 솔루션을 구축하는 방법을 고민해야 합니다. 특히 Web2 AI가 여전히 지배적인 현재 상황에서 스마트 계약과 기존 서비스 계약(SLA)을 결합하는 방법은 심층적으로 탐구할 가치가 있는 방향입니다. - 대니
7. 분산형 컴퓨팅
AI의 개발과 배포에는 데이터와 더불어 컴퓨팅 파워도 핵심 요소이다. 지난 몇 년 동안 대규모 데이터 센터는 공간, 에너지 및 하드웨어에 대한 독점적인 액세스에 의존하여 딥 러닝과 AI의 개발을 주도해 왔습니다. 그러나 물리적 자원의 한계와 오픈소스 기술의 발전으로 인해 이러한 패턴은 점차 깨지고 있습니다.
분산형 AI의 컴퓨팅 v1 단계는 Web2의 GPU 클라우드와 유사하지만 하드웨어 수급 측면에서 뚜렷한 이점이 없습니다. v2 단계에서는 일부 팀이 고성능 컴퓨팅 오케스트레이션, 라우팅 및 가격 책정 시스템을 포함하여 보다 완전한 기술 스택을 구축하는 동시에 수요를 유치하고 추론 효율성을 향상시키기 위한 독점 기능을 개발하기 시작했습니다. 일부 팀은 컴파일러 프레임워크를 통해 하드웨어 전반에 걸쳐 추론 라우팅을 최적화하는 데 중점을 두는 반면, 다른 팀은 컴퓨팅 네트워크에서 분산 모델 훈련 프레임워크를 개발합니다.
또한 혁신적인 경제 메커니즘을 사용하여 컴퓨팅 성능과 GPU를 수익 창출 자산으로 전환하거나 온체인 유동성을 사용하여 데이터 센터에 하드웨어 자금을 조달하는 새로운 방법을 제공하는 AI-Fi라는 신흥 시장이 형성되고 있습니다. 그러나 분산 컴퓨팅이 실제로 그 잠재력을 실현할 수 있는지 여부는 여전히 아이디어와 실제 요구 사이의 격차를 메울 수 있는지 여부에 달려 있습니다. - 대니
8. 회계기준 계산
분산형 고성능 컴퓨팅(HPC) 네트워크에서는 이기종 컴퓨팅 리소스를 어떻게 조정하는가가 중요한 과제이며, 현재 통일된 회계 표준이 부족하여 이 문제가 더욱 복잡해졌습니다. AI 모델의 출력 결과는 모델 변형, 양자화, 온도를 통한 무작위성, 샘플링 하이퍼파라미터 조정 등 다양합니다. 또한 GPU 아키텍처와 CUDA 버전이 다르면 하드웨어 출력 결과에도 차이가 발생합니다. 이러한 요인들은 이기종 분산 시스템에서 시장 용량을 정확하게 통계적으로 모델링하고 계산하는 방법을 해결해야 할 시급한 문제로 만듭니다.
이러한 표준의 부족으로 인해 우리는 올해 Web2 및 Web3 컴퓨팅 시장에서 모델 성능과 컴퓨팅 리소스의 품질 및 양이 잘못 계산되는 것을 반복적으로 확인했습니다. 이로 인해 사용자는 자체 벤치마크를 실행하거나 컴퓨팅 시장의 사용률을 제한하여 AI 시스템의 실제 성능을 검증해야 합니다.
암호화 분야는 늘 검증 가능성을 강조해왔기 때문에 2025년에는 암호화와 AI의 결합으로 시스템 성능이 더욱 투명해지기를 기대하고 있다. 일반 사용자는 모델이나 컴퓨팅 클러스터의 주요 출력 특성을 쉽게 비교하여 시스템의 실제 성능을 감사하고 평가할 수 있어야 합니다. - 아드하시
9. 확률론적 개인 정보 보호 기본 요소
Vitalik은 암호화 + AI 응용 프로그램의 약속과 과제라는 기사에서 독특한 모순을 언급했습니다. 암호화에서는 오픈 소스가 보안을 달성할 수 있는 유일한 방법이지만 AI에서는 모델(또는 훈련 데이터까지)을 공개적으로 만드는 것입니다. 적대적인 머신러닝 공격의 위험이 크게 증가합니다.”
개인정보 보호는 블록체인의 새로운 연구 방향은 아니지만, AI의 급속한 발전과 함께 개인정보 관련 암호화 기술의 적용이 가속화되고 있습니다. 올해에는 영지식 증명(ZK), 완전 동형 암호화(FHE), 신뢰 실행 환경(TEE), 다자간 컴퓨팅(MPC) 등 개인 정보 보호 강화 기술이 크게 발전했습니다. 이러한 기술은 암호화된 데이터에 대한 범용 계산을 위한 개인 공유 상태와 같은 시나리오에서 사용됩니다. 동시에 Nvidia 및 Apple과 같은 거대 기술 기업들도 독점적인 TEE 기술을 활용하여 하드웨어, 펌웨어 및 모델의 일관성을 유지하면서 연합 학습 및 개인 AI 추론을 달성하고 있습니다.
앞으로 우리는 무작위 상태 전환에서 프라이버시를 보호하는 방법과 이러한 기술이 분산형 개인 추론, 암호화된 데이터에 대한 저장 및 액세스 파이프라인과 같은 이기종 시스템에서 분산형 AI의 실제 적용을 어떻게 촉진할 수 있는지에 중점을 둘 것입니다. 완전 자율 실행 환경. - 아드하시
Apple의 Apple Intelligence 스택과 Nvidia의 H100 GPU
10. 에이전트 의도 및 차세대 사용자 거래 인터페이스
AI 에이전트의 중요한 적용은 사용자가 체인에서 자율적으로 거래를 완료하도록 돕는 것입니다. 그러나 지난 12~16개월 동안 에이전트 의도, 에이전트 행동, 해결사와 같은 용어의 정의가 모호해졌으며 전통적인 로봇 개발과의 차이점도 충분히 명확하지 않습니다.
내년에는 다양한 데이터 유형과 신경망 아키텍처가 결합된 더욱 복잡한 언어 시스템이 해당 분야를 발전시킬 것으로 예상됩니다. 에이전트는 기존 온체인 시스템을 계속 사용하여 거래를 완료할 것인가, 아니면 완전히 새로운 도구와 방법을 개발할 것인가? LLM(대형 언어 모델)이 이러한 시스템의 핵심으로 남을 것인가, 아니면 다른 기술로 대체될 것인가? 사용자 인터페이스 수준에서 사용자는 트랜잭션을 완료하기 위해 자연어를 통해 시스템과 상호 작용합니까? 고전적인 브라우저로서의 지갑 이론이 현실이 될까요? 이는 탐구해 볼 가치가 있는 질문입니다. - 대니 , 케이티 , 아드하시 , 드미트리
