IOBC Capital：AI + Crypto가 가져오는 5가지 새로운 투자 기회

저자： 0xCousin，IOBC Capital

서론：

디지털 기술의 급속한 발전과 함께 AI와 Crypto는 가장 인기 있는 두 가지 주제가 되었습니다. AI는 기술 혁명으로서 가장 진보된 생산력을 대표하며, Crypto는 블록체인 기술을 기반으로 가장 공정한 생산 관계를 나타냅니다. AI와 Crypto는 우리의 생활과 작업 방식을 지속적으로 변화시키고 있습니다. 본문에서는 AI와 Crypto의 융합 및 이들이 어떻게 우리의 미래를 함께 형성하는지 탐구할 것입니다.

AI：가장 진보된 생산력

AI(인공지능)는 컴퓨터 시스템이 인간의 지능을 모방하고 지능적인 작업을 수행할 수 있도록 하는 기술입니다. 이는 여러 하위 분야를 포함합니다:

1、기계 학습：기계 학습은 AI의 기초로, 데이터와 경험을 통해 컴퓨터 시스템의 성능을 개선하는 훈련을 포함합니다. 감독 학습, 비감독 학습 및 강화 학습 등 다양한 유형이 있습니다;

2、심층 학습：심층 학습은 기계 학습의 한 분기로, 인간의 뇌 신경망의 작동 방식을 모방합니다. 이는 다층 신경망을 활용하여 복잡한 데이터를 처리하며, 컴퓨터 비전, 자연어 처리 등 분야에서 중요한 돌파구를 이루었습니다;

3、자연어 처리(NLP)：NLP는 컴퓨터가 인간의 언어를 이해하고 처리할 수 있도록 하는 기술입니다. 이는 텍스트 분석, 감정 분석, 음성 인식, 기계 번역 등의 기술을 포함합니다.

4、컴퓨터 비전：컴퓨터 비전은 컴퓨터 시스템이 이미지와 비디오를 "보고" 이해할 수 있도록 하는 것을 목표로 합니다. 이는 이미지 인식, 객체 탐지, 얼굴 인식, 이미지 생성 등의 기술을 포함합니다.

AI의 핵심은 컴퓨터가 "지각 능력", "인지 능력", "창의력" 및 "지능"을 갖추도록 하는 것입니다. 구체적으로 설명하자면------컴퓨터가 인간처럼 사고하고, 인간처럼 행동하며, 이성적으로 사고하고, 이성적으로 결정을 내릴 수 있도록 하는 것입니다.

AI 기술의 발전과 함께 많은 응용 사례가 AI를 사용하여 비용 절감, 효율성 향상 및 안전성을 실현할 수 있습니다. 요컨대, 인류에게 더 나은 서비스를 제공할 수 있습니다. 예를 들어:

• 자율 주행：AI 기술은 자율 주행 자동차 개발에 사용되어 환경을 인식하고, 결정을 내리며, 차량을 제어하여 도로 안전성과 운전 효율성을 높입니다.

• 의료 관리：AI는 의학 이미지 인식, 질병 진단 및 치료 계획에서 중요한 역할을 하여 의사가 더 정확한 진단과 개인화된 치료 계획을 제공하도록 돕습니다.

• 금융 서비스：AI는 위험 평가, 신용 점수, 투자 전략 및 사기 방지 등 금융 분야에서 널리 사용되어 금융 기관의 효율성과 정확성을 높입니다.

• 스마트 홈：AI는 스마트 홈 장치에 적용되어 음성 또는 제스처로 가정 장치를 제어할 수 있게 하여 가정의 편리함과 편안함을 향상시킵니다.

• 자연어 처리：AI 기술은 기계가 인간의 언어를 이해하고 처리할 수 있도록 하며, 음성 인식, 의미 이해 및 자동 번역 등을 포함하여 스마트 비서(예: Siri, Alexa, Google Assistant)와 가상 로봇(예: 로봇 고객 서비스)이 음성과 텍스트 상호작용을 통해 개인화된 서비스와 지원을 제공합니다.

• 엔터테인먼트 및 게임：AI는 게임 개발에서 중요한 역할을 하며, 지능형 적의 설계, 게임 난이도의 적응 및 사실적인 그래픽 효과 등을 포함합니다.

올해 가장 인기 있는 ChatGPT는 Generative Pre-trained Transformer 기반의 채팅 로봇 모델입니다. GPT는 OpenAI가 개발한 Transformer 아키텍처 기반의 언어 모델입니다. ChatGPT의 목표는 대량의 텍스트 데이터를 사전 훈련하여 언어의 통계적 규칙과 의미 이해를 학습하여 인간과 유사한 자연어 응답을 생성하는 것입니다.

GPT의 기본 설계 논리는 주로 두 가지 핵심 구성 요소로 구성됩니다: Transformer 아키텍처와 사전 훈련-미세 조정 방법입니다.

Transformer 아키텍처：Transformer는 자기 주의 메커니즘(self-attention)을 기반으로 하는 신경망 아키텍처로, 시퀀스 데이터를 처리할 때 장거리 의존 관계를 구축할 수 있습니다. Transformer는 여러 인코더-디코더 층(encoder-decoder layers)으로 구성되며, 각 층은 다중 헤드 주의 메커니즘과 피드포워드 신경망으로 구성됩니다. 주의 메커니즘은 모델이 출력을 생성할 때 입력 시퀀스의 다양한 위치에 집중할 수 있게 하여 문맥 정보를 더 잘 이해할 수 있도록 합니다.

사전 훈련-미세 조정 방법：ChatGPT는 대규모 비지도 사전 훈련을 통해 언어의 패턴과 지식을 학습합니다. 사전 훈련 단계에서 모델은 방대한 텍스트 데이터를 통해 자기 감독 학습을 수행하여 입력 시퀀스에서 누락된 부분을 예측하려고 합니다. 이를 통해 모델은 문법, 의미 및 상식 등의 지식을 학습할 수 있습니다. 이후 미세 조정 단계에서는 특정 작업의 레이블이 있는 데이터를 사용하여 모델을 감독하여 특정 작업(예: 채팅 로봇)에 적합하도록 조정합니다.

ChatGPT의 생성 과정은 두 단계로 나뉩니다: 인코더 입력 단계와 디코더 생성 단계. 인코더 입력 단계에서 모델은 사용자 입력을 수신하고 이를 숨겨진 표현으로 변환하여 입력의 의미 정보를 포착합니다. 디코더 생성 단계에서 모델은 인코더의 숨겨진 표현과 이전에 생성된 토큰을 사용하여 다음 응답 토큰을 생성하며, 특정 중지 조건에 도달할 때까지 진행됩니다.

Crypto：블록체인은 가장 공정한 생산 관계

이 부분은 설명이 필요 없으며, 기본적으로 Crypto가 현재의 규모로 발전할 수 있었던 핵심은 블록체인이 사회의 공정성을 강화할 수 있기 때문이며, 가장 공정한 생산 관계를 대표합니다. 물론, 공정성은 특정 상대적으로 보편적인 가치관 프레임워크 내에서 논의될 때 의미가 있습니다.

현재 시가 총액이 가장 큰 비트코인과 이더리움을 예로 들 수 있습니다. "노력에 따라 보상받고, 더 많이 일할수록 더 많이 얻는" 가치관 프레임워크에서 비트코인의 PoW 합의 메커니즘은 매우 공정합니다; 마찬가지로 "자본 이득"의 가치관 프레임워크에서 이더리움은 PoW에서 PoS로 전환한 이후에도 여전히 매우 공정합니다.

결론적으로, 블록체인 기술을 기반으로 한 Crypto는 자원 배분을 최적화하고, 커뮤니티 자치를 실현할 수 있으며, 가장 공정한 사회 생산 관계를 대표합니다.

AI와 Crypto의 융합

AI와 Crypto의 융합은 흥미로운 응용 탐색을 가져올 수 있습니다.

1、Crypto AI 트레이딩 봇

AI는 데이터 분석 및 처리, 모델 훈련 등에서 이미 상당히 발전하였으며, AI를 활용한 투자 사례도 존재합니다:

레너상 기술(Renaissance Technologies)은 100% 대규모 데이터 분석과 수학 모델의 기계 학습을 통해 고빈도 거래, 통계적 차익 거래 및 시장 중립 전략을 활용하여 투자하였으며, 운영 기간 동안 1000억 달러를 벌었습니다. 레너상 기술은 기계 학습과 데이터 분석을 활용한 금융 AI의 한 형태로 볼 수 있습니다.

Crypto 시장은 AI의 투자 개입을 지원하는 데 있어 독특한 장점을 가지고 있습니다: 24시간 원활한 운영, 익명성, KYC 없음, 온체인 완전 폐쇄형, 물리적 접촉 없음. Crypto 시장을 위한 AI 트레이더를 개발하면 Crypto 시장에서 온체인 차익 거래, 정량 분석, 추세 분석 등의 헤지 전략을 실행할 수 있습니다; 또한 기계 학습 및 데이터 분석 모델을 설계하여 이 AI 트레이더가 Crypto 시장에 대한 인식을 지속적으로 향상시킬 수 있으며, 지속적으로 수익을 창출할 수 있는 AI 트레이더를 만들 수 있을 것입니다.

AI를 사용하여 Crypto 시장의 추세를 예측하기：암호화폐 시장의 가격 변동은 매우 격렬하며, AI는 대량의 시장 데이터와 역사적 가격 추세를 분석하여 시장의 추세와 가격 변동을 예측할 수 있습니다. 기계 학습 알고리즘은 숨겨진 패턴과 추세를 식별하여 투자자가 더 현명한 결정을 내릴 수 있도록 돕습니다. 예를 들어, AI는 심층 학습 모델을 통해 시장 감정을 분석하여 암호화폐 가격의 상승 또는 하락 추세를 예측할 수 있습니다.

AI를 사용하여 자동화 거래 수행하기：AI의 자동화 거래 알고리즘은 암호화폐 거래의 중요한 도구 중 하나입니다. 스마트 계약 및 거래 로봇을 작성하여 자동화된 암호화폐 거래를 구현할 수 있습니다. 이러한 로봇은 사전 설정된 규칙과 전략에 따라 거래를 수행하여 인적 요소의 간섭을 줄이고 거래 효율성과 정확성을 높입니다. 예를 들어, AI 알고리즘을 활용하여 거래 로봇은 시장 조건에 따라 자동으로 매수 또는 매도 작업을 수행하여 최상의 거래 결과를 얻을 수 있습니다.

이 방향에서 현재 우리가 보고 있는 것은 Rockybot입니다. 이는 완전 온체인 AI 트레이딩 봇으로, 온체인 AI 모델을 사용하여 ETH 가격을 예측하고 중앙 권한 없이 스스로 투자 결정을 내릴 수 있습니다. Rockybot은 StarkNet에 의존하며, WETH:USDC 거래 쌍의 역사적 가격/환율 데이터로 훈련되었습니다. 아키텍처 측면에서 Rocky는 역사적 시장 가격 데이터를 기반으로 WETH 가격이 상승할지 하락할지를 예측하는 간단한 3층 피드포워드 신경망입니다. 그러나 Rockybot은 아직 수익을 내지 못했습니다…… 더 많은 훈련이 필요할 수 있습니다(하지만 프로젝트 측은 이미 기부 수령을 중단했습니다)…… 아마도 Crypto의 약세장에서 수익을 내는 것은 AI에게도 어려운 과제가 될 수 있습니다.

2、데이터 기여 및 개인 정보 보호

Crypto를 사용하여 더 많은 사람들이 AI 알고리즘에 데이터를 기여하도록 유도하기：AI 알고리즘은 대량의 고품질 데이터에 대한 수요가 높으며, 암호화폐는 인센티브 메커니즘을 통해 사용자가 자신의 데이터를 공유하도록 장려할 수 있습니다. 암호화폐는 데이터 제공자에게 일정한 경제적 보상을 제공하여 데이터의 공유와 유통을 촉진할 수 있습니다. 이러한 인센티브 메커니즘은 더 많은 사용자가 데이터를 기여하도록 장려하여 AI 알고리즘의 훈련 샘플을 증가시키고, 정확성과 지능 수준을 높일 수 있습니다.

Crypto를 사용하여 AI 데이터 기여자의 개인 정보를 보호하기：블록체인의 암호화 및 익명성 특성은 사용자 개인 정보를 보호하는 데에도 도움이 됩니다. 암호화폐의 데이터 공유 및 개인 정보 보호 메커니즘은 AI 알고리즘에 더 많은 데이터 자원을 제공하면서 사용자 개인 정보의 안전을 보장합니다.

3、ZKML：기계 학습 모델의 개인 정보 보호 및 진정성 보장

ZKML(제로 지식 기계 학습)은 제로 지식 증명을 기계 학습에 적용하는 기술입니다. ZKML은 AI 모델/입력의 개인 정보 보호 문제와 추론 과정의 검증 가능성 문제를 해결할 수 있으며, zkSNARK를 사용하여 기계 학습 추론의 정확성을 증명합니다.

ZKML은 민감한 데이터에 대한 기계 학습 모델의 훈련 및 평가에 사용될 수 있으며, 다른 누구에게도 데이터를 공개하지 않고도 가능합니다. ZKML은 기계 학습 모델의 일관성을 보장하는 데 사용될 수 있습니다. 이는 사용자에게 매우 중요하며, 모델은 기계 학습 결과에 결정적인 역할을 합니다.

현재 ZKML을 중심으로 한 몇 가지 응용 탐색이 진행되고 있습니다. DeFi 방향에서는 완전 온체인 AI 트레이딩 봇인 Rockybot이 출시되어 온체인 AI 모델을 사용하여 ETH 가격을 예측하고 중앙 권한 없이 스스로 투자 결정을 내릴 수 있습니다; 게임 방향에서는 Modulus Labs가 ZKML 기반의 체스 게임 Leela를 출시하였으며, 모든 사용자가 ZK 검증된 AI 모델이 지원하는 로봇과 대국할 수 있습니다.

또한 플랫폼 격투 게임 AI Arena도 있으며; Creator Economy 방향에서는 커뮤니티가 zkML AIGC-NFTs#7007이라는 EIP 제안을 제출하였으며(이 EIP는 아직 통과되지 않았습니다), ZKML을 사용하여 NFT가 AI 생성인지 검증하여 AI가 생성한 NFT 카테고리를 도입할 것을 제안하였습니다; DID 방향에서는 Wordcoin이 ZKML을 사용하여 사용자가 허가 없이 IRIS 코드를 생성할 수 있도록 탐색하고 있으며, IRIS 코드를 생성하는 알고리즘이 업그레이드되면 사용자가 모델을 다운로드하고 증명을 생성할 수 있습니다; 또한 StarkNet 기반의 신뢰 기반 토큰 분배 플랫폼 Astraly가 AI 기반의 신뢰 시스템을 구축하고 있으며(신뢰 등급을 계산하기 전에 클러스터 모델을 사용하여 사용자/프로젝트 특성, 배지 및 역사적 행동을 식별합니다).

4、AI+블록체인：자기 개선 블록체인 프로토콜

투명한 AI 기계 학습을 통해 DeFi 프로토콜은 신뢰 없이 스스로 최적화할 수 있습니다. 예를 들어, 기계 학습을 사용하여 스테이블 코인의 환율/이자율을 조정할 수 있습니다. 다중 모드 생체 인식/신원 확인을 사용하여 dApps는 스스로 관리 규정 준수/보안을 수행할 수 있습니다. 심지어 ZK Rollup의 ZKP 생성 과정에서도 기계 학습을 위해 구축된 증명 시스템을 생성하여 세계에서 가장 빠른 zk-AI Prover를 구축하여 ZK Rollup의 성능을 크게 향상시킬 수 있습니다.

물론 AI와 Crypto의 융합 과정에는 많은 도전 과제가 있습니다. 예를 들어, 현재까지 기존 AI 작업을 이러한 자동 생성 증명 언어로 이식한 사람은 없으며, Giza는 검증 가능한 추론을 위해 사전 훈련된 ONNX 모델을 Cario로 이식하는 작업에 매진하고 있습니다.

결론

AI와 Crypto의 융합은 디지털화에 지능적 변혁을 가져올 수 있습니다. AI의 응용은 Crypto를 더욱 지능적이고 효율적으로 만들며, Crypto 기반은 AI 알고리즘에 더 진실하고 포괄적인 데이터와 신뢰할 수 있는 운영 환경을 제공합니다.

많은 도전 과제가 있지만, 우리는 AI와 Crypto의 더 깊은 융합을 기대하며, 디지털 경제의 발전을 공동으로 촉진하고 인류 모두를 위해 더 나은 미래를 창조할 수 있기를 바랍니다.

참고 문서：

https://github.com/ethereum/EIPs/pull/7007/commits

https://www.rockybot.app/

https://www.leelavstheworld.xyz/