그것은 시끄러운 책상으로 시작되었습니다

이것은 2015 년이었다. 연구원은 Ben Fielding이었다. 그는 AI를 개발하기 위해 초기 GPU로 채워진 대형 기계를 만들었다.

A noisy desk in a lab at Northumbria University, in northern England, is where a young AI researcher began his PhD track in 2015. He was working on some unorthodox ideas, exploring how “swarms” of AIs could talk to each other and learn from each other to improve the collective whole. But he was handcuffed by the realities of that noisy machine, which he had built to house early GPUs for his research.

영국 북부의 노섬 브리아 대학교 (Northumbria University)의 실험실에있는 시끄러운 책상은 2015 년에 젊은 AI 연구원이 박사 학위를 시작한 곳입니다. 그는 AIS의 "무리"가 어떻게 서로 대화하고 집단 전체를 개선하기 위해 서로를 배울 수 있는지 탐구하면서 정통한 아이디어를 연구하고있었습니다. 그러나 그는 시끄러운 기계의 현실에 의해 수갑을 탔는데, 그는 그의 연구를 위해 초기 GPU를 수용하기 위해 만들었습니다.

The machine was so loud it annoyed his lab-mates, and he had crammed it beneath his desk, leaving no room for his legs, which he had to awkwardly stick to the side of the desk.

기계는 너무 큰 소리로 실험실 동료들을 짜증나게했고, 책상 아래에서 그것을 움켜 쥐고 다리를위한 공간을 남기지 않았으며, 그는 책상 옆에 ​​어색하게 붙어 있어야했습니다.

At the time, Google was doing similar research with thousands of GPUs in a data center.

당시 Google은 데이터 센터에서 수천 개의 GPU와 비슷한 연구를하고있었습니다.

“The things they were doing weren't crazy. I knew the methods … I had lots of proposals, but I couldn't run them,” says Ben Fielding, who is now CEO of Gensyn and a speaker at Consensus 2025.

"그들이하고있는 일은 미쳤지 않았다. 나는 방법을 알고 있었다. 나는 많은 제안이 있었지만, 나는 그들을 실행할 수 없었다.

Fielding and his co-founder, Harry Grieve, started Gensyn in 2020, with the goal of creating a decentralized network for machine intelligence.

Fielding과 그의 공동 설립자 인 Harry Grieve는 2020 년에 기계 인텔리전스를위한 분산 된 네트워크를 만들기 위해 2020 년에 Gensyn을 시작했습니다.

Gensyn is now rolling out the first stage of its Testnet, and the company's early tools are beginning to trickle out into the wild. Gensyn recently released its “RL Swarms” protocol, a descendant of Fielding's PhD work, and just launched Testnet, which brings blockchain into the fold.

Gensyn은 이제 TestNet의 첫 단계를 출시하고 있으며 회사의 초기 도구가 야생으로 날아 가기 시작했습니다. Gensyn은 최근 Fielding의 PhD 작업의 후손 인“RL Swarms”프로토콜을 발표했으며 Testnet을 시작하여 블록 체인을 접어 넣었습니다.

Gensyn's Testnet is a beta version of the company's core infrastructure, offering a glimpse into the broader vision.

Gensyn의 Testnet은 회사의 핵심 인프라의 베타 버전으로 더 넓은 비전을 엿볼 수 있습니다.

In this interview leading up to the AI Summit, at Consensus in Toronto, Fielding gives a primer on AI Swarms, explains how blockchain snaps into the puzzle, and shares why all innovators — not just tech giants — “should have the right to build machine learning technologies.”

이 인터뷰에서 AI 정상 회담으로 이어지는이 인터뷰에서 토론토의 Consensus에서 Fielding은 AI Swarms의 입문서를 제공하고 블록 체인이 퍼즐에 어떻게 빠져 나오는지 설명하고 기술 거인뿐만 아니라 모든 혁신가가“기계 학습 기술을 구축 할 권리가 있어야하는 이유”를 공유합니다.

This interview has been condensed and lightly edited for clarity.

이 인터뷰는 명확성을 위해 응축되고 가볍게 편집되었습니다.

Jeff Wilser: Gensyn just launched its Testnet. What’s the gist of what it is?

Jeff Wilser : Gensyn은 방금 TestNet을 출시했습니다. 그것이 무엇인지에 대한 요점은 무엇입니까?

Ben Fielding: It's the addition of the first MVP features of blockchain integration with what we've launched so far. So a few weeks ago, we launched RL Swarm, which is reinforcement learning, post-training as a peer-to-peer network.

Ben Fielding : 블록 체인 통합의 첫 번째 MVP 기능이 지금까지 시작된 것과 추가되었습니다. 그래서 몇 주 전에, 우리는 P2P의 네트워크로서 훈련 후 강화 학습 인 RL Swarm을 시작했습니다.

The easiest way to think about it is when a pre-trained model goes through reasoning training — like Deep-R1 — it learns to critique its own thinking and recursively improve against the task. It can then improve its own answer.

그것에 대해 생각하는 가장 쉬운 방법은 미리 훈련 된 모델이 Deep-R1과 같은 추론 훈련을 통해 자신의 사고를 비판하고 과제에 대해 재귀 적으로 개선하는 법을 배우는 것입니다. 그런 다음 자체 답변을 향상시킬 수 있습니다.

We take that process one step further and say, "It's great for models to critique their own thinking and recursively improve. What if they can talk to other models and critique each other's thinking?" If you get many models together in a group that can all talk to each other, they can start learning how to send information to the other models … with the overall goal of improving the entire swarm itself.

우리는 그 과정을 한 걸음 더 나아가서 "모델이 자신의 생각을 비판하고 재귀 적으로 개선하는 것이 좋습니다. 다른 모델과 대화하고 서로의 생각을 비판 할 수 있다면 어떻게 될까요?" 모두 서로 대화 할 수있는 그룹에서 많은 모델을 모으는 경우, 전체 떼 자체를 개선하는 전반적인 목표로 다른 모델에 정보를 보내는 방법을 배우기 시작할 수 있습니다.

So that's the swarm training method, which allows many models to combine in parallel to improve the outcome of a final meta-model that you could create from those models. But at the same time, you have every single individual model just improving on its own. So if you were to come along with a model on a MacBook, join a swarm for an hour and then drop back out again, you would have an improved local model based on the knowledge in the swarm, and you would have also improved the other models in the swarm. It's this collaborative training process that any model can join and any model can do. So that's what RL Swarm is.

따라서 많은 모델이 병렬로 결합하여 해당 모델에서 생성 할 수있는 최종 메타 모델의 결과를 개선 할 수 있습니다. 그러나 동시에, 당신은 자체적으로 개선하는 모든 개별 모델이 있습니다. 따라서 MacBook의 모델과 함께 오면 한 시간 동안 떼에 가입 한 다음 다시 떨어 뜨리면 Swarm에 대한 지식을 기반으로 개선 된 로컬 모델을 갖게되며 Swarm의 다른 모델도 개선했을 것입니다. 모든 모델이 참여할 수 있고 모든 모델이 수행 할 수있는이 협업 교육 프로세스입니다. 이것이 바로 RL 떼의 것입니다.

Wilser: Okay, and then where does blockchain come in?

WILSER : 알았어, 그리고 그럼 블록 체인은 어디에 들어 오나요?

Ben Fielding: So the blockchain is us moving forward some of the lower-level primitives into the system.

Ben Fielding : 따라서 블록 체인은 우리가 시스템으로의 하위 레벨 프리미티브를 전진하고 있습니다.

Let's just pretend that someone doesn't understand the phrase "lower-level primitives." What do you mean by that?

누군가가 "하위 레벨 프리미티브"라는 문구를 이해하지 못한다고 가정 해 봅시다. 그게 무슨 뜻입니까?

If you think about the software stack, you've got a GPU stack in a data center. You've got drivers on top of the GPU. You've got operating systems, virtual machines. You've got all this stuff going up.

소프트웨어 스택에 대해 생각하면 데이터 센터에 GPU 스택이 있습니다. GPU 위에 운전자가 있습니다. 운영 체제, 가상 머신이 있습니다. 당신은이 모든 것들이 올라가고 있습니다.

A lower-level primitive is the closest to the bottom foundation in the tech stack.

하위 레벨 원시는 기술 스택에서 최하위 기초에 가장 가깝습니다.

Wilser: Yes, exactly. And the RL Swarm is a demonstration of what's possible, basically. It's just a somewhat hacky demo of doing really interesting large-scale, scalable machine learning. But what Gensyn's been doing for the past four-plus years, realistically, is building infrastructure. And so we're in this period now where the infrastructure is all at that v0.1 sort of beta level. It's all done. It's ready to go. We have to figure out how to show the world what's possible when it's quite a big shift to the way people think of machine learning.

WILSER : 그렇습니다. 그리고 RL Swarm은 기본적으로 가능한 것의 데모입니다. 정말 흥미로운 대규모 규모의 기계 학습을 수행하는 다소 해킹 된 데모입니다. 그러나 Gensyn이 지난 4 년 동안 실제로 한 일은 현실적으로 인프라를 구축하는 것입니다. 그래서 우리는 이시기에 인프라가 모두 V0.1 종류의 베타 레벨에 있습니다. 모든 것이 끝났습니다. 갈 준비가되었습니다. 우리는 사람들이 머신 러닝을 생각하는 방식으로 큰 변화 일 때 세상에 가능한 것을 보여주는 방법을 알아 내야합니다.

It sounds like you guys are

너희들처럼 들린다