YesNoError: AI가 과학 논문을 검토하고 DeSci 부문의 온체인 강세장을 주도할 수 있습니까?

내일, 오랫동안 기다려온 $BIO가 공식 출시됩니다. 바이낸스가 지원하는 DeSci 부문 프로젝트로 $BIO 출시 여부가 시장에서 추측되고 있다.

Tomorrow will see the long-awaited launch of $BIO. As a DeSci sector project supported by Binance, the market is speculating whether the launch of $BIO will drive the DeSci sector's on-chain bull market and take away some of the liquidity of the AI sector.

내일은 오랫동안 기다려온 $BIO의 출시를 보게 될 것입니다. 바이낸스가 지원하는 DeSci 부문 프로젝트인 만큼 시장에서는 $BIO의 출시가 DeSci 부문의 온체인 강세장을 주도하고 AI 부문의 유동성을 일부 빼앗을지 여부를 추측하고 있습니다.

But are AI and Decsi necessarily in competition? No. YesNoError, a Solana on-chain project that has been widely discussed recently, has taken a path of integrating DeSci with AI, using AI technology to review and discover errors in scientific research papers.

하지만 AI와 Decsi가 반드시 경쟁해야 할까요? 아니요. 최근 널리 논의되고 있는 솔라나 온체인 프로젝트인 YesNoError는 DeSci를 AI와 통합하여 AI 기술을 사용해 과학 연구 논문의 오류를 검토하고 발견하는 길을 택했습니다.

Its token $YNE quickly reached a market value of 60 million US dollars on the day of its launch on December 20, and was subsequently repeatedly promoted by Andrew Kang (hereinafter referred to as AK), a well-known Twitter KOL. Its current market value is around 50 million US dollars.

해당 토큰인 $YNE는 12월 20일 출시 당일 시장 가치 6천만 달러에 빠르게 도달했으며, 이후 유명 트위터 KOL인 Andrew Kang(이하 AK)에 의해 반복적으로 홍보되었습니다. 현재 시장 가치는 약 5천만 달러입니다.

Is it really necessary for AI to review scientific papers?

AI가 과학 논문을 검토하는 것이 꼭 필요한가요?

If you don’t understand the usefulness of YesNoError, here’s an illustrative tweet from Ben Parr, a member of the YesNoError team, that illustrates the need to review misinformation in scientific papers:

YesNoError의 유용성을 이해하지 못한다면 과학 논문의 잘못된 정보를 검토해야 함을 보여주는 YesNoError 팀의 일원인 Ben Parr의 트윗을 참조하세요.

In October 2024, a research paper claimed that black plastic kitchenware contained toxins, and the news quickly spread in the media. The Atlantic Monthly even published an article titled "Throw away your black plastic kitchenware", causing public panic. Even Ben Parr himself began to clean up his kitchenware. However, Joe Schwartz, director of the Office of Science and Society at McGill University, discovered a major mathematical error in the study - a simple multiplication error caused the reported toxicity level to be 10 times higher than the actual level. This case shows that even seemingly authoritative research can have major errors, and these errors often have a substantial impact on the lives of ordinary people.

2024년 10월, 검은색 플라스틱 주방용품에 독소가 포함되어 있다는 연구 논문이 발표되었고, 이 소식은 언론을 통해 빠르게 퍼졌습니다. 월간 애틀랜틱은 '검은색 플라스틱 주방용품을 버리세요'라는 제목의 기사를 게재해 대중을 당황케 했다. Ben Parr 자신도 주방용품을 청소하기 시작했습니다. 그러나 McGill University의 과학 및 사회 사무국 책임자인 Joe Schwartz는 연구에서 중대한 수학적 오류를 발견했습니다. 단순한 곱셈 오류로 인해 보고된 독성 수준이 실제 수준보다 10배 더 높아졌습니다. 이번 사례는 권위 있어 보이는 연구에도 중대한 오류가 있을 수 있고, 이러한 오류가 보통 사람들의 삶에 큰 영향을 미치는 경우가 많다는 사실을 보여준다.

If AI technology is used to review research papers, these low-level errors in numerical calculations can be avoided to the greatest extent. YesNoError was born based on this demand.

연구논문 검토에 AI 기술을 활용하면 수치계산에서 나타나는 이런 미미한 오류를 최대한 피할 수 있다. YesNoError는 이러한 요구를 바탕으로 탄생했습니다.

YesNoError was founded by Matt Schlicht and uses OpenAI’s o1 model as its technical foundation. The project works very directly: the team uses AI to review research papers and then publicly publishes the issues they find on their website yesnoerror.com and official Twitter.

YesNoError는 Matt Schlicht가 설립했으며 OpenAI의 o1 모델을 기술 기반으로 사용합니다. 이 프로젝트는 매우 직접적으로 작동합니다. 팀은 AI를 사용하여 연구 논문을 검토한 다음 발견한 문제를 웹사이트 yesnoerror.com 및 공식 Twitter에 공개적으로 게시합니다.

This transparent operation allows the scientific community and the public to be informed of possible problems in important research in a timely manner. Although the project has only just started, it has already achieved some significant results and discovered errors in several studies.

이러한 투명한 운영을 통해 과학계와 대중은 중요한 연구에서 발생할 수 있는 문제를 적시에 알 수 있습니다. 프로젝트는 이제 막 시작됐지만 이미 상당한 성과를 거두었고 여러 연구에서 오류도 발견됐다.

The token $YNE is also given practical use cases. Holders can spend $YNE to use YesNoError AI to give priority review to their papers.

$YNE 토큰에는 실제 사용 사례도 제공됩니다. 보유자는 $YNE를 사용하여 YesNoError AI를 사용하여 논문에 대한 우선 검토를 제공할 수 있습니다.

So far, YesNoError AI has reviewed 2,219 papers and has indeed found errors in quite a few papers.

지금까지 YesNoError AI는 2,219편의 논문을 검토했으며 실제로 상당수의 논문에서 오류를 발견했습니다.

Approval or doubt, some voices in the market

찬성인가 의구심인가, 시장의 일부 목소리

AK is optimistic and posted a lot of praise

AK는 낙관적이며 칭찬을 많이 게시했습니다.

On the day when the $YNE token was launched, AK, who has always been optimistic about DeSci, expressed his appreciation for the YesNoError project.

$YNE 토큰이 출시된 날, DeSci에 대해 항상 낙관적이었던 AK는 YesNoError 프로젝트에 대해 감사의 뜻을 표했습니다.

AK said, "The core value of YesNoError lies in the real implementation of cryptocurrency x AI x DeSci."

AK는 “YesNoError의 핵심 가치는 암호화폐 x AI x DeSci의 실제 구현에 있다”고 말했다.

YesNoError takes advantage of the characteristics of the cryptocurrency ecosystem. In this special environment, capital does not need a return on investment in the traditional sense. As long as you can attract enough attention, you can get sufficient financial support. (That is, the attention economy, if someone pays attention, someone will buy the token.)

YesNoError는 암호화폐 생태계의 특성을 활용합니다. 이러한 특수한 환경에서 자본은 전통적인 의미의 투자 수익을 필요로 하지 않습니다. 충분한 관심을 끌 수 있다면 충분한 재정적 지원을 받을 수 있습니다. (즉, 누군가가 관심을 기울이면 누군가가 토큰을 구매하게 되는 주목 경제입니다.)

At the same time, YesNoError has also found a good application direction for cryptocurrencies. In the right scenario, tokens are no longer pure air, but can actually support public products that are difficult to maintain with traditional business models.

동시에 YesNoError는 암호화폐에 대한 좋은 적용 방향도 찾았습니다. 올바른 시나리오에서 토큰은 더 이상 순수한 공기가 아니지만 실제로 기존 비즈니스 모델로 유지 관리하기 어려운 공공 제품을 지원할 수 있습니다.

Perhaps because he is really optimistic about it (or he holds a lot of positions?), on December 31, AK published another article to introduce and praise the necessity and practicality of YesNoError from a data perspective.

그가 매우 낙관적이어서(혹은 직위를 많이 맡고 있기 때문일까요?) 12월 31일 AK는 데이터 관점에서 YesNoError의 필요성과 실용성을 소개하고 칭찬하는 또 다른 기사를 게재했습니다.

AK said that YesNoError has the ability to review errors in more than 90 million papers in the global scientific literature library, which can be completed in just a few weeks or months. If converted to manual review, it would take tens of thousands of years. Even if a team of 5,000 PhDs is formed, it will take nearly ten years (and it will not be able to keep up with the speed of new papers being published during this decade), and it is conservatively estimated to cost $5.4 billion.

AK는 YesNoError가 글로벌 과학 문헌 라이브러리에 있는 9천만 개가 넘는 논문의 오류를 검토할 수 있는 능력을 갖추고 있으며 이는 단 몇 주 또는 몇 달 안에 완료될 수 있다고 말했습니다. 수동 검토로 전환하면 수만년이 걸릴 것이다. 5,000명의 박사로 구성된 팀이 구성되더라도 거의 10년이 걸릴 것이며(이 10년 동안 새로운 논문이 출판되는 속도를 따라잡을 수 없을 것입니다), 보수적으로 비용이 54억 달러로 추산됩니다.

The optimized AI model only costs about $30 million ($0.3 per paper) to complete a more accurate and standardized review work - the cost is less than 1% of the manual method.

최적화된 AI 모델은 보다 정확하고 표준화된 검토 작업을 완료하는 데 약 3천만 달러(논문당 0.3달러)만 소요됩니다. 비용은 수동 방법의 1% 미만입니다.

If it is in the traditional scientific field, raising $30 million is also a big project, but it is

전통적인 과학 분야라면 3천만 달러를 모으는 것도 큰 프로젝트지만,