왜 블록체인과 AI의 융합이 자연스러운 수요라고 하는가?
블록체인 역시 가장 중요한 트렌드 중 하나이다
올해 들어 AI의 인기가 블록체인을 훨씬 뛰어넘었다. 하지만 암호화 세계가 낙심할 필요는 없다. 블록체인의 미래 기회를 어떻게 이해해야 할까? 먼저 몇 가지 생각을 정리해보자.
-
블록체인은 인류 역사상 가장 중요한 트렌드 중 하나이며, 웹2 정보 인터넷에서 웹3 가치 인터넷으로 진화하는 것은 생산력 향상을 위한 필수적인 과정이다. 불과 10여 년밖에 되지 않았으며 앞으로 수십 년간의 진화가 남아 있다. 현재로서 그 기반적 영향력은 AI 다음가는 두 번째로 중요한 기술이다.
-
AI와 블록체인은 융합이 필요한 관계이다. 비록 진행 속도가 빠르지는 않겠지만 말이다.
오늘은 위 두 번째 항목, 즉 AI와 블록체인의 융합 가능성에 대해 간단히 다뤄보겠다.
블록체인이 AI에게 도움이 될 수 있는 부분
컴퓨팅
모두가 알고 있듯이, AI는 엄청난 컴퓨팅 파워를 요구한다. 유휴 상태의 컴퓨팅 자원을 AI용으로 활용하려는 수요는 존재한다. 그러나 현재 시점에서 AI 모델 학습은 집중형 대규모 계산 작업이기 때문에 매우 비용이 크다. 일반적인 AI 컴퓨팅 분야에서는 아직 블록체인이 크게 기여할 여지가 많지 않다.
주로 지적되는 문제는 세 가지이다. 첫째, 전용 GPU 하드웨어 지원이 필요하다는 점; 둘째, 데이터 교환 지연 문제; 셋째, 탈중앙화된 컴퓨팅 작업의 완료 증명 문제이다.
-
앞서 언급했듯이, AI 학습은 집중형 대규모 연산 작업이며, LLM 등은 수십억 개 이상의 파라미터를 가진다. 이러한 모델의 학습에는 FLOPs(부동소수점 연산) 수치가 어마어마하게 커지므로, 특수 구성 요소(Tensor Processing Units 등)를 갖춘 AI 전용 GPU만이 효과적으로 처리할 수 있다. 또한 최상의 성능을 내기 위해선 모든 GPU가 동일한 아키텍처를 가져야 하며, 동일 사양의 GPU들이 데이터를 원활히 주고받으며 일관되게 계산을 이어갈 수 있어야 한다. 탈중앙화 네트워크에서는 참여자의 GPU 사양에 제약이 생기게 되는데, 조건이 높을수록 진입 장벽이 높아져 탈중앙화에 저해되며 유휴 자원 활용에도 불리하다.
-
AI용 GPU는 지속적인 데이터 교환이 필요하다. 만약 네트워크 지연이 발생하면, 분산된 컴퓨팅 자원을 활용한 AI 학습에는 부정적인 영향을 미친다.
-
어떻게 하면 컴퓨팅 작업의 완료를 탈중앙화 방식으로 효율적이면서도 저비용으로 검증할 수 있을까?
위에서 언급한 것들은 모두 현재 탈중앙화 컴퓨팅과 AI 결합의 어려움이며, 바로 지금 AI와 블록체인이 쉽게 융합되지 않는 이유이다. 그러나 란후 노트(Lanhu Note)의 관점에서 보면, 더 많은 참여자들이 탐색함에 따라 이러한 장애물들은 점차 제거될 것이며, 물론 이를 실현하기까지는 상당한 시간이 필요하겠지만 말이다.
다음은 점차 해결될 가능성이 있는 분야들에 대해 살펴보자. 일반적인 AI 분야에서는 현재 암호화 산업이 진입하기 어렵다면, 특정 분야의 AI에서부터 접근할 수 있다. 이 진입점은 현재 AI의 컴퓨팅 작업과 밀접하게 관련되어 있다. 여기서 두 가지를 들 수 있다. 첫째, 현재 AI 컴퓨팅 수요의 대부분을 차지하고 있는 추론(inference) 작업; 둘째, 일부 파인튜닝(fine-tuning) 및 추론 작업은 자원 요구량이 작아 탈중앙화 컴퓨팅으로 구현할 기회가 있다는 점이다. 이 두 가지는 탈중앙화 컴퓨팅 자원의 잠재적 기회를 의미한다.
특정 분야, 예를 들어 법률, 의학, 투자, 교육, 데이터 분석 등의 전문 분야에서의 AI는 초기 단계에서 이러한 특정 목적 중심의 분산 컴퓨팅 네트워크에 더 적합할 수 있다. 앞서 언급했듯이, AI에 탈중앙화된 컴퓨팅 서비스를 제공하는 데 어려운 점은 계산 작업 자체의 수행보다는, 작업 완료 여부를 탈중앙화 방식으로 검증하는 것이다. 현재 Gensyn, Together 등의 프로젝트들이 이 문제를 해결하려 시도하고 있다.
Gensyn은 학계의 연구 성과들을 통합했는데, 확률적 학습 증명(probabilistic learning proofs), 그래프 기반 정밀 위치 프로토콜(graph-based precise positioning protocol) 등을 활용했으며 Truebit 프로젝트의 인센티브 및 견제 모델도 참고했다. Gensyn은 전체 과정을 AI 작업 제출, 분해, 학습, 증명 생성, 증명 검증, 도전, 중재, 정산의 여덟 단계로 나눈다. 여기서 '확률적 학습 증명'은 검증자가 기준 거리를 설정할 수 있게 해주는 기반이 되며, '그래프 기반 정밀 위치' 기술은 검증자가 작업을 올바르게 수행했는지를 감시하는 데 사용된다. Truebit의 게임 이론 모델은 이해관계자들이 합리적인 판단을 하도록 유도한다. 구체적인 절차는 Gensyn 백서를 참고하면 된다. 참고로 Truebit과 유사한 오프체인 컴퓨팅 프로젝트들도 이 방향으로 진화할 기회를 얻을 수 있으며, 더 많은 사업 기회를 창출할 수도 있다. 물론 이를 위해서는 각 팀이 기회를 평가해야 한다.
탈중앙화 네트워크 컴퓨팅의 실제 적용 난이도에 비해, AI 모델 공유 및 AI 데이터 공유는 더 빠르게 실현될 가능성이 있다. 아래 두 분야는 AI와 블록체인의 융합에서 초기 단계에서 돌파구를 마련할 수 있는 부분일 수 있다: 탈중앙화된 모델 공유와 탈중앙화된 데이터 공유.
모델
토큰 보상을 통해 모델 공유를 장려함으로써 더 나은 모델을 만들 수 있다. 심지어 이러한 모델들을 블록체인에 배포하여 누구나 공동으로 학습시킴으로써 모델 발전을 추진할 수 있다. 또한 AI 모델이 복잡해짐에 따라 추론 결과에 대한 신뢰성 확보가 중요해지고 있는데, 이는 체인 상에서 신뢰 가능한 추론이 작동할 수 있는 분야이다.
모델 파인튜닝 및 추론 분야에서는 Giza, ChainML, Bittensor, Modulus Lab 등이 탐색을 진행 중이다. Giza는 체인 상 모델 마켓플레이스를 출시하여 간단한 모델을 체인 상에 배포하고 체인 상에서 추론을 실행하며, 모델 소유자는 모델이 사용될 때마다 수익을 받을 수 있다.
Modulus는 zkML 개념을 제안했다. 비용 문제로 인해 체인 상에서 추론 모델을 실행하는 것은 현실성이 없다고 보고, 그들의 해결책은 오프체인에서 추론을 실행한 후 zkSNARKs 증명을 생성하여 이를 체인에 올리고 스마트 계약이 이를 활용하도록 하는 것이다.
데이터
토큰 경제를 통해 사용자들에게 모델 피드백 제공, 고품질 데이터 수집을 장려할 수 있다. 분산형 데이터 제공을 통해 고품질 데이터를 확보할 수 있으며, 특히 특정 분야에서 AI 발전에 큰 의미를 가진다. 동시에 ZK 기술과 접목하여 데이터의 개인정보를 노출하지 않고도 활용할 수 있다. 여기서의 난제는 데이터 자체의 질을 어떻게 입증할 것인지이다.
고품질 데이터와 탈중앙화된 AI 모델의 결합은 AI 발전에 흥미로운 가능성을 제시한다.
위조 방지
최근 딥러닝 모델의 등장으로 인해 AI가 생성한 이미지, 오디오, 비디오 등을 진위 여부를 판단하기 점점 더 어려워지고 있다. AI 생성 시대에 콘텐츠의 진실성과 변조 방지 능력은 점점 더 중요해지고 있다. 블록체인은 이러한 문제를 해결하는 핵심 기술 수단이다.
암호화된 데이터 신원과 서명은 콘텐츠 생성의 진실성을 보장하며 위조를 막는다. 특히 AI 도구가 남용되는 경우 이러한 문제가 더욱 심각해지며, 위조 콘텐츠에 대응하는 중요한 기술적 수단이 된다. 허위가 진실처럼 보이는 시대에는 암호 기술을 통해 진위를 가려내야 한다.
또한 블록체인 기술을 활용한 권리 확인이 필요하다. 예를 들어 같은 그림이라도 AI 생성물과 NFT 이미지를 표면만으로는 구분하기 어렵기 때문에, 이때 블록체인이 중요한 역할을 할 수 있다.
더 강건한 AI
AI는 블록체인과의 융합을 통해 컴퓨팅, 모델, 데이터, 대역폭, 저장 공간 등 다양한 면에서 지원을 받아 탈중앙화 인프라를 기반으로 더 강력한 자기 진화 능력을 갖출 수 있다. 또한 블록체인 분야의 암호화 결제, 가치 순환 시스템도 AI의 진화를 지원할 수 있다.
완벽한 블록체인 인프라가 성숙되면, AI는 더욱 강력한 자기 진화 능력을 얻게 될 것이다. 즉, 더욱 탈중앙화된 AI는 AI 스스로를 실현하기 위한 본질적 요구이며, 블록체인의 분산 특성을 활용해 AI를 발전시키는 것은 AI 자신의 발전을 위한 필수 조건이다.
AI 입장에서 볼 때, 마지막에 마이크로소프트, 구글과 같은 거대 기업들에 의해 독점되는 것은 자기 진화에 오히려 불리하다. AI는 본래 탈중앙화된 발전을 요구하며, 이는 더 강건한 자기 실현을 위한 본질적 필요성이다. AI와 블록체인의 융합이 만들어낼 잠재력은 사람들의 상상을 훨씬 뛰어넘을 수 있다.
AI가 블록체인을 발전시킬 수 있는 부분
인공지능과 체인 상 데이터의 융합
AI를 통해 체인 상의 동적 데이터를 분석함으로써 예측 능력을 얻을 수 있다. 예를 들어 투자 리서치 등이 가능하다. 가장 흥미로운 점 중 하나는 AI를 내장함으로써 스마트 계약이 동적으로 자율적으로 의사결정을 할 수 있다는 점이다. 예를 들어 DeFi가 실시간 데이터에 따라 자동 조정되는 것 등이다. 정적인 것이 아니라 동적인 스마트 계약은 블록체인에 더 많은 응용 시나리오와 사용자 수요를 창출하게 될 것이다.
AI의 발전은 암호화 애플리케이션에 새로운 가능성을 제공할 수 있다.
AI는 DeFi, 웹3 게임, 웹3 소셜, 웹3 애플리케이션(교통, 숙박, 여행 등)에 새로운 가능성을 제공할 수 있다. 예를 들어 AI+웹3 게임은 전례 없는 게임 모드를 탄생시킬 수 있고, AI+사물인터넷+암호화 결제는 더욱 지능화된 네트워크를 만들어낼 수 있다.
ZKP의 중요성
개인정보 보호와 작업 완료 증명을 보장하기 위해서는 ZKP가 필요하며, 검증 가능한 작업 증명을 형성할 수 있다. ZKP가 성숙하면 AI를 블록체인에 연결할 수 있으며, 개인정보 보호와 검증 가능한 머신러닝을 제공할 수 있다.
전반적으로 말하면, 블록체인은 탈중앙화된 방식을 통해 컴퓨팅 파워, 데이터, 모델 프로토콜에 협업 구조를 제공함으로써 궁극적으로 AI 발전을 촉진할 수 있다. 그러나 이 과정에는 많은 세부 사항들이 정비되어야 한다. 예를 들어 참가자의 기여도(컴퓨팅 파워, 데이터, 모델 등)를 어떻게 증명할 것인지 등이 있다. 이러한 작업들을 저비용으로 완수할 수 있어야 비로소 블록체인이 AI에게 진정한 도움이 될 수 있으며, 그렇지 않으면 공중 누각에 불과하다.
물론 장기적 트렌드 관점에서 보면, AI는 블록체인에 본질적으로 수요가 있으며, AI는 자기 발전을 위해 진정한 강건성을 확보하기 위해 블록체인을 필요로 한다.
동시에 AI는 DeFi, 게임 또는 기타 애플리케이션 분야의 블록체인 앱 진화에도 도움이 될 수 있으며, 더욱 지능화된 암호화 애플리케이션이 탄생할 가능성이 있다. 이는 미래의 큰 스토리텔링이 될 수 있으며, 다음 사이클에는 아직 성숙하지 않더라도 다다음 사이클에는 그러한 기회가 있을지도 모른다.
위에서 언급한 내용은 일부에 불과하며 포괄적이지 않으며, 시간이 지남에 따라 추가되거나 수정될 수 있다. 댓글로 여러분의 의견을 자유롭게 공유해주기를 바란다. (두 달 전 작성한 글인데 게시를 잊었고, 오늘 보충 게시한다.)
리스크 경고: 위 모든 분석은 기술과 시장에 대한 일방적인 관찰일 뿐이며 반드시 정확하지 않을 수 있으니, 항상 스스로 판단하고 리스크 관리를 철저히 하기 바란다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
蓝狐笔记
