솔라나에서 암호화폐와 AI의 교차점에는 어떤 잠재적 기회가 있을까요?

저자: @knimkar

우리는 지금 AI와 암호화폐의 교차점에서 사용 사례 실험의 캄브리아기 폭발 단계에 접어든 것 같습니다. 저는 이 에너지에서 나오는 것에 대해 정말 기대가 크며, 솔라나에프앤의 생태계에서 우리가 보고 있는 흥미진진한 새로운 기회들을 공유하고 싶었습니다.

1. 간략한 개요

1) 솔라나 트루스 터미널에서 가장 역동적인 에이전트 주도 경제를 촉진하는 것은 AI 에이전트가 온체인에서 상호작용할 수 있을 때 달성할 수 있는 것을 처음으로 보여줬습니다. 성과. 저희는 에이전트가 온체인에서 할 수 있는 일의 한계를 안전하게 확장하는 실험을 기대합니다. 이 분야의 잠재력은 엄청나며, 저희는 아직 그 안의 설계 공간을 탐색하기 시작하지도 않았습니다. 이 분야는 이미 암호화폐와 AI의 통합에서 가장 예상치 못한 폭발적인 영역으로 입증되고 있으며, 이제 시작에 불과합니다.

2) 대규모 언어 모델(LLM)의 솔라나 코드 작성 능력 향상, 솔라나 개발자의 역량 강화LLLM은 이미 코드 작성에 꽤 능숙하며, 곧 더욱 강력해질 것입니다. 저희는 이러한 기능을 통해 Solana 개발자의 생산성을 2배에서 10배까지 향상시키고자 합니다. 단기적으로는 LLM의 Solana 이해 및 Solana 코드 작성 능력을 측정하기 위한 고품질 벤치마크 테스트를 만들 예정이며(자세한 내용은 아래 참조), 이러한 테스트는 LLM이 Solana 생태계에 미치는 잠재적 영향을 이해하는 데 도움이 될 것입니다. 모델을 미세 조정하는 데 있어 고품질의 진전을 이루고 있는 팀을 지원하기를 기대합니다(그리고 이러한 모델의 품질은 벤치마크에서 얼마나 잘 수행되는지를 통해 검증할 것입니다!). .

3) 개방적이고 분산된 AI 기술 스택 지원 "개방적이고 분산된 AI 기술 스택"이란 훈련용 데이터, (훈련 및 추론용) 계산 리소스, 모델 가중치, 모델 결과물의 검증 기능에 대한 액세스를 용이하게 하는 개방적이고 분산된 프로토콜을 의미합니다. ("검증 가능한 컴퓨팅"). 이러한 개방형 AI 기술 스택이 중요한 이유는 다음과 같습니다.

모델 개발의 실험과 혁신을 가속화

신뢰할 수 없는 AI(예: 국가가 승인한 AI)를 사용해야 하는 사람들에게 탈출구를 제공

이 기술 스택의 모든 수준에서 팀과 제품 구축을 지원하고자 합니다. 이러한 중점 분야와 관련된 작업을 하고 계신다면 원본 문서의 작성자에게 연락해 주세요!

2. 세부 개요

아래에서 이 세 가지 기둥에 기대하는 이유와 구축되기를 바라는 내용을 자세히 설명하겠습니다.

1) 가장 역동적인 에이전트 중심 경제 육성

왜 여기에 집중하는가? 트루스 터미널과 GOAT에 대해서는 많은 논의가 있어 여기서 반복하지 않겠지만, 분명하게 말할 수 있는 것은 AI 에이전트가 온체인에서 상호작용할 때 가능한 모든 미친 기능들이 돌이킬 수 없을 정도로 현실의 영역에 들어왔다는 것입니다(이 경우 에이전트는 아직 온체인에서 직접 행동하지도 않았습니다).

현재로서는 온체인 에이전트 행동의 미래가 어떻게 될지 정확히 알 수 없다고 자신 있게 말할 수 있지만, 디자인 공간이 얼마나 넓은지 짐작할 수 있도록 솔라나에서 이미 일어나고 있는 일 중 일부를 소개합니다:

. 왼쪽;">트루스 터미널과 같은 AI 리더들은 $GOAT와 같은 메모코인을 통해 새로운 시대의 종교를 육성하려고 합니다.

한편, @HoloworldAI, @vvaifudotfun, @TopHat_. One, @real_alethea 등은 사용자가 프록시 및 관련 토큰을 쉽게 생성하고 실행할 수 있도록 지원합니다.

AI 펀드 매니저는 다양한 유명 암호화폐 투자자들의 개인화된 프록시를 훈련하여 투자 결정을 내리고 포트폴리오에 자금을 공급합니다. 예를 들어, @daosdotfun에서 @ai16zdao가 급부상하면서 AI 펀드 + 에이전트 부스터라는 완전히 새로운 메타 유니버스가 탄생했습니다.

또한 플레이어가 명령을 통해 에이전트가 행동하도록 하여 종종 예상치 못한 결과를 가져오는 @ParallelColony와 같은 에이전트 중심 게임도 있습니다.

가능한 다음 방향:

에이전트는 당사자 간의 경제적 조정이 필요한 다면적인 프로젝트를 관리합니다. 예를 들어 에이전트에게 '[X] 질병을 치료하는 화합물 찾기'와 같은 복잡한 작업이 주어질 수 있습니다. 에이전트는 다음과 같은 작업을 수행할 수 있습니다.

@pumpdotscience에서 토큰을 통해 자금을 모금하고,

모금된 자금을 사용하여 관련 유료 연구에 대한 액세스 비용을 지불하고 탈중앙화 컴퓨팅 다양한 화합물의 시뮬레이션을 위한 네트워크(예: @kuzco_xyz, @rendernetwork, @ionet 등)

@gib_work와 같은 바운티 플랫폼을 사용하여 실제 작업의 작업을 수행할 인력을 모집(예: 실행 시뮬레이션을 검증/개선하기 위한 실험);

또는 웹사이트 구축이나 아트웍용 AI 제작과 같은 간단한 작업을 수행(예: @0xzerebro)할 수 있습니다.

이 밖에도 많은 가능성이 있습니다.

왜 에이전트가 기존 금융 시스템 대신 온체인에서 금융 활동을 수행하는 것이 더 합리적일까요? 에이전트는 기존 금융 시스템과 암호화폐를 모두 완벽하게 활용할 수 있습니다. 다음은 몇 가지 측면에서 암호화폐가 특히 적합한 몇 가지 이유입니다.

소액 결제 시나리오 - 솔라나는 이 분야에서 탁월하며, Drip과 같은 앱은 이미 그 잠재력을 입증한 바 있습니다.

속도 - 에이전트가 자본 효율성을 최적화하려면 특히 즉각적인 결제가 중요합니다.

디파이를 통한 자본 시장 접근성 - 에이전트가 엄격한 결제를 넘어 금융 활동에 참여하기 시작하면 암호화폐의 장점이 특히 분명해집니다. 이것이 에이전트가 암호화폐 경제에 참여해야 하는 가장 강력한 이유일 수 있습니다. 에이전트는 자산을 원활하게 발행하고, 거래하고, 투자하고, 다른 사람을 대신하여 대출하고, 레버리지를 사용하는 등의 작업을 수행할 수 있습니다.

솔라나는 이미 솔라나의 메인 네트워크에서 사용할 수 있는 풍부한 최상위 DeFi 인프라를 갖추고 있기 때문에 이러한 자본 시장 활동을 지원하는 데 특히 적합합니다.

결국 기술은 경로 의존적인 경향이 있으며, 어떤 제품이 가장 좋은지가 중요한 것이 아니라 어떤 제품이 가장 먼저 임계치에 도달하여 기본 경로가 되느냐가 중요합니다. 더 많은 에이전트가 암호화폐를 통해 상당한 부를 창출한다면, 암호화폐 연결성이 에이전트의 중요한 역량으로 자리 잡을 수 있습니다.

우리가 보고 싶은 것

에이전트가 지갑과 결합하여 온체인에서 작업을 수행할 수 있는 대담한 실험. 여기서 지나치게 구체적인 정의를 내리지 않은 이유는 가능성이 매우 광범위하고, 가장 흥미롭고 가치 있는 에이전트 적용 시나리오는 우리가 예측할 수 없는 시나리오이기 때문입니다. 하지만 다음과 같은 방향으로 인프라를 탐색하고 구축하는 데 특히 관심이 있습니다.

 적어도 테스트 네트워크(가급적 메인 네트워크)에서 프로토타입 단계

  2) LLM이 솔라나 코드를 잘 작성하고 솔라나 개발자의 역량을 강화하도록 지원

 왜 이 부분에 집중하는가? LLM은 이미 강력하고 빠르게 발전하고 있습니다. 하지만 코드 작성은 객관적으로 평가할 수 있는 작업이기 때문에 LLM 애플리케이션 분야에서 특히 흥미로운 방향입니다. 아래 게시물에서 설명한 것처럼 프로그래밍에는 '셀프 플레이'를 통해 초인적인 수준의 데이터 확장이 가능하다는 독특한 장점이 있습니다. 모델은 코드를 작성한 다음 실행하거나, 코드를 작성하고 테스트를 작성하고 자체 일관성을 확인할 수 있습니다."

환상의 부정적인 영향 제한 - 현재 모델은 매우 강력하지만 여전히 완벽하지는 않습니다. 에이전트에게 완전한 자유를 부여할 수는 없습니다.

투기적이지 않은 애플리케이션 시나리오 - 예를 들어 @xpticket을 통해 티켓을 구매하거나 스테이블코인 포트폴리오의 수익을 최적화하거나 DoorDash에서 음식을 구매하도록 허용하는 등의 시나리오를 푸시합니다.

현재 LLM은 아직 코드 작성에 완벽하지 않고 몇 가지 단점(예를 들어 취약점 발견에 취약함)이 있지만, Github Copilot과 AI 기반 코드 에디터인 Cursor와 같은 도구는 근본적으로 소프트웨어 개발을 근본적으로 변화시켰습니다(심지어 기업의 인재 채용 방식도 변화시켰습니다). 예상되는 빠른 발전을 고려할 때, 이러한 모델은 소프트웨어 개발에 혁명을 일으킬 가능성이 높습니다. 저희는 이러한 진보를 활용하여 Solana 개발자의 생산성을 훨씬 더 높일 수 있기를 바랍니다.

그러나 현재 Solana를 이해하는 데 있어 LLM의 성능을 저해하는 몇 가지 과제가 있습니다.

LLM이 학습할 고품질 원시 데이터가 충분하지 않습니다.

충분히 검증된 빌드 부족,

스택 오버플로와 같은 곳에서 충분한 고가치 정보 교환 부족,

Solana. 인프라가 빠르게 진화하고 있어 6개월 전에 작성된 코드가 현재의 요구 사항에 완벽하게 맞지 않을 수 있으며,

모델이 Solana를 얼마나 잘 이해하고 있는지 평가할 수 있는 방법이 없습니다.

우리가 바라는 점

인터넷에 더 나은 Solana 데이터를 게시할 수 있도록 도와주세요!

검증된 빌드를 공개하는 팀이 더 많아졌으면 합니다.

생태계의 더 많은 사람들이 스택 교환에 적극적으로 참여하여 좋은 질문을 하고 양질의 답변을 제공하길 바랍니다.

솔라나에 대한 LLM의 이해를 평가하기 위한 고품질 벤치마크 생성( RFP 곧 공개 예정);

위 벤치마크에서 좋은 점수를 받는 미세 조정된 버전의 LLM을 만들고, 더 중요한 것은 Solana 개발자의 작업을 가속화하는 것입니다. 높은 수준의 벤치마크가 확보되면 최초로 벤치마크 점수를 달성하는 모델에 대해 보상을 제공할 수 있으니 기대해 주세요.

최종적인 성과는 전적으로 AI가 만든 고품질의 차별화된 솔라나 검증 노드 클라이언트가 될 것입니다.

3) 개방적이고 탈중앙화된 AI 기술 스택 지원

왜 이 부분에 집중하는가? 장기적으로 오픈 소스와 클로즈드 소스 AI 간의 힘의 균형이 어떻게 이루어질지는 불분명합니다. 왜 클로즈드 소스 기업이 기술의 최전선에 남아 기본 모델에서 대부분의 가치를 포착할 것인지에 대한 좋은 논거가 있습니다. 현재로서는 가장 간단한 예상은 현 상태가 지속될 것이라는 것입니다. OpenAI와 Anthropic과 같은 대기업이 기술 분야를 주도하는 가운데 오픈 소스 모델이 빠르게 따라잡고 결국 특정 사용 사례를 위해 독특하고 강력하게 미세 조정된 버전을 보유하게 될 것입니다. 저희는 솔라나가 오픈 소스 AI 생태계를 지원하기 위해 긴밀하게 연계되기를 바랍니다. 구체적으로, 이는 훈련에 사용되는 데이터, 훈련 및 추론에 사용되는 계산 능력, 결과 모델의 가중치, 모델 결과물의 검증 기능에 대한 액세스를 용이하게 하는 것을 의미합니다. 이것이 중요하다고 생각하는 구체적인 이유는 다음과 같습니다.

A. 오픈 소스 모델은 모델 개발의 디버깅과 혁신을 가속화합니다오픈 소스 커뮤니티가 라마와 같은 오픈 소스 모델을 빠르게 개선하고 미세 조정하는 방법은 커뮤니티가 AI 기능의 경계를 넓히려는 대규모 AI 기업의 노력을 효과적으로 보완할 수 있는 방법을 보여줍니다(심지어 구글의 한 연구원은 작년에 오픈소스에 대해 "우리에게는 해자가 없으며, OpenAI도 마찬가지"라고 언급했습니다.) Google은 이 분야의 발전 속도를 가속화하기 위해서는 번성하는 오픈소스 AI 기술 스택이 중요하다고 믿습니다.

B. 신뢰할 수 없는 AI를 사용해야 하는 사람들을 위한 출구 제공(예: 국가가 승인한 AI) AI는 이제 독재자나 권위주의 정권의 무기고에서 가장 강력한 도구가 될 수 있습니다. 국가가 승인한 모델은 국가가 승인한 진실의 버전을 제공하며 엄청난 통제 수단이 될 수 있습니다. 고도로 권위주의적인 정권은 AI를 훈련시키기 위해 시민의 프라이버시를 기꺼이 무시할 수 있기 때문에 더 나은 모델을 가질 수도 있습니다. AI가 통제의 도구로 사용되는 문제는 발생 여부가 아니라 발생 시기의 문제이며, 우리는 오픈 소스 AI 기술 스택을 최대한 지원함으로써 이러한 가능성에 대비하고자 합니다.

솔라나는 이미 오픈소스 AI 기술 스택을 지원하는 여러 프로젝트의 본거지입니다.

Grass와 Synesis One은 데이터 수집을 촉진하고 있습니다.

Solana는 이미 오픈소스 AI 기술 스택을 지원하는 여러 프로젝트의 본거지입니다.

@kuzco_xyz, @rendernetwork, @ionet, @theblessnetwork, @nosana_ai 등이 상당한 분산형 컴퓨팅 리소스를 제공하고 있습니다.

NousResearch와 @PrimeIntellect 같은 팀은 탈중앙화 훈련을 가능하게 하는 프레임워크를 개발 중입니다(아래 참조).

오픈 소스 AI 기술 스택의 모든 수준에서 더 많은 제품이 개발되기를 기대합니다.

분산형 데이터 수집, 예: @getgrass_io, @usedatahive, @...

. synesis_one

온체인 인증: 지갑이 사람임을 증명할 수 있는 프로토콜과 소비자가 LLM과 상호작용하고 있음을 확인할 수 있도록 AI API 응답을 검증하는 프로토콜 포함

탈중앙화된 데이터 수집(예: @getgrass_io, @usedatahive, @usedatahive 등) 왼쪽;">분산형 트레이닝: 예: @exolabs, @NousResearch, @PrimeIntellect

지적 재산 인프라: AI가 활용하는 콘텐츠에 대한 라이선스(및 비용 지불)를 가능하게 하는 것