Gradient CEO **에릭 양(Eric Yang)**은 인공지능의 다음 큰 전환이 더 거대한 독점 모델이나 더 강력한 데이터 센터에서 나오지 않을 것이라고 보고 있다.
대신 그는, 모델을 훈련하는 방식 자체의 근본적인 변화에서 그 전환이 올 것이라고 주장한다. 단일 기업의 초대형 슈퍼컴퓨터 안이 아니라, 전 세계적인 퍼미션리스 컴퓨트 네트워크 전반에 훈련을 분산시키는 방향이라는 것이다.
Yellow.com과의 인터뷰에서 양은, 오늘날 OpenAI, Google, Anthropic, xAI 같은 지배적인 AI 연구소들은 “기초 모델은 거대한 중앙집중식 인프라 안에서만 훈련될 수 있다”는 가정 위에 세워져 있다고 말했다.
“AI는 중앙집중화의 이점을 너무 많이 받아서, 아무도 여러 데이터 센터에 걸쳐 대형 모델을 훈련하지 못했습니다.”라고 그는 말했다. Gradient는 이 가정이 곧 무너질 것이라고 베팅하고 있다.
양은 Gradient가 이미 독립적인 데이터 센터들에 분산된 강화학습 훈련(run)을 성공적으로 수행했으며, 성능은 중앙집중식 RLHF 워크플로와 견줄 만한 수준에 이르렀다고 주장한다.
그는 이것이 과거에는 불가능하다고 여겨졌던 가능성을 연다고 말한다. 하나의 회사가 아니라, 전 세계 수천 개의 컴퓨트 제공자가 수행하는 조(兆) 단위 파라미터 모델의 사후 훈련(post-training)이다.
함께 읽기: As Bitcoin Evolves Into A Global Economy, A Hidden Battle Emerges Behind Closed Doors
경제적 파급효과도 만만치 않다. 양은 GPU 운영자, 데이터 센터, 그리고 소규모 독립 인프라 제공자들까지가 훈련 잡에 컴퓨트를 제공하기 위해 경쟁하는 전 세계적 “바운티 기반” 마켓플레이스를 그린다.
기여자들은 가장 낮은 가격으로 컴퓨트를 공급함으로써 보상을 받게 되고, 훈련 비용은 현재 시장을 지배하고 있는 중앙집중식 대안들보다 낮아진다.
그는 또한 탈중앙화된 AI 인프라가 의미 있는 보안 및 신뢰상의 이점을 제공한다고 믿는다.
추론(inference)을 전적으로 사용자 소유 하드웨어, 즉 맥북, 데스크톱, 가정용 GPU, 혹은 하이브리드 환경에서 수행할 수 있다면, 개인 데이터는 기기를 떠나지 않는다.
“오늘날 우리는 Google에 넘기던 것보다 훨씬 더 민감한 데이터를 AI 시스템으로 새고 있습니다.”라고 그는 말했다. “로컬에서 실행되는 주권적(sovreign) 모델은 그 상황을 바꿉니다.”
양은 이러한 투명성이 훈련 과정까지 확장될 수 있다고 주장한다.
훈련 데이터의 출처가 온체인으로 기록된다면, 사용자는 어떤 환경과 기여자가 모델을 형성했는지 확인할 수 있고, 이는 그가 말하는 중앙집중식 시스템의 편향과 불투명한 편집 통제에 대한 해독제가 될 수 있다.
그의 관점에서, 최종적인 AI 환경은 단일 대형 모델이 지배하는 모습이 아니라, 협력적으로 훈련되고 소유되는 “전문화된 모델의 바다”가 될 것이다.
“모든 회사는 오늘날 분석 도구를 돌리듯이 AI를 돌리게 될 것입니다.”라고 양은 말했다. “그 시점이 오면, 전 세계 탈중앙화 컴퓨트 네트워크만이 확장 가능한 유일한 모델이 됩니다.”
다음 읽기: The Aster ETF Hoax That Fooled Even Top Crypto Influencers