Arweave+AO Computer+AI가 Web3의 인터넷 가치 향상에 기여

이 글은 분산형 AI가 Web3 구현을 위한 핵심 구성 요소임을 보여줍니다. 분산형 스토리지 및 컴퓨팅 플랫폼 + 분산형 모델 + DAI-Agent는 Web3 데이터 자산 경제 활동의 폐쇄 루프를 만들어 엄청난 변화를 촉발하고 Web3 가치 인터넷 구현을 촉진할 수 있습니다. AO + Arweave는 분산형 AI를 매우 보완하며 병렬 컴퓨팅, 스토리지, 고품질 데이터, 검증 가능성 및 기타 측면에서 AI 개발을 도울 수 있습니다. AO + Arweave + AI는 Web3 구현을 크게 도울 수 있습니다.

저자: Qin Jingchun

리뷰어: Leon Lee

출처: 콘텐츠 협회 - 투자 연구

현재 분산형 AI 에이전트(DAI-Agent) 분야가 많은 주목을 받고 있으며, 많은 글에서 관련 프로젝트의 특징, 해결하는 문제, 미래 잠재력에 대해 소개하고 있습니다. 이러한 기사들은 투자자들이 프로젝트를 어느 정도 이해하는 데 도움이 되지만, 대부분은 심층 분석이 부족하고 AI의 기본적인 특성과 Web3의 현재 상태를 파헤치지 못했습니다. 따라서 Web3 가치 인터넷 실천에서 분산형 AI의 역할을 명확히 밝히는 것은 어렵습니다. 즉, Web3를 최적화하는 것인지, 아니면 핵심 구성 요소로 작용하는 것인지 알 수 없습니다. 분산형 AI와 Web3 가치 인터넷 경제 간의 내부 논리를 명확히 하지 않으면 분산형 AI의 역할을 깊이 이해할 수 없고, 그 핵심 구성 요소가 Web3에서 발생하는 문제를 어떻게 해결할 수 있는지 파악할 수 없습니다. 예를 들어, 두 가지 핵심 구성 요소인 분산 모델과 DAI-Agent는 각각 어떤 문제를 해결하며, 이 두 가지와 Web3 간의 내재적 논리는 무엇입니까? 이러한 내부 논리를 이해하지 못하면 이 분야의 잠재적 가치를 평가하기 어렵습니다. 이로 인해 잠재력이 높은 투자 방향을 정확하게 선택하는 것이 어려울 뿐만 아니라, 올바른 방향과 프로젝트를 선택하더라도 시장 심리 변동으로 인해 이를 고수하기 어려울 수 있습니다. 이를 위해 Web3의 현재 기본 상태와 AI의 기본적 특징을 심층적으로 분석하고, 이 둘을 통합하여 인터넷 가치 구현을 어떻게 실현할 수 있는지, 그리고 Arweave와 AO가 AI를 통해 이 과정을 어떻게 지원할 수 있는지 알아보고자 합니다. 풍부한 내용으로 인해 저자는 두 개의 기사에서 이에 대해 자세히 설명할 것입니다.

인터넷의 가치를 실현하기 위해 현재의 Web3가 분산형 AI와 통합되어야 하는 이유

현재 많은 퍼블릭 체인 프로젝트는 ETH와 다양한 L2, 솔라나 및 기타 블록체인과 같은 기본 인프라의 최적화와 확장에 주력하고 있습니다. 하지만 AI를 접목하지 않고 블록체인 확장에만 집중한다면, Web3 가치인터넷 구현을 촉진하기 어려울 것으로 생각합니다. 현재 Web3는 제한된 확장성 외에도 데이터 단편화 문제가 있습니다. 사용자의 개인 데이터는 여러 체인과 DApp에 분산되어 관리가 어렵고, 상호작용 비용이 높고, 운영이 복잡하여 사용자의 적극적인 데이터 기여가 심각하게 제한됩니다. 또한 분산된 성격으로 인해 관리와 조정이 비효율적입니다. 이러한 문제로 인해 Web3 개발이 크게 제한됩니다. AI는 독립적으로 학습하고, 추론하고, 결정을 내릴 수 있는 능력을 가지고 있습니다. AI Agent는 사용자의 지능형 조수 역할을 하여 효율성을 크게 향상시킬 수 있습니다. 두 가지를 통합하면 사용자 경험이 크게 향상되고, 진입 장벽이 낮아지며, Web 3.0의 발전이 촉진될 것입니다.

1. 분산형 스토리지와 컴퓨팅 플랫폼, 분산형 모델, DAIAgent 간의 고유한 관계: 이 세 가지를 결합하면 Web3 데이터 자산 경제 활동의 폐쇄 루프를 열고 인터넷의 진정한 가치를 실현할 수 있습니다.

1.1 DAI-에이전트

1. 분산형 스토리지와 컴퓨팅 플랫폼, 분산형 모델, DAIAgent 간의 고유한 관계: 이 세 가지를 결합하면 Web3 데이터 자산 경제 활동의 폐쇄 루프를 열고 인터넷의 진정한 가치를 실현할 수 있습니다.

1.1 DAI-에이전트

Web3의 핵심 기능 중 하나는 사용자가 자신의 데이터를 직접 제어할 수 있다는 것입니다. DAI-Agent는 사용자가 중앙에서 데이터를 관리하고 수집하도록 도와 다양한 플랫폼에 데이터가 분산되는 문제점을 효과적으로 해결할 수 있습니다. 동시에 사용자를 위한 지능형 도우미 역할을 하여 운영상의 어려움을 줄이고 Web3와의 상호 작용 효율성을 개선합니다. 예를 들어 DAIAgent는 사용자가 DID를 생성, 업데이트, 취소하는 등 DID 수명 주기를 관리하는 데 도움을 주어 데이터 관리와 사용 경험을 간소화합니다. 이후 논의의 토대를 마련하기 위해 AI-Agent와 DID의 관계를 구체적으로 논의하는 것이 필요하다. Web3.0 환경에서 DID와 DAI-Agent는 매우 상호 보완적이고 호환 가능합니다.

a. 데이터 통합 및 고품질 입력:

AI-Agent는 여러 플랫폼(예: 사회, 의료 및 전문 데이터)의 데이터를 통합하여 정보 사일로를 효과적으로 해체합니다. 지능형 알고리즘은 DID의 요구 사항에 따라 데이터를 필터링, 정리 및 포맷할 수 있습니다(예: 각 데이터 소스의 신뢰성 평가, 중복 또는 가치가 낮은 데이터 제거, DID 데이터 모델 사양에 따라 데이터 구성). 이를 통해 고품질 DID를 생성할 수 있습니다. 동시에 차등 개인 정보 보호, 동형 암호화 및 최신 다자간 보안 컴퓨팅(MPC) 기술을 사용하여 원본 데이터를 유출하지 않고 데이터 분석 및 계산을 완료합니다(예를 들어, 민감한 의료 데이터를 수집하는 경우 개인 정보를 보호하는 동시에 건강 정보 요구 사항을 충족할 수 있습니다). 또한, 크로스체인 상호운용성 프로토콜(Polkadot, Cosmos 및 기타 생태계 등)이 계속해서 성숙해짐에 따라 DAIAgent는 더 많은 데이터 소스 간에 원활한 연결을 달성하여 데이터 통합의 효율성과 정확성을 더욱 향상시킬 것으로 기대됩니다. 분산형 아키텍처는 단일 지점 장애 및 단일 엔터티에 의한 데이터 제어 위험을 피할 뿐만 아니라 스마트 계약을 통한 자동화된 데이터 수집 및 실시간 업데이트를 가능하게 하여 신뢰할 수 있고 역동적인 디지털 ID 시스템을 구축하는 데 강력한 지원을 제공합니다.

b. 신원 인증 및 권한 부여 기준:

분산된 환경에서 디지털 신원 시스템은 DAIAgent에 필요한 인증 및 권한 부여 메커니즘을 제공하여 AI-Agent가 다른 에이전트와 안전하게 상호 작용할 때 합법적인 신원과 권한을 증명할 수 있도록 합니다. 이러한 과정은 기술적 수단에만 의존하는 것이 아니라, 커뮤니티가 감독과 거버넌스에 참여하는 분산형 자율 조직(DAO) 메커니즘을 통해 더욱 향상될 수 있으며, 이를 통해 시스템의 투명성과 보안을 더욱 강화할 수 있습니다.

c. 신뢰 강화 및 상호작용 비용 절감:

DID 시스템의 도움으로 DAIAgent의 신원과 행동은 더 투명하고 검증 가능해져서 신뢰를 구축하고 다른 에이전트와의 협업을 촉진합니다. 동시에 AI-Agent는 사용자와 시스템 간의 상호 작용 비용을 줄이고 복잡한 작업을 단순화함으로써 분산된 특성으로 인한 비효율성을 효과적으로 완화합니다. 또한, 앞으로 DAIAgent는 새로운 연방 학습과 개인정보 보호 컴퓨팅 기술과 결합하여 원본 데이터를 노출하지 않고도 플랫폼 간, 도메인 간 데이터 협업과 지능적인 의사 결정을 구현하여 사용자에게 더 정확하고 개인화된 서비스를 제공할 수 있을 것입니다.

1.2 분산형 모델

이 모델은 대체로 AI 에이전트의 "두뇌"로 간주될 수 있으며 지능을 달성하기 위한 핵심 구성 요소입니다. 미래에는 수많은 AI 에이전트가 등장하여 다양한 산업에서 역할을 수행하게 될 것이며, 이러한 전문 분야(예: 의료, 교육, 금융 등)에서는 이를 지원하는 자체 AI 모델이 필요합니다. 일반적인 AGI는 사용자의 기본적인 요구를 충족할 수 있지만, 다양한 전문 분야에서는 여전히 다수의 전문 AI 에이전트가 협력하여 작업해야 하며, 이를 위해서는 다양한 모델이 필요합니다. 분산형 모델은 허가가 필요 없고 검증이 가능하다는 등 중앙 집중형 모델에 비해 장점이 있으므로 앞으로 DAI-Agent에서 선호될 가능성이 큽니다. 허가가 필요 없는 특성을 통해 누구나 중앙 집중형 기관의 승인에 의존하지 않고도 모델 개발에 참여할 수 있어 기술적 개방성을 촉진합니다. 동시에, 허가가 필요 없는 특성을 통해 DAIAgent는 다양한 모델을 보다 유연하게 스케줄링하고 지능형 속성을 크게 향상시킬 수 있습니다. 위에서 언급한 장점 외에도 미래에는 데이터 공유 및 모델 학습 측면에서 연방 학습 및 크로스 도메인 협업 메커니즘도 분산형 모델 개발을 촉진하고, 모델 학습의 효율성과 보안성을 보장하면서 데이터 개인 정보를 보호하는 핵심 기술이 될 것입니다. 특히 금융이나 의료와 같이 매우 민감한 분야의 경우 시스템의 전반적인 신뢰성과 견고성을 보장하기 위해 모델의 학습 프로세스와 데이터 소스는 여러 차례 검증을 거쳐야 합니다.

1.3 블록체인 기술을 기반으로 한 분산형 저장 및 컴퓨팅 플랫폼

Web3 데이터 권리 확인을 실현하려면 분산형 저장 및 컴퓨팅 플랫폼을 구축하고, 검증 가능한 데이터 합의 인프라를 구축하여 대규모 데이터 교환을 지원하는 것이 필요합니다. 구체적으로, Arweave와 AO의 전체 솔루션은 스토리지와 컴퓨팅 양쪽에 데이터 합의 인프라를 구축하여 다음과 같은 목표를 달성합니다.

데이터 저장 비용을 줄이고 데이터 보안과 불변성을 보장합니다.
대규모 데이터 교환을 용이하게 하고 분산형 AI 생태계의 호스팅 및 운영을 위한 견고한 기반을 제공합니다.
통합된 데이터 저장 계층을 통해 데이터 통합 프로세스가 간소화되고, 데이터 분산으로 인해 발생하는 통합 복잡성이 감소합니다.
동시에 이 플랫폼은 Web3에서 DID 시스템을 구축하는 데 필요한 데이터 지원을 제공하여 디지털 ID의 관리와 적용을 향상시킵니다.

위의 세 가지 사항은 서로 보완됩니다.

DAIAgent는 토큰 인센티브를 결합하여 사용자가 데이터를 제공하고 Web3와 적극적으로 상호 작용하도록 장려함으로써 더 많은 데이터를 생성합니다.
대량의 데이터 생성은 분산형 저장 및 컴퓨팅 플랫폼의 발전을 촉진시켰습니다. 이 플랫폼은 데이터 저장 비용을 줄일 수 있을 뿐만 아니라 데이터 소유권 확인을 촉진할 수 있기 때문입니다.
분산형 모델은 분산형 플랫폼에 호스팅되어야 합니다. 이를 통해 저장 및 컴퓨팅 비용을 줄일 수 있을 뿐만 아니라 모델의 검증 가능성과 검열 저항성을 보장하여 모델의 보안 및 신뢰성을 향상시키고 모델 개발을 더욱 촉진할 수 있습니다.

또한, 분산형 모델 학습에는 대량의 고품질 데이터가 필요하며, 대규모 고품질 데이터의 등장은 모델 품질을 크게 향상시킬 것입니다. 모델 품질이 향상되면 DAIAgent가 점점 더 지능화되어 더 많은 사용자 상호작용을 자극하고 더 많은 데이터를 생성할 것입니다. 또한, 데이터의 지속적인 풍부화는 스토리지 및 컴퓨팅 플랫폼의 개선을 더욱 촉진하여 상호 연결되고 끝없는 긍정적 순환을 형성하고 궁극적으로 완전한 데이터 자산 경제 생태계를 구성하게 될 것입니다. 이 생태계는 데이터 자산의 순환을 위한 폐쇄 루프를 만들어내는데, 이는 진정으로 가치 있는 인터넷 생태계를 형성하는 데 중요한 요소입니다. 그림에서 보는 바와 같이:

위의 논리적 분석을 바탕으로 볼 때, DAI-Agent는 전체 생태계의 핵심 고리일 뿐이며, 그 개발은 다른 두 부분(즉, 분산형 저장/컴퓨팅 플랫폼과 분산형 모델)의 지원에 크게 달려 있다는 것을 알 수 있습니다. 따라서 이러한 프로젝트에 투자할 때는 프로젝트가 완전한 데이터 자산 경제 생태계를 구축할 수 있는 능력이 있는지, 아니면 다른 두 당사자와 비교적 안정적인 협력 관계를 구축했는지 여부를 주의해야 합니다. 단방향 프로젝트에만 투자한다면 위험이 크게 커집니다. 또한 현재 인기 있는 ELIZA, VIRTUAL, APC와 같은 DAIAgent 프로토콜은 다양한 모델을 지원하지만, 그 중 일부는 OpenAI와 같은 중앙 집중형 모델 공급자가 액세스하도록 허용합니다. 이는 사용자의 다양한 요구를 충족할 수 있지만, 중앙 집중형 모델의 비중이 너무 높으면 허가 없는 기능이 부족하여 프로토콜의 장기적인 개발을 제한하게 됩니다.

2. 여기서 제가 집중하고 싶은 것은: Arweave 영구 저장소 + AO 초병렬 컴퓨터 전체 솔루션

2.1 병렬 처리 기능

일반적으로 기본 계층과 개별 롤업이 단일 프로세스로 실행되는 이더리움과 같은 네트워크와 달리 AO는 계산의 완전한 검증 가능성을 보장하면서 병렬로 실행되는 아무리 많은 프로세스라도 지원합니다. 더욱이 이러한 네트워크는 각 AO 프로세스가 독립적으로 유지되는 동안 전역적으로 동기화된 상태에서 작동해야 합니다. 이러한 독립성 덕분에 각 프로세스는 더 많은 상호작용을 처리할 수 있어 컴퓨팅 확장성이 크게 향상되며 특히 높은 성능과 안정성이 필요한 애플리케이션 시나리오에 적합합니다. 앞으로 수많은 DAIAgent가 체인에서 지속적으로 작업을 수행함에 따라 시스템 확장성에 대한 요구 사항은 더욱 엄격해질 것이며, AO의 초병렬 처리 능력은 이러한 요구 사항을 충족시킬 수 있습니다.

2.2 대형 모델 및 기타 유형의 모델을 저장하고 실행할 수 있는 기능

AO 네트워크에서 단일 노드의 메모리 제한은 현재 16GB인 반면, 프로토콜 수준에서 메모리 확장 제한은 최대 18EB에 달할 수 있습니다. 이는 기존 AI 분야의 대부분 모델(예: Llama3의 양자화되지 않은 버전, Falcon 시리즈 및 기타 여러 모델)을 실행하기에 충분합니다. GPT-4의 매개변수가 이미 1조 7,600억 개를 넘어선 것을 감안하면, GPT-5는 매개변수가 50조 개를 넘어설 것으로 예상되며, 앞으로도 모델 규모는 계속 커질 것으로 보입니다. AO는 매우 강력한 확장성을 가지고 있습니다. 대형 모델의 실행 요구 사항을 충족시키기 위해 컴퓨팅 장치를 확장하려면 메모리나 그래픽 카드만 물리적으로 늘리면 됩니다.

Arweave는 새로운 블록을 여러 개의 기존 블록에 연결할 수 있는 고유한 블록위브 기술을 사용하므로 확장성이 매우 뛰어나고 이론적으로는 다양한 모델과 대규모 데이터를 저장할 수 있습니다. 동시에 WeaveDrive 기술을 통해 애플리케이션은 로컬 디스크에 액세스하는 것처럼 쉽게 Arweave의 데이터에 액세스할 수 있으며, 이를 통해 다양한 애플리케이션을 빌드하는 것이 가능해집니다. 모든 종류의 애플리케이션은 Arweave에 영구적으로 저장된 데이터에 접근할 수 있으며, AO+Arweave는 컴퓨팅과 스토리지 측면 모두에서 데이터 권리 확인을 위한 인프라를 구축하여 대규모 데이터 자산 교환을 위한 기반을 마련했습니다. 이는 AO 플랫폼에서 애플리케이션을 개발하려는 개발자들에게 매우 매력적입니다. 동시에 다양한 응용 시나리오를 통해 다양한 모델과 DAI-Agent에 대한 다양한 랜딩 시나리오를 제공하여 AI 생태계의 발전을 촉진합니다.

2.3 데이터는 AI 생태계의 3대 요소 중 하나 - AO+Arweave 생태계의 대부분 데이터는 고품질 데이터이며 통합된 데이터 저장 계층을 갖추고 있습니다.

모델 학습에는 대규모이고 고품질의 데이터가 필수적입니다. 고품질 데이터는 일반적으로 정확성, 일관성, 유효성, 완전성, 적시성, 고유성과 같은 특성을 가지고 있습니다. AO+Arweave 생태계에서 유통되는 대부분의 데이터는 이러한 특성을 충족합니다. 자세한 기술 구현 내용은 이전 기사 "Arweave 영구 저장소 + AO 초병렬 컴퓨터: 데이터 합의 인프라 구축"을 읽어보세요. 여기서 Arweave의 영구 저장의 장점을 강조할 필요가 있습니다. 영구 저장 속성으로 인해 저장된 데이터는 대개 더욱 중요합니다. 데이터를 오래 보관할수록 그 가치가 더욱 반영될 수 있습니다. 이는 보존과 추적을 용이하게 할 뿐만 아니라 데이터 소유권도 용이하게 하기 때문입니다. 대규모 고품질 데이터는 AI 훈련에 매우 중요합니다. Arweave는 통합 데이터 스토리지 계층으로서 다양한 프로젝트의 데이터를 통합할 수 있는 기능을 갖추고 있습니다. 이에 비해 Ethereum, Solana 등은 통합 스토리지 계층이 부족하여 데이터 통합에 더 많은 어려움을 겪습니다. Arweave의 이러한 기능은 Web3에서 DID를 구축하는 데 필수적인 데이터 수집, 통합 및 무결성 보장에서 핵심적인 역할을 합니다. 통합된 데이터 저장 계층은 플랫폼 간 데이터 통합보다 훨씬 편리합니다. 또한, AO와 Arweave의 통합을 통해 모든 에이전트 상호작용 데이터를 영구적으로 저장할 수 있어 책임 메커니즘과 DID 및 평판 시스템을 구축하는 데 강력한 지원을 제공합니다. 예를 들어, RedStone 프로젝트는 현재 Arweave를 사용하여 DID를 구축하고 AI 에이전트 개발을 위한 인프라 지원을 제공하는 책임 메커니즘을 확립하고 있습니다.

2.4 AO + Arweave는 AI에 더 높은 검증 가능성을 제공합니다.

검증 가능성은 AI 개발에 매우 중요합니다. AI 모델의 예측 및 출력이 투명하고, 변조 방지되며, 독립적으로 검증 가능하여 AI에 더 높은 신뢰성과 보안을 제공하여 금융, 의료, 법률, 자율 주행과 같은 신뢰도가 높은 분야에서 널리 사용될 수 있도록 합니다. 동시에, 검증 가능성을 통해 개발자는 악의적인 변조에 대한 걱정 없이 보다 자신 있게 모델을 공유하고 협업할 수 있습니다. AO+Arweave는 SCP 저장 방식을 채택하여 AO 내의 모든 데이터와 모델을 Arweave에 홀로그램으로 저장할 수 있으며, 누구나 데이터 출처, 모델 작동 과정, 출력 결과를 검증할 수 있습니다. 동시에 컴퓨팅 유닛에서 제공하는 암호화된 서명은 계산 결과의 신뢰성과 무결성을 더욱 보장합니다. 제로 지식 증명 기술과 분산형 검증 메커니즘이 지속적으로 개선됨에 따라, 미래에는 모델 출력을 실시간으로 검증할 수 있을 뿐만 아니라 모델의 학습 데이터, 매개변수 업데이트 등의 전체 프로세스를 추적하고 감사하여 포괄적이고 다단계 신뢰 시스템을 형성할 수 있게 될 것입니다. 또한, AO와 PADO가 공동으로 추진하는 검증 가능한 기밀 컴퓨팅(VCC)은 ZKFHE(제로 지식 완전 동형 암호화) 기술을 사용하여 데이터와 모델의 프라이버시를 보호하는 동시에 검증 가능성과 계산 가능성을 보장합니다. 이러한 메커니즘은 데이터 공유의 위험을 크게 줄일 뿐만 아니라 모델 제공자의 지적 재산권을 보호하여 더 높은 품질의 모델의 공개 및 공유를 장려합니다. 토큰 인센티브 메커니즘과 결합된 이러한 신뢰 시스템은 사용자가 적극적으로 데이터를 기여하고 전체 AI 생태계를 더 높은 수준으로 끌어올리도록 더욱 고무할 것으로 기대됩니다.

AO+Arweave 생태계의 기본 구성 요소와 관계는 그림에 표시되어 있습니다.

요약하자면, AO+Arweave 생태계는 분산형 AI를 위한 탁월한 운영 환경을 제공합니다. 이 생태계는 분산형 AI 생태계를 지원하는 데 적합한 뛰어난 확장성과 호스팅 기능을 갖추고 있을 뿐만 아니라, 대규모 고품질 데이터 저장 및 교환, 병렬 컴퓨팅, 검증 가능성 면에서도 상당한 이점을 제공합니다. 이러한 요소들은 AO+Arweave 생태계를 분산형 AI 개발을 위한 이상적인 플랫폼으로 만듭니다. 위의 데모를 통해 분산형 AI는 Web3 가치 인터넷 생태계 구현에 필요한 세 가지 주요 요소에서 의심할 여지 없이 중요한 역할을 합니다. AO+Arweave+AI가 Web3 구현을 크게 촉진할 것으로 기대됩니다!