최근 지능채굴방식(POL)이라는 혁신적인 채굴방식을 적용한 비트텐서(TAO)가 그레이스케일의 AI 펀드에 편입되면서 시장의 비상한 관심이 몰리고 있습니다. 유투브에 그레이스케일 공식채널에서 비트텐서의 공동창립자 중 한명이 JAKE와의 대담 영상을 발견하여 전체 내용을 정리하여 보았습니다..
비트텐서의 창립배경과 구조
Grayscale: BitTensor를 창립하게 된 배경과 해결하려 했던 문제는 무엇인가요?
TAO Jake: 저는 Simon Fraser University에서 수학을 전공했고, 2010년부터 AI 연구에 매료되었습니다.
당시 AI의 문제는 대부분 계산 자원의 부족이었습니다. Google에서 대규모 머신러닝 모델을 훈련하는 방식은 매우 중앙집중적이었고, 비효율적이었습니다.
비트코인 네트워크에서 영감을 받아 분산형 계산 자원을 활용하여 AI 모델을 훈련할 수 있는 시스템을 구상했습니다.
BitTensor는 그 아이디어에서 시작되었으며, 비트코인처럼 여러 노드들이 데이터를 처리하고, 이를 통해 분산형 방식으로 AI 모델을 훈련하는 시스템입니다.
Grayscale: BitTensor의 구조는 어떻게 되어 있나요? 서브넷, 스테이커, 광부의 역할은 무엇인가요?
(위의 질문에서 대단히 중요한 포인트가 숨어 있다.. 그것은 질문자가 '스테이커'라고 표현을 했는데, 제이크는 그에 대한 답변을 '검증자'로 표현하고 있다... 이것은 TAO의 유통량이 매우 적은 이유이기도 하며, TAO의 마이닝 방식의 혁신이기도 하다.. 내용인즉, 검증자 역할 을 통한 채굴은 전체채굴량의 41%에 달하는데, 검증자 역할을 하기 위해서는 많은 량의 TAO를 스테이킹 하여야 하기 때문에, 시중의 유통량이 10%가량 밖에 안되는 이유이다)
TAO Jake: BitTensor는 **서브넷(subnet)**이라는 개별 단위들로 나뉘어 있습니다.
각 서브넷에는 "채굴자(miner)"와 "검증자(verifier)"가 존재합니다. 마이너는 AI 모델을 훈련하는 데 필요한 데이터를 제공하고, 검증자는 광부들이 제공한 데이터가 올바르게 처리되었는지 검증합니다.
이 과정에서 작업 증명(Proof of Work) 메커니즘을 사용하여 광부들은 그들의 기여에 따라 보상을 받습니다. 우리는 이 과정을 지능증명(POL)의 과정이라고 명명합니다.
모든 서브넷은 특정한 "목적 함수(objective function)"를 가지고 있으며, 광부들은 이 목표를 최대한 효율적으로 달성하려고 경쟁합니다. 각 서브넷은 분산형 네트워크의 일부로, 분산된 방식으로 데이터를 처리하고 AI 모델을 훈련합니다.
Grayscale: 서브넷들이 어떤 작업을 수행하나요? 구체적으로 예를 들어 설명해 주세요.
TAO Jake: BitTensor의 서브넷들은 다양한 작업을 수행할 수 있습니다.
예를 들어, 단백질 접힘(protein folding) 문제를 해결하는 서브넷이 있는데, 이 서브넷의 광부들은 단백질의 구조를 예측하는 계산 작업을 수행합니다.
검증자들은 그 결과를 평가하며, 정확한 예측을 할 경우 광부들이 보상을 받습니다. 또 다른 서브넷은 대규모 머신러닝 모델을 훈련하며, 예를 들어 800억 개의 파라미터를 가진 모델을 기반으로 데이터를 처리하고 예측합니다.
각 서브넷은 특정 목표에 맞춰 최적화되어 있고, 시간이 지남에 따라 성능이 개선됩니다.
다양한 AI 작업을 분산된 네트워크 상에서 수행하며, 각 작업은 독립적이지만 전체적으로 AI 시스템에 기여합니다.
비트텐서(TAO)의 비전과 과제
Grayscale: BitTensor의 장기적인 목표는 무엇인가요? 앞으로 5년에서 10년 후에 어떻게 발전할 것으로 보시나요?
TAO Jake: BitTensor는 향후 5~10년 내에 중앙집중형 AI 연구소들보다 더 효율적인 시스템으로 자리 잡을 것입니다.
우리는 현재 인센티브 메커니즘을 통해 분산형 AI 모델 훈련 시스템을 구축하고 있으며, 시간이 지남에 따라 더 많은 데이터를 처리하고 더 나은 AI 모델을 훈련할 수 있게 될 것입니다.
BitTensor는 AI 분야에서 중요한 플랫폼이 될 것이며, 장기적으로 AI 연구 및 개발에 있어서 가장 효율적인 경쟁자가 될 것입니다. AI 발전에 있어 게임 이론적 평형을 적용한 BitTensor의 방식은 장기적으로 중앙화된 AI에 몰입된 대규모 기업들을 능가할수 밖에 없다고 생각하고 있습니다.
Grayscale: BitTensor에 대해 사람들이 자주 오해하는 점은 무엇인가요?
TAO Jake: 많은 사람들이 BitTensor를 암호화폐 사기로 오해하는 경우가 많습니다.
하지만 BitTensor는 혁신적인 분산형 머신러닝 플랫폼입니다.
우리는 AI와 블록체인 기술을 결합하여 최초로 분산형 AI 모델을 훈련시킨 팀입니다. 이 기술은 아직 많은 사람들이 이해하지 못하는 새롭고 혁신적인 개념이기 때문에 시간이 필요하지만, BitTensor가 AI와 블록체인의 결합을 통해 매우 중요한 역할을 할 것임을 확신합니다.
우리가 만든 시스템은 실제로 매우 중요한 AI 문제들을 해결하고 있으며, 시간이 조금만 더 지나면 더 많은 사람들이 이 가치를 알게 될 것입니다.
Grayscale: BitTensor는 개방성과 투명성을 강조한다고 했습니다. 이것이 어떻게 구현되나요?
TAO Jake: BitTensor는 블록체인 기술을 기반으로 하고 있기 때문에 네트워크 내의 모든 활동이 투명하게 기록됩니다.
모든 거래와 작업은 네트워크 상에서 추적할 수 있으며, 이를 통해 누구나 공정하게 참여할 수 있습니다.
분산화된 시스템이기 때문에, 중앙집중형 AI 연구소들과 달리, 모든 참여자가 투명하게 정보를 공유하고 공정하게 경쟁할 수 있습니다.
우리는 공정성과 개방성을 중시하며, 이를 통해 AI 기술을 더 나은 방향으로 발전시킬 수 있습니다.
Grayscale: 서브넷들은 AI 모델을 어떻게 훈련하나요? 그 과정에서 광부와 검증자의 역할은 무엇인가요?
TAO Jake: BitTensor의 서브넷은 각기 다른 "목적 함수(objective function)"를 정의하며, 채굴자들은 해당 목표를 달성하기 위해 데이터를 수집하고 처리합니다.
채굴자들은 AI 모델을 훈련할 데이터를 제공하고, 검증자들은 그 결과를 평가해 보상을 제공합니다.
- 예를 들어, 주식 시장을 예측하는 AI 모델을 훈련하는 서브넷이 있을 수 있습니다.
이 서브넷의 채굴자들은 필요한 데이터를 모아 AI 모델을 훈련하고, 검증자들은 그 성과를 확인한 뒤 보상을 제공합니다. 시간이 지나면서 서브넷들은 더 나은 성과를 내기 위해 계속해서 최적화되며, 이로 인해 BitTensor는 효율적이고 강력한 머신러닝 시스템을 제공할 수 있습니다.
마무리
TAO는 그레이스케일의 AI펀드에 채택되고, 비탈릭부테린에 의해 AI&블록체인 융합에 있어 최적의 프로젝트로 언급되면서 바이낸스를 포함한 50여개의 글로벌 거래소에서 크게 가격이 상승하기도 하였습니다.
또한 미국과 유럽중심으로 채굴되어 오던 비트텐서(TAO) 채굴 마켓이 한국에서 최초로 채굴에 성공한 IDC 센터(하나)가 등장하고, 중국 또한 TAO채굴을 위한 테스트를 진행하고 있는 것으로 알려지면서, TAO의 가격상승을 견인하고 있는 것으로 알려져 있습니다.
TAO의 검증노드 채굴을 위해서는 많은 양의 TAO가 스테이킹 되어 있어야 하는 특성으로 인해, 현재 채굴된 량의 대다수는 스테이킹에 묶여있어서 시중의 유통량은 극소수인것으로 알려져 있기 때문에 , 중국의 채굴자들의 참여가 본격화 되는 시점에는 큰폭의 가치상승이 기대되고 있습니다.
이 대화에서 TAO Jake는 BitTensor의 기초 개념부터 작동 방식, 기술적 구조와 AI 모델 훈련 과정, 그리고 장기적인 목표와 오해를 풀기 위한 설명까지 다양한 주제를 다루며 BitTensor가 분산형 AI 시스템으로서 어떻게 발전할 것인지 구체적으로 설명하고 있습니다.
투심을 유지하기 위한 공부
