BQ개발자입니다.
AI 동향을 보면서 제가 주목하고 있는 몇 가지 패턴을 공유합니다.
화려한 전망보다 실제 개발 현장에서 느낀 변화와 기회에 집중해보겠습니다!
🔍 현장에서 본 진짜 기회
1. 소형 특화 모델의 가능성
- 10억 파라미터 이하의 모델로도 특정 도메인에서 뛰어난 성능 확인
- 거대 모델의 시대에서 작고 특화된 모델들이 주목받기 시작했습니다.
이런 소형 모델은 일반 PC나 심지어 모바일 기기에서도 구동 가능합니다.
Web3 관점에서 분산 컴퓨팅의 실현 가능성을 높일 수 있는 지점
2. 데이터 주권과 개인화 AI, 확장성있는 데이터 저장 모델의 필요성
- 개인 데이터가 기기를 떠나지 않고도 AI 모델을 학습시키는 방식 구현
- 블록체인으로 데이터 사용 감사 기록을 남겨 투명성 확보 <- 여기에 요즘 주목중
토큰 이코노미를 통해 데이터 제공자에게 보상하는 것은 이론적으로 가능하지만,
실제로는 데이터의 가치를 객관적으로 측정하기 어렵습니다.
현재로서는 데이터 사용에 대한 투명한 기록과 접근 제어가 더 현실적인 목표라고 생각해요.
3. AI 시스템의 제한적 감사 가능성
- 현재 AI 모델들은 "이 이미지는 고양이입니다"라고 말하지만 왜 그렇게 판단했는지 설명하지 못함
- 금융, 의료, 법률 등 중요한 결정에서 이유를 알 수 없는 AI 판단은 신뢰하기 어려움
물론 복잡한 딥러닝 모델의 내부 작동을 투명하게 기록하는 것은 현재 기술로 불가능하다고 하지만,
입력 데이터, 출력 결과, 모델 버전, 사용된 파라미터 등 AI 시스템의 외부적 요소를 블록체인에 기록하는 것은 가능합니다.
이는 AI의 블랙박스 문제를 해결하지는 못하지만, 최소한 "어떤 데이터로 어떤 모델이 어떤 결과를 냈는지"에 대한 변조 불가능한 기록을 남길 수 있죠
저는 특히 Agentic AI가 발전할수록 이 지점에서 점점 의사결정 과정까지 기록하는 형태로 발전해나가길 기대합니다.
🛠 ️ AI와 Web3의 핵심 접점: 데이터와 컴퓨팅
제가 관찰한 패턴을 살펴보면, AI와 Web3의 실질적 접점은 두 가지 핵심 영역으로 또 요약할 수 있을 것 같아요:
1. 데이터 기록의 확장성
AI가 발전할수록 데이터 출처와 사용 내역의 투명한 기록이 중요해집니다. 하지만 블록체인은 이런 대규모 데이터를 효율적으로 저장하기에 구조적 한계가 있죠
하이브리드 접근법이 이 문제의 현실적 해결책이 될 수 있습니다.
데이터 자체는 분산 스토리지(IPFS, Arweave)에 저장하고, 블록체인에는 해시값과 접근 권한만 기록하는 방식같이요.
이는 블록체인의 제한된 용량 문제를 우회하면서도 데이터 무결성을 보장할 수 있습니다.
2. AI 에이전트 간 데이터 교환의 투명성
AI 에이전트가 본격화되면 지금은 블랙박스처럼 보이지 않던 데이터 흐름이 명확하게 보이게 될 것 같습니다.
에이전트가 어떤 데이터를 요청하고, 어떤 정보를 주고받는지가 모두 기록되기 때문입니다.
현재 AI 시스템은 어떤 데이터를 사용했는지, 어떤 추론 과정을 거쳤는지 알기 어렵습니다. 하지만 에이전트 기반 시스템에서는 "A 에이전트가 B 에이전트에게 특정 정보를 요청했고, B가 어떤 데이터를 반환했다"는 모든 상호작용이 블록체인에 기록될 수 있죠.
이런 투명성은 AI 시스템의 신뢰성을 크게 높일 수 있습니다. 예를 들어 금융 결정이나 의료 진단과 같은 중요한 상황에서, 어떤 정보를 바탕으로 결정이 내려졌는지 추적할 수 있게 됩니다.
---
여러분의 좋아요와 공유는 사랑입니다 😍