Arweave+AO 컴퓨터+AI가 Web3 가치 인터넷의 실현을 지원합니다

현재, 탈중앙화 AI 에이전트(DAI-Agent) 분야가 많은 주목을 받고 있으며, 여러 기사들이 관련 프로젝트의 특징, 해결하는 문제 및 미래 잠재력에 대해 소개하고 있습니다. 이러한 기사들은 어느 정도 투자자들이 프로젝트를 이해하는 데 도움을 주지만, 대부분 깊이 있는 분석이 부족하고 AI의 기본 특성과 현재 Web3의 현황을 심도 있게 탐구하지 못하고 있습니다. 따라서 탈중앙화 AI가 Web3 가치 인터넷 실천에서 어떤 역할을 하는지, Web3를 최적화하는 것인지 아니면 핵심 구성 요소로 작용하는 것인지 명확히 알기 어렵습니다. 탈중앙화 AI와 Web3 가치 인터넷 경제 간의 내재적 논리를 명확히 하지 않으면, 탈중앙화 AI의 역할을 깊이 이해하기 어렵고, 그 핵심 구성 요소가 Web3의 문제를 어떻게 해결하는지 파악하기 어렵습니다. 예를 들어, 탈중앙화 모델과 DAI-Agent라는 두 가지 핵심 구성 요소가 각각 어떤 문제를 해결하는지, 이들이 Web3와의 내재적 논리는 무엇인지 이해하지 못하면, 이 분야의 잠재 가치를 평가하기 어렵습니다. 이는 우리가 높은 잠재력을 가진 투자 방향을 정확히 선택하기 어렵게 만들며, 올바른 트랙과 프로젝트를 선택하더라도 시장 감정의 변동으로 인해 지속하기 어려울 수 있습니다. 이를 위해, 저는 현재 Web3의 기본 현황과 AI의 기본 특성을 심도 있게 분석하고, 두 가지가 융합하여 가치 인터넷의 실현을 어떻게 이루어낼 수 있는지, 그리고 Arweave와 AO가 AI를 통해 이 과정을 어떻게 지원하는지 탐구할 계획입니다. 내용이 방대하므로, 필자는 두 편의 기사로 나누어 자세히 설명할 것입니다:

• 현재 Web3가 탈중앙화 AI와의 융합을 통해 가치 인터넷의 실현이 필요한 이유.

현재 많은 공공 블록체인 프로젝트는 ETH 및 다양한 L2, Solana 등 블록체인의 기본 인프라 최적화 및 확장에 주력하고 있습니다. 하지만 저는 블록체인의 확장만을 추구하고 AI를 통합하지 않는다면, Web3 가치 인터넷의 실현을 추진하기 어렵다고 생각합니다. 현재 Web3는 확장 능력이 제한될 뿐만 아니라 데이터 단절 문제도 존재합니다. 사용자의 개인 데이터가 다양한 체인과 DApp에 분산되어 관리가 어려워지고, 상호작용 비용이 높아지며, 작업이 복잡해져 사용자가 데이터를 적극적으로 기여하는 것을 심각하게 제한하고 있습니다. 또한, 탈중앙화 특성으로 인해 관리 및 협업 효율성이 낮아집니다. 이러한 문제들은 Web3의 발전을 크게 제한하고 있습니다. AI는 자율 학습, 추론 및 의사결정 능력을 가지고 있으며, AI 에이전트는 사용자의 스마트 어시스턴트로서 효율성을 크게 향상시킬 수 있습니다. 두 가지가 융합되면 사용자 경험이 크게 향상되고, 진입 장벽이 낮아지며, Web3 발전을 촉진할 것입니다.

• 탈중앙화 저장 및 계산 플랫폼, 탈중앙화 모델, DAI-Agent 간의 내재적 관계: 세 가지의 결합이 Web3 데이터 자산 경제 활동의 폐쇄 루프를 연결하여 진정한 가치 인터넷을 실현할 수 있습니다.

1. 핵심 구성 요소 소개 및 관계

1. DAI-Agent

Web3의 핵심 특성 중 하나는 사용자가 자신의 데이터에 대한 통제력을 가지는 것입니다. DAI-Agent는 사용자가 데이터를 집중 관리하고 집계할 수 있도록 도와주며, 데이터가 여러 플랫폼에 분산되어 있는 문제를 효과적으로 해결하고, 사용자의 스마트 어시스턴트 역할을 하여 작업 난이도를 낮추고 Web3와의 상호작용 효율성을 높입니다. 예를 들어, DAI-Agent는 사용자가 자신의 DID 생애 주기를 관리하는 데 도움을 줄 수 있으며, DID의 생성, 업데이트 및 철회를 포함하여 데이터 관리 및 사용 경험을 간소화합니다. 여기서 AI-Agent와 DID 간의 관계를 자세히 논의할 필요가 있으며, 후속 논의를 위한 기초를 마련해야 합니다. Web3.0 환경에서 DID와 DAI-Agent는 높은 상호 보완성과 적합성을 가지고 있습니다:

• a. 데이터 통합 및 고품질 입력:

AI-Agent는 플랫폼 간 데이터를 통합할 수 있으며(예: 소셜, 의료, 직업 데이터), 정보의 고립을 효과적으로 깨뜨릴 수 있습니다. 그 스마트 알고리즘은 DID의 요구에 따라 데이터를 필터링, 정리 및 형식화할 수 있으며(예: 각 데이터 출처의 신뢰도를 평가하고 중복 또는 저가치 데이터를 제거하며 DID 데이터 모델 규격에 따라 데이터를 조직), 고품질 DID 생성을 보장합니다. 또한, 차등 개인 정보 보호, 동형 암호화 및 최신 다자간 안전 계산(MPC) 기술을 활용하여 원본 데이터를 유출하지 않고 데이터 분석 계산을 완료할 수 있습니다(예: 의료 민감 데이터 집계 시 건강 정보 요구를 충족하면서 개인 프라이버시를 보호). 게다가, 크로스 체인 상호 운용성 프로토콜(예: Polkadot, Cosmos 등 생태계)의 지속적인 성숙으로 인해 DAI-Agent는 더 많은 데이터 소스 간의 원활한 연결을 실현할 것으로 기대되며, 데이터 통합의 효율성과 정확성을 더욱 높일 수 있습니다. 탈중앙화 구조는 단일 실패 지점과 데이터가 단일 실체에 의해 통제되는 위험을 피할 수 있을 뿐만 아니라, 스마트 계약을 통해 자동화된 데이터 집계 및 실시간 업데이트를 구현하여 신뢰할 수 있고 동적인 디지털 신원 시스템 구축을 위한 강력한 지원을 제공합니다.

• b. 신원 인증 및 권한 부여 기반:

탈중앙화 환경에서 디지털 신원 시스템은 DAI-Agent에 필요한 신원 인증 및 권한 부여 메커니즘을 제공하여 AI-Agent가 다른 에이전트와 안전하게 상호작용할 때 합법적인 신원과 권한을 증명할 수 있도록 합니다. 이 과정은 기술적 수단에 의존할 뿐만 아니라, 분산 자치 조직(DAO) 메커니즘을 통해 커뮤니티가 공동으로 감독 및 거버넌스에 참여하여 시스템의 투명성과 안전성을 더욱 강화할 수 있습니다.

• c. 신뢰 증대 및 상호작용 비용 절감:

DID 시스템을 통해 DAI-Agent의 신원과 행동이 더욱 투명하고 검증 가능해져 신뢰를 구축하고 다른 에이전트 간의 협력을 촉진합니다. 동시에 AI-Agent는 사용자와 시스템 간의 상호작용 비용을 낮추고 복잡한 작업을 간소화하여 탈중앙화 특성으로 인한 비효율 문제를 효과적으로 완화합니다. 또한, 신흥의 연합 학습 및 개인 정보 계산 기술과 결합하여, 미래의 DAI-Agent는 원본 데이터를 노출하지 않고도 플랫폼 간, 분야 간 데이터 협업 및 스마트 의사결정을 실현할 수 있어 사용자에게 더 정확하고 개인화된 서비스를 제공할 수 있습니다.

2. 탈중앙화 모델

모델은 상당 부분 AI-Agent의 "두뇌"로 간주될 수 있으며, 스마트 기능을 실현하는 핵심 구성 요소입니다. 미래에는 많은 AI-Agent가 등장하여 다양한 산업에서 역할을 하게 될 것이며, 이러한 전문 분야(예: 의료, 교육, 금융 등)는 각각에 맞는 AI 모델을 필요로 합니다. 범용 AGI는 사용자의 기본 요구를 충족할 수 있지만, 각 전문 분야에 대해서는 여전히 많은 전문화된 AI-Agent가 협력하여 작업해야 하므로 다양한 모델이 필요합니다. 탈중앙화 모델은 중앙 집중식 모델에 비해 무허가, 검증 가능 등의 장점을 가지고 있어, 미래에는 DAI-Agent의 선호를 받을 것입니다: 무허가 특성은 누구나 모델 개발에 참여할 수 있게 하여 중앙 집중식 기관의 승인을 필요로 하지 않으므로 기술 개방을 촉진합니다. 동시에, 무허가 특성은 DAI-Agent가 다양한 모델을 보다 유연하게 조정할 수 있게 하여 스마트 속성을 크게 강화합니다. 위의 장점 외에도, 미래의 데이터 공유 및 모델 훈련 측면에서 연합 학습 및 크로스 도메인 협력 메커니즘이 탈중앙화 모델 발전의 핵심 기술이 될 것이며, 데이터 개인 정보 보호를 보장하면서 모델 훈련의 효율성과 안전성을 확보할 것입니다. 특히 금융, 의료 등 고감도 분야와 관련하여 모델의 훈련 과정과 데이터 출처는 다중 검증을 거쳐야 하며, 시스템의 전체 신뢰성과 강건성을 보장해야 합니다.

3. 블록체인 기술을 기반으로 한 탈중앙화 저장 및 계산 플랫폼

Web3 데이터 권리를 실현하기 위해서는 탈중앙화 저장 및 계산 플랫폼을 구축해야 하며, 이를 통해 검증 가능한 데이터 합의 기반 인프라를 마련하여 대규모 데이터 교환을 지원해야 합니다. 구체적으로, Arweave와 AO의 전체 솔루션은 저장 및 계산 양쪽에서 데이터 합의 기반 인프라를 구축하여 다음과 같은 목표를 달성했습니다:

• 데이터 저장 비용을 낮추고 데이터의 안전성과 불변성을 보장합니다;
• 대규모 데이터 교환을 촉진하여 탈중앙화 AI 생태계의 호스팅 및 운영을 위한 견고한 기반을 제공합니다;
• 통합된 데이터 저장 계층을 통해 데이터 통합 과정을 간소화하고 데이터 분산으로 인한 통합 복잡성을 줄입니다;
• 동시에, 이 플랫폼은 Web3 내 DID 시스템 구축을 위한 필수 데이터 지원을 제공하여 디지털 신원의 관리 및 응용을 강화합니다.

위의 세 가지는 서로 보완적입니다:

• DAI-Agent는 토큰 인센티브 메커니즘을 결합하여 사용자가 데이터를 기여하고 Web3와 적극적으로 상호작용하도록 유도하여 더 많은 데이터를 생성합니다;
• 대량의 데이터 생성은 탈중앙화 저장 및 계산 플랫폼의 발전을 촉진합니다. 플랫폼은 데이터 저장 비용을 낮출 뿐만 아니라 데이터 권리를 촉진합니다;
• 탈중앙화 모델은 탈중앙화 플랫폼에 호스팅되어야 하며, 저장 및 계산 비용을 낮추고 모델의 검증 가능성과 검열 저항성을 보장하여 모델의 안전성과 신뢰도를 높이고 모델 발전을 더욱 촉진합니다.

또한, 탈중앙화 모델 훈련은 방대한 양질의 데이터를 필요로 하며, 대규모 양질의 데이터의 출현은 모델 품질을 크게 향상시킵니다. 모델 품질의 향상은 DAI-Agent를 점점 더 스마트하게 만들어 사용자와의 상호작용을 더욱 촉진하고 더 많은 데이터를 생성하게 합니다. 데이터의 지속적인 풍부함은 저장 및 계산 플랫폼의 개선을 더욱 촉진하여 긍정적인 순환을 형성하고, 서로 연결되어 지속적으로 발전하여 궁극적으로 완전한 데이터 자산 경제 생태계를 구성합니다. 이 생태계는 데이터 자산 유통의 폐쇄 루프를 구축하며, 진정한 가치 인터넷 생태계를 구성하는 핵심 요소입니다. 아래 그림과 같습니다:

위의 논리 분석을 바탕으로, 우리는 DAI-Agent가 전체 생태계의 하나의 핵심环节일 뿐이며, 그 발전은 상당 부분 다른 두 부분(즉, 탈중앙화 저장/계산 플랫폼과 탈중앙화 모델)의 지원에 의해 제약을 받는다는 것을 알 수 있습니다. 따라서 이러한 프로젝트에 투자할 때는 해당 프로젝트가 완전한 데이터 자산 경제 생태계를 구축할 수 있는 능력이 있는지, 또는 다른 두 측면과 상대적으로 안정적인 협력 관계를 구축했는지 주목해야 합니다. 단일 방향 프로젝트에만 투자하면 위험이 크게 증가할 것입니다. 또한 현재 뜨거운 ELIZA, VIRTUAL, APC 등의 DAI-Agent 프로토콜은 다양한 모델을 지원하지만, 일부 프로토콜은 OpenAI와 같은 중앙 집중식 모델 제공자의 접속을 허용합니다. 이는 사용자 다변화 요구를 충족할 수 있지만, 중앙 집중식 모델의 비율이 너무 높으면 무허가 특성이 부족하여 프로토콜의 장기 발전을 제약할 수 있습니다.

2. 여기서 제가 강조하고 싶은 것은: Arweave 영구 저장 + AO 초병렬 컴퓨터 전체 솔루션입니다.

1. 병렬 처리 능력

이더리움과 같은 네트워크와 달리, 그 기본 계층 및 각 Rollup은 일반적으로 단일 프로세스로 실행되지만, AO는 임의의 수의 프로세스를 병렬로 실행할 수 있으며, 동시에 계산의 검증 가능성을 완전하게 보장합니다. 또한, 이러한 네트워크는 전 세계적으로 동기화된 상태에서 실행해야 하지만, AO의 각 프로세스는 독립적인 상태를 유지합니다. 이러한 독립성은 각 프로세스가 더 많은 상호작용을 처리할 수 있게 하여 계산 확장성을 크게 향상시킵니다. 이는 특히 높은 성능과 신뢰성이 요구되는 응용 시나리오에 적합합니다. 미래에는 많은 DAI-Agent가 체인에서 지속적으로 작업을 수행하게 되며, 시스템 확장성에 대한 요구는 더욱 엄격해질 것이고, AO의 초병렬 처리 능력은 이러한 요구를 충족할 것입니다.

2. 대규모 모델 및 기타 다양한 모델을 저장하고 실행할 수 있는 능력

AO 네트워크에서 현재 단일 노드의 메모리 제한은 16GB이며, 프로토콜 수준의 메모리 확장 한계는 18EB에 이를 수 있습니다. 이는 현재 AI 분야의 대부분 모델(예: Llama3 비양자화 버전, Falcon 시리즈 및 기타 여러 모델)을 실행하기에 충분합니다. GPT-4의 매개변수가 1.76조를 초과하고, GPT-5는 50조 매개변수를 돌파할 것으로 예상되며, 미래 모델의 규모는 지속적으로 증가할 것입니다. AO의 확장 능력은 매우 강력하여, 물리적으로 메모리나 그래픽 카드를 추가하기만 하면 계산 단위를 확장하여 대규모 모델의 실행 요구를 충족할 수 있습니다.

Arweave는 독특한 blockweave 기술을 사용하여 새로운 블록이 여러 이전 블록과 연결될 수 있도록 하여 매우 강력한 확장성을 제공합니다. 이론적으로 다양한 모델 및 대규모 데이터를 저장할 수 있습니다. 또한 WeaveDrive 기술을 통해 애플리케이션은 로컬 디스크에 접근하는 것처럼 편리하게 Arweave의 데이터에 접근할 수 있어 다양한 애플리케이션 구축의 가능성을 제공합니다. 모든 애플리케이션은 Arweave의 영구 저장 데이터에 접근할 수 있으며, AO+Arweave는 계산 및 저장 양쪽에서 데이터 권리를 위한 기반 인프라를 구축하여 대규모 데이터 자산 교환을 위한 기반을 마련했습니다. 이는 AO 플랫폼에서 애플리케이션을 개발하려는 개발자에게 매우 매력적입니다. 동시에, 각 애플리케이션 시나리오는 다양한 모델과 DAI-Agent에 다변화된 실현 장면을 제공하여 AI 생태계의 발전을 촉진합니다.

3. 데이터는 AI 생태계의 세 가지 요소 중 하나입니다 ------ AO + Arweave 생태계의 대부분 데이터는 고품질 데이터이며 통합된 데이터 저장 계층을 갖추고 있습니다.

대규모이면서 고품질의 데이터는 모델 훈련에 필수적입니다. 고품질 데이터는 일반적으로 정확성, 일관성, 유효성, 완전성, 시의성 및 고유성과 같은 특성을 갖추고 있습니다. AO+Arweave 생태계에서 유통되는 데이터는 대부분 이러한 특성을 충족합니다. 자세한 기술 구현 세부 사항은 제 이전 기사 "Arweave 영구 저장 + AO 초병렬 컴퓨터: 데이터 합의 기반 인프라 구축"을 참조하시기 바랍니다. 여기서 Arweave 영구 저장의 장점을 특별히 강조할 필요가 있습니다: 영구 저장 속성 덕분에 저장된 데이터는 종종 더 중요합니다. 데이터 저장 시간이 길어질수록 그 가치는 더욱 드러나며, 이는 저장 및 추적이 용이할 뿐만 아니라 데이터 권리 확보에도 유리합니다. 대규모 고품질 데이터는 AI 훈련에 매우 중요하며, Arweave는 통합된 데이터 저장 계층으로서 각 프로젝트 데이터를 통합할 수 있는 능력을 갖추고 있습니다. 반면, 이더리움, 솔라나 등은 통합된 저장 계층이 부족하여 데이터 통합이 더 어렵습니다. Arweave의 이러한 특성은 데이터 수집, 통합 및 완전성 보장을 위한 중요한 역할을 하며, 이는 Web3 내 DID 구축에 필수적입니다: 통합된 데이터 저장 계층은 플랫폼 간 데이터 통합보다 훨씬 더 편리합니다. 또한, AO와 Arweave의 통합은 모든 에이전트 상호작용 데이터가 영구적으로 저장될 수 있도록 보장하여 책임 메커니즘 및 DID와 평판 시스템 구축에 강력한 지원을 제공합니다. 예를 들어, 현재 RedStone 프로젝트는 Arweave를 활용하여 DID를 구축하고 책임 메커니즘을 설정하여 AI-Agent의 발전을 위한 인프라 지원을 제공하고 있습니다.

4. AO + Arweave는 AI에 높은 검증 가능성을 부여합니다.

검증 가능성은 AI 발전에 매우 중요하며, 이는 AI 모델의 예측 및 출력이 투명하고 변조 방지 및 독립적으로 검증 가능한 특성을 갖추도록 보장하여 AI에 더 높은 신뢰성과 안전성을 제공합니다. 이는 금융, 의료, 법률, 자율주행 등 높은 신뢰도가 요구되는 분야에서 광범위하게 활용될 수 있습니다. 동시에, 검증 가능성은 개발자가 모델을 공유하고 협력하는 데 더 안심할 수 있게 하여 악의적인 변조에 대한 우려를 덜어줍니다. AO+Arweave는 SCP 저장 방식을 채택하여 AO 내의 모든 데이터와 모델이 Arweave에 전방위적으로 저장될 수 있도록 하며, 누구나 데이터 출처, 모델 실행 과정 및 출력 결과를 검증할 수 있습니다. 동시에, 계산 단위가 제공하는 암호화 서명은 계산 결과의 진실성과 완전성을 추가로 보장합니다. 제로 지식 증명 기술과 분산 검증 메커니즘이 지속적으로 발전함에 따라, 미래에는 모델 출력을 실시간으로 검증할 수 있을 뿐만 아니라 모델의 훈련 데이터, 매개변수 업데이트 등 전체 과정에 대한 추적 및 감사가 가능하여 전방위적이고 다층적인 신뢰 체계를 형성할 수 있습니다. 또한, AO와 PADO가 공동으로 발의한 검증 가능한 비밀 계산(vcc)은 ZKFHE(제로 지식 전동형 암호화) 기술을 활용하여 데이터와 모델의 개인 정보 보호를 보장할 뿐만 아니라 검증 가능성과 계산 가능성을 확보합니다. 이러한 메커니즘은 데이터 공유의 위험을 크게 줄일 뿐만 아니라 모델 제공자에게 지식 재산권 보호를 제공하여 더 많은 고품질 모델의 개방 및 공유를 장려합니다. 토큰 인센티브 메커니즘과 결합하여, 이 신뢰 체계는 사용자들이 데이터를 적극적으로 기여하도록 유도하고 전체 AI 생태계가 더 높은 수준으로 발전하도록 촉진할 것으로 기대됩니다.

AO+Arweave 생태계의 기본 구성 요소 및 상호 관계는 아래 그림과 같습니다:

결론적으로, AO+Arweave 생태계는 탈중앙화 AI에 우수한 운영 환경을 제공합니다: 이는 뛰어난 확장성과 호스팅 능력을 갖추고 있어 탈중앙화 AI 생태계를 지원하는 데 적합하며, 대규모 고품질 데이터 저장 및 교환, 병렬 계산 및 검증 가능성 등에서显著한 장점을 가지고 있습니다. 이러한 요소들은 AO+Arweave 생태계가 탈중앙화 AI 발전의 이상적인 플랫폼이 되도록 촉진하며, 위의 논증을 통해 Web3 가치 인터넷 생태계의 실현에 필요한 세 가지 요소 중 탈중앙화 AI가 분명히 중요한 역할을 한다는 것을 알 수 있습니다. 따라서 AO+Arweave+AI는 Web3의 실현을 크게 촉진할 것으로 기대됩니다.