AI와 블록체인의 융합: 15년의 지평선

인공지능(AI)과 블록체인이 세상을 바꿀 것으로 예상됐다. 그러나 상황이 나타나는 데 시간이 조금 더 걸렸습니다.

Artificial Intelligence (AI) and blockchain were touted to revolutionize the world, but things have taken a bit longer to manifest. Here's how they can converge and what challenges lie ahead.

인공지능(AI)과 블록체인은 세상을 혁신할 것이라고 선전되었지만, 현실화되기까지 시간이 조금 더 걸렸습니다. 이들이 어떻게 융합할 수 있는지, 그리고 앞으로 어떤 과제가 놓여 있는지 알아보겠습니다.

Artificial Intelligence (AI) and blockchain were expected to revolutionize the world by now, but things have taken a bit longer to manifest. Both technologies have advanced significantly, but their convergence and mainstream adoption still face several challenges and opportunities.

인공지능(AI)과 블록체인은 지금쯤 세상에 혁명을 일으킬 것으로 예상됐지만, 현실화되기까지 시간이 조금 더 걸렸습니다. 두 기술 모두 크게 발전했지만 융합과 주류 채택은 여전히 ​​몇 가지 도전과 기회에 직면해 있습니다.

In this article, we'll explore why AI and blockchain need to converge, the specializations forming amongst Large Language Models (LLMs), and why we expect 15 more years to see commercially viable applications go mainstream.

이 기사에서는 AI와 블록체인이 융합되어야 하는 이유, LLM(대형 언어 모델) 사이에 전문화가 형성되는 이유, 상업적으로 실행 가능한 애플리케이션이 주류가 될 것으로 예상되는 이유를 살펴보겠습니다.

The evolution of AI: Specialization and cost challenges

AI의 진화: 전문화 및 비용 문제

As AI continues to leapfrog expectations, we're witnessing a trend towards specialization in LLMs. Models like Claude, developed by Anthropic, are already becoming popular among developers for technical tasks and coding assistance. Others focus on specific industries or use cases (e.g., ChatGPT for more general audiences, Gemini for copywriting, and Perplexity for general research).

AI가 계속해서 기대치를 뛰어넘으면서 LLM이 전문화되는 추세를 목격하고 있습니다. Anthropic이 개발한 Claude와 같은 모델은 이미 기술 작업 및 코딩 지원 분야에서 개발자들 사이에서 인기를 얻고 있습니다. 다른 사람들은 특정 산업이나 사용 사례에 중점을 둡니다(예: 일반 청중을 위한 ChatGPT, 카피라이팅을 위한 Gemini, 일반 연구를 위한 Perplexity).

This natural specialization reflects the growing demand for precision in AI applications, particularly in enterprise settings. However, this progress also comes at a cost.

이러한 자연스러운 전문화는 특히 기업 환경에서 AI 애플리케이션의 정밀도에 대한 수요 증가를 반영합니다. 그러나 이러한 진행에는 비용도 발생합니다.

Despite ongoing efforts to optimize AI models, the financial burden of using LLMs at scale remains significant. OpenAI’s GPT-4, for instance, charges $0.03 per 1K tokens for input and $0.06 per 1K tokens for output. Their o1 (‘Strawberry’) model, which focuses on reasoning, is being priced at $15 per 1 million input tokens.

AI 모델을 최적화하려는 지속적인 노력에도 불구하고 LLM을 대규모로 사용하는 데 따른 재정적 부담은 여전히 ​​상당합니다. 예를 들어 OpenAI의 GPT-4는 입력에 대해 1K 토큰당 $0.03, 출력에 대해 1K 토큰당 $0.06를 청구합니다. 추론에 초점을 맞춘 o1('딸기') 모델의 가격은 입력 토큰 100만개당 15달러입니다.

These costs can quickly become prohibitive for businesses looking to integrate AI across multiple departments. For instance, a large e-commerce company might use an LLM to personalize product recommendations, generate marketing copy, and even assist customer service representatives.

여러 부서에 걸쳐 AI를 통합하려는 기업의 경우 이러한 비용이 금방 감당할 수 없을 만큼 커질 수 있습니다. 예를 들어, 대규모 전자 상거래 회사는 LLM을 사용하여 제품 추천을 개인화하고, 마케팅 카피를 생성하고, 고객 서비스 담당자를 지원할 수도 있습니다.

While using an LLM for each task might be ideal from a performance perspective, the costs could quickly become unsustainable, especially considering that LLMs require continuous fine-tuning and maintenance.

각 작업에 대해 LLM을 사용하는 것이 성능 측면에서 이상적일 수 있지만, 특히 LLM에 지속적인 미세 조정 및 유지 관리가 필요하다는 점을 고려하면 비용이 빠르게 지속 불가능해질 수 있습니다.

To address this challenge and make AI more accessible to a broader range of applications, we need to explore alternative approaches that can reduce the overall costs of deploying and using AI models at scale.

이러한 과제를 해결하고 더 광범위한 애플리케이션에서 AI에 더 쉽게 접근할 수 있도록 하려면 AI 모델을 대규모로 배포하고 사용하는 데 드는 전체 비용을 줄일 수 있는 대체 접근 방식을 모색해야 합니다.

One promising solution lies in converging AI with blockchain technology, specifically Scalable Blockchain Technology (what we call “SBT”), which offers several unique advantages for AI applications.

유망한 솔루션 중 하나는 AI를 블록체인 기술, 특히 AI 애플리케이션에 몇 가지 고유한 이점을 제공하는 확장 가능한 블록체인 기술(우리가 "SBT"라고 함)과 융합하는 것입니다.

Blockchain: A potential solution for AI’s pain points

블록체인: AI의 문제점을 해결할 수 있는 잠재적인 솔루션

The convergence of AI and blockchain can pave the way for a new era of decentralized intelligence, where data privacy, security, and ownership take center stage. Here's how blockchain can address some of AI's most pressing pain points:

AI와 블록체인의 융합은 데이터 개인 정보 보호, 보안 및 소유권이 중심이 되는 새로운 분산형 지능 시대를 위한 길을 열 수 있습니다. 블록체인이 AI의 가장 시급한 문제점을 해결하는 방법은 다음과 같습니다.

Data privacy and ownership: By integrating AI models with decentralized blockchain networks, we can create a system where data is no longer centrally controlled or owned. Instead, individuals and organizations could securely contribute their data to a collective pool, ensuring that AI models have access to a diverse and privacy-preserving dataset.

데이터 개인 정보 보호 및 소유권: AI 모델을 분산형 블록체인 네트워크와 통합함으로써 데이터가 더 이상 중앙에서 제어되거나 소유되지 않는 시스템을 만들 수 있습니다. 대신, 개인과 조직은 자신의 데이터를 집단 풀에 안전하게 제공하여 AI 모델이 개인 정보를 보호하는 다양한 데이터 세트에 액세스할 수 있도록 보장할 수 있습니다.

In this scenario, data contributors would retain ownership and control over their data, and they could choose to opt out or revoke access at any time. This approach aligns closely with the principles of Web3 and decentralized data governance, empowering individuals to participate in the data economy without sacrificing their privacy.

이 시나리오에서 데이터 기여자는 자신의 데이터에 대한 소유권과 통제권을 유지하며 언제든지 액세스를 거부하거나 취소할 수 있습니다. 이 접근 방식은 Web3 및 분산형 데이터 거버넌스의 원칙과 밀접하게 일치하여 개인이 개인 정보를 희생하지 않고도 데이터 경제에 참여할 수 있도록 지원합니다.

Secure and immutable data input: Another key benefit of converging AI and blockchain is the ability to ensure the integrity and immutability of data used to train and operate AI models.

안전하고 불변의 데이터 입력: AI와 블록체인 융합의 또 다른 주요 이점은 AI 모델을 훈련하고 운영하는 데 사용되는 데이터의 무결성과 불변성을 보장하는 능력입니다.

In a decentralized AI system, data would be securely recorded on the blockchain, making it virtually impossible to tamper with or manipulate. This immutable data record would serve as a single source of truth, ensuring that AI models are always operating on the most accurate and up-to-date information.

분산형 AI 시스템에서는 데이터가 블록체인에 안전하게 기록되므로 변조나 조작이 사실상 불가능합니다. 이 불변의 데이터 기록은 단일 정보 소스 역할을 하여 AI 모델이 항상 가장 정확하고 최신 정보로 작동하도록 보장합니다.

By combining the strengths of AI and blockchain in this way, we can create a new generation of AI models that are not only powerful and efficient but also privacy-preserving, secure, and transparent.

이러한 방식으로 AI와 블록체인의 장점을 결합함으로써 우리는 강력하고 효율적일 뿐만 아니라 개인정보를 보호하고 안전하며 투명한 차세대 AI 모델을 만들 수 있습니다.

Several initiatives are already exploring the potential of blockchain for secure and privacy-preserving AI applications. For instance, the European Blockchain Services Infrastructure (EBSI) is examining how blockchain can be used to create a trusted and secure environment for deploying AI models.

여러 이니셔티브에서 이미 안전하고 개인정보를 보호하는 AI 애플리케이션을 위한 블록체인의 잠재력을 탐구하고 있습니다. 예를 들어, 유럽 블록체인 서비스 인프라(EBSI)는 블록체인을 사용하여 AI 모델 배포를 위한 신뢰할 수 있고 안전한 환경을 만드는 방법을 검토하고 있습니다.

Similarly, projects like Ocean Protocol are developing decentralized data marketplaces that could revolutionize how AI models access and use training data. And projects like Teranode are showcasing what's truly possible at scale—something AI systems need since they deal with infinitely larger datasets than traditional ones.

마찬가지로 Ocean Protocol과 같은 프로젝트는 AI 모델이 교육 데이터에 액세스하고 사용하는 방법을 혁신할 수 있는 분산형 데이터 시장을 개발하고 있습니다. 그리고 Teranode와 같은 프로젝트는 규모에 따라 실제로 가능한 것이 무엇인지 보여줍니다. 이는 AI 시스템이 기존 시스템보다 무한히 더 큰 데이터 세트를 처리하기 때문에 필요한 것입니다.

Roadblocks on the path to convergence

융합으로 가는 길의 장애물

Despite the potential for synergy between AI and blockchain, several significant roadblocks stand in the way of seamless integration:

AI와 블록체인 간의 시너지 효과 가능성에도 불구하고 원활한 통합을 가로막는 몇 가지 중요한 장애물이 있습니다.

Nascent regulatory frameworks: Both AI and blockchain are still emerging technologies that are rapidly evolving. As a result, regulatory frameworks governing their use and application are still nascent and vary widely across jurisdictions.

초기 규제 프레임워크: AI와 블록체인은 여전히 ​​빠르게 발전하고 있는 새로운 기술입니다. 결과적으로, 사용 및 적용을 관리하는 규제 프레임워크는 아직 초기 단계이며 관할권에 따라 크게 다릅니다.

This lack of clear and consistent regulation poses a challenge for businesses and technologists seeking to converge AI and blockchain in a legally compliant manner.

이러한 명확하고 일관된 규제의 부족은 AI와 블록체인을 법적으로 준수하는 방식으로 융합하려는 기업과 기술자들에게 어려움을 안겨줍니다.

For instance, some jurisdictions might have strict data privacy laws that limit the use of certain AI techniques, while

예를 들어, 일부 관할권에는 특정 AI 기술의 사용을 제한하는 엄격한 데이터 개인 정보 보호법이 있을 수 있습니다.