오르트(OORT): 우연한 교실 순간에서 태어나 AI 개발의 민주화를 목표로 함

AI 분야는 폭발적인 시대에 돌입했다. 컨설팅업체 딜룸(Dealroom)의 연구보고서 '2024 AI 투자 보고서'에 따르면 글로벌 AI 투자는 전체 벤처캐피털의 5분의 1에 달하는 650억 달러에 달할 것으로 예상된다.

Artificial intelligence has entered an explosive era. According to a research report "2024 AI Investment Report" by consulting firm Dealroom, global AI investment is expected to reach $65 billion, accounting for one-fifth of all venture capital. Goldman Sachs' research department also stated that global AI investment could approach $200 billion by 2025.

인공지능은 폭발적인 시대에 돌입했다. 컨설팅업체 딜룸(Dealroom)의 연구보고서 '2024 AI 투자 보고서'에 따르면 글로벌 AI 투자는 전체 벤처캐피탈의 5분의 1에 달하는 650억 달러에 달할 것으로 예상된다. 골드만삭스 연구 부서도 2025년까지 전 세계 AI 투자가 2000억 달러에 달할 수 있다고 밝혔습니다.

Thanks to the AI boom, funds are flocking to AI targets. For example, the A-share company Cambricon has surged over 560% since its low in February this year, with a market capitalization exceeding 250 billion RMB; the U.S. company Broadcom has surpassed a market value of $1 trillion, becoming the eighth largest publicly traded company in the U.S.

AI 붐에 힘입어 AI 타겟으로 자금이 몰리고 있다. 예를 들어, A주 회사인 Cambricon은 올해 2월 최저치 이후 560% 이상 급등했으며 시가총액은 2,500억 위안을 초과했습니다. 미국 기업 브로드컴(Broadcom)이 시가총액 1조 달러를 넘어 미국 내 8번째로 큰 상장 기업이 됐다.

The combination of AI and Crypto is also showing a hot trend. During the artificial intelligence conference hosted by Nvidia, Bittensor (TAO) led with a market value of over $4.5 billion, while assets like Render (RND) and Fetch.ai (FET) have seen rapid value growth.

AI와 암호화폐의 결합도 뜨거운 추세를 보이고 있다. Nvidia가 주최한 인공지능 컨퍼런스에서 Bittensor(TAO)는 45억 달러가 넘는 시장 가치로 선두를 달리고 있었고, Render(RND) 및 Fetch.ai(FET)와 같은 자산은 급격한 가치 성장을 보였습니다.

Following large language models, AI Agents have become the engine of this round of AI market. For instance, the token of GOAT surged over 100 times in 24 hours, and ACT rose nearly 20 times in a single day, igniting the Crypto world's enthusiasm for AI Agents.

대규모 언어 모델에 이어 AI 에이전트는 이번 AI 시장의 엔진이 되었습니다. 예를 들어 GOAT 토큰은 24시간 만에 100배 이상 급등했고, ACT는 하루 만에 거의 20배 상승해 AI 에이전트에 대한 암호화폐 세계의 열광을 촉발시켰습니다.

However, behind the rapid development of AI, there are also concerns. According to an article by Dr. Max Li, founder and CEO of OORT, published in Forbes titled "AI Failures Will Surge in 2025: A Call for Decentralized Innovation," the AI industry faces numerous issues, such as data privacy, ethical compliance, and trust crises caused by centralization, which increase the risk of AI failures. Therefore, decentralized innovation has become an urgent priority.

하지만 AI의 급속한 발전 뒤에는 우려도 있다. OORT의 창립자이자 CEO인 Dr. Max Li가 Forbes에 게재한 "AI Failures Will Surge in 2025: A Call for Decentralized Innovation"이라는 제목의 기사에 따르면 AI 산업은 데이터 개인 정보 보호, 윤리 준수, 중앙화로 인한 신뢰 위기로 인해 AI 실패 위험이 높아집니다. 따라서 분산형 혁신이 시급한 우선순위가 되었습니다.

Currently, OORT has established one of the world's largest decentralized cloud infrastructures, with network nodes covering over 100 countries, generating millions of dollars in revenue, and launching the open-source Layer 1 Olympus protocol (its consensus algorithm is "Proof of Honesty" PoH, protected by U.S. patents). Through the native token OORT, it encourages everyone to contribute data, achieving an incentive closed loop. Recently, OORT launched OORT DataHub, marking a further step towards global, diverse, and transparent data collection, laying a solid foundation for the explosion of DeAI.

현재 OORT는 100개 이상의 국가를 포괄하는 네트워크 노드를 통해 수백만 달러의 수익을 창출하고 오픈 소스 레이어 1 올림푸스 프로토콜(합의 알고리즘은 "정직 증명" PoH)을 출시하는 세계 최대의 분산형 클라우드 인프라 중 하나를 구축했습니다. , 미국 특허로 보호됨). 네이티브 토큰 OORT를 통해 모든 사람이 데이터에 기여하도록 장려하여 인센티브 폐쇄 루프를 달성합니다. 최근 OORT는 OORT DataHub를 출시하여 글로벌하고 다양하며 투명한 데이터 수집을 향한 한 단계 더 나아가 DeAI 폭발의 견고한 기반을 마련했습니다.

OORT Born from Accidental Classroom Moments

우연한 교실 순간에서 탄생한 오르트

To understand the OORT project, one must first understand the problems OORT aims to solve. This involves discussing the current bottlenecks in AI development, primarily related to data and centralization issues:

오르트 프로젝트를 이해하려면 먼저 오르트가 해결하고자 하는 문제를 이해해야 합니다. 여기에는 주로 데이터 및 중앙 집중화 문제와 관련된 AI 개발의 현재 병목 현상에 대한 논의가 포함됩니다.

1. Disadvantages of Centralized AI

1. 중앙집중형 AI의 단점

1. Lack of transparency leading to trust crises. The decision-making process of centralized AI models is often opaque, seen as "black box" operations. Users find it difficult to understand how AI systems make decisions, which can lead to severe consequences in critical applications such as medical diagnosis and financial risk control.

1. 투명성 부족으로 신뢰 위기가 발생합니다. 중앙 집중식 AI 모델의 의사 결정 프로세스는 종종 불투명하며 "블랙박스" 작업으로 간주됩니다. 사용자는 AI 시스템이 어떻게 결정을 내리는지 이해하기 어려워 의료 진단 및 금융 위험 제어와 같은 중요한 애플리케이션에서 심각한 결과를 초래할 수 있습니다.

2. Data monopoly and unequal competition. A few large tech companies control vast amounts of data, creating a data monopoly. This makes it difficult for new entrants to obtain sufficient data to train their own AI models, hindering innovation and market competition. Additionally, data monopolies may lead to the misuse of user data, further exacerbating data privacy issues.

2. 데이터 독점과 불평등한 경쟁. 몇몇 대형 기술 회사가 방대한 양의 데이터를 통제하여 데이터 독점을 창출합니다. 이로 인해 신규 진입자가 자신의 AI 모델을 교육하는 데 충분한 데이터를 얻기 어렵고 혁신과 시장 경쟁이 저해됩니다. 또한 데이터 독점은 사용자 데이터의 오용으로 이어져 데이터 개인 정보 보호 문제를 더욱 악화시킬 수 있습니다.

3. Ethical and moral risks are hard to control. The development of centralized AI has raised a series of ethical and moral issues, such as algorithmic discrimination and bias amplification. Moreover, the application of AI technology in military and surveillance fields has raised concerns about human rights, security, and social stability.

3. 윤리적, 도덕적 위험은 통제하기 어렵습니다. 중앙집중형 AI의 발전은 알고리즘 차별, 편향 증폭 등 일련의 윤리적·도덕적 문제를 제기해왔다. 더욱이 군사·감시 분야에 AI 기술이 적용되면서 인권, 안보, 사회 안정에 대한 우려도 커지고 있다.

2. Data Bottleneck

2. 데이터 병목 현상

1. Data desert. In the booming development of artificial intelligence, the issue of data deserts has gradually emerged as a key factor restricting further development. The demand for data from AI researchers has exploded, yet the supply of data has struggled to keep up. Over the past decade, the continuous expansion of neural networks has relied on large amounts of data for training, as seen in the development of large language models like ChatGPT. However, traditional datasets are nearing exhaustion, and data owners are beginning to restrict content usage, making data acquisition increasingly difficult.

1. 데이터 사막. 인공지능의 급속한 발전 속에서 데이터 사막 문제는 점점 더 발전을 제한하는 핵심 요인으로 등장하고 있습니다. AI 연구자들의 데이터 수요는 폭발적으로 증가했지만, 데이터 공급은 이를 따라잡기 어려웠습니다. ChatGPT와 같은 대규모 언어 모델 개발에서 볼 수 있듯이 지난 10년 동안 신경망의 지속적인 확장은 훈련을 위한 대량의 데이터에 의존해 왔습니다. 그러나 기존 데이터 세트는 거의 고갈되고 있으며 데이터 소유자는 콘텐츠 사용을 제한하기 시작하여 데이터 수집이 점점 더 어려워지고 있습니다.

The causes of data deserts are multifaceted. On one hand, data quality is uneven, with issues of incompleteness, inconsistency, noise, and bias severely affecting model accuracy. On the other hand, scalability challenges are significant; collecting sufficient data is costly and time-consuming, maintaining real-time data is difficult, and manual annotation of large datasets poses a bottleneck. Additionally, access and privacy restrictions cannot be ignored; data silos, regulatory constraints, and ethical issues make data collection arduous.

데이터 사막의 원인은 다양합니다. 한편으로는 데이터 품질이 고르지 않고 불완전성, 불일치, 노이즈 및 편향 문제가 모델 정확도에 심각한 영향을 미칩니다. 반면에 확장성 문제는 중요합니다. 충분한 데이터를 수집하는 것은 비용과 시간이 많이 소요되고, 실시간 데이터를 유지하는 것은 어렵고, 대규모 데이터세트에 대한 수동 주석은 병목 현상을 야기합니다. 또한 액세스 및 개인정보 보호 제한도 무시할 수 없습니다. 데이터 사일로, 규제 제약, 윤리적 문제로 인해 데이터 수집이 어려워집니다.

Data deserts have a profound impact on AI development. They limit model training and optimization, potentially forcing AI models to shift from pursuing large-scale to more specialized and efficient approaches. In industry applications, achieving precise predictions and decisions becomes challenging, hindering AI's greater role in fields like healthcare and finance.

데이터 사막은 AI 개발에 큰 영향을 미칩니다. 이는 모델 훈련 및 최적화를 제한하여 잠재적으로 AI 모델이 대규모 추구에서 보다 전문적이고 효율적인 접근 방식으로 전환하도록 강요합니다. 산업 응용 분야에서는 정확한 예측과 결정을 내리는 것이 어려워지며 의료 및 금융과 같은 분야에서 AI의 더 큰 역할을 방해합니다.