Allora의 구조와 비전에 주목하다: 블록체인이 어떻게 인공지능의 롱테일 문제를 해결할 수 있는가?
저자:Tranks, DeSpread
면책 조항: 본 보고서의 내용은 각 저자의 견해를 반영하며 참고용으로만 제공되며 토큰 또는 프로토콜 사용에 대한 매수 또는 매도 권유를 구성하지 않습니다. 본 보고서의 어떤 내용도 투자 조언을 구성하는 것이 아니며 투자 조언으로 이해되어서는 안 됩니다.
1. 서론
ChatGPT를 대표로 하는 생성형 인공지능(AI)이 등장한 이후, AI 기술은 급속도로 발전하였으며 기업들의 AI 산업 참여 및 투자 또한 지속적으로 증가하고 있습니다. 최근 AI는 특정 출력 생성에서 뛰어난 성과를 보일 뿐 아니라, 대규모 데이터 처리, 패턴 인식, 통계 분석, 예측 모델링 등 다양한 분야에서도 우수한 성능을 발휘하며 산업 전반에 걸쳐 응용 범위가 확대되고 있습니다.
-
JP 모건: 알고리즘 거래, 사기 예측, 현금 흐름 예측 등을 포함하여 400개 이상의 AI 활용 사례를 개발 및 시험하기 위해 600명 이상의 머신러닝(ML) 엔지니어를 고용함.
-
월마트(Walmart): 계절적·지역적 판매 이력을 분석하여 제품 수요를 예측하고 재고를 최적화함.
-
포드(Ford) 자동차: 차량 센서 데이터를 분석하여 부품 고장을 예측하고 고객에게 알림으로써 부품 고장으로 인한 사고를 방지함.
최근에는 블록체인 생태계와 AI를 결합하려는 추세가 더욱 두드러지고 있으며, 특히 DeFi 프로토콜과 AI가 융합된 DeFAI 분야가 큰 관심을 받고 있습니다.
또한 AI를 프로토콜 운영 메커니즘에 직접 통합하는 사례도 점점 더 많아지고 있어, DeFi 프로토콜의 리스크 예측 및 관리를 더욱 효율적으로 수행할 수 있게 되었으며 이전에는 실현 불가능했던 새로운 유형의 금융 상품 및 서비스를 도입할 수 있게 되었습니다.
참고 자료: 「AI 스토리텔링 확산 속에서 DeFi는 어떻게 혜택을 얻을 수 있는가?」
그러나 방대한 정보를 통한 학습과 전문적인 AI 기술 접근 장벽이 높기 때문에, 특정 기능에 특화된 AI 모델 구축은 여전히 몇몇 대기업과 AI 전문가들에 의해 독점되고 있습니다.
따라서 다른 산업 분야 및 소규모 스타트업들은 AI 채택에 있어 중대한 어려움을 겪고 있으며, 블록체인 생태계의 dApp 역시 동일한 제약을 경험하고 있습니다. dApp은 신뢰할 수 없는 제3자 없이도 작동하는 '비신뢰성(Trustless)'이라는 핵심 가치를 유지해야 하므로, 더 많은 프로토콜이 AI를 채택하여 사용자가 신뢰할 수 있는 서비스를 제공하기 위해서는 탈중앙화된 AI 인프라가 반드시 필요합니다.
이러한 배경 속에서 Allora는 스스로 진화하는 탈중앙화된 AI 인프라를 구현하고, AI를 안전하게 서비스에 통합하고자 하는 프로젝트들을 지원하는 것을 목표로 합니다.
2. Allora, 탈중앙화 추론 합성 네트워크
Allora는 다양한 주제에 대해 미래 값을 예측하고 제공하는 탈중앙화된 추론 네트워크입니다. 분산형 AI 추론을 구현하는 주요 방법은 두 가지입니다:
-
단일 모델/분산 처리: 분산 방식으로 모델 훈련 및 추론 과정을 수행하여 단일 분산 AI 모델을 구축함.
-
다중 모델/추론 합성: 여러 사전 훈련된 AI 모델로부터 추론 결과를 수집하여 이를 하나의 추론 결과로 통합함.
이 두 가지 방법 중 Allora는 다중 모델/추론 합성 방식을 채택하였습니다. AI 모델 운영자는 자유롭게 Allora 네트워크에 참여하여 특정 주제에 대한 예측 요청에 대해 추론을 수행할 수 있으며, 프로토콜은 이러한 운영자들이 도출한 추론값들을 종합하여 단일 예측 결과로 요청자에게 응답합니다.
Allora는 여러 AI 모델의 추론값을 합성할 때 단순히 각 모델의 추론 평균을 계산하는 것이 아니라, 각 모델에 가중치를 할당하여 최종 추론값을 도출합니다. 이후 Allora는 각 모델의 추론값과 해당 주제의 실제 결과를 비교하여, 실제 결과와 근접한 추론값을 낸 모델에 더 높은 가중치와 보상을 부여함으로써 자체 개선을 수행하여 추론 정확도를 향상시킵니다.
이러한 방식을 통해 Allora는 단일 모델/분산 처리 방식보다 더욱 전문화되고 특정 주제에 특화된 추론을 수행할 수 있습니다. 더 많은 AI 모델의 참여를 유도하기 위해 Allora는 누구나 쉽게 AI 모델을 구축하고 배포할 수 있도록 오픈소스 아키텍처인 Allora MDK(Model Development Kit)를 제공합니다.
또한 Allora는 Allora의 추론 데이터를 활용하고자 하는 사용자를 위해 Allora Network Python SDK와 TypeScript SDK라는 두 가지 SDK를 제공합니다. 이러한 SDK는 사용자가 Allora가 제공하는 데이터를 쉽게 통합하고 활용할 수 있는 환경을 제공합니다.
Allora의 목표는 AI 모델과 추론 데이터를 필요로 하는 프로토콜 간의 미들웨어 역할을 수행하며, AI 모델 운영자들이 수익을 창출할 수 있는 기회를 제공하는 동시에 서비스 및 프로토콜을 위한 편향 없는 데이터 인프라를 구축하는 것입니다.
다음에서는 Allora의 커뮤니케이션 프로토콜 아키텍처를 살펴보며 Allora의 작동 방식과 특징을 더 깊이 이해하겠습니다.
2.1. 통신 프로토콜 아키텍처
Allora에서는 누구나 특정 주제를 설정하고 배포할 수 있으며, 추론 실행 및 특정 주제의 최종 추론값 산출 과정에는 네 가지 참여자가 존재합니다:
-
소비자(Consumers): 특정 주제에 대한 추론을 요청하며 비용을 지불함.
-
작업자(Workers): 자신의 데이터베이스를 활용해 AI 모델을 운영하고 소비자의 요청에 따라 특정 주제에 대한 추론을 수행함.
-
Reputers: 작업자가 도출한 추론 데이터와 실제 수치를 비교·대조하여 평가함.
-
검증자(Validators): Allora 네트워크 노드를 운영하며 각 참여자가 발생시키는 트랜잭션을 처리하고 기록함.
Allora 네트워크 구조는 추론 실행자, 평가자, 검증자로 나뉘며, 중심에는 네트워크 토큰 $ALLO가 자리잡고 있습니다. $ALLO는 추론 요청 수수료 및 추론 수행 보상으로 사용되며, 네트워크 참여자들을 연결하고 스테이킹을 통해 보안을 확보합니다.
다음에서는 각 레이어의 기능에 따라 추론 소비 레이어, 추론 합성 레이어, 컨센서스 레이어의 참여자 간 상호작용을 상세히 살펴보겠습니다.
2.1.1. 추론 소비 레이어
추론 소비 레이어는 프로토콜 참여자와 Allora 간의 상호작용을 처리하며, 주제 생성, 주제 참여자 관리, 추론 요청 등을 포함합니다.
주제를 생성하고자 하는 사용자는 Allora의 주제 및 추론 관리 시스템(Topic Coordinator)과 상호작용하여 일정량의 $ALLO를 지불하고 규칙을 설정함으로써, 예측하고자 하는 내용, 실제 결과의 검증 방식, 작업자 추론값의 평가 기준 등을 정의할 수 있습니다.
주제가 생성되면 작업자와 Reputers는 $ALLO로 등록 수수료를 지불하고 해당 주제의 추론 참여자로 등록할 수 있습니다. Reputers는 추가로 해당 주제 내에서 일정량의 $ALLO를 스테이킹하여 악의적인 결과로 인한 자산 감소(Asset Slashing) 위험에 노출되어야 합니다.
주제 생성 및 작업자·Reputers 등록 후, 소비자는 해당 주제에 $ALLO를 지불하여 추론을 요청할 수 있으며, 작업자와 Reputers는 이러한 요청 수수료를 추론 보상으로 받게 됩니다.
2.1.2. 추론 및 합성 레이어
추론 및 합성 레이어는 Allora가 탈중앙화된 추론을 생성하는 핵심 레이어로서, 여기서 작업자가 추론을 수행하고 Reputers가 성과를 평가하며, 이 평가를 기반으로 가중치 설정 및 추론 합성이 이루어집니다.
Allora 네트워크의 작업자는 소비자의 요청 주제에 대한 추론값을 제출할 뿐 아니라, 다른 작업자들의 추론 정확도를 평가하고 이로부터 '예측 손실(Forecasted Losses)'을 도출해야 합니다. 이러한 예측 손실은 추론 합성에 필요한 가중치 계산에 반영되며, 작업자의 추론이 정확하고 다른 작업자들의 추론 정확도를 정확히 예측할 경우 더 높은 보상을 받게 됩니다. 이러한 구조를 통해 Allora는 단순히 작업자의 과거 성과뿐 아니라 다양한 맥락을 고려한 추론 합성 가중치를 도출할 수 있습니다.
맥락 인식을 위한 작업자의 추론 정확도 예측
출처: Allora Docs
예를 들어, 비트코인(Bitcoin)의 1시간 후 가격을 예측하는 주제에서 작업자 A와 B의 상황을 다음과 같이 가정해봅시다:
-
작업자 A: 평균 추론 정확도는 90%에 달하지만, 시장이 불안정할 경우 정확도가 하락함.
-
작업자 B: 평균 추론 정확도는 80%이나, 시장 변동성이 클 때에도 상대적으로 높은 정확도를 유지함.
현재 시장이 매우 변동성이 크다고 가정할 때, 여러 작업자들이 "작업자 B는 변동성 상황에서 강점을 가지며 이번 예측에서 약 5%의 오차만 발생할 것"이라고 예측하고, 동시에 "작업자 A는 이번 변동성 상황에서 약 15%의 오차가 발생할 것"이라고 예측한다면, 작업자 B의 평균 과거 성과가 낮더라도 Allora는 이번 예측에서 작업자 B의 추론에 더 높은 가중치를 부여하게 됩니다.
주제 조정자는 이러한 과정을 통해 도출된 최종 가중치 기반의 통합 추론을 수행하고, 최종 추론값을 소비자에게 제공합니다. 또한 이 과정에서 작업자가 제출한 추론값 분포를 기반으로 신뢰 구간(Confidence Intervals)을 계산하여 제공합니다. 이후 Reputers는 실제 결과와 최종 추론값을 비교하여 각 작업자의 추론 성과를 평가하고, 다른 작업자들의 추론 정확도 예측의 정확성을 평가하며, 스테이킹 합의 비율에 따라 작업자의 가중치를 조정합니다.
Allora는 이러한 방식으로 추론 합성과 평가를 수행하며, 특히 '맥락 인식(Context Awareness)' 구조를 통해 각 작업자가 다른 작업자들의 추론 정확도를 평가함으로써 다양한 상황에 최적화된 추론값을 도출할 수 있어 추론 정확도 향상에 기여합니다. 또한 작업자의 추론 성능 데이터가 축적될수록 맥락 인식 기능의 운영 효율성이 더욱 향상되어 Allora의 추론 기능이 더욱 효과적으로 자기 개선됩니다.
Allora의 추론 합성 프로세스
출처: Allora Docs
Allora의 컨센서스 레이어는 주제 가중치 계산, 네트워크 보상 분배, 참여자 활동 기록이 이루어지는 곳으로, CometBFT 및 DPoS 컨센서스 메커니즘 기반의 Cosmos SDK 위에 구축되어 있습니다.
사용자는 $ALLO 토큰을 발행하고 노드를 운영함으로써 검증자로서 Allora 네트워크에 참여하여, Allora 참여자들이 제출한 트랜잭션 수수료를 네트워크 운영 및 보안 유지에 대한 보상으로 받을 수 있습니다. 노드를 운영하지 않더라도 $ALLO를 검증자에게 위임함으로써 간접적으로 이러한 보상을 받을 수 있습니다.
또한 Allora의 특징은 네트워크 참여자들에게 $ALLO 보상을 분배하는 것으로, 새로 해제 및 분배되는 $ALLO의 75%는 주제 추론에 참여하는 작업자와 Reputers에게, 나머지 25%는 검증자에게 분배됩니다. 모든 $ALLO가 완전히 발행된 후에는 이러한 인플레이션 보상이 중단되며, 해제 수량이 점진적으로 반감되는 구조를 따릅니다.
작업자와 Reputers에게 75%의 인플레이션 보상이 분배될 때, 분배 비율은 작업자의 성과와 Reputers의 스테이킹뿐만 아니라 주제 가중치에도 따라 결정됩니다. 주제 가중치는 해당 주제에 참여하는 Reputers의 스테이킹 금액과 수수료 수익에 기반하여 계산되며, 이를 통해 작업자와 Reputers가 수요와 안정성이 높은 주제에 계속 참여하도록 유도합니다.
3. 체인 상에서부터 산업 전반까지
3.1. 곧 출시될 Allora 메인넷
Allora는 2025년 1월 10일 Allora 재단을 설립하였으며, 30만 명 이상의 참여 작업자가 참여한 공개 테스트넷을 완료한 후 메인넷 출시를 가속화하고 있습니다. 2월 6일 기준으로 Allora는 곧 출시될 메인넷을 위해 AI 모델 제작자를 선정하기 위해 Allora Model Forge Competition을 진행하고 있습니다.
Allora Model Forge Competition 카테고리
출처: Allora Model Forge Competition
또한 Allora는 메인넷 출시 전부터 다수의 프로젝트들과 파트너십을 체결하였습니다. Allora의 주요 파트너십 및 제공 기능은 다음과 같습니다:
-
Plume: Plume 네트워크 상에서 RWA 가격, 실시간 APY, 리스크 예측을 제공함.
-
Story Protocol: IP 가치 평가 및 잠재력 분석, 비유통성 체인 상 자산 가격 정보 제공, Story Protocol 기반 DeFi 프로젝트에 Allora 추론 제공.
-
Monad: 유동성이 낮은 체인 상 자산에 가격 정보를 제공하고, Monad 기반 DeFi 프로젝트에 Allora 추론 제공.
-
0xScope: Allora의 맥락 인식 기능을 활용하여 체인 상 AI 비서 Jarvis 개발을 지원함.
-
Virtuals Protocol: Allora 추론을 Virtual Protocol의 G.A.M.E 프레임워크와 통합하여 에이전트 성능 향상.
-
Eliza OS(구 ai16z): Allora 추론을 Eliza OS의 Eliza 프레임워크와 통합하여 에이전트 성능 향상.
현재 Allora의 파트너들은 주로 AI/암호화폐 프로젝트에 집중되어 있으며, 이는 두 가지 핵심 요인을 반영합니다: 1) 암호화폐 프로젝트들의 탈중앙화 추론에 대한 수요, 그리고 2) AI 모델이 추론을 수행하기 위해 필요한 체인 상 데이터에 대한 수요입니다.
초기 메인넷 출시 시 Allora는 참여자를 유치하기 위해 상당한 인플레이션 보상을 할당할 예정입니다. 이러한 인플레이션 보상으로 유치된 참여자들의 지속적인 활동을 유도하기 위해 Allora는 $ALLO에 적절한 가치를 유지해야 합니다. 그러나 인플레이션 보상은 시간이 지남에 따라 점차 감소하므로 장기적인 과제는 추론 수요를 늘려 충분한 네트워크 거래 수수료를 발생시켜 지속적인 프로토콜 참여를 유도하는 것입니다.
따라서 Allora의 잠재적 성공 가능성을 평가하는 핵심은 단기적으로 $ALLO 가치 상승 전략과 함께 추론 수요를 촉진하여 안정적이고 장기적인 수수료 수익을 확보할 수 있는 능력에 달려 있습니다.
4. 결론
AI 기술의 발전과 실용성 확대에 따라 AI 추론의 채택 및 적용은 대부분의 산업 분야에서 활발히 진행되고 있습니다. 그러나 AI 채택에 필요한 자원 집약성은 이미 AI를 성공적으로 도입한 대기업과 그렇지 못한 소규모 기업 간의 경쟁 격차를 더욱 확대시키고 있습니다. 이러한 환경에서 Allora의 기능(주제 최적화 추론 제공 및 분산화를 통한 데이터 정확도 자기 개선)에 대한 수요는 점차 증가할 것으로 예상됩니다.
Allora는 모든 산업 분야에서 광범위하게 채택될 수 있는 탈중앙화된 추론 인프라가 되는 것을 목표로 하고 있으며, 이를 실현하기 위해서는 기능의 효과성과 지속 가능성을 입증해야 합니다. 이를 입증하기 위해 Allora는 메인넷 출시 후 충분한 작업자와 Reputers를 확보하고, 이러한 네트워크 참여자들에게 지속 가능한 보상을 제공해야 합니다.
만약 Allora가 이러한 과제들을 성공적으로 해결하고 다양한 산업 분야에서 채택된다면, 블록체인이 중요한 AI 인프라로서의 가능성을 입증할 뿐 아니라, AI와 블록체인 기술이 결합되어 진정한 가치를 창출할 수 있다는 중요한 사례가 될 수 있을 것입니다.
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
@DeSpreadTeam
