Jiahao Sun, FLock.io CEO 겸 설립자 – 인터뷰 시리즈

Jiahao Sun, FLock.io의 CEO 겸 설립자는 2022년 4월부터 회사를 이끌어 왔습니다. FLock.io를 설립하기 전, 그는 주요 금융 회사에서 인공지능 이사로 근무하는 등 AI 중심 역할을 여러 해 동안 수행했으며, 지식 그래프 생성, 자연어 처리(NLP), 금융 예측을 위한 머신러닝을 연구하는 최고 대학의 연구 펠로우로도 활동했습니다. 기업 AI와 학술 연구 모두에서 폭넓은 배경을 가진 그는 AI가 구축되고 배포되는 방식을 재창조하는 프로젝트를 이끌기에 적합합니다.

FLock.io는 연합 학습과 블록체인을 결합한 분산형 AI 플랫폼입니다. 데이터를 중앙 집중화하는 대신, 커뮤니티가 협업하여 AI 모델을 구축, 학습 및 배포할 수 있게 하며 로컬 디바이스에서 정보를 비공개로 유지합니다. 이 시스템은 컴퓨팅, 데이터 또는 검증을 제공하는 기여자에게 인센티브를 제공하고, 네트워크 전반에 걸쳐 소유권과 거버넌스를 분산시켜 투명성, 보안 및 장기적인 회복력을 보장합니다.

당신은 Imperial College에서 고급 AI 연구와 금융 예측에 오랜 기간 종사하고, RBC Wealth Management에서 AI 혁신을 이끌면서 FLock.io를 설립했습니다. 분산형 AI 플랫폼을 구축하게 된 최초의 아이디어는 무엇이었으며, 기존 AI 아키텍처가 해결하지 못한 어떤 격차를 보았습니까?

FLock의 아이디어는 학술 연구와 금융 업무 모두에서 동일한 문제를 목격한 데서 시작되었습니다. 가치 있는 데이터가 잠겨 있었고, 조직은 프라이버시나 통제권을 포기하지 않고는 AI를 함께 사용할 수 없었습니다. 기존 AI 시스템은 대형 중앙 제공자를 중심으로 구축되어 참여할 수 있는 사람과 혜택을 공유할 수 있는 범위가 제한됩니다. 저는 분산형 접근 방식이 이를 해결할 수 있다고 깨달았습니다. 블록체인, 연합 학습, 프라이버시 보호 기술과 같은 새로운 도구를 활용하면 사람과 기업이 데이터를 안전하게 기여하거나 컴퓨팅 파워를 제공하면서 소유권을 유지할 수 있습니다. FLock은 AI를 더 개방적이고, 더 안전하며, 몇몇 주요 플레이어만이 아니라 모두가 구축에 기여할 수 있는 것으로 만들기 위해 탄생했습니다.

귀하의 배경에는 지식 그래프 연구와 금융 예측을 위한 제로샷 학습이 포함됩니다. 이러한 경험이 FLock.io가 모델 훈련, 검증 및 온체인 데이터 무결성에 접근하는 방식을 어떻게 형성했습니까?

저는 경험을 통해 금융 예측이 데이터 무결성, 모델 설명 가능성, 제한된 데이터 세트에서 일반화할 수 있는 능력이 가장 중요한 고위험 분야임을 배웠습니다. 금융에서는 데이터의 출처와 품질이 전부입니다. 우리는 이러한 검증 가능한 출처에 대한 필요성을 FLock의 온체인 아키텍처에 반영했습니다. 우리는 데이터 사일로의 분산 네트워크를 구조화하여 AI가 원시 데이터를 중앙화하지 않고도 집합적인 지식을 학습하도록 합니다. 이를 통해 의료 및 금융과 같은 민감한 분야에서도 데이터를 분산하고 비공개로 유지하면서 강력한 모델을 구축할 수 있습니다.

FLock.io의 AI Arena는 1년 미만의 기간에 이미 9,000개가 넘는 완전 학습된 머신러닝 모델을 생산했습니다. 이러한 활동 수준은 분산형 AI에 대한 수요를 어떻게 보여주며, 개발자들이 중앙 집중형 대안보다 커뮤니티 기반 훈련을 선택하는 이유는 무엇이라고 생각하십니까?

이러한 활동 수준은 현재 AI 시장의 두 가지 중요한 통찰을 보여줍니다. 첫째, 분산형 AI 인프라에 대한 거대한 수요가 확인됩니다. 개발자들은 구조적으로 취약하고 비용이 많이 들며 데이터에 대한 단일 실패 지점을 만드는 중앙 집중형 클라우드 모델에 대한 대안을 적극적으로 찾고 있습니다. 중앙 집중형 플랫폼에서는 참가자가 모델을 소유하지만, AI Arena에서는 모델 개발자와 기여자가 소유권을 유지하고 모델이 사용될 때 FLOCK 토큰으로 보상을 받습니다.

분산형 AI는 검증자, 위임자 및 노드 운영자를 유치하기 위해 인센티브에 크게 의존합니다. FLOCK 토큰 설계는 생태계 전반에 걸쳐 인센티브를 어떻게 정렬하며, 현재 55,000명 이상의 토큰 보유자가 있는 상황에서 어떤 경제적 행동을 관찰하셨습니까?

FLOCK 토큰은 우리의 거버넌스 및 유틸리티 엔진으로, 모든 참여자의 인센티브가 네트워크의 장기적인 건강과 생성된 모델의 품질에 완벽히 일치하도록 보장합니다. 우리의 설계는 데이터 소유자, 컴퓨팅 제공자, 검증자 및 위임자 간의 협업을 촉진하는 생산적이고 검증 가능한 기여에 보상을 제공한다는 명확한 원칙에 기반합니다. 예를 들어, 컴퓨팅 제공자와 노드 운영자는 모델 훈련에 컴퓨팅 자원을 제공함으로써 FLOCK을 획득합니다. 검증자는 모델 업데이트의 보안 및 정확성을 보장함으로써 보상을 받고, 이를 지원하기 위해 FLOCK을 스테이킹하는 위임자는 그 보상의 일부를 얻습니다. 우리는 커뮤니티로부터 지속적인 헌신을 보고 있으며, 높은 스테이킹 비율은 단기 거래보다 장기 네트워크 참여를 선호한다는 것을 나타냅니다.

FLock.io는 유엔 개발 계획(UNDP), 알리바바, NHS 및 기타 주요 기관과 파트너십을 체결했습니다. 이러한 조직들이 전통적인 클라우드 기반 훈련 대신 분산형 AI 프레임워크를 채택하도록 설득한 요인은 무엇입니까?

이러한 파트너십은 전통적인 클라우드 기반 훈련이 해결할 수 없는 문제에 대한 솔루션을 구현하는 데 도움이 되었습니다. 연합 학습과 블록체인을 결합한 우리의 프레임워크는 AI 모델을 로컬 서버에서 직접 훈련할 수 있게 합니다. 집계된 익명화된 모델 인사이트만 블록체인에 공유됩니다. 모든 혁신적인 AI 돌파구는 중앙 중개자를 절대 신뢰하지 않을 기관 간에 데이터 인사이트를 풀링해야 합니다. UNDP와의 협업은 그 좋은 예로, NGO와 함께 지속 가능한 개발 목표를 달성하기 위해 AI 모델을 공동으로 구축합니다. 우리의 블록체인 거버넌스 프레임워크는 전 세계 규모의 윤리적 AI 개발에 필요한 투명성과 커뮤니티 합의를 제공합니다.

프라이버시 보호 AI는 의료, 공공 거버넌스, 과학 연구와 같은 분야에서 필수적이 되고 있습니다. FLock.io는 민감한 데이터가 절대 노출되거나 중앙화되지 않으면서도 고부가가치 모델을 훈련하는 데 사용될 수 있도록 어떻게 보장합니까?

FLock의 핵심 기술은 연합 학습과 블록체인 기술의 장점을 결합하여 민감한 데이터를 절대 노출하거나 중앙화하지 않고도 고부가가치 모델을 훈련할 수 있게 합니다. 방대한 민감 데이터를 단일 중앙 위치에 수집하는 대신, 연합 학습은 여러 주체가 데이터를 직접 가져가 모델을 공동 훈련하도록 하며, 업데이트만 수집하고 원시 데이터는 수집하지 않습니다. 여기에 블록체인을 추가하면 암호 인센티브 시스템을 통해 더욱 프라이버시 보호와 확장성을 확보합니다.

예를 들어, 우리는 연구자들이 방대한 실제 데이터 풀에 접근하면서도 완전한 데이터 제어와 규정 준수를 유지하도록 함으로써 신약 발견 및 공중 보건과 같은 분야에서 돌파구를 가능하게 합니다.

암호화폐와 AI가 모두 빠르게 진화함에 따라, 블록체인 기반 인프라와 머신러닝의 교차점이 향후 5년 동안 어떻게 발전할 것으로 보며, FLock.io와 같은 분산형 모델 마켓플레이스는 어떤 역할을 할 것이라고 생각하십니까?

중앙 집중형 AI 기업들의 독점은 영원히 지속되지 않을 것이며, 세상이 보다 협업적이고 주권적인 AI의 강력한 잠재력을 인식하게 될 것입니다. 분산형 프레임워크는 민감한 AI 애플리케이션에 대한 기본 인프라가 될 것이며, 로컬 훈련과 데이터 제어를 제공할 것입니다. 컴퓨팅 파워가 분산 네트워크를 통해 점점 더 보편화되고 상품화됨에 따라, 진정한 가치는 데이터와 모델 자체로 이동할 것입니다. 우리는 프라이버시가 타협이 아니라 보장인 AI 미래를 위한 인프라를 구축하고 있으며, 블록체인이 이를 보장하는 핵심 기술이 될 것입니다.

AI Arena는 커뮤니티가 협업하여 모델을 훈련하고 검증하는 과제 기반 구조를 사용합니다. 이러한 경쟁-협업 환경이 모델 성능을 어떻게 향상시키며, 어떤 새로운 사용 사례가 등장하고 있습니까?

경쟁 요소는 머신러닝 엔지니어 네트워크가 가장 높은 성능을 보이는 모델 과제를 제출하도록 인센티브를 제공하며, 정확도와 효율성에 따라 보상을 받게 합니다. 동시에 협업 합의 메커니즘은 중앙 집중형 엔티티의 편향을 필터링함으로써 투명성을 향상시킵니다. 이는 전통적인 중앙 집중형 모델보다 더 효율적으로 보다 견고하고 특화된 AI 모델을 생산하도록 설계되었습니다.

이 접근 방식을 통해 FLock은 다양한 커뮤니티가 목적에 맞는 AI 모델을 개발하도록 지원하며, 특정 요구에 맞춘 맞춤형 솔루션을 제공합니다. 우리는 이 구조가 프라이버시 유지가 중요한 다양한 글로벌 및 틈새 분야에서 뛰어난 성과를 보인다는 것을 발견했습니다. 여기에는 의료, 금융 서비스 및 공급망 물류가 포함되며, 민감한 데이터가 로컬에서 분석되어 원시 정보를 중앙 데이터베이스에 풀링하지 않으면서도 최대 보안을 보장합니다.

당신은 이전에 RBC에서 NORA를 구축했으며, 이는 자산 관리 분야의 선도적인 AI 시스템 중 하나입니다. 규제된 금융 환경에서 AI를 개발하는 것과 투명성과 개방성이 핵심에 내재된 분산형 AI 인프라를 구축하는 것은 어떻게 비교됩니까?

흥미롭게도, 기술적 기본 원칙은 크게 다르지 않습니다. 모든 모델은 내재된 편향에 대해 검증 및 감사를 받아야 하며, 숙련된 엔지니어의 막대한 노력이 필요합니다. 차이점은 작업 자체를 추진하는 문화적 사고방식에 있습니다.

자산 관리에서는 단일, 고도로 제어된 모델에 초점을 맞추어 규제 준수를 보장하지만 민첩성이 부족합니다. 위험 완화와 규제 준수가 모든 활동의 최우선 과제이며, 반면 분산형 AI는 자연스럽게 그 스크립트를 뒤집습니다. 대신 투명성과 개방성이 사후 고려사항이 아닌 기본 설계 원칙으로 간주됩니다. 이러한 개방성은 보다 다양한 기여자 커뮤니티를 끌어들여, 단일 중앙 팀이 만든 모델이 겪을 수 있는 편향 및 단일 실패 지점에 대한 회복력을 본질적으로 높입니다.

FLock.io는 CB Insights AI 100에 선정된 유일한 분산형 AI 훈련 프로젝트였습니다. 오늘날 진행 중인 AI 가속의 광범위한 흐름과 비교했을 때, 분산형 AI를 차별화하는 요소는 무엇이라고 생각하십니까?

분산형 AI를 현재의 컴퓨팅 규모 중심 혁신 물결과 차별화하는 점은 거버넌스, 프라이버시 및 경제적 정렬에 초점을 전환한 것입니다. 분산화, 투명성 및 개방성의 핵심 원칙은 현재 AI 분야를 장악하고 있는 소수의 중앙 집중형 플레이어의 위상을 직접 도전하여, 보다 공정한 경제적 기회, 전 세계적인 협업 및 진정한 데이터 주권과 프라이버시를 보장합니다.

CB Insights AI 100에 선정된 유일한 분산형 AI 훈련 프로젝트가 된 것은 우리의 가치 제안과 핵심 가설을 완전히 입증합니다. 이는 분산화가 AI를 선의로 활용할 수 있는 혁신을 촉진하기 위한 다음이자 필수적인 단계임을 보여줍니다.

훌륭한 인터뷰에 감사드리며, 더 알고 싶으신 독자분들은 FLock.io를 방문하시기 바랍니다.