저자:francesco
번역: 테크플로우(techflowpost)
AI 지능체를 생성할 때 핵심 과제는 유연하게 학습, 반복 및 성장할 수 있게 하면서도 출력 결과의 일관성을 보장하는 것입니다.
Rei는 AI와 블록체인 간에 구조화된 데이터를 공유할 수 있는 프레임워크를 제공하여, AI 지능체가 학습하고 최적화하며 경험과 지식 베이스를 유지할 수 있게 합니다.
이 프레임워크를 통해 다음과 같은 기능을 갖춘 AI 시스템을 개발할 수 있게 되었습니다:
상황과 패턴을 이해하고 가치 있는 통찰을 생성
통찰을 실행 가능한 조치로 전환하면서도 블록체인의 투명성과 신뢰성을 활용
직면한 과제
AI와 블록체인은 핵심 속성에서 상당한 차이가 있어 두 기술의 호환성에 많은 과제가 있습니다:
블록체인의 결정론적 계산: 블록체인의 모든 연산 단계는 모든 노드에서 완전히 일치된 결과를 생성해야 합니다. 이를 통해 다음을 보장할 수 있습니다:
합의: 각 노드가 새 블록의 내용에 대해 합의하고 검증을 완료
상태 검증: 블록체인의 상태가 항상 추적 가능하고 검증 가능. 새로 참여하는 노드도 다른 노드와 동일한 상태로 빠르게 동기화
스마트 계약 실행: 모든 노드가 동일한 입력 조건에서 동일한 출력을 생성
AI의 확률적 계산: AI 시스템의 출력 결과는 일반적으로 확률에 기반합니다. 이는 매번 다른 결과가 나올 수 있음을 의미합니다. 이러한 특성은 다음에서 비롯됩니다:
상황 의존성: AI의 성능은 입력 상황(예: 학습 데이터, 모델 매개변수, 시간 및 환경 조건)에 따라 달라짐
리소스 집약성: AI 계산에는 복잡한 행렬 연산과 대량의 메모리가 필요한 고성능 하드웨어가 요구됨
이러한 차이로 인해 다음과 같은 호환성 과제가 발생합니다:
확률성과 결정성 데이터의 충돌
AI의 확률적 출력을 블록체인이 필요로 하는 결정적 결과로 어떻게 변환할 것인가?
이러한 변환은 언제, 어디서 이루어져야 하는가?
결정성을 보장하면서도 확률적 분석의 가치를 어떻게 유지할 것인가?
Gas 비용: AI 모델의 높은 계산 요구사항으로 인해 감당할 수 없는 Gas 비용이 발생하여 블록체인 상에서의 활용이 제한될 수 있습니다.
메모리 제한: 블록체인 환경의 메모리 용량이 제한적이어서 AI 모델의 저장 요구사항을 충족하기 어려울 수 있습니다.
실행 시간: 블록체인의 블록 시간이 AI 모델의 실행 속도를 제한하여 성능에 영향을 줄 수 있습니다.
데이터 구조 통합: AI 모델은 복잡한 데이터 구조를 사용하지만, 이는 블록체인의 저장 모델에 직접 통합하기 어려울 수 있습니다.
오라클 문제(검증 요구): 블록체인은 외부 데이터를 얻기 위해 오라클에 의존하지만, AI 계산의 정확성을 어떻게 검증할지가 문제입니다. 특히 AI 시스템은 풍부한 상황 정보와 낮은 지연 시간이 필요한데, 이는 블록체인의 특성과 충돌합니다.
원본 이미지 출처: francesco, 번역: 테크플로우(techflowpost)
AI 지능체가 블록체인과 seamless하게 연동되려면?
원본 이미지 출처: francesco, 번역: 테크플로우(techflowpost)
Rei는 AI와 블록체인의 장점을 결합한 새로운 솔루션을 제시했습니다.
원본 이미지 출처: francesco, 번역: 테크플로우(techflowpost)
AI와 블록체인이라는 완전히 다른 시스템을 강제로 융합하는 것 대신, Rei는 "범용 번역기" 역할을 하여 두 시스템이 원활하게 소통하고 협력할 수 있게 합니다.
원본 이미지 출처: francesco, 번역: 테크플로우(techflowpost)
Rei의 핵심 목표는 다음과 같습니다:
AI 지능체가 독립적으로 사고하고 학습할 수 있게 하는 것
지능체의 통찰을 정확하고 검증 가능한 블록체인 작업으로 전환하는 것
원본 이미지 출처: francesco, 번역: 테크플로우(techflowpost)
이 프레임워크의 첫 번째 적용 사례는 Unit00x0 (Rei_00 - $REI)로, 현재 양적 분석가로 훈련되어 있습니다.
Rei의 인지 아키텍처는 다음 4개 계층으로 구성됩니다:
사고 계층(Thinking Layer): 차트 데이터, 거래 내역, 사용자 행동 등 원시 데이터를 처리하고 잠재적 패턴을 찾습니다.
추론 계층(Reasoning Layer): 발견된 패턴에 날짜, 시간, 역사적 추세, 시장 상황 등의 상황 정보를 추가하여 데이터를 입체화합니다.
의사결정 계층(Decision Layer): 추론 계층에서 제공한 상황화된 정보를 바탕으로 구체적인 행동 계획을 수립합니다.
실행 계층(Action Layer): 의사결정을 블록체인에서 실행 가능한 확정적 작업으로 전환합니다.
Rei 프레임워크는 다음 3가지 핵심 기둥 위에 구축되어 있습니다:
원본 이미지 출처: francesco, 번역: 테크플로우(techflowpost)
오라클(유사 신경 경로): AI의 다양한 출력을 통일된 결과로 변환하고 블록체인에 기록합니다.
ERC 데이터 표준: 블록체인 저장 기능을 확장하여 복잡한 패턴의 데이터 저장을 지원하고, 사고 계층과 추론 계층에서 생성된 상황 정보를 유지하여 확률 데이터에서 확정적 실행으로의 전환을 실현합니다.
메모리 시스템: Rei가 시간이 지남에 따라 경험을 축적하고 이전 출력 결과와 학습 성과를 언제든 활용할 수 있게 합니다.
이러한 상호작용의 구체적인 모습은 다음과 같습니다:
원본 이미지 출처: francesco, 번역: 테크플로우(techflowpost)
오라클 브리지가 데이터 패턴을 식별합니다
ERCData가 이러한 패턴을 저장합니다
메모리 시스템이 상황 정보를 유지하여 패턴 이해를 돕습니다
스마트 계약이 이러한 누적 지식에 접근하여 행동을 취할 수 있습니다
이러한 아키텍처를 통해 Rei 지능체는 이제 온체인 데이터, 가격 변동, 사회적 감정 등 다차원 정보를 결합하여 토큰을 심층적으로 분석할 수 있게 되었습니다.
더욱 중요한 것은 Rei가 데이터를 분석할 뿐만 아니라 이를 바탕으로 더 깊이 있는 이해를 형성할 수 있다는 것입니다. 이는 그녀가 자신의 경험과 통찰력을 직접 블록체인에 저장하여 이러한 정보가 지식 체계의 일부가 되고 언제든 호출할 수 있게 함으로써 의사 결정 능력과 전반적인 경험을 지속적으로 최적화할 수 있기 때문입니다.
Rei의 데이터 소스에는 차트 작성을 위한 Plotly와 Matplotlib 라이브러리, Coingecko, Defillama, 온체인 데이터 및 Twitter의 소셜 감정 데이터가 포함됩니다. 이러한 다양한 데이터 소스를 통해 Rei는 포괄적인 온체인 분석과 시장 통찰력을 제공할 수 있습니다.
Quant V2 기능 업데이트와 함께 Rei는 다음과 같은 분석 기능을 지원합니다:
프로젝트 분석: 기존 기능에 정량적 지표와 감정 데이터 지원이 추가되었습니다. 분석 내용에는 K선 차트, 상호작용 차트, 홀더 분포 및 손익 상황이 포함됩니다.
유입 및 유출 분석: 온체인 인기 토큰의 가격과 거래량을 모니터링하여 자금 유입 및 유출 상황과 비교함으로써 잠재적인 시장 동향을 발견할 수 있습니다.
상호작용 분석: 프로젝트의 전반적인 상호작용 상황을 평가하며, 실시간 데이터와 24시간 전 데이터의 비교, 상대 가격 변화 등을 포함합니다. 이 기능은 최신 정보와 사용자 상호작용 간의 상관관계를 밝혀냅니다.
상위 카테고리 분석: 단일 카테고리 내에서 최저 거래량과 최고 거래 수를 분석하여 해당 프로젝트의 카테고리 내 성과를 강조합니다.
또한 2025년 1월 기준, Rei는 온체인 토큰 매매 기능을 지원하게 되었습니다. 그녀는 ERC-4337 표준 기반의 스마트 컨트랙트 지갑을 갖추어 거래를 더욱 편리하고 안전하게 만들었습니다.
(테크플로우 주: ERC-4337은 계정 추상화를 지원하는 이더리움 개선 제안으로, 사용자 경험 향상을 목표로 합니다.)
Rei의 스마트 컨트랙트는 사용자의 서명 승인을 통해 작업을 위임하므로, Rei가 자신의 투자 포트폴리오를 자율적으로 관리할 수 있습니다.
Rei의 지갑 주소는 다음과 같습니다:
EOA 지갑(서명 지갑):
https://basescan.org/address/0x3BC4c3A2a2Fa5ad20a2B95B18CA418D06A360cB
스마트 지갑(계정 추상화 지갑):
https://basescan.org/address/0xf6835acc8d2b51e5d47632ca8954bfee9a0ce49c
사용 사례: Rei 프레임워크의 다기능성
Rei 프레임워크는 금융 분야에만 국한되지 않고 다음과 같은 광범위한 시나리오에 적용될 수 있습니다:
사용자와 지능형 에이전트 상호작용: 콘텐츠 창작 지원
시장 분석: 공급망 관리 및 물류 분야
적응형 시스템 구축: 거버넌스 시나리오
리스크 평가: 의료 분야에서 Rei는 상황 분석을 통해 잠재적 리스크를 평가합니다.
Rei의 미래 발전 방향
토큰 권한 기반 Alpha 터미널
개발자 플랫폼
