원제목: endoftheworld.txt: Crypto x AI
원저자: Accelxr
인공 지능은 경제를 변화시키고 산업을 재편하며 새로운 형태의 온라인 상호 작용을 제공하는 동시에 사회적 추세를 극적으로 바꾸는 가속화 기술입니다.
많은 사람들이 크립토가 인공지능 세계에 침입하는 것이 불필요하다고 생각하지만, 우리는 그것이 중요한 시너지 관계라고 믿습니다. AI 모델의 생산 및 배포에 대한 제한이 강화됨에 따라 빠르게 진행되는 반권위주의 오픈 소스 커뮤니티가 급속히 등장하여 자금이 잘 갖춰진 중앙 집중식 계획과 정부를 떠맡고 있습니다. 암호화폐는 외부 압력과는 달리 자금 조달과 오픈 소스 도구 관리를 위한 최고의 도구입니다. 이는 이상적인 일치이며, 이는 AI가 진위성, 출처, 신원 및 Crypto가 교정 또는 개선에 고유한 강점을 가지고 있는 기타 영역에 미치는 영향을 고려하기 전입니다.
여기에는 탐험할 가치가 있는 모든 종류의 토끼 구멍이 있으며, 이 기사는 가능한 한 많은 내용을 다루려고 시도하므로 이 기사는 지금까지 그리고 가까운 미래에 Crypto x AI의 일부 신흥 영역에 대한 폭풍우 개요로 볼 수 있습니다. ...
창의성
최근 인공지능에 대한 첫 번째 관심의 물결은 아이디어 생성 도구 분야였습니다. 제너레이티브 AI는 사용자가 프로그래밍이나 고급 소프트웨어 숙련도 등 기술적 능력에 대한 의존도를 줄여 기본적인 전자 경험이 있는 사람이라면 누구나 복잡한 작품을 제작하면서 전문적인 작품을 최저 비용으로 출력할 수 있도록 해줍니다.
이는 창조 산업에 큰 영향을 미칠 수 있습니다. 예를 들면 다음과 같습니다.
이제 누구나 크리에이터가 될 수 있으며, 사람들이 이러한 도구를 사용하여 함께 작품을 만드는 시나리오가 점점 더 성숙해짐에 따라 멀티플레이어 게임의 창의적인 모델은 이전과는 비교할 수 없을 정도로 번성할 것입니다.
틈새 커뮤니티는 이전에는 청중 규모로 인해 상업적 생존 가능성이 제한되었던 고품질 작품을 생산할 수 있습니다.
인간의 작업을 훨씬 능가하는 생성 콘텐츠가 유입되어 온라인에서 인간 콘텐츠가 재평가될 가능성이 있습니다.
다음은 AI와 고도로 상호작용하는 일부 혁신적인 미디어에 대한 논의입니다.
미술
“AI 예술은 예술이 아니다”는 AI 도구의 등장을 완고하게 반대하는 사람들 사이에서 흔히 나오는 슬로건이다. 생성 모델의 출시는 ArtStation에서 본 것과 같은 반발과 항의에 빠르게 부딪혔습니다. 그러나 이는 web3에서 가장 흥미롭고 창의적인 수직 하위 필드 중 일부를 촉발시켰습니다.
AI 아트는 다양한 형태로 제공되며, 특히 DALL-E, Stable Diffusion 및 Midjourney를 포함하여 현재 인기 있는 생성 모델이 가장 두드러집니다. ImgnAI와 같은 web3 경쟁업체도 토큰 경제에 기반한 생성 이미지 생성에 대한 더 나은 사회적 경험을 사용자에게 제공하기 위해 노력하고 있으며, 이는 이러한 생성 모델을 중심으로 커뮤니티 해자를 구축하는 데 매우 필요합니다.
하지만 이 분야에서 높은 평가를 받는 AI 아티스트들은 자신의 모델을 좀 더 독특한 방식으로 엔지니어링하고 미세 조정하는 경우가 많아 단순한 프롬프트보다 더 독특한 작품을 만들어냅니다. 이를 위해서는 새로운 임베딩을 훈련하거나 LoRA를 사용하여 특정 스타일을 완성하거나 완전히 자신만의 모델을 구축해야 할 수도 있습니다.
AI 아트를 NFT로 출시하기 위해 보다 복잡하고 개인화된 모델을 사용하는 인기 아티스트로는 Claire Silver, Ivona Tau, Roope Rainisto, Pindar van Arman, Refik Anadol, Gene Kogan 등이 있습니다. 이들 아티스트는 배포를 위한 다양한 마켓플레이스, 특히 Braindrops, Mirage Gallery 및 FellowshipAI와 같은 AI 예술 관련 마켓플레이스뿐만 아니라 Bright Moments와 같은 예술 형식 전용 이벤트 플랫폼의 사용을 탐구했습니다.
포스트사진, 데이터 아트 등 AI 아트의 수직적 하위 분야도 형성됐다. 포스트사진예술은 주로 다음과 같이 구성된다.Fellowship.ai팀은 Roope Rainsto와의 협력을 통해 이 매체를 탐구하는 더 많은 아티스트를 대중의 눈에 띄게 하기 위해 노력하고 있습니다. 포스트 사진 미학의 대부분은 초기 생성 도구에서 흔히 볼 수 있는 시각적 인공물을 수용하려고 노력합니다. Braindrops에 대한 Roope Rainisto의 Life in West America 시리즈가 출판되면서 포스트 사진 예술은 소셜 미디어에서 점점 더 많은 관심을 받기 시작했습니다.
데이터 아트와 관련하여 Refik Anadol은 해당 분야에서 잘 알려진 아티스트로, 데이터, 알고리즘 및 인공 지능을 사용하여 역동적이고 상호 작용적인 예술 작품을 만드는 몰입형 설치 작품으로 잘 알려져 있습니다. 그의 작품에는 MoMA의 메타데이터를 실시간으로 새로운 형태를 생성하는 작품으로 변환하는 Unsupervised와 같은 몇 가지 흥미로운 예가 있습니다. 또 다른 예로는 바람, 온도, 습도 등 실시간 환경 데이터와 Bluetooth, Wifi, LTE의 신호 데이터를 사용하여 작업에 대한 데이터 소스를 제공하는 Sense of Place가 있습니다.
또 다른 흥미로운 수직 하위 필드는 Crypto의 기능, 즉 체인의 자율적인 아티스트로 활성화된 새로운 콘텐츠 미디어입니다. 가장 유명한 예는 매주 350개의 예술 작품을 라운드로 만드는 커뮤니티 관리 생성 아티스트인 Botto입니다. 각 작품에는 여러 개의 개별 조각이 포함되어 있습니다. 매주 BottoDAO 커뮤니티는 미적 선호도를 사용하여 미래 예술 창작을 위한 Botto의 생성 알고리즘을 안내하는 이러한 샤드에 투표하여 예술 작품이 시간이 지남에 따라 커뮤니티의 영향을 받아 발전하도록 보장합니다. 매주 투표된 샤드는 SuperRare에서 발행 및 경매되며 수익금은 커뮤니티에 반환됩니다. Fragmentation 및 Paradox Periods를 완료한 후 Botto는 현재 Rebellion Period에 있으며 Stable Diffusion 2.1 및 Kandinsky 2.1과 같은 신기술을 통합하고 각 Explore 콜라보레이션 및 주간 라운드 큐레이트 컬렉션에 참여하고 있습니다. Botto는 SuperRare에서 가장 높은 수익을 올리는 아티스트 중 한 명이며 CyborgDAO라는 자신의 수집가 DAO를 축적하기도 했습니다. 또한,v 0 이러한 프로젝트는 또한 여러 아티스트가 자신만의 온체인 아트 엔진을 만들고 보유자 커뮤니티에 의해 관리될 수 있는 장소를 제공하는 것을 목표로 토큰 경제와 AI 아트 모델의 통합을 모색하고 있습니다.
모든 형태의 AI 미술 수집가를 인터뷰할 때 암호화폐 업계에서 가장 흔히 하는 반박은 고전적인 생성 미술(Art Block)과 달리 아티스트 큐레이션이 블록체인과의 상호 작용을 줄인다는 것입니다. 체인별 입력에서 무작위가 아닌 이러한 출력은 아티스트가 직접 선택하고 컬렉션에 삽입되기 전에 여러 번 변경됩니다. 이는 디지털 기반의 예술 제작 과정이지만 수동으로 감아야 합니다.
완전한 온체인 AI 아트는 실행 환경의 한계와 사용된 이미지 생성 모델의 계산 복잡성으로 인해 어렵습니다. Pindar van Arman의 byteGAN과 같은 경량 출력의 일부 예는 온체인에 저장되지만 더 복잡한 모델의 경우 단기적으로 가장 가까운 형태는 오프체인 검증 메커니즘이 될 것으로 예상합니다. 예를 들어 Modulus Labs는 최근 Polychain Monsters와 제휴하여 수집 가능한 픽셀 몬스터를 생성하기 위한 zkML 검증 GAN 모델을 구축했습니다. zk 증명을 사용하면 생성된 각 NFT가 실제 Polychain Monsters 아트 모델에서 나온 것인지 암호화 방식으로 검증할 수 있으며, 이는 AI 아트에 있어 큰 진전입니다.
음악
이미지 기반 예술 외에도 음악 분야에서도 주요한 움직임이 일어나고 있습니다. 대작가의 AI Drake 히트곡의 성공 여부는 이제 잘 알려진 것 같습니다. 이틀 만에 2천만 건 이상의 트래픽이 누적되었고 UMG에 의해 즉시 금지되었습니다. 이러한 단기적인 현상은 대중에게 작가와 작품 자체의 관계가 근본적인 변화를 겪고 있음을 인식하게 만들었습니다.
몇 년 안에 생성 음악은 의심할 여지 없이 인간이 만든 음악을 능가할 것입니다. Boomy는 2018년 후반에 설립된 생성적 음악 스타트업입니다. Boomy의 사용자는 짧은 기간에 전 세계 녹음 음악의 거의 14%(약 1,400만 곡 이상)를 만들었습니다. 이것은 단지 이 하나의 플랫폼을 위한 것이었고 최근 대중의 관심이 급증하기 전이었습니다.
생성 콘텐츠가 인간이 만든 작품을 능가할 것이라는 점과 음성 모델의 사용으로 인해 작품의 진위 여부, 즉 작품이 아티스트에 의해 제작되었는지 어떻게 판단하는 것이 더 어려워진다는 점을 고려하면 아티스트에게는 진위 검증이 필요할 것입니다. 물론, 예술 매체의 진정성을 출판하고 검증하는 가장 좋은 방법은 암호화 기본 요소를 이용하는 것입니다.
그러나 이것이 아티스트, 특히 이러한 불가피한 추세를 기꺼이 수용하려는 아티스트에게 모두 나쁜 것은 아니라는 점은 주목할 가치가 있습니다. Holly Herndon은 개방형 음성 모델의 혁신가로 자신의 커뮤니티(Holly+)가 자신의 목소리를 사용하여 작품을 만들고 배포할 수 있도록 지원합니다. 출시 당시 Holly의 주장은 간단했습니다.
“이 시점에서는 불법 복제 모델과 공식 음성 모델 간의 차이가 작을 수 있지만, 더욱 정교하고 사실적인 음성 생성 기능이 향상됨에 따라 보다 포괄적이고 충실도가 높은 사운드 트레이닝 데이터에 대한 사용자 요구와 소스 식별에 대한 필요성도 높아질 것입니다. 이러한 이유로 공인의 공식적이고 충실도 높은 음성 모델이 필수가 될 것이라고 생각하는데, 시도해 보는 것은 어떨까요?
DAO는 Holly+ 음성 모델을 감독하고 새로운 작품의 생성 및 승인에 대해 투표할 수 있습니다. DAO의 토큰 보유자는 열악한 예술이나 부정적인 의미로 인한 평가 절하를 방지하기 위해 고품질 작업만 승인되도록 하는 인센티브를 갖습니다. 음성 모델은 제한된 수의 공식 작품을 제작하는 데 사용되며 DAO 토큰 보유자는 이러한 작품의 재판매를 통해 지속적인 수익을 얻습니다.
최근 Grimes는 아티스트들이 자신의 원곡에 GrimesAI 성문을 사용할 수 있는 플랫폼인 elf.tech를 출시했으며, Grimes의 승인을 받은 후 로열티의 50%를 Grimes와 공유해야 합니다. Elf.Tech는 CreateSafe의 AI를 기반으로 하며 TuneCore와 협력하여 전문적인 배포를 촉진하고 적절한 로열티 관리를 보장합니다. 음악의 최종 형태가 온체인 NFT인 경우 수익 분배는 법정화폐 또는 자동화된 온체인 로열티 분할을 통해 처리됩니다. Hume은 가상 아티스트에 중점을 둔 web3 음악 스튜디오로, 가상 아티스트 angelbaby와 협력하여 Grimes AI를 출시하기 위해 Grimes 모델을 사용한 최초의 회사 중 하나입니다.
패션 및 실제 상품
나는 이전에 이 게시물에서 창의적인 프로그래밍 알고리즘과 인공 지능을 사용하여 실제 소비재와 패션 제품의 생성적 제조 개념을 탐구한 적이 있습니다.https://mirror.xyz/1kx.eth/oBuaEp 5 jgGbe 2 gCsa 6 Z-_mLAeMRUhsIdZsaScHQNXS0。
간단히 말해서, 생성적 AI와 창의적인 프로그래밍은 제품과 사용자 경험의 초개인화된 미래를 위한 전제 조건을 만들어 개인 취향에 따라 독특한 디자인, 패턴 및 예술을 만들 수 있게 해줍니다. 이 기술은 패션부터 홈 데코까지 모든 분야에 적용할 수 있으며, 사용자가 원하는 대로 출력을 미세 조정할 수 있어 그 장점을 더욱 활용할 수 있습니다. 새로운 제조 도구를 사용하면 코드를 기계에 직접 연결하여 출력 생산을 자동화하여 맞춤형 제품 제조 시 발생하는 많은 기술적 병목 현상을 근본적으로 해결할 수 있습니다.
현재 이 영역을 탐색하는 Web3 프로젝트에는 Deep Objects, RSTLSS 및 Little Swag World가 있습니다. 대부분의 디지털 패션 프로젝트는 Draup, Tribute Brand 및 기타 사람들이 그 사용에 대해 자세히 논의하면서 생성적 창의적 도구 및 미디어를 탐색할 가능성이 높다는 점을 지적할 가치가 있습니다.
Botto와 유사한 커뮤니티 생성 모델 출력은 Deep Objects가 탐구하는 흥미로운 아이디어입니다. 그들은 커뮤니티 큐레이션 엔진을 사용하여 GAN AI 모델에서 생성된 100만 개의 디자인을 커뮤니티가 선택한 단일 작품으로 줄였습니다. 이 마지막 작품은 이제 생성적 제품 제작 쇼케이스에서 3D 프린팅될 예정입니다. DeepObjects는 이러한 종류의 큐레이션 디자인을 다른 실제 상품에도 쉽게 확장할 수 있습니다.
RSTLSS는 AI 아티스트 Claire Silver와 협력하여 Pixelgeist라는 작품을 출시했습니다. 각 캐스팅에는 작품 자체 외에도 작품을 특징으로 하는 디지털 의상, 의상을 갖춘 게임 아바타가 포함되어 있으며 해당 작품에 대한 권리를 구매합니다. 육체 노동. 디지털 물리적 패션과 AI 출력의 독특한 융합은 게임, 패션, AI를 하나로 묶는 흥미로운 실험 중 하나입니다. Claire Silver는 또한 Braindrops에서 가능해진 최신 시리즈로 패션 사진을 다루고 있습니다. 디지털 패션 주제에 대한 자세한 내용은 내 기사를 참조하십시오.https://medium.com/1kx network/augmenting-culture-the-emerging-field-of-digital-fashion-bead 627 c 8 dcd。
Little Swag World는 디자인부터 실제 제품에 이르기까지 창의적인 워크플로에서 GAN 모델을 사용하는 좋은 예입니다. 프로젝트의 아티스트인 Bosch는 초기 디자인을 직접 만든 다음 Stable Diffusion/Controlnet을 통해 이를 실행하여 독특하고 초현실적인 작품을 제작했습니다. 이 기술은 높은 수준의 미적 일관성을 달성하며, 프로젝트의 다음 단계는 이러한 생성 모델을 세라믹과 결합하여 AI로 강화된 NFT 물리적 상품을 만드는 것입니다.
전체적으로 우리는 생성된 제품을 큐레이팅하는 분산형 브랜드부터 AI 에이전트 설계자를 위한 분할 가능한 NFT에 이르기까지 흥미로운 Crypto x AI 프로젝트가 많이 등장할 것으로 기대합니다.
오락
Nothing Forever를 둘러싼 초기의 과대 광고 이후 생성적 엔터테인먼트도 더욱 완벽하게 발전했습니다. Nothing Forever는 Seinfeld를 기반으로 한 생성적 대화형 애니메이션 시트콤으로 Twitch에서 연중무휴 24시간 실시간으로 실행됩니다. 흥미롭게도 Twitch 채팅 응답을 기반으로 쇼의 내러티브가 변경되고 기부자가 캐릭터로서의 모습을 쇼에 가져올 수 있도록 함으로써 매체의 힘을 보여줍니다.
Fable의 시뮬레이션은 작문, 애니메이션, 연출, 성우 및 편집이 모두 프롬프트를 통해 구현되는 프롬프트 생성 TV 쇼 모델인 SHOW-1을 통해 이 연구를 확장합니다. 그들은 South Park의 에피소드에서 이것을 처음 시연했지만 어떤 IP로도 쉽게 확장할 수 있습니다. 나는 web3에서 본 것처럼 이러한 유형의 콘텐츠 생성 도구를 사용하여 더 많은 무허가형 IP 형식을 더 많이 실험할 것으로 기대합니다.
Upstreet는 또한 최근 가상 세계 플랫폼용으로 개발한 AI 에이전트 모델을 사용하여 생성적 TV 프로그래밍 실험을 시작했습니다(자세한 내용은 아래 참조). 이를 통해 제작자는 자신의 VRM 아바타를 추가하고 프롬프트를 통해 독특한 상호 작용과 촌극을 만들 수 있습니다.
또 다른 관심 분야는 지적재산권이다. 스토리 프로토콜과 같은 프로젝트에서는 분산형 IP 레지스트리를 사용하여 IP 생성, 배포 및 수익화를 촉진하는 방법을 모색하고 있습니다. 이는 창작자에게 유용하고, 기존 IP 라이선스보다 원활하며, 생성 AI 시대에 특히 독특합니다. NFT IP, 밈 및 기타 엔터테인먼트 프로젝트를 승인하고 저작권료를 지불하여 다양한 파생 상품을 생성할 수 있으며, 이는 창작자의 작품 가치 증폭을 크게 높일 수 있습니다.
당신은 로봇입니까?
우리는 곧 딥페이크라는 문제에 직면하게 될 수도 있습니다. 그 예로는 인플루언서가 팬과 상호 작용하도록 교육받은 챗봇과 소셜 미디어의 생성 스팸 등이 있습니다. 곧 진짜 인간이 누구인지 확인하는 것이 중요해질 것입니다.
Web3는 마녀를 방지하기 위해 많은 노력을 기울였습니다(비록 문제가 근절되지는 않았지만). 그러나 평판 시스템, 성격 인증 메커니즘 설계, 사용자 여권, 영혼 결합 NFT 및 전체 토큰 경제가 모두 이 문제를 해결하기 위해 노력하고 있습니다.
인증 하드웨어, zkML 및 성격 증명
나는 이전에 이 게시물에서 zkML의 실제적인 의미와 잠재적인 사용 사례에 대해 자세히 논의했습니다.https://mirror.xyz/1kx.eth/q0s9RCH43JCDq8Z2w2Zo6S5SYcFt9ZQaRITzR4G7a_k。
Modulus Labs, EZKL 및 Giza와 같은 여러 팀이 zk를 사용하여 모델의 추론을 증명하는 데 더 중점을 두고 있습니다. 모델 출력을 검증하기 위해 ZK를 사용하려는 이러한 노력은 광범위한 응용 분야를 가지며 DeFi, 정체성, 예술 및 게임에서 이러한 모델을 신뢰를 최소화하는 방식으로 사용하는 새로운 실험을 가능하게 합니다.
성격 증명에 초점을 맞춘 수많은 프로젝트가 있지만 가장 흥미로운 응용 프로그램 중 하나는 의심할 여지 없이 Worldcoin입니다. Worldcoin은 AI 모델을 사용하여 홍채 스캔을 짧은 해시로 변환하므로 Sybil 공격이 발생할 경우 쉽게 교차 확인하여 유사점이나 충돌을 확인할 수 있습니다. 각 홍채는 고유하기 때문에 모델은 사용자가 실제이고 고유한지 판단할 수 있습니다. 모델이 카메라에서 암호화된 서명된 입력만 허용하도록 보장하기 위해 신뢰할 수 있는 하드웨어 설정(인식도가 높은 영역)을 사용합니다.
마찬가지로, zk micophone 팀은 녹음의 진위 여부를 확인하기 위해 인증된 마이크를 사용하여 오디오 콘텐츠를 생성하고 디지털 서명하는 방법을 시연했습니다. 키는 녹음된 오디오의 신뢰성을 보장하기 위해 서명된 마이크의 보안 영역에 저장됩니다. 대부분의 녹음은 처리되거나 편집되므로 SNARK에서 제공하는 오디오 편집 소프트웨어를 사용하면 오디오 소스를 입증하면서 오디오 변환이 가능합니다. 다니엘 강은 또한 인증 녹음에 대한 개념 증명을 위해 Anna Rose 및 Kobi Gurkan과 협력했습니다.
영원히 영향력 있는 사람
성격이나 인간이 만든 콘텐츠를 검증하는 이면은 딥페이크의 가능성을 포용하는 것입니다. 위의 음성 복제 모델과 유사하게 일부 영향력 있는 사람들은 청중의 참여를 유도하기 위해 챗봇을 만들기로 선택합니다. 유명한 예 중 하나는 Caryn Marjorie입니다. Caryn Marjorie는 자신의 목소리를 사용하여 AI 여자친구 제품을 출시하고 수천 시간의 YouTube 동영상을 통해 자신의 성격, 매너리즘 및 목소리를 완벽하게 포착하도록 훈련했습니다. 분당 1달러의 비용으로 사용자는 개인 텔레그램 채널에서 아바타와 채팅하여 아바타와 음성 메시지를 주고받을 수 있습니다. 출시 첫 주에 Caryn Marjorie는 72,000달러를 벌었고 구독자가 늘어남에 따라 월 500만 달러 이상의 수익을 올릴 것으로 예상됩니다.
CarynAI는 AI 여자친구 제품의 한 예일 뿐입니다.(자세한 소개는 아래 참조) 좋아하는 게임 앵커의 AI 모델로 게임을 하고, 실시간 대화를 나누고, 실제 경험을 시뮬레이션할 수 있다고 상상해 보세요. KOL은 패션쇼나 출판물 등에 사용하기 위해 라이선스를 받을 수 있는 의인화 AI+ 아바타를 사용할 수 있습니다.
˚✿₊⁎( ˘Ω˘ )⁎⁺˳cia༚ Uwur-ral Networks는 정말 귀엽습니다(ヮ◕)の:・゚pine*
논쟁의 여지가 없는 현실은 18~24세 성인 중 79%가 외로움을 느낀다고 보고하고, 18~34세 성인 중 42%가 항상 잊혀졌다고 느낀다고 하며, 30세 미만 남성 중 63%가 자신을 싱글이라고 생각한다는 것입니다. 같은 연령대 여성은 34%, 남성은 21%만이 지난 주 친구로부터 정서적 지지를 받았다고 답했다.
사람들은 외롭습니다. 특히 젊은이들 사이에서 외로움이 점점 만연해지는 시대에 인공지능 동반자의 등장은 다소 디스토피아적이지만 독특한 해결책을 제시합니다. AI 동반자는 항상 이용 가능하고 판단이 필요 없으며 고도로 개인화되어 있습니다. 그들은 치료사 또는 욕망의 배출구 역할을 할 수 있습니다. 그들은 창의적인 동료가 될 수도 있고 라이프스타일 코치가 될 수도 있습니다. 그들은 항상 당신이 원하는 무엇이든 당신과 이야기하기를 기다리고 있습니다.
이를 수행하기 위한 인프라는 성격 신호를 사용하여 행동, 외모, 특성, 의사소통 스타일 등을 개략적으로 설명하는 모델을 미세 조정하는 것입니다. Elevenlabs와 같은 보컬 모델을 통해 모델을 실행한 결과입니다. 이미지 생성기 모델과 정의된 모양 힌트를 사용하여 요청 시 셀카를 생성합니다. 적절한 VRM 아바타를 생성하고 대화형 환경에 배치합니다. 자, 이제 당신에게 딱 맞는 하이퍼미디어 동반자가 생겼습니다. 암호화폐를 통합하면 소유, 거래, 임대 등이 가능해집니다.
동반자
위의 설정은 전적으로 DIY를 통해 달성할 수 있지만 이 개념을 위해 특별히 설계된 앱을 사용할 수도 있습니다. Replika는 특별한 기술 없이도 가상 파트너와 실시간으로 소통할 수 있는 가장 유명한 사례입니다. 이러한 앱은 일반적으로 사용자가 가상 동료와 상호 작용하기 위해 비용을 지불하는 구독 모델로 작동합니다. 그러한 제품은 수익성이 있을 뿐만 아니라 이러한 추세가 인간 심리에 미치는 큰 영향도 보여줍니다. 예를 들어 Reddit의 한 게시물에서는 한 사람이 가상 파트너와 연속 2,000일 동안 대화하는 모습을 보여주었고 제안서, AR 셀카 제작도 보았습니다. , 그리고 더. 흥미로운 소식은 다음과 같습니다. 포르노가 플랫폼에서 제거되었을 때 하위 레딧 중재자는 불안한 커뮤니티 구성원을 달래기 위해 커뮤니티 상단에 자살 핫라인을 고정해야 했습니다.
사용자에게 여러 역할을 사용할 수 있는 방법을 제공하는 역할 기반 플랫폼도 등장하기 시작했습니다(종종 구독 모델에서도 가능). 비록Character.ai그리고Chub.ai다른 플랫폼에는 선택할 수 있는 기성 캐릭터가 많이 있지만, 진짜 참신함은 캐릭터 프롬프트 + 피드백 훈련을 통해 완전히 자신만의 캐릭터나 장면을 만드는 데 있습니다.
Belong Hearts, MoeMate 및 Ignai와 같은 많은 web3 프로젝트에서 이러한 동반 경험을 제공하려는 시도가 있었습니다.
Belong Hearts는 사용자가 전화번호를 얻을 때까지 자신이 제공하는 캐릭터와 채팅하여 NFT 채굴을 위한 화이트리스트에 등록할 수 있는 새로운 NFT 채굴 게임플레이를 개척했습니다. 일단 NFT를 받으면 사용자는 에로틱한 역할극과 결과 셀카를 포함하여 캐릭터와 채팅 경험을 즐길 수 있습니다. 제품의 향후 방향은 아직 결정되지 않았지만 플레이어가 아이템이나 토큰을 챗봇에 선물하여 기분과 관계 수준에 영향을 미치는 메커니즘으로 토큰경제학을 둘러싼 많은 논의가 있습니다.
Webaverse 팀이 만든 MoeMate는 데스크톱 및 브라우저 버전의 애플리케이션을 모두 제공하므로 사용자는 개성을 부여하고 상호 작용할 수 있는 VRM 모델을 쉽게 가져올 수 있습니다. 데스크톱 버전은 구식 클립 도우미라고 불리는 이전 AI 도우미를 연상시킵니다.
위에서 언급한 고품질 이미지 생성기 모델일 뿐만 아니라 완전히 통합된 챗봇 경험을 통해 Nai 캐릭터를 의인화하는 문제를 해결하는 Imgnai도 있습니다.
궁극적으로 토큰화된 API, 거래 가능한 성격 프롬프트(아래 참조), 온체인 게임 내 통화, 대리 결제, 거래 가능한 장신구, 롤플레잉 메커니즘 및 토큰 제한 액세스 시나리오를 통해 동반 공간에서 토큰경제학의 잠재력이 풍부합니다. 이는 향후 탐사를 위한 잠재적 범위의 작은 부분일 뿐이기 때문입니다.
개인화된 시장
흥미롭게도 컴패니언 앱의 등장으로 성격 프롬프트의 표준화와 성격 기본 요소 교환을 위한 플랫폼도 등장했습니다. 이 분야는 고품질 프롬프트와 시나리오의 금융화 방향으로 나아갈 가능성이 높습니다. 예를 들어, 검열되지 않은 오픈 소스 LLM이 표준화된 성격이 포함된 NFT에서 메타데이터를 읽을 수 있는 경우, 성격 NFT는 생성된 로열티로부터 이익을 얻어 작성자에게 이익을 줄 수 있습니다.
그러나 이는 또한 해결되지 않은 또 다른 질문을 제기합니다. 많은 상위 모델이 NSFW 콘텐츠에 의해 제한되기 때문에 실행 가능한 오픈 소스 모델을 만드는 것이 필요하며 이는 토큰 기반 크라우드 펀딩 및 거버넌스를 위한 완벽한 기회입니다.
이 장에서 언급된 몇 가지 아이디어를 더 깊이 이해하기 위해 제가 쓴 이 기사를 확인하실 수 있습니다.https://medium.com/1kx network/virtual-beings-51606 c 041 acf。
거버넌스 강화
DAO 거버넌스의 역사는 실제로 인간 협력의 오랜 역사의 진화입니다. 궁극적으로 우리는 리소스를 효과적으로 구성하고, 거버넌스 팽창을 최소화하고, 낚시를 없애고, 소프트 파워 비효율성 또는 병목 현상을 식별하는 것이 극히 어렵다는 것을 발견했습니다.
DAO의 향상 계층으로 AI를 사용하는 실험은 이제 막 시작되었지만 잠재적인 영향은 광범위합니다. 가장 일반적인 형태는 숙련된 LLM을 사용하여 DAO 내의 노동 자본을 보다 효율적인 문제로 유도하고, 제안서의 문제를 식별하고, 기부 및 투표에 더 폭넓게 참여하도록 돕는 것입니다. 검색 및 자동 회신을 통해 DAO의 효율성을 향상시키는 AwesomeQA와 같은 더 간단한 도구도 있습니다. 궁극적으로 우리는 DAO의 자율성이 시간이 지남에 따라 더욱 중요해질 것으로 예상합니다.
자치위원회 및 투표 대리인
Upstreet초기 실험으로 다중 에이전트 시스템(예: AutoGPT 등)을 거버넌스 프로세스에 적용했습니다. 각 에이전트는 아티스트, 개발자, BD 전략가, PR, 커뮤니티 관리자 등과 같은 DAO의 하위 그룹으로 정의됩니다. 그런 다음 에이전트는 기여자의 제안을 분석하고 찬반 양론을 논의하는 임무를 맡습니다. 그런 다음 에이전트는 해당 범위에 미치는 영향을 기준으로 점수를 매기고 점수가 집계됩니다. 인간 기여자는 결과에 투표하기 전에 토론과 점수를 평가할 수 있으므로 본질적으로 다양한 병렬 검토 서비스를 제공합니다.
이는 프로세스가 인간이 놓쳤을 수 있는 제안의 측면을 표면화하거나 인간이 AI 에이전트와 후속 영향에 대해 토론할 수 있게 해주기 때문에 특히 흥미롭습니다.
고급 조정 시스템
MakerDAO인간의 입력을 최소화하면서 자율적인 거버넌스 의사결정이라는 목표를 달성하기 위해 유사한 주제가 자세히 논의되었습니다. 그들은 Maker 거버넌스와 관련된 모든 것을 포함하는 실시간 데이터 허브를 묘사하는 Atlas의 개요를 완성했습니다. 이러한 데이터 단위는 문서 트리 형태로 구성되어 오해를 방지하기 위한 컨텍스트를 제공합니다. Atlas는 JSON 형식으로 표준화되어 AI 및 프로그래밍 도구에서 더 쉽게 사용할 수 있습니다.
Atlas는 상호 작용을 자동화하고 참가자 작업의 우선 순위를 지정하여 거버넌스에 참여하는 다양한 인공 지능 거버넌스 도구(GAIT)에서 사용할 수 있습니다. 사용 사례의 예는 다음과 같습니다.
프로젝트 입찰: GAIT는 서류 작업을 처리하고 제안서가 전략적 목표를 충족하는지 확인함으로써 생태계 참가자가 프로젝트에 입찰하는 프로세스를 간소화할 수 있습니다.
규칙 위반 모니터링: GAIT는 결과물 및 규칙 준수를 모니터링하고 사람이 검토할 수 있는 잠재적인 문제를 표시하는 데 도움이 됩니다.
전문적인 조언 통합: GAIT는 전문적인 조언을 형식화된 제안으로 변환하여 거버넌스와 전문 지식 간의 격차를 해소할 수 있습니다.
데이터 통합: GAIT는 새로운 데이터와 경험을 쉽게 통합하여 DAO가 실수를 반복하지 않고 새로운 상황을 학습하고 적응할 수 있도록 돕습니다.
언어적 포용성: GAIT는 번역자 역할을 하여 거버넌스가 여러 언어로 수행될 수 있도록 함으로써 다양하고 포용적인 환경을 조성할 수 있습니다.
SubDAO: Atlas와 GAIT를 SubDAO에 적용할 수 있어 실험과 신속한 개발이 가능하며 실패로부터 학습할 수 있는 능력이 있습니다.
🧠 <> 🎮
제가 특히 기대하는 Crypto x AI 분야는 게임입니다. 이 분야에는 절차적 콘텐츠 게임, 생성적 가상 세계, LLM 기반 내러티브, AI 에이전트가 서로 협력하는 협동 게임 등 탐구할 수 있는 새로운 게임이 많이 있습니다.
web2에는 새로운 게임의 좋은 예가 많이 있지만 여기서는 web3의 예에 중점을 두겠습니다. 이 학술 논문 생성 에이전트: 인간 행동의 대화형 시뮬라크라는 많은 사람들이 다중 인공 에이전트 게임 환경의 가능성을 탐구하도록 일깨워주었다는 점을 언급할 가치가 있습니다. 스탠포드 대학과 Google의 연구원은 샌드박스 게임 환경에서 에이전트에 LLM을 적용하여 이러한 잠재력을 입증했습니다. LLM 기반 에이전트는 단일 사용자 지정 추천을 기반으로 파티 초대 전파, 우정 구축, 데이트, 모든 사람이 정시에 파티에 참석하도록 조정 등 인상적인 동작을 보여줍니다. 이 접근 방식은 LLM을 확장하여 더 높은 수준의 피드백을 저장하고 종합하는 아키텍처를 활용하므로 상담원이 보다 동적인 행동 계획을 달성할 수 있습니다.
이 연구는 현재까지 web3에서 가장 많이 탐구된(그러나 여전히 실험적인) 게임의 기초입니다. 핵심 아이디어는 시뮬레이션된 환경에서 높은 수준의 자율성 또는 특성을 갖춘 AI 에이전트를 사용하고 이를 중심으로 재미있고 매력적인 게임을 구축하는 방법입니다.
Parallel TCG 팀의 Parallel Colony는 AI 에이전트가 게임 내 플레이어를 위해 리소스와 토큰을 수집하도록 하여 이 개념을 탐구합니다. ERC-6551 표준을 사용하는 AI 에이전트는 사용자를 대신하여 게임 내에서 거래를 수행할 수 있는 NFT 지갑입니다. AI 에이전트는 새로운 게임 아이템을 생성, 제작 및 저장할 수 있으며, 팀에서 생성한 미세 조정된 LLM을 통해 정의된 성격을 갖게 되어 게임 내 행동에 영향을 미칠 수 있는 비표준화된 행동과 특성을 부여할 수 있습니다.
하지만 개념적으로 가장 흥미로운 AI 에이전트 기반 게임은 Upstreet입니다. Upstreet는 플레이어가 자신만의 경험을 구축하고 상호 작용할 수 있는 The Street라는 환경에서 AI 에이전트 SDK, 절차적 작업, 브라우저 + VR, 드래그 앤 드롭 상호 운용성 및 소셜 기능과 같은 몇 가지 미친 아이디어를 갖춘 가상 세계 프로젝트입니다. 그들과 함께. 플레이어 외에도 개발자(및 플레이어)가 게임 환경에 영향을 미치는 성격과 목표를 가지고 배포할 수 있는 인공 지능 에이전트가 있습니다. 가장 흥미로운 점은 사용자와 에이전트가 도전자로 참여하는 가장 높은 건물에서 낙하산, 새로운 종교를 시작하다 등 목표를 결정하는 AI 에이전트인 AI 디렉터에 대한 연구 개발이다. 디렉터는 각 라운드가 끝날 때 승자를 결정하여 플레이어와 에이전트에게 상금, 토큰 및 NFT를 보상합니다. 이는 매우 흥미롭고 복잡한 에이전트-플레이어 상호 작용으로 이어질 수 있으며, 앞으로 더욱 발전된 모델을 위한 고부가가치 3D 환경 연구 및 데이터로 직접 이어질 수 있을 것으로 기대됩니다. 데이터에 따르면 OpenAI도 오픈소스 마인크래프트 스타일 게임 인수에 관심이 있는 것으로 보입니다.
가상 세계를 만들기 위한 도구를 생성하는 것은 향상된 게임의 또 다른 영역입니다. 예를 들어 투데이(Today)를 통해 플레이어는 자신만의 가상 섬을 디자인하고 AI NPC 동료를 돌볼 수 있습니다. 특히 게임 내 UGC 개발을 촉진하기 위해 생성적 크리에이티브 도구를 사용하는 것이 독특합니다. 게임은 주로 이러한 사용자가 만든 섬을 기반으로 하기 때문에 3D 게임 개발이나 아트 기술이 없는 플레이어에게 원활한 자산 개발 기회를 제공하는 것이 중요합니다. 틀림없이 메타버스 스타일 게임플레이를 둘러싼 부진한 성격의 대부분은 콘텐츠 부족으로 인한 것이며 단기적으로는 생성 도구를 사용하여 정확하게 해결할 수 있습니다.
AI 에이전트에는 훈련이 필요하며 훈련 자체가 플레이어가 탐색할 수 있는 재미있는 게임이 될 수 있습니다. AI 아레나는 플레이어가 슈퍼 스매시 브라더스 스타일의 게임을 플레이하고, 모방 훈련을 통해 AI 에이전트가 대회에 참가하도록 천천히 가르칠 수 있는 새로운 AI 에이전트 훈련 방법을 제공합니다. AI 에이전트는 쉴 필요가 없기 때문에 상금을 얻기 위해 항상 활동적인 경쟁자 풀을 상대로 24시간 내내 경쟁 토너먼트를 플레이할 수 있으며, 플레이어는 비동기적으로 플레이 스타일을 미세 조정할 수 있습니다. 이는 훈련을 게임으로 바꾸고 토큰 경제를 통해 효율성을 증폭시킵니다.
인간과 강력한 AI 플레이어 간의 대규모 협동 게임은 과거에도 가능했지만 토큰 경제의 통합으로 새로운 차원으로 발전했습니다. Modulus Labs의 Leela vs. the World는 이러한 유형의 게임 형식에 대한 실험입니다. 이 실험에서 Modulus는 Leela 체스 엔진을 사용하고 zk 회로를 통해 출력을 검증합니다. 플레이어는 인간과 인공지능의 게임에 돈을 투자하여 베팅할 수 있어 흥미로운 예측 시장을 형성할 수 있습니다. zk의 현재 상태를 고려할 때 이 모델의 검증 시간은 길겠지만, 이는 의심할 여지 없이 e스포츠 예측 시장의 가능성과 대규모 협업을 기반으로 하는 검증 가능하고 복잡한 AI 플레이어 거버넌스 메커니즘을 열어줍니다.
마지막으로, 순수 체인 게임이나 자율 세계도 인공 지능에 의해 향상될 것입니다. 이 주제에서 가장 눈에 띄는 것은 대규모 지식 모델(Large Lore Models) 수정 가능하고 상호 연결된 게임 환경에서 상호 운용할 수 있는 지속적인 지식을 생성하기 위해 LLM 프로토콜 계층을 사용하는 데 중점을 둡니다. 플레이어 행동은 자율 세계에서 동시에 여러 게임 환경에 영향을 미치므로 스토리라인을 촉진하기 위해 더 많은 고차원 지식을 전달해야 합니다. 이는 다중 체인 게임 환경에서 추상 LLM 레이어를 구축하는 데 이상적입니다.
하부 구조
AI x Crypto 인프라는 그 자체로 별도의 기사를 쓸 가치가 있지만 여기서는 우리가 구체화하고 있는 몇 가지 아이디어에 대해 간략하게 설명하겠습니다.
분산 컴퓨팅
암호경제학 시스템의 계산 요구 사항을 이해하려면 먼저 핵심 문제를 이해해야 합니다. 현재까지 GPU 용량에는 큰 병목 현상이 있으며 H 100과 같은 최고의 하드웨어를 기다리는 데 최대 1년이 소요됩니다. 한편, 스타트업은 하드웨어 구입을 위해 막대한 자금을 모으고 있고, 정부는 국방 목적으로 이를 조달하기 위해 안간힘을 쓰고 있으며, OpenAI와 같이 가장 자금이 풍부한 팀조차도 제한된 컴퓨팅 성능으로 인해 기능 릴리스를 일시 중지해야 합니다.
분산형 컴퓨팅 및 DePIN에 초점을 맞춘 많은 팀은 여기에서 기회를 봅니다. 부트스트랩 무허가 클러스터를 통해 수요를 충족하는 동시에 암호화 인센티브 및 최소 이익을 제공하여 web2 피어와의 가격 경쟁력을 높이는 동시에 하드웨어 공급업체가 더 나은 수익을 제공하는 하드웨어를 제공합니다.
기계 학습은 대략 4가지 주요 컴퓨팅 워크로드로 나눌 수 있습니다.
데이터 전처리: 원시 데이터를 준비하고 사용 가능한 형식으로 변환합니다.
훈련: ML 모델이 대규모 데이터 세트를 훈련하여 데이터의 패턴과 관계를 학습하도록 합니다.
미세 조정: ML 모델은 더 작은 데이터 세트를 사용하여 더욱 최적화되어 특정 작업의 성능을 향상시킬 수 있습니다.
추론: 훈련되고 미세 조정된 모델을 실행하여 예측합니다.
우리는 다음과 같은 것을 보았습니다.Render그리고Akash이러한 방식으로 보다 일반적인 컴퓨팅 네트워크는 AI/ML과 같은 보다 전문적인 컴퓨팅을 제공하도록 전환됩니다. 예를 들어, Render는 다음과 같은 네트워크 위에 구축된 공급자를 활용했습니다.io.netAI 고객에게 보다 직접적으로 서비스를 제공하기 위해 Akash와 같은 공급업체는 수요를 소유하고 자체 모델을 직접 교육하여 네트워크의 힘을 입증하는 하드웨어 공급업체를 유치하기 시작했습니다.첫 번째 사례는 저작권이 없는 자료에서만 사용할 수 있는 모델입니다. 훈련된 디퓨전 포크.Livepeer또한 이미 비디오 트랜스코딩 사용 사례를 제공하는 대규모 네트워크를 보유하고 있기 때문에 AI 비디오 컴퓨팅에 중점을 두고 있습니다.
또한 AI 컴퓨팅 전용 네트워크가 형성되고 있으며, 이를 통해 AI를 중심으로 체인이나 모델을 구축하면 협업 및 검증과 관련된 핵심 문제를 보다 직접적으로 해결할 수 있다는 사실을 깨닫게 되었습니다. 가장 주목할만한 사례 중 하나는 병렬화 및 검증을 위해 설계된 기판 기반 L1을 구축한 Gensyn입니다. 이 프로토콜은 병렬화를 사용하여 더 큰 컴퓨팅 작업 부하를 작업으로 분할하고 이를 비동기식으로 네트워크에 푸시합니다. 검증 문제를 해결하기 위해 Gensyn은 확률론적 학습 증명, 그래프 기반 핀포인트 프로토콜, 스테이킹 및 슬래싱 기반 인센티브 시스템을 사용합니다. Gensyn 네트워크는 아직 활성화되지 않았지만 팀은 네트워크에서 동등한 V1 00 GPU의 시간당 비용이 약 0.40달러가 될 것으로 예측합니다.
스토리지 외에도 블록체인이 이러한 모델에 더 적절하게 인센티브를 제공할 수 있다는 사실을 깨닫고 web3에서 르네상스를 누리고 있는 연합 학습과 같은 대체 교육 모델도 등장하고 있습니다. 간단히 말해서, 연합 학습은 여러 당사자가 독립적으로 모델을 훈련하고 주기적으로 일괄 업데이트를 수행하여 글로벌 모델로 보내는 방법입니다. Google의 키보드 텍스트 예측 알고리즘과 같은 실제적인 예가 많이 있습니다. web3에서 FedML과 FLock은 연합 학습 방법과 토큰 인센티브를 결합하려고 노력하고 있습니다.
Filecoin 및 Arweave와 같은 분산형 데이터 저장소와 Space 및 Time과 같은 데이터베이스가 데이터 전처리에서 중요한 역할을 할 수 있다는 점도 주목할 가치가 있습니다.
합의 기반 ML
블록체인을 활용하는 또 다른 새로운 형태의 인프라는 합의 기반 머신러닝(ML) 개념입니다.Bittensor이 개념의 가장 두드러진 예는 애플리케이션별 서브넷을 사용하여 기계 학습의 효율성과 협업을 높이도록 설계된 기판 기반 L1 블록체인입니다. 각 서브넷에는 LLM부터 예측 모델, 생성적 혁신에 이르기까지 다양한 사용 사례를 제공하는 자체 인센티브 시스템이 있습니다. Bittensor는 광부를 사용하여 품질 출력을 조정하는 방식이 독특합니다. 광부는 ML 모델(검증자가 평가한)의 지능형 출력을 제공하여 TAO(기본 토큰)를 얻습니다. 채굴자들은 최고의 생산량에 대해 인센티브를 받기 때문에 경쟁력을 유지하기 위해 모델을 지속적으로 개선하여Bittensor토큰 경제에 의해 조정된 더 빠른 학습 프로세스를 달성하기 위해 완료되었습니다.
TAO 생태계의 최근 흥미로운 발전은 Bittensor를 토큰 방출과 관련된 보다 자동화된 시장 중심 메커니즘 설계로 전환하기 위한 동적 TAO 제안과 OpenAI 경쟁과 같은 회사와 경쟁하기 위해 인센티브 모델 미세 조정을 제공하는 Nous 서브넷의 출시입니다. .
마이닝이나 합의를 통해 품질을 선호하는 방식으로 모델 출력을 규제하는 등 이러한 시스템에 대한 더 많은 시도를 볼 수 있습니다.
당신에게 필요한 것은 의도뿐이다
DeFi에서 MEV 공간의 최신 주장은 사용자 의도와 이러한 의도를 실행하기 위해 경제적으로 정렬된 복조기를 사용하는 것에 관한 것입니다. 의도에 대한 논의는 종종 엇갈리지만 한 가지 사실은 점점 더 명확해지고 있습니다. 즉, 사용자 의도를 실행 가능한 코드로 구문 분석하려면 고차원 의미 컨텍스트가 필요하다는 것입니다. LLM은 이러한 의미 계층을 제공할 수 있습니다.
Propellerheads는 의도 공간에서 LLM을 사용하는 것에 대한 가장 명확한 비전을 제시합니다.https://www.propellerheads.xyz/blog/blockchain-and-llms。
즉, LLM은 의미론적 이해를 통해 근접 일치 의도를 완전히 일치하는 의도로 변환하여 CoW(동일 일치) 기회를 찾는 데 도움을 줍니다. 이는 내부 의도 재추정(예: USDC 대신 LUSD를 구매해도 괜찮습니까? 일치하는 지정가 주문을 찾았으며 이 CoW로 거래 수수료를 0.3% 절약할 수 있습니다.)과 외부 의도 재추정을 통해 수행할 수 있습니다. (예: 귀하가 소유한 이 BAYC를 사고 싶습니다. X ETH에 판매하시겠습니까?)
물론 지갑과 다중 서명의 계정 후 추상화 측면에서 특히 흥미로운 다른 구조도 가능합니다. 예를 들어 DAIN 및 Autonolas와 같은 프로젝트에서는 프록시를 지갑 서명자로 사용하여 지갑과 대화하고 지갑이 사용자를 대신하여 거래를 수행하도록 하는 것이 현실화될 예정입니다.
또한 에이전트 기반 예측 시장, AI가 관리하는 경제 모델, ML 매개변수화된 DeFi 애플리케이션과 같은 대규모 DeFi 사용 사례도 주목할 만합니다. 이에 대해서는 내 zkML 기사에서 더 자세히 소개합니다.
대행사 경제
현재까지 제가 가장 좋아하는 인프라 영역 중 하나는 AI 에이전트 경제입니다. 이는 모든 사람이 자신의 대리인을 갖고, 우리가 서비스를 제공하기 위해 고품질의 잘 훈련된 대리인을 고용하거나 자율적인 대리인이 복잡한 경제적 행동에서 우리의 요구를 실현하도록 하는 세상에 대한 나의 비전에서 비롯됩니다. 이를 위해서는 에이전트가 서비스에 대한 비용을 지불하고 받을 수 있는 방법이 있어야 합니다. 이러한 에이전트를 위해 전통적인 결제 모델이 개방될 가능성은 분명 있지만, 사용 용이성, 결제 속도 및 무허가 특성을 고려할 때 에이전트가 암호화폐로 거래할 가능성이 더 높습니다.
Autonolas와 DAIN이 이 분야의 대표적인 예입니다. Autonolas에서 에이전트는 실제로 특정 목표 달성을 전담하는 네트워크의 노드이며, 이러한 노드는 Keeper 네트워크와 유사하게 서비스 운영자가 유지 관리합니다. 이러한 에이전트는 오라클, 예측 시장, 메시징 등과 같은 다양한 서비스에 사용될 수 있습니다. DAIN은 유사한 접근 방식을 취하여 에이전트가 네트워크의 다른 에이전트를 검색, 상호 작용, 거래 및 협업할 수 있도록 합니다.
다른 아이디어
위의 내용 외에도 다음 내용도 볼 수 있습니다.
BagelDB와 같은 모델 미세 조정을 위한 분산형 벡터 데이터베이스입니다.
API 키용 지갑과 AI 애플리케이션용 SIWE.Window.ai
데이터 프로비저닝 서비스
Kaito와 같은 색인 생성 및 검색 도구
이제 Upshot 모델의 일련의 추론을 검증하는 Modulus Labs의 AI 검증 대시보드와 같은 블록 탐색기 및 대시보드.
Dune의 온체인 SQL 쿼리 모델과 같은 개발 도우미
시뮬레이션된 에이전트 테스트 환경
Grass Network와 같은 데이터 스크래핑에 사용되는 대역폭
합성 데이터 및 인간 RLHF 플랫폼
단백질 폴딩을 위한 LabDAO 분산 bioML 도구와 같은 DeSci 애플리케이션
AI의 다양한 영역을 서비스하기 위해 web3에는 셀 수 없이 많은 아이디어가 떠오르고 있으므로 여기서는 주요 내용만 제공합니다. 그러나 전체 그림을 더 깊이 이해하려면 위의 프로젝트를 살펴보는 것이 좋습니다.
모든 것의 교차점
AI와 암호화폐는 시너지 효과를 발휘합니다. 둘 다 오픈 소스이고 검열에 저항하는 경향이 있으며 역사상 가장 큰 부의 이전을 창출하고 있습니다. 그들은 서로를 필요로 하며 서로의 핵심 과제를 해결합니다.
암호화폐의 경우 AI는 사용자 경험 문제를 해결하고, 보다 창의적인 온체인 사용 사례를 촉진하며, 분산 조직 및 스마트 계약의 기능을 향상하고, 애플리케이션 및 인프라 계층에서 진정한 혁신을 실현합니다.
AI의 경우 Crypto는 진위성과 출처 문제를 해결하고 오픈 소스 모델 및 데이터 세트에 대한 조정을 강화하며 계산 및 데이터 안내를 돕고 제작자와 에이전트가 AI 이후 경제에 보다 직접적으로 참여할 수 있도록 지원합니다.
이제 과제는 암호화폐 해커, 팀 및 프로젝트가 이러한 변화를 이해하고 수용하는 것입니다. 창의성은 무한하며 우리는 그 모든 것의 교차점에 서 있습니다.
이러한 교차로에 대해 더 자세히 알아보고 싶다면 ETHDenver에서 열리는 Convergence 세션에 참여하세요.
