출처: 블록미디어
비탈릭 부테린은 지난 1월 30일 두 기술의 시너지를 논한 에세이를 공개했다.(The promise and challenges of crypto + AI applications)
기술적인 내용이 다수 포함돼 있는 이 논문을 독해하기 위해 챗GPT를 사용했다. 논문에 언급돼 있는 두 개의 암호화폐 프로젝트 비트텐서(BitTensor TAO)와 월드코인(World Coin WLD)에 대해서는 별도의 검색과 요약을 추가했다.
(이하 AI와 BL의 통합 기술을 ‘아이블(AiBL)’로 부르기로 한다. 부테린은 이러한 용어를 쓰지 않았지만 이 기사에서는 편의상 사용키로 했다. 편집자 주)
부테린의 논문으로부터 아이블이 가져올 가능성을 요약하면 다음과 같다.
첫째, AI는 싼 가격으로 모델 개발이 가능하다.
둘째, AI는 투명성과 보안성을 높일 수 있다.
셋째, BL은 강력한 유즈 케이스를 확보할 수 있다.
넷째, 다양한 연관 비즈니스를 만들 수 있다.
# 약속과 시너지
인공지능(AI)과 블록체인(BL) 기술의 융합, 아이블(AiBL)은 기술 혁신의 새로운 지평을 열고 있다. 이 두 기술은 각자의 영역에서 상당한 발전을 이루었으며, 이제는 서로의 장점을 결합하여 보다 안전하고 효율적인 디지털 시스템을 구축하고 있다.
블록체인은 분산 원장 기술을 통해 거래의 투명성과 보안을 제공하는 반면, AI는 데이터 분석과 의사 결정 과정에서의 자동화와 향상된 효율성을 제공한다. 이러한 결합은 특히 금융, 의료, 공급망 관리 등 다양한 분야에서 혁신적인 솔루션을 가능하게 한다.
아이블은 예측 시장, 자동화된 거래 시스템, 실시간 학습(튜터링) 및 사기 방지 시스템 등 새로운 응용 분야를 탐색하고 있다. AI가 시간당 1 달러 미만의 비용으로 대량의 정보를 처리할 수 있는 능력은 이러한 분야에서 혁명적인 변화를 약속한다.
# 도전 과제..오버헤드 문제
아이블은 해결해야할 과제를 가지고 있다. 대규모 언어 모델의 연산 비용, AI 모델의 기본 구조에 대한 이해 부족, 블록체인의 암호화 오버헤드 등이 그 예이다. 특히, AI 모델의 검증 가능성과 공정성을 보장하는 것은 중요한 과제로 남아 있다.
AI 모델이 내놓은 자료를 신뢰하기 위해서는 객관적 검증이 필요하다. 그러나 AI 모델 자체를 공개하면 부정한 의도를 가진 자들에 의해 공격을 받을 가능성이 있다. 그래서 나온 대안이 AI 모델과 처리 과정 전체를 암호화하는 것이다.
그러나 암호화는 그 자체로 오버헤드(overhead) 문제가 있다. 오버헤드는 암호화 기술을 사용할 때 발생하는 추가적인 처리 시간, 메모리 사용량, 또는 전력 소비와 같은 추가 비용을 의미한다.
예를 들어, 이더리움 블록을 직접 검증하는 데는 몇 백 밀리초가 소요되지만, 해당 블록의 정확성을 증명하기 위한 ZK-SNARK를 생성하는 데는 몇 시간이 걸릴 수 있다. MPC(다자간 계산 Multi-Party Computation) 기술에서 볼 수 있는 오버헤드는 이보다 더 심각할 수 있다.
AI 계산 자체가 이미 비용이 많이 드는 작업이기 때문에, 암호화 기술을 AI 내부에서 사용하는 것이 실행 가능한지에 대한 의문이 제기된다.
아이블 기술이 이 문제를 풀 수 있을 것인지, 중요한 고려 사항이다. 특히, AI 모델을 안전하게 만들기 위해 암호화를 적용하고자 할 때, 이러한 오버헤드는 성능 저하를 초래하고, 사용 가능한 시스템의 범위를 제한할 수 있다. 따라서, 암호화 기술을 AI와 블록체인에 적용할 때는 오버헤드를 고려하여, 보안과 성능 사이의 적절한 균형을 찾아야 한다.
# 아이블이 가져올 이점
아이블은 높은 가치를 지닌 사용 사례들을 만들 수 있다. 예를 들어, 블록체인 기반 AI 모델은 데이터의 무결성을 보장하며, AI는 블록체인 네트워크의 거래를 분석하고 최적화할 수 있다.
데이터 프라이버시와 보안은 아이블 융합의 중요한 측면이다. AI 모델이 사용자 데이터를 안전하게 처리하고, 블록체인이 이 데이터의 분산 저장을 보장함으로써, 사용자는 자신의 정보가 안전하게 보호됨을 확신할 수 있다.
이 융합은 또한 새로운 비즈니스 모델과 경제적 기회를 창출한다. 예를 들어, 아이블 기술이 채택된 스마트 계약은 자동화된 서비스 제공과 결제를 가능하게 하여, 중개자 없이도 효율적인 거래가 이루어질 수 있다.
투명성과 신뢰성의 증대는 아이블 기술의 또 다른 중요한 이점이다. 블록체인은 거래 기록을 불변의 기록으로 저장하며, AI는 이 데이터를 분석하여 보다 투명하고 신뢰할 수 있는 시스템을 구축한다.
개발자와 기업은 이러한 기술의 융합을 통해 사용자 경험을 향상시키고, 새로운 서비스와 솔루션을 개발할 수 있는 기회를 얻는다. 이는 향후 몇 년간 디지털 혁신의 핵심 동력이 될 것이다.
# 아이블 기술의 응용 : DAO를 이용한 AI 방어
아이블 기술을 써서 AI를 공격하려는 시도를 차단할 수 있다. 이른바 적대적 예제(adversarial examples) 공격을 방어하는 것이다.
AI 모델이 암호화되지 않았을 경우 외부 세력으로부터 공격을 받을 수 있다. 많은 기계 학습 모델들이 ‘적대적 예제’에 취약하다. 적대적 예제란, AI가 잘못된 출력을 생성하도록 특별히 고안된 입력을 의미합니다. AI에게 엉뚱한 학습을 강요해서 잘못된 결과를 내놓도록 유도하는 것이다.
적대적 예제는 한 모델에 영향을 미치면, 다른 AI 모델에도 영향을 미칠 수 있다. 공격자는 자신의 대체 모델을 훈련시켜 적대적 예제를 생성하고, 이를 피해 모델에 전송할 수 있다. AI 모델이 외부에 공개되지 않고 ‘API 접근’ 만 가능할 경우에도 이러한 공격이 가능하다. .
적대적 공격을 효과적으로 방지하기 위해서는 두 가지 조치가 필요하다.
첫째, AI 모델에 대한 쿼리(Query 질문 또는 조회)를 할 수 있는 대상을 실질적으로 제한한다. 얼마나 많은 쿼리를 할 수 있는지도 제한한다.
둘째, AI를 훈련하는 원본 데이터를 숨기면서도 훈련 데이터 생성 과정이 손상되지 않았다는 것을 보증해야 한다. 이는 블록체인의 오라클 이슈의 변주라고 할 수 있다.
이러한 문제에 대한 해결책으로, ‘분산 자율 조직(DAOs)’을 사용하여 AI를 민주적으로 관리하는 방안이 제안되고 있다.
DAO의 방식으로 훈련 데이터를 제출할 수 있는 사람을 특정하고, 어떤 데이터에 대한 증명이 필요한지, 쿼리를 할 수 있는 사람과 횟수도 관리한다.
다자간 계산(MPC)과 같은 암호화 기술을 사용하여 개별 사용자의 훈련 데이터 입력부터 각 쿼리의 최종 출력까지 AI 생성 및 운영 전 과정을 암호화할 수 있다.
(2)편으로 이어집니다.
