횃불, 다리, 열쇠와 미래

「질문이란 무엇인가?」

이것 또한 질문입니다. 일반적으로 보면, 그것은 간단한 행동입니다.

우리 눈에 비친 질문은, 알려진 것과 알려지지 않은 것 사이의 차원을 허물고, 과거와 미래를 현재에서 연결합니다. 어린이가 신기한 세상을 가리키며 부모에게 "이게 뭐예요?"라고 묻는 것부터, 플라톤이 《이상국》에서 제기한 "나는 누구인가, 나는 어디에서 왔는가, 나는 어디로 가는가"라는 궁극적인 세 가지 질문까지.

질문은 횃불이며, 열쇠이며, 인류의 기본적인 요구와 발전 요소입니다.

세상을 변화시키기 위한 전제는 세상을 인식하는 것이며, 세상을 인식하는 경로는 이 육체에 제한됩니다. 감각에서 시작하여 구체적인 것에서 추상적인 것으로 나아갑니다. 우리의 질문도 이와 같이 발전합니다. 무엇인가, 무엇을 하는가, 왜 그런가. web3의 세계는 겨우 15년의 시간 동안 발전해왔으며, 구축은 여전히 진행 중이며, 변화는 사실 매 순간 일어나고 있습니다. 우리는 변화하고자 한다면, 변화자가 이 세계에 대한 인식과 이해가 더욱 중요하다고 생각합니다.

「web3 세계의 정보 특징」

web2 세계와의 차이에 비해, web3 세계의 정보는 다음과 같은 몇 가지 특징을 보입니다.
1. 매 순간 새로운 개념과 정보의 엔트로피 증가가 심각하다.
2. 방대한 데이터 정보는 소화하고 이해하기 어렵다.
3. 새로운 세계 질서의 구축 과정에서 원칙과 법리가 결여되어 있으며, 발언권을 가진 자의 서로 다른 시각과 이해관계가 다른 유도 방향을 초래한다.

web3는 미래를 대표하며, 디지털 화폐, 메타버스, VR/AR, 기술 발전과 사용자 요구는 물리적 세계의 제약이 web3에서 완전히 해제될 것입니다. 원자 세계의 기반 시설은 web3에서 점진적으로 구축되고 있으며, 아무도 이 거대한 흐름의 힘을 막을 수 없습니다. 이러한 모든 것은 OpenAI와 같은 추진력 아래에서 현재, 우리는 희미하게 경로를 찾고 있습니다. QnA3.AI는 그 시기에 태어났습니다.

AI가 지원하는 web3 지식 공유 플랫폼으로서, 우리는 전문 대형 언어 모델을 훈련시켜 의미와 사용자 의도를 정확하게 이해합니다. 방대한 데이터 소스 내에서 우리는 가치 있는 정보를 선별하여 편집 및 재구성하여 사용자에게 정확하고 의미 있는 답변을 제공합니다. 사용자가 web3 세계에서 소음을 제거하고 통찰을 얻는 요구를 충족시키며, 그들이 자신의 인식 체계와 사고 프레임을 구축하는 데 도움을 줍니다.

「전문 모델과 일반 모델의 비교」

우리의 판단은 시장의 최종 결과가 몇몇 초강력 플레이어와 여러 중소형 플레이어가 공생하는 상태를 나타낼 것이라는 것입니다.

일반 대형 모델을 훈련하는 인력, 장비, 자금의 제한으로 인해, 시장에는 진정한 일반 대형 모델 능력을 가진 국제 대기업이 3-5개만 존재할 것입니다. 이와 함께 다양한 언어 모델, 산업 모델 및 상황 모델이 존재할 것입니다. 그러나 일반 대형 모델은 모든 세분화된 산업의 구체적인 문제를 해결할 수 없습니다.

첫째, 품질은 세분화된 산업의 핵심 요구 사항이며, 일반 대형 모델의 환각 문제는 세분화된 산업의 고품질 추구 아래에서 용납될 수 없습니다. 우리는 전용 데이터 선별 출처와 선별 메커니즘을 통해 이 문제를 회피합니다.

둘째, 전문성은 품질의 핵심이며, 세분화된 산업의 작업 흐름은 고품질을 요구하고, 모든 품질 개선 행동에 보상을 줍니다. 세분화된 산업에 적용되는 인공지능 솔루션은 품질을 향상시키기 위해 지속적으로 조정해야 합니다. 반응 속도와 피드백 효율성은 품질에 매우 중요합니다. 일반 모델의 높은 호환성은 여기서 품질의 차이를 초래할 수 있습니다. 로켓의 인공지능 모델이 GPT-4와 같은 일반 모델로 대체된다면, 결과는 파괴적일 것입니다. 이러한 품질 차이는 필연적으로 전문화된 조정으로 이어질 것입니다.

셋째, 독점 데이터와 독점 지식은 장벽입니다.

많은 고가치, 특정 분야 산업은 풍부한 독점 데이터 세트에 의존합니다. 이러한 세분화된 산업에 대한 최상의 인공지능 솔루션은 이러한 데이터에서 훈련해야 합니다. 그러나 이러한 데이터베이스를 보유한 주체는 데이터 방어선을 보호하는 데 집중할 것이며, 제3자가 이러한 데이터베이스에 무제한으로 접근하여 인공지능 훈련을 허용할 가능성은 낮습니다. 따라서 이러한 주체는 내부적으로 또는 특정 파트너십을 통해 이러한 작업 흐름을 위해 전문 인공지능 시스템을 구축할 것입니다. 이러한 시스템은 일반 인공지능 모델과는 다를 것입니다.

세분화된 산업은 사용자 데이터, 산업 데이터, 심지어 그래프나 규칙을 모델에 넣어 계속 훈련해야 합니다. 이는 산업 대형 모델의 존재 필요성을 나타냅니다. 일반 대형 모델이 커버하지 못하는 지역 산업에 이러한 데이터를 추가하면, 해당 산업의 독점 지식과 관련된 문제를 잘 해결할 수 있으며, 일반 대형 모델이 초래하는 "환각" 문제를 극복할 수 있습니다. 이는 모델이 점점 더 많은 데이터와 수렴 가능한 장면을 필요로 하며, 기술과 장면의 정렬을 돕기 위해 더 많은 힘이 필요하다는 것을 의미합니다. 즉, 모든 장면에 적합한 만능 기술이 아니라는 것입니다.

「전문 대형 언어 모델 간의 경쟁 차이」

우리는 차이의 핵심이 인식의 차이와 인식 수준에서의 행동의 차이에 있다고 생각합니다. 현재 시장의 거의 모든 AI 관련 애플리케이션은 오픈 소스 모델을 기반으로 훈련되거나 OpenAI, Claude2의 API 호출을 기반으로 하고 있습니다. 어떤 경로를 선택하든, 우리는 궁극적으로 자신이 인정하는 대형 모델을 만들어야 하며, 핵심은 상대적으로 선도적인 인식을 가진 사람과 지속적으로 모델을 반복할 수 있는 능력입니다.

그래서 우리는 동료 플레이어와 소통하여 합의에 도달했습니다. 기본 전략은 LLM을 L0 기반으로 하고, 그 위에 L1 산업 모델, L2 상황 모델을 만드는 것입니다. 이렇게 한 단계씩 잘 구축하고, 고객과 질문과 답변을 통해 상호작용하여 피드백을 받아 모델을 조금씩 반복하며 점차 장벽을 구축합니다. 미래에 더 나은 일반 모델이 등장하더라도, 그것을 기반으로 다시 훈련하거나 계속 반복할 방법이 있습니다. LLM "물가가 오르면 배도 오른다", 우리는 우리보다 뛰어난 사람들의 성장과 함께 성장합니다.

행동 측면에서 우리는 Pre Train(사전 훈련), Post Train(훈련 후), Multi-Modal(다중 모달), Scaling Up(확장성), Inference(추론) 등에서 풍부한 경험을 가지고 있으며, 이를 제품 시장과 결합하여 발전시킵니다. 우리는 시스템의 영향과 복리의 힘을 믿으며, 이 신념을 실천하는 것이 우리의 자신감의 원천입니다.

「결론」

인공지능의 발전 물결은 이미 10년 이상 지속되어 왔으며, 우리는 인공지능 구성 요소에 의해 구동되는 고가치, 전문화된 세분화 산업 인공지능 모델과 일부 일반 인공지능 모델이 포함된 풍부한 생태계가 탄생할 것으로 예상합니다. 그리고 web3의 물결 속에서, QnA3는 web3 원주율 사용자의 만능 열쇠이며, web2 세계가 web3 세계로 들어가는 최상의 다리입니다.