안녕하세요! 방금 스마트 계약에 온체인 LLM을 추가하는 것에 대한 백서 공개했습니다. 피드백을 주시면 감사하겠습니다. 이미 구현했습니다. eternalai.org 에서 이것으로 놀아볼 수 있습니다.
AI 기반 이더리움
규칙 기반 스마트 계약에서 AI 기반 스마트 계약으로
초록. 이더리움의 가장 매혹적인 측면 중 하나는 인간의 개입 없이 작동할 수 있는 일련의 스마트 계약을 기반으로 하는 분산 시스템을 만드는 능력입니다. 그러나 이러한 스마트 계약은 여전히 사전 프로그래밍된 규칙과 논리에 대한 의존성으로 인해 제한을 받습니다. AI를 통합함으로써 분산화될 뿐만 아니라 자율적이고 적응적이며 자기 인식적인 시스템을 만들기 시작할 수 있습니다. 이는 블록체인 기술의 결합된 잠재력과 분산 시스템에서 AI의 역할에 대한 다양한 흥미로운 질문을 제기합니다. 이러한 질문을 탐구하기 위해 이더리움에서 AI 기반 스마트 계약을 구축하는 데 사용할 수 있는 AI 커널의 개발을 제안합니다. Eternal AI는 AI 커널의 아키텍처를 제시하고 AI를 스마트 계약에 통합하는 의미를 조사합니다.
1. 진정한 스마트 계약
한 걸음 물러나서 스마트 계약으로 무엇을 성취하려는지 생각해 봅시다. 우리는 분산화되어 있을 뿐만 아니라 자율적이고, 결정을 내리고 변화하는 상황에 대응할 수 있는 시스템을 만들고 싶습니다.
하지만 디앱(DApp) 의 현재 상태를 살펴보면, 우리는 여전히 그 비전을 달성하기에는 먼 길이다. 오늘날 대부분의 디앱(DApp) AI 기능을 통합할 수 없는 스마트 계약으로 코딩된 단순한 규칙 기반 프로그램이다. 그들은 환경에 적응하거나 학습할 수 없는 딱딱한 기계와 같다.
한편, Web2 세계에서는 실시간으로 결정을 내릴 수 있는 AI 기반 애플리케이션이 급증하고 있습니다. 그렇다면 탈중앙화 애플리케이션(DAPPS) 에 이와 동일한 수준의 정교함을 도입하는 것을 막는 것은 무엇일까요?
이 과제를 해결하기 위해 우리는 분산형 소프트웨어 개발에 대한 접근 방식을 재고해야 합니다. 개발자가 AI 기능을 스마트 계약에 통합하여 시간이 지남에 따라 적응하고 진화할 수 있는 진정한 스마트 계약을 만들 수 있는 프레임워크를 만들어야 합니다.
우리는 이더리움을 위한 AI 커널을 개발하여 이를 달성하는 것을 제안합니다.
2. 새로운 프로그래밍 모델
분산형 판타지 스포츠 리그를 관리하는 스마트 계약을 고려해 보세요. 계약은 두 팀 간의 매치업에서 승자를 결정해야 합니다.
규칙 기반 접근 방식
기존의 규칙 기반 접근 방식에서는 계약에서 복잡한 if-else 명령문을 사용하여 각 플레이어의 성과를 분석하고 경기의 승자를 결정할 수 있습니다.
그림 1. 규칙 기반 스마트 계약.
이런 접근 방식은 엄격하고 융통성이 없어 게임의 미묘함과 복잡성을 포착하지 못합니다.
AI 기반 접근 방식
이와 대조적으로 AI 커널은 대규모 언어 모델(LLM)을 사용하여 실시간으로 동적으로 결정을 내리는 새로운 프로그래밍 모델을 가능하게 합니다. AI 커널을 사용하면 판타지 스포츠 리그 계약은 LLM에 프롬프트를 제공하고 구조화된 응답을 받는 것으로 작성될 수 있습니다.
그림 2. AI 기반 스마트 계약.
이 예에서 계약은 AI 커널이 두 팀의 성과를 분석하고 매치업 승자를 결정하도록 합니다. 이 접근 방식은 훨씬 더 많은 유연성과 역동적인 의사 결정을 가능하게 합니다. 기존의 규칙 기반 접근 방식에서는 포착할 수 없는 방식으로 게임의 뉘앙스와 복잡성을 포착할 수 있습니다.
3. AI 커널 아키텍처
진정한 스마트 계약과 AI 기반 디앱(DApp) 구축하려면 AI 추론, AI 모델, GPU 리소스의 통합을 용이하게 할 수 있는 분산형 프레임워크가 필요합니다. 여기서 AI 커널이 등장합니다. AI 기반 Ethereum의 중심 구성 요소입니다.
그림 3. AI 커널 아키텍처.
높은 수준에서 AI 커널은 네 가지 주요 구성 요소로 나눌 수 있습니다. 차례로 각각을 살펴보고 분산형 AI를 가능하게 하기 위해 이들이 어떻게 함께 어울리는지 생각해 보겠습니다.
먼저, 사용자 공간이 있습니다. 이는 디앱(DApp) 작동하는 도메인입니다. 이 공간에서 개발자는 AI 모델과 상호 작용하는 애플리케이션을 빌드할 수 있지만 기본 AI 모델이나 컴퓨팅 리소스에 직접 액세스할 수는 없습니다. 대신 커널 공간을 통해 AI 모델에 연결합니다.
커널 공간은 마법이 일어나는 곳입니다. 이 구성 요소는 개발자가 AI 모델과 상호 작용할 수 있는 간단한 프로그래밍 인터페이스를 제공하여 AI 기반 디앱(DApp) 더 쉽게 구축할 수 있도록 합니다. 내부적으로 커널 공간은 분산형 추론과 핵심 AI 커널이라는 두 가지 하위 구성 요소로 나뉩니다. 분산형 추론은 개발자가 AI 모델과 상호 작용할 수 있는 간단한 프로그래밍 인터페이스를 제공합니다. 동시에 핵심 AI 커널은 분산형 컴퓨팅 리소스에서 AI 모델을 실행하는 복잡한 작업을 처리합니다.
다음으로, AI 모델을 관리하는 데 전념하는 도메인인 모델 공간이 있습니다. 여기서는 Llama 및 플럭스(Flux) 와 같은 기존 오픈소스 모델을 가져와 체인에서 작동하도록 조정하여 분산 추론을 가능하게 합니다. 이러한 모델을 체인에서 사용할 수 있게 하면 개발자가 노력을 복제하거나 복잡한 모델 배포를 관리하지 않고도 활용할 수 있는 공유 리소스를 만들 수 있습니다.
마지막으로, 하드웨어 공간이 있습니다. 이는 전 세계의 GPU 노드와 같은 물리적 하드웨어와 상호 작용하는 구성 요소입니다. 여기에서 컴퓨팅 리소스가 프로비저닝되고 AI 모델이 실행됩니다. 분산된 컴퓨팅 리소스를 활용하면 복잡한 AI 워크로드를 처리할 수 있는 확장 가능하고 유연한 플랫폼을 만들 수 있습니다.
4. 사용자 공간
사용자가 AI 커널과 상호작용하는 여정을 고려해 보겠습니다. 프롬프트로 시작합니다. AI 커널이 출력을 생성하도록 요청하는 것입니다. 이 프롬프트는 일반 사용자나 스마트 계약 계정에서 올 수 있습니다. 프롬프트는 Decentralized Inference 스마트 계약으로 전송됩니다.
프롬프트 자체는 4개의 필드로 구성된 간단한 데이터 구조입니다.
- 계정: 일반 사용자 계정 또는 스마트 계약 계정
- 주제: 계정과 AI 커널 간의 여러 고유한 컨텍스트 중 하나
- 입력: AI가 생성한 출력을 이끌어내는 질문이나 메시지
- 추가 컨텍스트(선택 사항)
그림 4. 특정 계정 및 주제에 대한 일련의 프롬프트.
주제는 흥미로운 개념입니다. 계정과 AI 커널 간에 공유되는 고유한 컨텍스트입니다. 이 컨텍스트는 AI 커널이 의미 있는 출력을 생성하는 데 필수적이며 시간이 지남에 따라 진화하는 것입니다. 컨텍스트 관리자 스마트 계약은 이전 프롬프트, 입력 및 제공된 추가 컨텍스트를 기반으로 이 컨텍스트를 구성하고 업데이트하는 역할을 합니다.
프롬프트가 제출되면 AI 커널은 출력을 생성하고 컨텍스트 관리자는 프롬프트 컨텍스트를 새 출력으로 업데이트합니다. 프롬프트 데이터는 체인에 저장되므로 누구나 프롬프트를 다시 실행하여 출력을 확인할 수 있습니다. 이러한 투명성은 AI 커널의 핵심 기능으로, 기존 AI 시스템과 차별화됩니다.
개발자는 프롬프트 데이터를 저장하는 것과 관련하여 선택할 수 있습니다. 즉, 네이티브 블록체인에 직접 저장하거나 파일코인(Filecoin) 과 같은 외부 분산형 스토리지 네트워크에 원시 데이터를 가리키는 해시 를 저장할 수 있습니다. 이러한 유연성은 개발자가 비용, 확장성 및 보안 간의 균형을 맞출 수 있기 때문에 중요합니다.
전반적으로, 사용자 공간은 사용자가 AI 커널과 상호 작용할 수 있는 간단하고 직관적인 인터페이스를 제공하도록 설계되었습니다. 기본 AI 모델과 컴퓨팅 리소스의 복잡성을 추상화함으로써 사용자가 중요한 것, 즉 통찰력을 생성하고 문제를 해결하는 데 집중할 수 있는 원활한 경험을 만들 수 있습니다.
5. 커널 공간
AI 커널은 분산형 AI 아키텍처의 핵심입니다. 모듈식이고 유연하게 설계되었습니다. 핵심적으로 AI 커널은 리소스를 관리하고 프로토콜의 다른 부분 간의 통신을 용이하게 하기 위해 함께 작동하는 일련의 스마트 계약으로 구성됩니다.
그림 5. AI 커널의 핵심 스마트 계약.
AI 커널을 구성하는 5가지 주요 스마트 계약을 살펴보겠습니다.
첫째, 분산 추론 계약은 디앱(DApp) AI 커널과 상호 작용할 수 있는 표준화된 인터페이스를 제공합니다. 이 계약은 개발자가 간단하고 직관적인 방식으로 AI 커널의 기능을 활용할 수 있도록 하는 일련의 "추론 호출"을 제공합니다.
다음으로, 모든 프롬프트에 GPU 시간과 리소스를 공정하고 효율적으로 분배하는 역할을 하는 Prompt Scheduler 계약이 있습니다. 이는 AI 커널의 중요한 구성 요소로, 모든 프롬프트를 효율적이고 동시에 처리할 수 있도록 합니다. Prompt Scheduler는 라운드 로빈 및 요금 기반과 같은 다양한 스케줄링 알고리즘을 사용하여 프롬프트 흐름을 관리하고 시스템이 반응성과 확장성을 유지하도록 합니다.
GPU 관리 계약은 AI 커널의 또 다른 핵심 구성 요소입니다. 이 계약은 분산형 AI 시스템의 워크호스인 GPU 노드의 스테이킹, 상태 및 구성을 관리합니다. GPU 노드를 관리하기 위한 표준화된 인터페이스를 제공함으로써 시스템이 유연하고 확장 가능한 상태를 유지할 수 있습니다.
모델 파일 시스템 계약은 파일코인(Filecoin) 및 아르이브(Arweave) 와 같은 다양한 파일 시스템에 저장된 모델에 대한 액세스를 제공합니다. 이 계약은 다양한 파일 시스템의 세부 정보를 추상화하여 GPU 노드에 일관된 모델 I/O 인터페이스를 제공합니다. 이를 통해 개발자는 모델 저장 및 검색의 기본 복잡성에 대해 걱정하지 않고 디앱(DApp) 빌드하는 데 집중할 수 있습니다.
마지막으로, Context Manager 계약은 다양한 사용자 컨텍스트를 구성하고 GPU 노드에서 액세스할 수 있도록 합니다. 이 계약은 AI 커널이 사용자 쿼리에 개인화되고 컨텍스트에 따라 달라지는 응답을 제공할 수 있도록 하는 데 중요합니다.
이 5개의 스마트 계약은 AI 커널의 핵심을 형성하여 광범위한 애플리케이션을 지원할 수 있는 분산되고 확장 가능한 AI 시스템을 제공하기 위해 함께 작동합니다.
6. 모델 공간
모델 공간은 AI 커널의 중요한 구성 요소로, 인기 있는 오픈소스 AI 모델을 블록체인 환경에 적용합니다. 모델 공간은 핵심적으로 AI 모델과 AI 모델 드라이버라는 두 가지 핵심 구성 요소로 구성됩니다.
AI 모델은 Llama, 플럭스(Flux), Hermes와 같은 잘 알려진 오픈소스 모델입니다. 이러한 모델은 AI 커뮤니티에서 널리 채택되었으며 분산형 AI 시스템을 위한 견고한 기반을 제공합니다.
하지만 이러한 모델은 블록체인을 염두에 두고 설계되지 않았으며, 바로 여기서 AI 모델 드라이버가 등장합니다. 이러한 드라이버는 모델을 블록체인 환경에 적응시키는 데 중요한 역할을 하며, 분산된 환경에서 효과적으로 작동할 수 있도록 보장합니다.
AI 모델을 블록체인에 적용하는 데 있어 한 가지 주요 과제는 결정론적이라는 것을 보장하는 것입니다. 다시 말해, 동일한 입력이 주어졌을 때 모델이 동일한 결과를 생성하도록 해야 합니다. 이는 분산형 AI 시스템의 무결성을 유지하는 데 중요하며, AI 모델 드라이버는 이를 처리하도록 설계되었습니다.
AI 모델을 블록체인에 적용하는 또 다른 중요한 측면은 양자화입니다. 모델 가중치와 활성화의 정확도를 줄임으로써 성능을 개선하고 저장 요구 사항을 줄일 수 있습니다. 이는 저장 및 계산 리소스가 제한될 수 있는 분산형 설정에서 특히 중요합니다.
AI 모델 드라이버는 모듈식이고 확장 가능하도록 설계되어 새로운 모델을 AI 커널에 쉽게 통합할 수 있습니다. 즉, 개발자는 표준화된 인터페이스를 통해 블록체인 환경의 기본적인 복잡성에 대해 걱정하지 않고도 새로운 모델이 출시되면 간단히 플러그인할 수 있습니다.
7. 하드웨어 공간
하드웨어 공간은 AI 커널에서 실제 계산이 발생하는 곳입니다. 이 공간의 핵심은 시스템의 원자적 계산 단위 역할을 하는 GPU 노드로 구성됩니다. 이러한 노드는 사용자 프롬프트를 받고, 추론을 실행하고, 출력을 반환하는 역할을 합니다.
하지만 이러한 GPU 노드를 움직이는 것은 무엇일까요? 답은 GPU 관리 스마트 계약에 있습니다. 이 계약은 노드를 관리하고 작업할 자격이 있는지 확인하는 데 중요한 역할을 합니다. 시스템에 참여하려면 노드가 EAI를 예치(stake) 해야 하며, 이는 일정 수준의 책임을 제공하고 노드가 AI 커널의 성공에 투자되도록 보장합니다.
노드를 관리하는 것 외에도 GPU 관리 계약은 GPU 장치 모델과 같은 하드웨어 구성도 추적합니다. 이 정보는 Prompt Scheduler 계약에서 노드에 처리를 위한 프롬프트를 할당하는 데 사용됩니다.
하지만 노드는 어떻게 시스템에 참여하도록 인센티브를 받을까요? 바로 여기서 Proof-of-Compute 메커니즘이 등장합니다. 노드 참여에 대한 이 새로운 접근 방식은 프롬프트에 대한 출력을 생성하는 노드에 보상을 제공합니다. 프롬프트에 대한 출력을 생성하는 첫 번째 노드는 EAI로 보상을 받으며, 노드가 AI 커널을 지원하도록 장려하는 내장된 인센티브 메커니즘을 생성합니다.
골드 채굴 과 비슷하다고 생각해보세요. 채굴자 리소스를 소비하여 금을 유통에 추가하고, 그 대가로 해당 골드의 일부를 보상으로 받습니다. 우리의 경우 GPU 노드는 리소스(전기 및 GPU 시간)를 소비하여 프롬프트를 처리하고, 그 대가로 EAI를 보상으로 받습니다. 이 메커니즘은 노드가 AI 커널에 참여하고 지원하도록 인센티브를 제공하는 자립형 생태계를 만듭니다.
결국 시스템이 성숙해짐에 따라 보상 메커니즘은 신속한 수수료로 전환되어 완전히 인플레이션이 없게 됩니다. 이 접근 방식은 AI 커널의 생태계가 지속 가능하고 자립적이며 노드가 참여하도록 인센티브를 제공하고 사용자가 부가가치 서비스에 비용을 지불하도록 보장합니다.
8. 컴퓨팅 증명
작업 증명(PoW)과 같은 기존 합의 알고리즘은 실제 유용성이 부족하다는 비판을 받아왔습니다. 반면, 저희 AI 커널은 네트워크에서 소모된 계산 에너지를 재활용하여 이 패러다임 에 도전하는 새로운 합의 알고리즘인 계산 증명(PoC)에서 실행됩니다.
PoC 네트워크의 GPU 노드는 복잡한 수학 퍼즐을 푸는 것뿐만 아니라 실제 사용자와 실제 디앱(DApp) 에서 요청한 프롬프트에 대해 의미 있는 계산을 수행합니다. 이를 통해 그들에게 귀중한 출력이 생성되어 노드가 참여하도록 인센티브를 받고 사용자가 실질적인 혜택을 받는 자립형 생태계가 형성됩니다.
그렇다면 Proof-of-Compute는 어떻게 작동할까요? 프로세스는 간단합니다.
먼저, 사용자 또는 디앱(DApp) Decentralized Inference 스마트 계약에 프롬프트를 제출합니다. 이 프롬프트는 간단한 질문부터 복잡한 AI 작업까지 무엇이든 될 수 있습니다.
다음으로, Prompt Scheduler 스마트 계약은 GPU Management 스마트 계약에서 관리하는 사용 가능한 GPU 노드의 하위 집합에 프롬프트를 무작위로 할당합니다. 이를 통해 단일 노드가 너무 많은 제어권을 갖지 않는 분산되고 회복성 있는 계산 프로세스가 보장됩니다.
할당되면 GPU 노드는 프롬프트를 처리하고 출력을 생성하여 유효한 결과를 반환하는 첫 번째 노드가 되기 위해 경쟁합니다. 이 경쟁은 노드가 컴퓨팅 리소스에 투자하고 네트워크에 정직하게 참여하도록 유도합니다.
유효한 출력을 반환하는 첫 번째 GPU 노드는 프롬프트 수수료와 블록 보상 으로 구성된 보상을 받습니다. 이 보상 메커니즘은 노드가 네트워크에 참여하고 무결성을 유지하도록 인센티브를 제공합니다.
하지만 악의적인 행동은 어떨까요? 이를 해결하기 위해 다른 GPU 노드는 정확성을 위해 출력을 검증하고 악의적인 행동을 탐지하고 처벌합니다. 이 검증 및 처벌 메커니즘은 계산 프로세스의 무결성을 보장하고 네트워크 내에서 신뢰를 유지합니다.
이러한 요소를 결합함으로써, Proof-of-Compute는 네트워크를 보호할 뿐만 아니라 사용자에게 실질적인 혜택을 제공하는 새로운 합의 알고리즘을 만듭니다. 이는 단순한 보안보다 유용성과 효율성을 우선시하는 새로운 블록체인 합의 패러다임 입니다.
그림 6. 컴퓨팅 증명
9. AI 기반 탈중앙화 애플리케이션(DAPPS)
AI 커널을 Ethereum에 통합하면서 탈중앙화 애플리케이션(DAPPS) 에 대한 새로운 패러다임 형성되기 시작했습니다. 더 이상 엄격한 규칙 기반 프로그래밍 제약에 의해 제한되지 않는 개발자는 이제 시간이 지남에 따라 적응, 학습 및 진화할 수 있는 디앱(DApp) 만들 수 있습니다.
온체인 대화형 AI 에이전트
몇 줄의 코드만으로 AI 커널 위에 자율 에이전트를 구축하고, 누군가 에이전트를 사용할 때 서비스 수수료를 청구하여 수동 소득을 얻을 수 있습니다.
그림 7. 온체인 AI 에이전트.
누군가가 귀하의 상담원과 채팅을 할 때, 간단히 AI 커널을 호출하세요.
그림 8. 대화형 온체인 AI 에이전트.
AI 기반 암호화폐 지갑
이 예에서 우리는 AI 기반 지갑을 구축하고 있습니다. 지갑은 자금을 주소로 보내기 전에 suspiciousTransaction 함수를 호출합니다.
그림 9. AI 기반 암호화폐 지갑.
AI 커널에 풍부한 거래 내역 맥락을 제공함으로써 모델은 다음과 같은 잠재적 위험 신호를 식별하는 방법을 학습할 수 있습니다.
- 거래 금액이 크거나 비정상적일 경우
- 숏 기간 내에 비정상적인 주파수가 나타남
- 사용자의 일반적인 지갑 동작과 일치하지 않는 거래
- 알려진 플래그 주소에 대한 거래
AI 기반 오라클
이 예에서 우리는 비트코인(BTC) 가격에 대한 AI 기반 오라클을 구축하고 있습니다.
그림 10. AI 기반 오라클.
Oracle 피더에서 지속적으로 추가되는 비트코인(BTC) 가격 피드의 풍부한 컨텍스트를 AI 커널에 제공함으로써, AI 커널은 제공된 가격을 집계하고 가장 정확한 값을 결정하여 현재 비트코인(BTC) 가격을 반환하는 방법을 학습할 수 있습니다.
AI 기반 DAO
이 예에서 우리는 AI 기반 분산형 자율 조직(DAO) 구축하고 있습니다.
그림 11. AI 기반 DAO.
AI 커널에 제안 결과 내역의 지속적으로 업데이트된 컨텍스트를 제공함으로써 AI 커널은 성공적이고 실패한 제안에 대한 이해를 개발할 수 있습니다. 이를 통해 새로운 제안의 실행 가능성을 평가하고 예측하고 제안을 승인할지 거부할지에 대한 정보에 입각한 결정을 내릴 수 있습니다.
AI 기반 지갑 신용 점수
이 예에서 우리는 AI 기반 지갑 신용 평가 시스템을 구축하고 있습니다.
그림 12. AI 기반 신용 평가.
거래 금액, 계약 상호작용(예: 스왑, 대출, 차용) 및 기타 관련 데이터와 같은 특정 주소의 거래 내역에 대한 포괄적인 맥락을 AI 커널에 제공함으로써, 모델은 주소의 신용도를 정확하게 평가하고 해당 신용 점수를 제공하는 방법을 학습할 수 있습니다.
AI 기반 이더리움 네임서비스(ENS)
이 예에서 우리는 AI 기반 이더리움 네임서비스(ENS) 생성기를 만들고 있습니다.
그림 13. AI 기반 이더리움 네임서비스(ENS).
모델은 주어진 설명에 가장 잘 맞는 사용 가능한 이더리움 네임서비스(ENS) 도메인을 생성할 수 있습니다. 제안된 도메인이 이미 사용 중이면 적합한 도메인을 찾을 때까지 계속 재시도합니다.
10. 결론
AI와 블록체인 기술의 통합은 분산형 시스템에 대한 접근 방식에서 중요한 패러다임 전환을 나타냅니다. AI 커널에 대한 우리의 작업은 블록체인에서 AI 계산을 실행하기 위한 프레임워크를 제공하여 탈중앙화 애플리케이션(DAPPS) 에 대한 새로운 가능성을 열어줍니다.
AI는 매우 중요한 기술이며 우리 삶의 모든 구조에 침투하고 있기 때문에 분산형 AI의 성공은 기술적으로 견고할 뿐만 아니라 사회적, 철학적으로 건전한 시스템을 설계하는 능력에 달려 있습니다. 이를 위해서는 기술, 사회, 개인 간의 복잡한 관계에 대한 깊은 이해가 필요합니다.
궁극적으로, AI 커널에 대한 우리의 작업은 AI 기반 분산 시스템의 미래와 그것이 세상을 재편할 잠재력에 대한 보다 광범위한 대화를 위한 출발점입니다.
