Ben Fielding

벤 필딩은 인공지능(AI), 머신러닝(ML), 컴퓨터 비전을 전문으로 하는 연구원, 기술 전문가, 기업가입니다. 그는 머신러닝 모델 훈련을 위한 분산형 인프라를 개발하는 회사인 Gensyn의 공동 창립자이자 최고경영자(CEO)입니다. 그의 연구는 주로 학계에서 겪었던 컴퓨팅 자원 제약에서 비롯되었습니다. Gensyn에서의 역할 외에도 필딩은 초기 단계 기술 회사에 엔젤 투자자로도 활동하고 있습니다. ^[1] ^[2]

교육

필딩은 노섬브리아 대학교에 다녔으며, 2015년에 컴퓨터 과학 학사 학위(BSc)를 받았습니다. 그는 같은 기관에서 학업을 계속하여 2019년에 컴퓨터 과학 박사 학위를 마쳤습니다. 그의 박사 연구는 인공 지능, 머신 러닝 및 컴퓨터 비전에 중점을 두었으며, 특히 신경망 설계 및 훈련을 위한 진화 및 군집 기반 방법의 적용에 중점을 두었습니다. 박사 과정 동안 그는 2016년부터 2018년까지 시연자로 활동하며 학부 컴퓨터 과학 학생들에게 실험실 및 강의 세션을 가르쳤습니다. ^[3] ^[2]

경력

필딩은 2013년 Cheshire Datasystems Ltd (CDL)에서 주니어 데이터베이스 관리자로 경력을 시작했으며, 그의 책임에는 Oracle 데이터베이스 관리, Linux 서버 유지 관리, 환경 프로비저닝 및 ETL 프로세스 최적화가 포함되었습니다. 2015년에 학사 학위를 마친 후에는 머신 러닝과 컴퓨터 비전을 활용한 건강 및 웰빙 애플리케이션에 대한 산업 협력 프로젝트에서 선임 연구원으로 잠시 근무했습니다. ^[3]

박사 학위를 취득하는 동안 필딩은 여러 기업가적 및 컨설팅 역할에 참여했습니다. 2017년부터 2020년 초까지 그는 머신 러닝 및 컴퓨터 비전 서비스를 제공하는 컨설팅 회사인 Research Analytics의 이사였습니다. 2018년 말에는 개인 데이터 관리에 중점을 둔 회사인 Fair Custodian을 공동 설립하여 2020년 초까지 CEO를 역임했습니다. 이 기간 동안 2019년 말부터 2020년 초까지 Ricochet AI에서 머신 러닝 컨설턴트로도 일했습니다. ^[3]

2020년 필딩은 영국에서 Entrepreneur First (LD14) 액셀러레이터 프로그램에 참여했습니다. 그곳에서 계량 경제학과 딥 러닝 배경을 가진 Harry Grieve를 만났습니다. 그들은 모두 독립적으로 컴퓨팅 리소스에 대한 제한된 액세스로 인해 발생하는 중요한 제약이 머신 러닝 개발의 주요 병목 현상임을 확인했습니다. 이러한 공유된 경험으로 인해 2020년에 Gensyn을 공동 설립했으며, 필딩은 CEO 역할을 맡았습니다. 2022년부터 필딩은 초기 단계의 기술 회사를 지원하는 엔젤 투자자로도 활동하고 있습니다. ^[4] ^[3]

Gensyn

Fielding은 공동 창립자 겸 CEO로서 머신 인텔리전스를 위한 탈중앙화된 P2P 컴퓨팅 프로토콜을 개발하는 Gensyn의 임무를 이끌고 있습니다. 이 프로젝트의 주요 목표는 ML 컴퓨팅 자원을 위한 개방적이고 허가 없는 글로벌 시장을 만드는 것입니다. 이 네트워크는 계산 능력이 필요한 엔지니어와 연구자를 이를 제공할 수 있는 하드웨어 소유자와 연결하여 비용을 절감하고 소수의 지배적인 중앙 집중식 클라우드 제공업체에 대한 업계의 의존도를 줄이는 것을 목표로 합니다. ^[1] ^[5]

이 회사는 원래 금융 기관을 위한 개인 정보 보호 머신 러닝 솔루션을 모색했지만 현재는 로우 레벨의 범용 인프라에 집중하고 있습니다. 이 프로토콜은 추론 작업보다 모델 훈련이라는 계산 집약적인 작업에 특화되어 있습니다. 목표 사용자는 높은 컴퓨팅 비용으로 인해 진입 장벽에 직면한 초기 단계의 머신 러닝 팀입니다. 2024년 9월 현재 이 회사는 작고 비계층적인 팀 구조로 운영되는 것으로 알려졌습니다. ^[6] ^[4]

Gensyn의 기술 아키텍처는 지분 증명 합의 모델로 지원되는 신뢰 없는 P2P 네트워크를 기반으로 구축되었습니다. 설계의 핵심 구성 요소는 오프체인 암호화 보안 검증 시스템입니다. 이 시스템을 통해 네트워크는 검증자가 전체 작업을 다시 실행할 필요 없이 제공업체가 제공한 계산 작업이 올바르게 수행되었는지 확인할 수 있습니다. 이는 대규모 ML 워크로드에 매우 효율적입니다. 인프라는 모델에 구애받지 않도록 설계되어 실행, 통신, 검증 및 조정을 위한 로우 레벨 프리미티브에 집중하여 다양한 ML 모델과 기술을 지원함으로써 장기적인 관련성을 보장합니다. ^[7] ^[8]

인공지능 및 분산화에 대한 견해

필딩의 연구는 박사 과정 연구 중 그가 "컴퓨팅 부족"이라고 부르는 직접적인 경험에 크게 영향을 받았습니다. 그는 학계에서 산업계로의 전환이 자본 접근 제한과 주요 클라우드 제공업체의 컴퓨팅 하드웨어의 높은 비용으로 인해 직면했던 확장성 및 리소스 제약에 대한 직접적인 대응이었다고 자주 언급했습니다. ^[6] ^[5]

그는 아마존 웹 서비스 및 구글과 같은 기업이 지배하는 중앙 집중식 클라우드 시장에서 관찰되는 "임대료 추구 행위"에 대응하는 수단으로 분산화를 옹호합니다. 그의 견해로는 분산형 마켓플레이스는 더 공정한 접근을 촉진하고 비용을 절감하며 AI 혁신에 필요한 도구를 민주화합니다. 또한 필딩은 검열 저항과 개인의 주체성의 중요성을 강조하며, 분산형 프로토콜이 AI 기술이 증가하는 규제 압력에 직면함에 따라 중요한 대안을 제공한다고 주장합니다. ^[4] ^[5]

필딩의 장기적인 비전은 AI 시스템이 더 큰 자율성을 가지고 작동하는 미래로 확장됩니다. 그는 AI 모델이 Gensyn과 같은 네트워크 프로토콜에 의해 관리되어 컴퓨팅과 같은 리소스와 자율적으로 상호 작용하고 비용을 지불할 수 있는 "기계 주체성"에 대해 이야기했습니다. 이는 중앙 코디네이터 없이 분산된 P2P 방식으로 AI 모델이 반복적으로 서로 평가하고 학습할 수 있는 "강화 학습 스웜"이라는 아이디어를 포함하여 지속적으로 진화하는 시스템에 대한 그의 연구 관심사와 연결됩니다. 그는 또한 기계 학습을 "실제 데이터를 압축하는 지속적인 메커니즘"으로 철학적으로 보며, 이는 지식 큐레이션 방식을 근본적으로 변화시키고 세계의 대규모 디지털 표현을 만들 것이라고 믿습니다. ^[7] ^[8]

필딩은 잠재력에 대해 낙관적이지만 분산형 AI 부문이 상당한 "기술적 및 채택적 과제"에 직면해 있으며 보다 성숙한 중앙 집중식 시스템에 비해 개발 초기 단계에 머물러 있다고 인정했습니다. ^[6]

공개 출연 및 발표

Fielding은 분산 AI, 머신러닝 인프라 및 Gensyn의 비전에 대해 컨퍼런스 및 팟캐스트에서 자주 강연합니다.

ETHDenver 2024: AI와 암호화폐

2024년 2월 ETHDenver에서 열린 프레젠테이션에서 필딩은 인공지능이 암호화 및 탈중앙화 시스템으로부터 이점을 얻는 이유에 대해 논의했습니다. 그는 박사 과정 중 '컴퓨팅 부족'이라는 개인적인 경험을 바탕으로 Gensyn을 만들게 된 핵심 동기를 설명했습니다. 그는 탈중앙화 프로토콜이 전 세계 엔지니어들을 사용 가능한 하드웨어와 연결하고, 비용을 절감하며, 중앙 집중식 시장에서의 임대료 추구 행위를 해결할 수 있을 뿐만 아니라, AI 모델이 컴퓨팅 리소스와 자율적으로 상호 작용하는 미래 시나리오를 가능하게 할 수 있다고 주장했습니다. ^[5]

a16z Crypto 인터뷰: Gensyn 구축

2024년 9월, Fielding과 공동 창립자 Harry Grieve는 a16z Crypto와의 인터뷰에서 Gensyn 구축 경험에 대해 이야기했습니다. 그들은 Entrepreneur First 액셀러레이터에서 만나 컴퓨팅 제약이 근본적인 문제라는 것을 공유하게 된 이야기를 들려주었습니다. 그들은 추론보다는 분산 학습이라는 더 복잡한 문제에 집중하기로 결정한 이유를 설명하고, ML 컴퓨팅을 위한 개방형 시장 구축의 핵심 철학적 동인으로서 검열 저항과 개인의 주체성의 중요성을 강조했습니다. ^[4]

DePIN 파운더스 데이 2024: 머신 인텔리전스를 위한 네트워크

2024년 10월 DePIN 파운더스 데이 강연에서 필딩은 Gensyn을 "머신 인텔리전스를 위한 네트워크"로 소개했습니다. 그는 지분 증명 모델과 암호학적으로 안전한 오프체인 검증 시스템을 통해 컴퓨팅을 임대하기 위한 신뢰할 수 없는 P2P 네트워크로 프로토콜 설계를 상세히 설명했습니다. 또한 머신 러닝을 실제 데이터를 압축하는 프로세스로 보고, 머신 에이전시를 관리하기 위한 프로토콜의 필요성을 강조하며, Gensyn을 대규모 디지털 세계 표현을 위한 기본 인프라로 자리매김했습니다. ^[7]

델파이 팟캐스트: Gensyn & AI 인터넷

2025년 3월 델파이 팟캐스트 인터뷰에서 Fielding은 AI 환경의 변동성에 대해 논의하고 Gensyn의 장기적인 관련성을 보장하기 위한 로우 레벨, 모델 불가지론적 인프라 구축 전략을 설명했습니다. 그는 분산형 P2P 프레임워크가 중앙 집중식 데이터 센터의 확장 제한을 극복할 수 있는 방법과 '강화 학습 스웜' 개념을 자세히 설명했습니다. 또한 오픈 소스 대 폐쇄형 모델 및 AI 산업의 규제 압력과 같은 광범위한 주제도 다루었습니다. ^[8]

DWebDecoded 팟캐스트: 분산형 AI 인프라

2025년 5월 DWebDecoded 팟캐스트에 출연한 필딩은 젠신이 초기 개인 정보 보호 금융 애플리케이션에 대한 초점에서 현재의 로우 레벨 머신 러닝 인프라 제공업체로 진화한 과정을 되돌아봤습니다. 그는 네트워크를 지원하는 실행, 통신 및 검증을 위한 기술 프레임워크에 대해 논의했습니다. 필딩은 또한 소비자 도구의 부상 이후 AI에 대한 대중의 인식 변화에 대한 자신의 관점을 제시하고 분산형 AI 부문이 계속 헤쳐나가야 할 기술적 및 채택 과제를 인정했습니다. ^[6]

위키 구독하기

Share wiki

Bookmark

Wiki Details

프로필 요약