Variant의 총괄 법률 고문 겸 벤처 파트너인 Daniel Barabander 의 원본 기사
편집: Zen, PANews
베이징 시간으로 4월 11일, AI 스타트업 Plastic Labs는 Variant, White Star Capital, Betaworks가 주도하고 Mozilla Ventures, Seed Club Ventures, Greycroft, Differential Ventures가 참여했으며 Scott Moore, NiMA Asghari, Thomas Howell을 포함한 엔젤 투자자가 참여한 535만 달러 규모의 Pre-Seed 자금 조달을 완료했다고 발표했습니다. 동시에, 개인화된 AI 신원 플랫폼 "혼초"가 공식적으로 조기 액세스를 시작했습니다.
이 프로젝트는 아직 초기 단계이기 때문에 암호화폐 커뮤니티 전체에서 Plastic Labs에 대해 알려진 바가 거의 없습니다. Plastic이 X를 통해 위의 자금 조달 및 제품 업데이트를 발표하는 동안, 주요 투자자인 Variant의 법률 고문이자 투자 파트너인 다니엘 바라반더는 해당 프로젝트와 Honcho 플랫폼에 대한 심층적인 해석을 제공했습니다. 원본 내용은 다음과 같습니다.
대규모 언어 모델(LLM) 애플리케이션의 증가로 인해 소프트웨어 개인화에 대한 수요가 전례 없이 증가했습니다. 이러한 앱은 대화 상대에 따라 달라지는 자연어에 의존합니다. 마치 조부모님과 부모님, 자녀에게 수학 개념을 다르게 표현하는 것과 같습니다. 청중에 맞춰 전달 방식을 본능적으로 조정하는 것처럼 LLM 앱도 보다 효과적이고 관련성 있는 경험을 제공하기 위해 대화 상대가 누구인지 "이해"해야 합니다. 치료 보조원, 법률 보조원, 쇼핑 도우미 등 어떤 애플리케이션이든 가치를 제공하려면 사용자를 진정으로 이해해야 합니다.
그러나 개인화가 매우 중요함에도 불구하고 현재 LLM 애플리케이션에서 활용할 수 있는 기성 솔루션은 시중에 없습니다. 개발자는 사용자 데이터(일반적으로 세션 로그 형식)를 저장하고 필요할 때 검색하기 위해 자체적인 단편화된 시스템을 구축해야 하는 경우가 많습니다. 결과적으로 각 팀은 바퀴를 새로 발명하고 자체 사용자 상태 관리 인프라를 구축해야 합니다. 더 나쁜 점은 사용자 상호작용을 벡터 데이터베이스에 저장하고 검색 향상(RAG)을 수행하는 것과 같은 방법은 과거 대화만 기억할 수 있고 관심사, 의사소통 선호도, 톤 민감도와 같은 사용자 고유의 심층적인 특성을 실제로 파악할 수 없다는 것입니다.
Plastic Labs는 개발자가 모든 LLM 애플리케이션을 쉽게 개인화할 수 있는 플러그 앤 플레이 플랫폼인 Honcho를 출시했습니다. 개발자는 더 이상 사용자 모델링을 처음부터 구축할 필요가 없습니다. Honcho를 통합함으로써 풍부하고 지속적인 사용자 초상화를 즉시 얻을 수 있습니다. 이러한 초상화는 인지 과학의 첨단 기술을 사용한 팀 덕분에 기존 방법보다 더 자세합니다. 또한 자연어 쿼리를 지원하므로 LLM이 사용자 프로필에 따라 유연하게 동작을 조정할 수 있습니다.
Honcho는 사용자 상태 관리의 복잡성을 추상화하여 LLM 애플리케이션을 위한 새로운 차원의 고도로 개인화된 경험을 제공합니다. 하지만 그 중요성은 그 이상입니다. 혼초가 생성한 풍부하고 추상적인 사용자 초상화는 오랫동안 꿈꿔왔던 "공유 사용자 데이터 계층"의 길을 열어줍니다.
역사적으로 공유 사용자 데이터 계층은 두 가지 주요 이유로 실패했습니다.
- 상호 운용성 부족 : 기존 사용자 데이터는 종종 특정 애플리케이션 시나리오에 크게 의존하며 앱 간에 마이그레이션하기 어렵습니다. 예를 들어, 소셜 플랫폼 X는 당신이 팔로우하는 사람들을 기반으로 모델링될 수 있지만, 그 데이터는 LinkedIn의 전문가 네트워크에는 아무런 도움이 되지 않습니다. Honcho는 더 높은 수준과 더 일반적인 사용자 특성을 포착하고 모든 LLM 애플리케이션을 원활하게 제공할 수 있습니다. 예를 들어, 코칭 앱에서 비유를 사용하면 가장 잘 학습한다는 사실을 발견하면, 치료 보조원은 두 가지 상황이 매우 다르더라도 이러한 통찰력을 활용하여 더 효과적으로 소통할 수 있습니다.
- 즉각적인 가치 부족 : 이전 공유 계층은 초기 단계에서 애플리케이션을 유치하는 데 어려움을 겪었습니다. 그 이유는 가치 있는 사용자 데이터를 생성하는 데 중요한 역할을 하는 선두 주자에게 실질적인 이점을 제공하지 못했기 때문입니다. Honcho는 다릅니다. 먼저 단일 애플리케이션의 사용자 상태 관리라는 "1차 문제"를 해결합니다. 충분한 수의 애플리케이션이 연결되면 네트워크 효과는 자연스럽게 "2차 문제"에 대한 해결책을 가져올 것입니다. 즉, 새로운 애플리케이션은 개인화를 위해 연결될 뿐만 아니라 처음부터 기존의 공유 사용자 초상화를 사용할 수 있으므로 콜드 스타트의 문제점이 완전히 사라집니다.
현재 Honcho는 중독 코치, 교육 동반자, 독서 보조원, 전자 상거래 도구 등 다양한 시나리오를 포괄하는 폐쇄형 베타 대기 목록에 수백 개의 신청서를 올려놓았습니다. 팀의 전략은 먼저 애플리케이션의 사용자 상태 관리라는 핵심 문제를 해결하는 데 집중한 다음, 참여 의향이 있는 애플리케이션을 위한 공유 데이터 계층을 점진적으로 출시하는 것입니다. 이 계층은 암호화 인센티브를 사용합니다. 즉, 이 계층에 일찍 접근하는 애플리케이션은 이 계층의 소유권을 얻고 따라서 성장 배당금을 공유하게 됩니다. 동시에 블록체인 메커니즘은 시스템이 분산화되고 신뢰할 수 있음을 보장하여 중앙 집중화된 기관이 가치를 추출하거나 경쟁 제품을 개발할 수 있다는 우려를 없앨 수 있습니다.
Variant는 Plastic Labs 팀이 LLM 기반 소프트웨어에서 사용자 모델링 과제를 극복할 수 있는 역량을 갖추고 있다고 믿습니다. 개인화된 채팅 튜터링 앱인 Bloom을 개발하면서, 개발팀은 앱이 학생과 그들의 학습 방식을 제대로 이해하지 못한다는 문제를 직접 경험했습니다. Honcho는 이러한 통찰력을 바탕으로 탄생했으며 모든 LLM 애플리케이션 개발자가 직면하게 될 문제점을 해결하고 있습니다.
