Vitalik의 글을 바탕으로 암호화폐 × AI 분야에서 주목할 만한 세부 분야를 정리해 본다.
저자: @charlotte0211z, @BlazingKevin_, Metrics Ventures
비탈릭은 1월 30일 암호화 기술과 AI 애플리케이션의 가능성과 과제(The promise and challenges of crypto + AI applications)라는 글을 발표하며 블록체인과 인공지능(AI)이 어떻게 결합되어야 하며 그 과정에서 발생할 수 있는 잠재적 도전 과제에 대해 논의했다. 이 글이 발표된 지 한 달 후, 글에서 언급된 NMR, Near, WLD는 모두 좋은 상승세를 보이며 일정한 가치 발견을 완료했다. 본고는 비탈릭이 제시한 암호화 기술(Crypto)과 AI의 네 가지 결합 방식을 바탕으로 현재 AI 분야의 세부 방향성을 정리하고 각 방향성의 대표 프로젝트들을 간략히 소개한다.
1 서론: Crypto와 AI의 네 가지 결합 방식
탈중앙화는 블록체인이 유지하는 합의이며, 보안 확보가 핵심 사상이고, 오픈소스는 암호학적 관점에서 체인 상의 행동들이 이러한 특징을 갖도록 하는 중요한 기초다. 지난 몇 년간 이 방식은 블록체인의 여러 차례 변화 과정에서 유효했지만, 인공지능이 등장하면서 상황이 다소 변화되었다.
예를 들어 인공지능을 통해 블록체인 또는 애플리케이션의 아키텍처를 설계한다고 가정하면, 모델 역시 오픈소스화되어야 하지만, 그렇게 되면 적대적 머신러닝(Adversarial Machine Learning) 환경에서 취약성이 노출된다. 반대로 오픈소스화하지 않으면 탈중앙화의 특성을 잃게 된다. 따라서 현재 블록체인 또는 애플리케이션에 인공지능을 도입할 때 어떤 방식으로, 어느 정도 깊이로 결합해야 할지를 고민할 필요가 있다.
출처: DE UNIVERSITY OF ETHEREUM
DE UNIVERSITY OF ETHEREUM의 When Giants Collide: Exploring the Convergence of Crypto x AI라는 글에서는 인공지능과 블록체인이 핵심 특성 면에서 어떻게 다른지를 설명하고 있다. 위의 그림처럼 인공지능의 특성은 다음과 같다:
-
중앙화
-
낮은 투명성
-
고에너지 소모
-
독점성
-
낮은 화폐화 능력
블록체인은 이 다섯 가지 측면에서 인공지능과 완전히 반대되는 성격을 지닌다. 이것이 바로 비탈릭의 글이 진정으로 논하고자 하는 핵심이다. 즉, 인공지능과 블록체인이 결합될 경우 데이터 소유권, 투명성, 화폐화 능력, 에너지 소모 비용 등에서 어떤 점을 포기해야 하며, 두 기술의 효과적인 결합을 위해 어떤 인프라가 필요한지를 묻는 것이다.
비탈릭은 위의 기준과 자신의 사고를 바탕으로 AI와 블록체인이 결합된 애플리케이션을 다음 네 가지 범주로 나눈다:
-
AI를 게임의 참여자로 활용 (AI as a player in a game)
-
AI를 게임의 인터페이스로 활용 (AI as an interface to the game)
-
AI를 게임의 규칙으로 활용 (AI as the rules of the game)
-
AI를 게임의 목표로 활용 (AI as the objective of the game)
여기서 앞의 세 가지는 주로 AI가 크립토 세계에 도입되는 세 가지 방식을 나타내며, 얕은 단계에서 깊은 단계까지의 세 단계를 의미한다. 필자의 이해에 따르면, 이러한 구분은 AI가 인간의 의사결정에 미치는 영향 정도를 반영하며, 이를 통해 전체 크립토 시스템에 다양한 수준의 시스템 리스크를 유발한다:
-
AI를 게임의 참여자로 활용: AI 자체가 인간의 의사결정이나 행동에 영향을 미치지 않으므로 실제 현실 세계에 리스크를 가져오지 않는다. 따라서 현재로서는 가장 실현 가능성이 높다.
-
AI를 게임의 인터페이스로 활용: AI는 인간의 의사결정 및 행동에 보조 정보나 도구를 제공하여 사용자와 개발자의 경험을 향상시키고 진입 장벽을 낮춘다. 그러나 잘못된 정보나 조작은 현실 세계에 일정한 리스크를 초래할 수 있다.
-
AI를 게임의 규칙으로 활용: AI가 인간을 대신해 모든 의사결정과 작업을 수행하므로, AI의 악행이나 오류가 현실 세계의 혼란을 직접적으로 초래할 수 있다. 웹2(WEB2)든 웹3(WEB3)이든 현재로서는 인간의 의사결정을 대체하도록 AI에게 신뢰를 부여하기 어렵다.
마지막으로 네 번째 유형은 크립토의 특성을 이용해 더 나은 인공지능을 만드는 것을 목표로 한다. 앞서 언급했듯이 중앙화, 낮은 투명성, 고에너지 소모, 독점성, 낮은 화폐화 능력 등은 크립토의 속성을 통해 자연스럽게 균형을 맞출 수 있다. 많은 사람들이 크립토가 인공지능 발전에 영향을 줄 수 있을지 회의적이지만, 탈중앙화의 힘을 통해 현실 세계에 영향을 미치는 것은 크립토가 가지고 있는 가장 매력적인 스토리텔링이며, 이 분야는 거대한 비전으로 인해 AI 관련 투기 열풍의 중심이 되고 있다.
2 AI를 참여자로 활용
AI가 참여하는 메커니즘에서 궁극적인 인센티브는 인간이 입력한 프로토콜에서 비롯된다. AI가 인터페이스 혹은 규칙이 되기 전에, 우리는 다양한 AI의 성과를 평가하고 AI를 메커니즘에 참여시켜 체인 상의 메커니즘을 통해 보상받거나 처벌받도록 해야 한다.
인터페이스나 규칙으로서의 AI에 비해 참여자로서의 AI는 사용자와 전체 시스템에 대한 리스크가 거의 무시할 수 있을 정도이며, AI가 사용자의 의사결정과 행동에 깊이 있게 영향을 미치기 전의 필수적인 단계라고 볼 수 있다. 따라서 이 수준에서 AI와 블록체인의 융합에 드는 비용과 타협은 비교적 작으며, 비탈릭(V神)도 이를 현재 실현 가능성이 매우 높은 제품군으로 평가하고 있다.
광범위하고 구현 정도 측면에서 보면, 현재 대부분의 AI 애플리케이션이 이 범주에 속한다. 예를 들어 AI 기반 트레이딩 봇(trading bot), 챗봇(chatbot) 등이 있으며, 현재로서는 AI가 인터페이스 또는 규칙 역할을 하는 수준까지 도달하기는 어렵다. 사용자들은 다양한 봇을 비교하며 점진적으로 최적화를 진행 중이며, 암호화폐 사용자들도 아직 AI 애플리케이션을 사용하는 습관을 형성하지 못했다. 비탈릭의 글에서도 Autonomous Agent를 이 범주에 포함하고 있다.
그러나 협의 및 장기적 비전 측면에서 보면, 우리는 AI 애플리케이션 또는 AI 에이전트(Agent)에 대해 좀 더 세밀한 구분을 선호한다. 따라서 이 범주 내에서 대표적인 세부 분야는 다음과 같다:
2.1 AI 게임
어느 정도로 보면 AI 게임은 모두 이 범주에 속할 수 있다. 플레이어는 AI와 상호작용하며 자신의 AI 캐릭터를 훈련시켜 개인의 요구에 더욱 부합하게 만들 수 있다. 예를 들어 개인의 취향에 더 잘 맞추거나 게임 메커니즘 내에서 전투력과 경쟁력을 강화할 수 있다. 게임은 AI가 현실 세계에 진입하기 전의 과도기 단계이자 현재로서는 리스크가 낮고 일반 사용자가 이해하기 쉬운 분야다. 대표적인 프로젝트로는 AI Arena, Echelon Prime, Altered State Machine 등이 있다.
-
AI Arena: AI Arena는 AI를 통해 학습하고 훈련함으로써 게임 캐릭터가 계속 진화하는 PVP 격투 게임이다. 일반 사용자가 더 쉽게 AI를 접하고 이해하며 체험할 수 있도록 하고, 동시에 AI 엔지니어들이 다양한 AI 알고리즘을 제공해 수익을 얻을 수 있기를 기대한다. 각 게임 캐릭터는 AI 기반 NFT이며, 'Core'는 AI 모델의 핵심으로, 아키텍처와 파라미터로 구성되며 IPFS에 저장된다. 새로운 NFT의 파라미터는 무작위로 생성되므로 무작위 동작을 수행하게 되며, 사용자는 모방 학습(IL) 과정을 통해 캐릭터의 전략 능력을 향상시켜야 한다. 사용자가 캐릭터를 훈련하고 진행 상황을 저장할 때마다 파라미터는 IPFS에 업데이트된다.
-
Altered State Machine: ASM은 AI 게임이 아니라 AI 에이전트(Agent)의 소유권 확인 및 거래를 위한 프로토콜로, 메타버스 AI 프로토콜로 정의되며 현재 FIFA 등 여러 게임과 통합을 추진 중이다. ASM은 NFT를 통해 AI 에이전트의 소유권을 확인하고 거래하며, 각 에이전트는 세 부분으로 구성된다: Brain(에이전트의 고유 특성), Memories(에이전트가 배운 행동 전략 및 모델 훈련 부분, Brain과 연결됨), Form(캐릭터 외형 등). ASM은 Gym 모듈을 보유하고 있으며, 여기에는 탈중앙화된 GPU 클라우드 제공업체가 포함되어 에이전트에게 컴퓨팅 파워를 지원한다. 현재 ASM을 기반으로 하는 프로젝트에는 AIFA(AI 축구 게임), Muhammad Ali(AI 권투 게임), AI League(FIFA와 협력한 스트리트 축구 게임), Raicers(AI 기반 레이싱 게임), FLUF World’s Thingies(생성형 NFT) 등이 있다.
-
Parallel Colony (PRIME): Echelon Prime이 개발 중인 Parallel Colony는 AI LLM 기반 게임으로, 사용자는 자신의 AI 아바타와 상호작용하며 영향을 줄 수 있으며, 아바타는 기억과 삶의 궤적에 따라 자율적인 행동을 한다. Colony는 현재 가장 기대되는 AI 게임 중 하나이며, 최근 공식 백서를 발표하고 솔라나(Solana)로 마이그레이션하겠다고 발표하면서 PRIME이 다시 한번 상승세를 탔다.
2.2 예측 시장/경연대회
예측 능력은 AI가 미래의 의사결정과 행동을 하는 기반이다. AI 모델이 실제 예측에 사용되기 전에 예측 경연대회는 더 높은 수준에서 AI 모델의 성과를 비교하며, 데이터 과학자/AI 모델에게 토큰을 통해 인센티브를 제공한다. 이는 전체 Crypto×AI 발전에 긍정적인 의미를 지닌다. 즉, 인센티브를 통해 효율성과 성능이 더 우수하고 크립토 세상에 더 적합한 모델과 애플리케이션을 지속적으로 개발함으로써, AI가 의사결정과 행동에 더 깊은 영향을 미치기 전에 더 우수하고 안전한 제품을 만들어낼 수 있다. 비탈릭이 말했듯이 예측 시장은 강력한 원시 요소로서 다른 유형의 문제로 확장될 수 있다. 이 분야의 대표적인 프로젝트로는 Numerai와 Ocean Protocol이 있다.
-
Numerai: Numerai는 오랫동안 운영되어 온 데이터 과학 경연대회로, 데이터 과학자들이 Numerai가 제공하는 역사적 시장 데이터를 기반으로 머신러닝 모델을 훈련시켜 주식 시장을 예측하고, 모델과 NMR 토큰을 스테이킹하여 토너먼트에 참여한다. 성과가 좋은 모델은 NMR 토큰 인센티브를 받으며, 성과가 좋지 않은 모델의 스테이킹 토큰은 소각된다. 2024년 3월 7일 기준, 총 6,433개의 모델이 스테이킹되었으며, 프로토콜은 데이터 과학자들에게 총 75,760,979달러의 인센티브를 제공했다. Numerai는 전 세계 데이터 과학자들의 협력을 통해 새로운 형태의 헤지펀드를 구축하고 있으며, 이미 공개된 펀드로는 Numerai One과 Numerai Supreme이 있다. Numerai의 로드맵: 시장 예측 경연 → 공동 작업 예측 모델 → 공동 작업 모델 기반의 새로운 헤지펀드.
-
Ocean Protocol: Ocean Predictoor는 예측에 집중하며, 암호화폐 가격 변동에 대한 공동 작업 예측에서 시작한다. 사용자는 Predictoor 봇 또는 Trader 봇을 선택해 실행할 수 있다. Predictoor 봇은 AI 모델을 사용해 다음 시간(예: 5분 후)의 암호화폐(BTC/USDT 등) 가격을 예측하고 일정량의 $OCEAN을 스테이킹하며, 프로토콜은 스테이킹량을 기준으로 가중 평균을 계산해 전역 예측을 도출한다. 트레이더들은 예측 결과를 구매해 이를 기반으로 거래할 수 있으며, 예측 정확도가 높을 경우 수익을 얻을 수 있다. 예측이 틀린 Predictoor는 패널티를 받고, 정확한 Predictoor는 해당 토큰과 트레이더의 구매 수수료를 보상으로 받는다. 3월 2일, Ocean Predictoor는 최신 방향인 World-World Model(WWM)을 공개하며 날씨, 에너지 등 현실 세계에 대한 예측을 탐색하기 시작했다.
3 AI를 인터페이스로 활용
AI는 사용자가 이해하기 쉬운 언어로 현재 일어나는 일을 이해할 수 있도록 도와주며, 크립토 세계에서 사용자의 멘토 역할을 하며 잠재적 리스크를 경고함으로써 크립토 사용의 진입 장벽과 사용자 리스크를 낮추고 사용자 경험을 향상시킨다. 구현 가능한 제품 기능은 매우 다양하다. 지갑 상호작용 시 리스크 경고, AI 기반 의도 기반 거래(Intent-based trading), 일반 사용자의 크립토 질문에 답변하는 AI 챗봇 등이 있다. 대상은 일반 사용자뿐만 아니라 개발자, 애널리스트 등 거의 모든 그룹이 AI 서비스의 대상이 될 수 있다.
다시 한 번 강조하자면, 이 프로젝트들의 공통점은 인간이 특정 의사결정과 행동을 대체하지는 않지만, 인간의 의사결정과 행동을 보조하는 정보와 도구를 제공하기 위해 AI 모델을 활용한다는 점이다. 이 수준부터 AI의 악행 리스크가 시스템 내부에 노출되기 시작한다. 즉, 잘못된 정보를 제공함으로써 인간의 최종 판단을 교란할 수 있다는 점인데, 이는 비탈릭의 글에서도 이미 상세히 분석되고 있다.
이 범주에 포함될 수 있는 프로젝트는 많고 다양하다. AI 챗봇, AI 스마트 계약 감사, AI 코드 작성, AI 트레이딩 봇 등이 있으며, 현재 대부분의 AI 애플리케이션이 이 범주의 초기 수준에 있다고 할 수 있다. 대표적인 프로젝트로는 다음이 있다:
-
PaaL: PaaL은 현재 AI 챗봇 분야의 선두 프로젝트로, 크립토 관련 지식으로 훈련된 ChatGPT로 볼 수 있다. 텔레그램(TG)과 디스코드(Discord)를 연동해 사용자에게 토큰 데이터 분석, 토큰 기본 분석 및 토큰 경제 분석, 텍스트로 이미지 생성 등의 기능을 제공하며, PaaL 봇을 그룹 채팅에 통합해 일부 정보를 자동으로 회신할 수 있다. PaaL은 개인 봇 맞춤 설정도 지원하며, 사용자는 데이터셋을 제공해 자신만의 AI 지식베이스와 커스텀 봇을 구축할 수 있다. PaaL은 AI 트레이딩 봇으로 나아가고 있으며, 2월 29일 AI 기반 암호화 연구 및 거래 터미널 PaalX를 발표했다. 소개에 따르면 AI 스마트 계약 감사, 트위터 기반 뉴스 통합 및 거래, 암호화 연구 및 거래 지원 기능을 제공하며, 인공지능 어시스턴트가 사용자 진입 장벽을 낮춰줄 것으로 기대된다.
-
ChainGPT: ChainGPT는 인공지능을 활용해 챗봇, NFT 생성기, 뉴스 수집, 스마트 계약 생성 및 감사, 트레이딩 어시스턴트, 프롬프트 마켓, AI 크로스체인 교환 등의 일련의 크립토 도구를 개발했다. 그러나 현재 ChainGPT의 주력 방향은 프로젝트 인큐베이션과 런치패드(Launchpad)이며, 지금까지 24개 프로젝트의 IDO와 4건의 무료 증정(Giveaway)을 완료했다.
-
Arkham: Ultra는 Arkham의 전용 AI 엔진으로, 주요 용도는 주소를 현실 세계의 실체와 매칭시켜 암호화 산업의 투명성을 높이는 것이다. Ultra는 사용자가 제공하거나 자체적으로 수집한 체인 내외부 데이터를 통합해 확장 가능한 데이터베이스로 출력하며, 최종적으로 차트 형태로 표현한다. 그러나 Arkham 문서에는 Ultra 시스템에 대한 상세 설명이 없으며, 이번 Arkham이 주목받은 이유는 OpenAI 창립자 샘 알트먼(Sam Altman)의 개인 투자 때문이며, 최근 30일 동안 5배 상승했다.
-
GraphLinq: GraphLinq은 사용자가 프로그래밍 없이도 다양한 유형의 자동화 기능을 배포하고 관리할 수 있도록 하는 자동화 프로세스 관리 솔루션이다. 예를 들어 Coingecko의 비트코인 가격을 5분마다 TG 봇으로 푸시하는 것과 같은 작업이다. GraphLinq의 해결책은 그래프를 사용해 자동화 프로세스를 시각화하고, 사용자가 드래그 앤 드롭 방식으로 자동화 작업을 생성하고 GraphLinq 엔진을 통해 실행하는 것이다. 코드가 필요하지는 않지만, 일반 사용자 입장에서 그래프를 생성하는 과정은 여전히 일정한 진입 장벽이 있다. 예를 들어 적절한 템플릿을 선택하고 수백 개의 논리 블록 중에서 적절한 것을 골라 연결해야 한다. 따라서 GraphLinq은 사용자가 대화형 AI와 자연어를 통해 자동화 작업을 구축하고 관리할 수 있도록 AI를 도입하고 있다.
-
0x0.ai: 0x0의 AI 관련 사업은 크게 세 가지다: AI 스마트 계약 감사, AI 러그(Rug) 방지 검사, AI 개발자 센터. 이 중 AI 러그 방지 검사는 과도한 세금 징수나 유동성 회수와 같은 의심스러운 행동을 탐지해 사용자가 사기를 당하지 않도록 방지하며, AI 개발자 센터는 머신러닝 기술을 활용해 스마트 계약을 생성하고 노코드(no-code) 방식으로 계약을 배포할 수 있도록 한다. 그러나 현재는 AI 스마트 계약 감사만 초기 출시되었으며, 나머지 두 가지 기능은 아직 개발되지 않았다.
-
Zignaly: Zignaly는 2018년에 설립되었으며, 개인 투자자가 펀드 매니저를 선택해 자신을 위한 암호화 자산 관리를 맡길 수 있도록 하는 것이 목적이다. 카피 트레이딩(Copy-trading)과 유사한 개념이다. Zignaly는 머신러닝과 인공지능 기술을 활용해 펀드 매니저를 체계적으로 평가하는 지표 체계를 구축하고 있으며, 현재 출시한 첫 번째 제품은 Z-Score이지만, 인공지능 제품으로서는 여전히 초보 수준이다.
4 AI를 게임 규칙으로 활용
이것은 가장 흥미로운 부분이다. AI가 인간을 대신해 의사결정과 행동을 수행하는 것이다. 당신의 AI가 지갑을 직접 통제하며 거래 의사결정과 행동을 대신한다. 이 범주에서 필자는 주로 세 가지 수준으로 나눌 수 있다고 본다: AI 애플리케이션(특히 자율적 의사결정을 목표로 하는 애플리케이션, 예: AI 자동화 거래 봇, AI DeFi 수익 봇), Autonomous Agent 프로토콜, 그리고 zkml/opml.
AI 애플리케이션은 특정 분야의 문제에 대해 구체적인 의사결정을 내리는 도구이며, 다양한 세부 분야의 지식과 데이터를 축적하고 있으며, 세부 문제에 맞춰 맞춤 제작된 AI 모델을 기반으로 의사결정을 한다. 본문에서 AI 애플리케이션은 인터페이스와 규칙이라는 두 범주에 모두 포함되는데, 개발 비전 측면에서 보면 AI 애플리케이션은 독립적으로 의사결정하는 에이전트가 되어야 하지만, 현재로서는 AI 모델의 유효성, AI 통합의 보안성 모두 이러한 요구를 충족하지 못하며, 인터페이스로서도 다소 무리가 있다. AI 애플리케이션은 매우 초기 단계에 있으며, 구체적인 프로젝트는 앞서 소개했으므로 여기서는 생략한다.
Autonomous Agent는 비탈릭이 첫 번째 범주(AI를 참여자로 활용)에서 언급했지만, 장기 비전 측면에서 본고는 이를 세 번째 범주에 포함시킨다. Autonomous Agent는 대량의 데이터와 알고리즘을 활용해 인간의 사고와 의사결정 과정을 시뮬레이션하고 다양한 작업과 상호작용을 수행한다. 본고는 주로 에이전트의 통신 계층, 네트워크 계층 등 인프라에 주목하며, 이러한 프로토콜은 에이전트의 소유권을 정의하고, 에이전트의 정체성, 통신 표준 및 방식을 수립하며, 여러 에이전트 애플리케이션을 연결해 협력적인 의사결정과 행동을 가능하게 한다.
zkML/opML: 암호학 또는 경제학적 방법을 통해 올바른 모델 추론 과정이 이루어졌음을 보장하고 신뢰할 수 있는 출력을 제공한다. AI를 스마트 계약에 도입할 때 보안 문제는 매우 치명적이다. 스마트 계약은 입력을 받아 출력을 생성하고 일련의 기능을 자동으로 실행하지만, AI가 악의적으로 잘못된 입력을 제공하면 전체 크립토 시스템에 큰 시스템 리스크를 유발할 수 있다. 따라서 zkML/opML과 잠재적인 일련의 해결책은 AI가 독립적으로 행동하고 의사결정을 내릴 수 있는 기반이다.
마지막으로 이 세 가지는 AI를 운용 규칙으로 삼는 세 가지 기초 수준을 구성한다: zkml/opml은 가장 하위의 인프라로 프로토콜의 보안을 보장하며, Agent 프로토콜은 Agent 생태계를 구축해 협력적인 의사결정과 행동을 가능하게 하고, AI 애플리케이션(즉 구체적인 AI Agent)은 특정 분야에서의 능력을 지속적으로 향상시키며 실제로 의사결정과 행동을 수행한다.
4.1 Autonomous Agent
AI 에이전트가 크립토 세계에 적용되는 것은 자연스러운 현상이다. 스마트 계약에서 텔레그램 봇(TG Bots), 그리고 AI 에이전트에 이르기까지 암호화 세계는 점점 더 높은 자동화와 더 낮은 사용자 진입 장벽을 향해 나아가고 있다. 스마트 계약은 불변의 코드를 통해 기능을 자동으로 실행하지만, 여전히 외부 트리거에 의존해 활성화되며, 자율적으로 실행되거나 연속적으로 실행할 수 없다. 텔레그램 봇은 사용자 진입 장벽을 낮추며, 사용자가 직접 암호화 프론트엔드와 상호작용하지 않고도 자연어로 체인 상의 상호작용을 완료할 수 있지만, 극도로 단순하고 구체적인 작업만 수행할 수 있으므로 여전히 사용자 의도 중심의 거래를 실현하지는 못한다. AI 에이전트는 일정한 독립적인 의사결정 능력을 갖추고 있으며, 사용자의 자연어를 이해하고 스스로 다른 에이전트와 체인 상의 도구를 찾아 조합해 사용자가 지정한 목표를 달성한다.
AI 에이전트는 암호화 제품의 사용자 경험을 크게 향상시키는 것을 목표로 하며, 블록체인은 또한 AI 에이전트의 작동을 더 탈중앙화되고, 투명하며, 안전하게 만들 수 있다. 구체적인 도움은 다음과 같다:
-
토큰 인센티브를 통해 더 많은 개발자가 에이전트를 제공하도록 유도
-
NFT 소유권 확인을 통해 에이전트 기반의 유료화 및 거래 촉진
-
체인 상의 에이전트 정체성 및 등록 메커니즘 제공
-
불변의 에이전트 활동 로그를 제공해 행위에 대한 즉각적인 추적 및 책임 묻기 가능
이 분야의 주요 프로젝트는 다음과 같다:
-
Autonolas: Autonolas는 체인 상의 프로토콜을 통해 에이전트 및 관련 구성 요소의 자산 소유권과 재사용 가능성을 지원하며, 코드 구성 요소, 에이전트, 서비스가 체인 상에서 발견되고 재사용되도록 하고, 개발자가 경제적 보상을 받도록 유도한다. 개발자가 완전한 에이전트나 구성 요소를 개발하면 코드를 체인 상에 등록하고 NFT를 획득해 코드에 대한 소유권을 나타낸다. 서비스 소유자는 여러 에이전트를 결합해 서비스를 만들고 체인 상에 등록한 후, 실제 서비스를 수행할 에이전트 운영자를 유치하며, 사용자는 유료로 서비스를 이용한다.
-
Fetch.ai: Fetch.ai는 AI 분야에서 강력한 팀 배경과 개발 경험을 보유하고 있으며, 현재 AI 에이전트 분야에 주목하고 있다. 프로토콜은 네 가지 핵심 계층으로 구성된다: AI 에이전트, Agentverse, AI 엔진, Fetch 네트워크. AI 에이전트는 시스템의 핵심이며, 나머지는 에이전트 서비스 구축을 보조하는 프레임워크와 도구이다. Agentverse는 소프트웨어 플랫폼 서비스로, 주로 AI 에이전트를 생성하고 등록하는 데 사용된다. AI 엔진은 사용자의 자연어 입력을 읽고 이를 실행 가능한 작업으로 변환하며, Agentverse에서 가장 적합한 AI 에이전트를 선택해 작업을 수행한다. Fetch 네트워크는 프로토콜의 블록체인 계층으로, AI 에이전트는 체인 상의 Almanac 계약에 등록되어야 다른 에이전트와 협력 서비스를 시작할 수 있다. 참고로 Autonolas는 현재 크립토 세계의 에이전트 구축에 집중해 체외의 에이전트 작업을 체인 상으로 가져오고 있으며, Fetch.ai는 여행 예약, 날씨 예측 등 웹2 세계까지 관심 범위를 확대하고 있다.
-
Delysium: Delysium은 게임에서 AI 에이전트 프로토콜로 전환되었으며, 주로 두 계층으로 구성된다: 통신 계층과 블록체인 계층. 통신 계층은 Delysium의 주간으로, 안전하고 확장 가능한 인프라를 제공해 AI 에이전트 간의 빠르고 효율적인 통신을 가능하게 한다. 블록체인 계층은 에이전트의 정체성을 인증하고 스마트 계약을 통해 에이전트의 행동을 불변하게 기록한다. 구체적으로 통신 계층은 에이전트 간의 통일된 통신 프로토콜을 구축하며, 표준화된 메시지 시스템을 통해 에이전트가 보편적인 언어로 장애 없이 소통할 수 있도록 한다. 또한 서비스 발견 프로토콜과 API를 구축해 사용자와 다른 에이전트가 빠르게 사용 가능한 에이전트를 찾고 연결할 수 있도록 한다. 블록체인 계층은 주로 두 부분으로 구성된다: Agent ID와 Chronicle 스마트 계약. Agent ID는 합법적인 에이전트만 네트워크에 접근할 수 있도록 보장하며, Chronicle은 에이전트가 내린 모든 중요한 의사결정과 행동의 로그 저장소로, 체인 상에 기록되면 변경할 수 없어 에이전트 행동의 신뢰할 수 있는 추적을 보장한다.
-
Altered State Machine: NFT를 통해 에이전트의 자산 소유권 확인과 거래를 위한 표준을 제정했다. 자세한 분석은 1부 참조. ASM은 현재 주로 게임에 접속되어 있지만, 기반 표준으로서 다른 에이전트 분야로 확장될 가능성도 있다.
-
Morpheous: AI 에이전트 생태 네트워크를 구축하고 있으며, 프로토콜은 Coder, Computer provider, Community Builder, Capital의 네 가지 역할을 연결하는 것을 목표로 한다. 각각은 네트워크에 AI 에이전트, 에이전트 실행을 위한 컴퓨팅 파워, 프론트엔드 및 개발 도구, 자금을 제공한다. MOR은 페어 런치(Fair launch) 형태로, 컴퓨팅 파워를 제공하는 마이너, stETH 스테이킹자, 에이전트 또는 스마트 계약 개발 기여자, 커뮤니티 개발 기여자에게 인센티브를 제공할 예정이다.
4.2 zkML/opML
제로노울리지 프루프(ZKP)는 현재 두 가지 주요 응용 방향이 있다:
-
체인 상에서 계산이 올바르게 실행되었음을 더 낮은 비용으로 증명하는 것 (ZK-Rollup과 ZKP 크로스체인 브리지가 이 특성을 활용 중);
-
프라이버시 보호: 계산의 세부 내용을 알지 못해도 계산이 올바르게 수행되었음을 증명할 수 있다.
마찬가지로, ZKP의 머신러닝(Machine Learning) 응용 역시 두 가지로 나눌 수 있다:
-
추론 검증: 즉, ZK-proof를 통해 체인 외부에서 AI 모델 추론이라는 고밀도 계산 과정이 올바르게 실행되었음을 체인 상에서 저비용으로 증명하는 것.
-
프라이버시 보호: 두 가지로 나눌 수 있다. 하나는 데이터 프라이버시 보호로, 공개된 모델에서 개인정보를 사용해 추론할 때 ZKML을 활용해 개인정보를 보호하는 것이다. 또 하나는 모델 프라이버시 보호로, 모델의 가중치 등 구체적인 정보를 숨기고 공개된 입력을 통해 연산을 수행하고 출력 결과를 도출하는 것이다.
현재 크립토에 더 중요한 것은 추론 검증이라고 생각하며, 여기서 추론 검증 시나리오를 좀 더 자세히 설명하겠다. AI를 참여자로 활용하는 단계에서 시작해 AI를 세계의 규칙으로 삼는 단계까지, 우리는 AI를 체인 상 프로세스의 일부로 만들고 싶지만, AI 모델
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
@MetricsVentures
