체인피드 소개:
Wintermute는 Chaos Labs가 새로 출시한 Edge Proofs Oracle을 미국 대통령 선거 예측 시장인 OutcomeMarket의 오라클 로 채택했다고 발표했습니다. Chaos Labs 창립자 Omar는 Edge Proofs Oracle을 예로 들어 그것이 나타내는 AI/LLM 오라클 모델의 메커니즘, 장점 및 한계를 분석했습니다.
기사 출처:
https://x.com/omeragoldberg/status/1836067673278734443
기사 작성자:
오메르
관점:
omer: Edge Proofs 오라클 검증 가능한 데이터 출처, 무결성 및 신뢰성을 보장하여 블록체인 애플리케이션이 의존하는 외부 데이터를 신뢰할 수 있도록 합니다. 이 기능은 안전하고 신뢰할 수 있는 방식으로 오프체인 데이터를 온체인 가져와 선거 결과와 같은 실제 사건을 정확하게 검증하도록 오라클 오라클 의 전문 하위 집합인 예측 시장 오라클 에 매우 중요합니다. 예측 시장 오라클 메커니즘은 다음과 같습니다. 1) 평판이 좋은 소스 선언: AP, CNN, Fox 등 신뢰할 수 있는 소스를 미리 지정합니다. 이러한 소스는 예측 시장 이벤트(예: 미국 선거의 승자 결정)를 해결하기 위한 입력으로 사용될 수 있습니다. 2) 데이터 출처, 무결성 및 신뢰성을 입증합니다. 오라클 데이터가 변조되지 않았음을 보장합니다. 명시된 소스에서 게시한 내용과 일치합니다. 완전히 일관되어 입력 내용의 무결성이 유지됩니다. 3) 이벤트 결과 결정: 고급 AI 또는 LLM 모델이 텍스트를 처리하고 "누가 이겼는지"와 같은 특정 질문에 답하는 통찰력을 생성합니다. 4) 합의 도달: 결과의 신뢰성을 보장하기 위해 오라클 네트워크는 여러 노드 사이에서 합의에 도달합니다. 이 단계는 단일 주체가 이벤트 결과를 일방적으로 결정할 수 없도록 보장하여 투명성과 탈중앙화 보장합니다. 오라클 솔루션을 구현하기 위해 검증 가능한 머신러닝(ML) 모델을 사용하면 특히 신뢰, 정확성 및 효율성이 중요한 리스크 환경에서 인간 중심 투표 시스템에 비해 이점을 얻을 수 있습니다. 공정한 데이터로 훈련되면 머신러닝(ML) 모델은 외부 영향을 최소화하여 객관성과 공정성을 높이는 보다 구조화된 접근 방식을 제공합니다. 머신러닝(ML) 모델은 완전히 검증 가능합니다. 모든 예측은 입력 내용을 추적할 수 있으므로 제3자가 명확하고 자신 있게 결과를 확인할 수 있습니다. 머신러닝(ML) 모델은 확장성이 뛰어나며 대량 의 데이터를 실시간으로 처리할 수 있습니다. 또한 ML 기반 오라클 사용하면 자동화가 가능합니다. 머신러닝(ML) 모델은 인간이 주도하는 투표 시스템의 조작으로부터도 보호할 수 있습니다. LLM은 큰 가능성을 갖고 있지만 모든 경우에 적용되는 단일 솔루션은 아닙니다. 우리는 그들의 한계를 인정해야 합니다. 최근 사례로는 Google Gemini 모델이 있는데, 어떤 경우에는 미국 역사의 일부를 다시 쓴 것으로 밝혀져 LLM이 때때로 결함이 있거나 부정확한 답변을 생성할 수 있다는 사실을 강조합니다. 이러한 단점은 훈련 데이터의 편향과 언어 모델의 고유한 가변성에서 비롯됩니다. 그럼에도 불구하고 명확하고 권위 있는 소스(예: CNN 또는 AP와 같은 평판이 좋은 뉴스 매체의 기사를 기반으로 선거의 승자를 결정하는 등)에서 직접 답변을 클레임 해야 하는 예측 시장 오라클 의 경우 LLM이 여전히 유효하다고 생각합니다. 매우 효과적입니다. [영어 원문]
콘텐츠 소스 
