AI + 블록체인이 다음 상승의 길이 될까요?

원문 제목：AI x Blockchain The Next Level

원문 저자：Steve Vassallo, Foundation Capital의 일반 파트너

편집：첸원, ChainCatcher

사진 촬영일：2021년 3월 31일, 작업자들이 채굴기를 이동하고 있음

블록체인과 인공지능은 우리 시대의 가장 시대를 반영하는 두 가지 기술입니다. 각각의 기술은 강력하고 파괴적인 힘을 가지고 있으며, 마치 괴물 고질라와 킹콩처럼 거의 저항할 수 없습니다. 그러나 킹콩과 고질라가 자신들이 해결할 수 없는 적과 마주했을 때, 그들은 가끔 협력하기도 합니다. (내년에는 《고질라와 킹콩: 새로운 제국》에서 다시 협력할 것입니다).

인공지능과 블록체인이라는 두 가지 위대한 기술 혁신이 결합하면 무한한 가능성을 열어주고 우리가 직면한 어려운 문제를 함께 해결할 수 있습니다.

최근에 저는 이 두 가지 방향의 결합이 가져올 거대한 가능성을 탐구할 기회를 가졌습니다. 얼마 전 저는 Coinbase의 첫 번째 "기계 학습(ML)과 블록체인" 회의에서 패널 토론을 주최했습니다. 이 패널은 학계와 산업계의 네 명의 전문가를 모아 이 두 가지 빠르게 발전하는 기술이 어떻게 융합되어 거대한 잠재력을 발휘하는지를 해석했습니다. 우리의 대화는 블록체인이 인공지능의 발전을 어떻게 가속화하는지, 블록체인 데이터와의 협력의 복잡성, 대형 언어 모델(LLM)의 전망 등 다양한 주제를 다루었습니다.

인공지능과 블록체인의 결합의 큰 장점 중 하나는 데이터의 허위 및 콘텐츠의 허위 문제와 관련하여(인공지능의 발전에 따라 허위 데이터와 허위 콘텐츠는 점점 더 시급한 문제로 대두되고 있습니다) 블록체인이 해결책으로 작용할 수 있다는 것입니다. 블록체인은 암호화된 디지털 서명과 타임스탬프를 사용하여 허위 정보를 방지하고 사람들이 무엇이 진짜이고 무엇이 허위인지 이해할 수 있도록 합니다.

동시에 인공지능은 블록체인 네트워크의 효율성을 높이고 보안을 강화하며, 실시간 체인 상 데이터에 따라 프로토콜이 결정을 내릴 수 있도록 하는 새로운 기능을 열어줍니다.

보다 명확하게 전달하기 위해, 아래 내용은 제 동료의 발언에서 발췌하여 편집한 것입니다.

Bhaskar Krishnamachari, 남가주대학교 전자 및 컴퓨터 공학 및 컴퓨터 과학 교수

제 생각에 블록체인과 인공지능은 두 가지 주요 분야에서 교차합니다. 첫 번째는 블록체인 내의 도전을 해결하기 위해 ML 모델을 적용하는 것이고, 두 번째는 인공지능 내의 시급한 문제를 해결하기 위해 블록체인을 활용하는 것입니다.

첫 번째 경우에서 ML 모델은 블록체인 데이터에서 복잡한 패턴을 추출하여 체인 상의 분산 애플리케이션의 성능을 향상시키는 데 도움을 줄 수 있습니다. 거래 데이터를 분석함으로써 ML 모델은 세탁 거래 및 불법 자금 이동과 같은 잠재적인 부정 행위를 드러내고 새로운 보안 위협을 감지할 수 있습니다. 블록체인 네트워크의 보안을 보장하는 데 도움을 줄 뿐만 아니라, ML 모델은 네트워크의 성능을 향상시킬 수 있습니다. 예를 들어, 거래량에 따라 거래 수수료를 동적으로 조정하고, 사용이 집중되는 시간대에 시스템 자원을 최적화할 수 있습니다.

현재 덜 논의되고 있는 것은 블록체인이 인공지능의 발전을 어떻게 지원할 수 있는가입니다. 경계가 없는 인터넷 원주율 결제 시스템의 기초로서 블록체인은 사람들이 ML 모델을 훈련시키기 위해 데이터와 계산 자원을 기여할 수 있는 경제적 인센티브를 창출할 수 있습니다. 우리는 이 목표를 달성하기 위해 남가주대학교에서 분산 데이터 시장에 대한 연구를 진행하고 있습니다.

최근 몇 년 동안 우리는 소수의 기술 회사가 전 세계 데이터와 인공지능의 점점 더 많은 점유율을 차지하는 것을 보았습니다. 이는 개인 정보 보호, 편견 및 보안에 대한 우려를 불러일으켰습니다. 블록체인은 분산되고 투명하며 공개적으로 감사 가능한 시스템으로 이러한 모든 문제를 해결할 수 있습니다. 예를 들어, 블록체인은 인공지능 모델 훈련에 사용된 데이터의 출처를 추적하고 그 진위를 암호화된 방식으로 검증할 수 있습니다. 이러한 입력이 수정되지 않았고 공정하다는 것을 확인함으로써 블록체인은 인공지능 시스템이 제공하는 제안에 대한 신뢰를 높이는 데 도움을 줄 수 있습니다.

Leo Liang, Coinbase 데이터 플랫폼 및 서비스 책임자

Coinbase에서 제 팀이 직면한 대부분의 도전은 데이터와 관련이 있습니다. 구체적으로, 우리는 블록체인에서 데이터를 추출하고 이를 ML 모델이 사용할 수 있는 형식으로 변환해야 합니다. 저는 블록체인을 양파에 비유하는 것을 좋아합니다. 왜냐하면 그것은 수많은 복잡한 층을 가지고 있기 때문입니다. 그것의 분산 특성은 데이터가 여러 노드에 분산되어 있다는 것을 의미하며, 각 노드는 독립적으로 새로운 블록을 검증하고 추가합니다. 여러 블록체인이 작동할 때 이러한 네트워크는 더욱 복잡해집니다. 이제 당신이 처리해야 할 것은 상호 연결된 양파 네트워크입니다. 이 무질서하고 분산된 생태계에서 데이터를 동기화하고 일관성을 보장하는 것은 쉬운 일이 아닙니다.

또한 블록체인은 상대적으로 독립적인 시스템으로, 그 경계를 넘어서는 데이터에 접근할 수 없습니다. ML 모델이 현실 세계에 대한 예측을 하려면 체인 상 데이터(블록체인에 저장된 데이터)와 체인 외 데이터(주식 가격, 환율, 날씨 패턴 등 블록체인 외부의 데이터)를 결합해야 합니다. 이는 블록체인을 인터넷에 연결하는 것과 같습니다. 이는 분명히 흥미롭지만 어려운 엔지니어링 문제입니다.

Sam Green, Semiotic Labs 공동 창립자 및 연구 책임자

Semiotic Labs에서 저는 블록체인 데이터와 상호작용하고 사용하는 분산 프로토콜인 The Graph의 인공지능 개발을 담당하고 있습니다. 간단히 말해, Graph는 블록체인에서 데이터를 읽고 처리하여 색인화합니다. 이는 백과사전 부록을 알파벳 순으로 나열한 목록과 유사합니다. 이러한 조직 구조는 블록체인에서 데이터 검색을 단순화합니다. 블록체인 데이터를 색인화함으로써 The Graph는 이러한 데이터를 쉽게 쿼리하고 분석하며 하위 애플리케이션에 적용할 수 있는 형식으로 변환합니다.

The Graph에서의 거래는 두 가지 주요 참여자와 관련이 있습니다. 하나는 데이터 판매자인 색인자이고, 다른 하나는 데이터 구매자인 소비자입니다. 이러한 실체는 우리가 "게이트웨이"라고 부르는 것을 통해 상호작용합니다. 소비자가 게이트웨이에 쿼리를 보낼 때, 게이트웨이는 입찰 가격, 서비스 품질, 지연 시간 등의 요소를 고려하여 색인자 간에 쿼리를 분배합니다. 색인자는 이러한 쿼리를 서비스하고 소비자에게 블록체인 데이터를 제공함으로써 수익을 얻습니다. 인공지능의 도움으로 우리는 색인자가 수익을 극대화하고 소비자가 신뢰할 수 있고 고품질의 서비스를 받을 수 있도록 돕는 알고리즘 가격 책정 에이전트를 구축했습니다.

여러 면에서 블록체인은 인공지능 에이전트를 훈련시키기에 이상적인 환경입니다. 스마트 계약으로 정의된 규칙과 거래 중 기록된 사용자의 행동은 모두 체인 상에서 공개적으로 볼 수 있습니다. 이러한 규칙과 행동이 알려져 있기 때문에 우리는 이러한 블록체인 환경의 시뮬레이션을 생성하고 이를 사용하여 AI 에이전트를 훈련시킨 후, 이러한 에이전트를 배포할 수 있습니다. 성공의 비결은 빠른 피드백 루프에 있습니다. 실험과 오류 학습의 속도가 빠를수록 에이전트는 더 빨리 성능을 향상시킬 수 있습니다.

미래에는 LLM을 The Graph에 통합하는 것이 엄청난 잠재력을 발휘할 것이라고 생각합니다. 현재 사용자는 The Graph를 쿼리하기 위해 GraphQL이라는 전문 언어를 사용해야 합니다. 반면 LLM은 사용자가 자연어(체인캐처 주：프로그래밍 언어와 대조되는, 사람들이 일상 생활에서 사용하는 언어)로 요청을 표현할 수 있도록 합니다. LLM은 누구나 간단한 영어로 The Graph와 상호작용할 수 있게 하여 블록체인 데이터 접근의 민주화를 더욱 촉진할 것입니다.

Paul Bohm, Teleport 창립자

Teleport는 공유 자동차를 위한 개방형 시장을 개발하고 있습니다. 현재 공유 자동차 시장은 폐쇄된 시스템으로, 사용자가 다양한 서비스 간에 전환하기 어렵습니다. 만약 이메일 시스템이 공유 자동차처럼 폐쇄적이라면, 마이크로소프트의 Outlook 이메일과 애플의 iCloud 이메일 사용자는 서로 이메일을 보낼 수 없을 것입니다. 마찬가지로, 만약 네트워크 시스템이 폐쇄된 시스템이라면 애플의 Safari 브라우저는 Microsoft.com과 상호작용할 수 없습니다.

개방형 공유 자동차는 이 시장이 인터넷 규범의 감독을 받도록 하는 것을 의미합니다. 개방형 시스템에서는 참여자들이 다양한 공급자의 여러 애플리케이션 중에서 선택하고 서로 소통할 수 있습니다. 반면 폐쇄된 시장에서는 공정한 가격이 존재하지 않는 경우가 많으며, 가격은 공급자가 제공하고 그들이 얻을 수 있는 가치를 극대화합니다. 개방형 공유 이동성과 중개인을 제거하는 것은 운전자가 더 많은 이익을 얻고 승객이 매번 지불하는 비용이 줄어들며, 궁극적으로 더 많은 자금이 지역 경제에서 순환될 수 있도록 합니다.

개방형 시장이 성공하려면 사용자 신뢰에 의존해야 합니다. 엔지니어들은 종종 기술의 여러 측면, 예를 들어 속도나 새로운 기능에 먼저 주목합니다. 그러나 현실 세계를 위한 시장을 구축할 때 우리는 사용자 안전, 보안 및 개인 정보 보호에 대한 요구에서 출발해야 합니다. 그래야만 우리는 이러한 요구를 충족하는 최상의 기술을 결정할 수 있으며 잘못된 길로 가지 않을 수 있습니다.

물론 이러한 가정은 몇 가지 가능성에 불과하며, 블록체인과 기계 학습의 결합 시 어떤 측면이 해방되고 강화되며 안정화되어 새로운 높이에 도달할 것인지에 대한 일련의 대화의 시작일 뿐입니다. 블록체인과 같은 디지털 합의 기술은 공정하고 신뢰할 수 있으며 안전하고 검증 가능한 시스템을 실현할 수 있습니다.

인공지능이 신뢰를 더욱 파괴하는 동시에 블록체인은 신뢰 네트워크를 강화하여 민감한 데이터의 무결성을 보장하는 강력한 메커니즘을 제공합니다. 동시에 인공지능은 사람들이 분산 데이터의 심해를 탐구할 수 있게 하여, 이러한 데이터가 블록체인이 대규모로 채택될 때 지나치게 비대하고 복잡해지도록 만듭니다. 인공지능을 대규모 문제에 배치함으로써 우리는 블록체인을 10억 사용자에게 제공할 수 있습니다.

블록체인이나 인공지능 기업가에게는 이러한 전망이 매우 흥미롭습니다. 우리가 논의하는 것은 단순한 기술이 아니라 두 가지 기술의 결합과 촉진입니다. 인공지능과 블록체인은 마치 고질라와 킹콩처럼 두 거대 괴물의 장점을 결합하여 막을 수 없는 힘을 발휘할 것입니다.