시작하기 전 그래도 알로라가 어떤 프로젝트인지 대강적으로나마 예습하실 수 있도록 내용 공유드립니다.
알로라(Allora) 네트워크 핵심 기술 요약
1. 기본 개념
알로라는 커뮤니티가 구축한 머신러닝 모델을 활용하여 매우 정확하고 맥락을 인식하는 예측을 제공하는 자가 개선형 탈중앙화 AI 네트워크입니다.
핵심 차별점: 다른 탈중앙화 AI 네트워크와 달리 알로라는 맥락 인식 능력을 갖추고 있으며, ML 모델의 예측 결과를 과거 성능과 현재 맥락적 조건에 대한 관련성을 모두 기반으로 평가하고 결합하도록 설계되었습니다.
2. 네트워크 아키텍처 (3계층)
Layer 1: Inference Consumption (추론 소비 계층)
- 사용자와 애플리케이션이 예측을 요청하는 인터페이스
- "Topic" 형태로 요청 제출
Layer 2: Forecast & Synthesis (예측 및 합성 계층)
핵심 메커니즘이 작동하는 곳:
알로라는 워커 노드와 리퓨터 노드로 구성됩니다. 워커 노드는 두 가지 작업을 수행합니다:
1. Inference Task: 목표 변수에 대한 추론 제공
2. Forecasting Task: 현재 조건에서 모든 워커 노드의 추론 손실을 예측
Layer 3: Consensus (합의 계층)
- 보상 분배 및 네트워크 거버넌스 관리
- Cosmos 기반 CometBFT PoS 합의
3. 핵심 참여자
Workers (워커)
- ML 모델을 제공하고 추론을 생성
- 다른 워커들의 성능을 예측 (forecasting)
- 고유한 기여도에 따라 보상
Reputers (리퓨터)
리퓨터는 워커 노드의 정확성을 ground truth와 비교하여 보고함으로써 네트워크의 경제적 보안을 제공합니다
- 스테이킹 필요
- 평가의 정확성에 따라 보상
Validators (검증자)
- 블록체인 보안 및 트랜잭션 검증
- 스테이킹 양에 따라 보상
4. 혁신적 메커니즘
Inference Synthesis (추론 합성)
알로라의 맥락 인식은 네트워크가 특정 조건에서 다른 참여자의 성능(또는 손실)에 대한 예측을 보상함으로써 촉진됩니다.
Forecast-Implied Inference
예측 기반 추론은 서로 다른 예측자의 예측과 워커의 추론을 결합한 목표 변수의 예측 값으로, 각 예측은 예측자가 이전 시간 단계에서 손실을 얼마나 정확하게 예측했는지에 따라 가중치가 부여됩니다.
실제 예시:
비트코인 가격을 1시간 후 예측하는 토픽에서 워커 A는 평균 추론 정확도가 90%지만 변동성이 큰 시장 조건에서는 정확도가 감소합니다. 알로라는 이러한 맥락적 상황을 고려하여 추론 합성 가중치를 계산하므로, 워커는 자신의 추론이 정확할 때와 다른 워커의 추론 정확도를 정확하게 예측할 때 모두 더 높은 인센티브를 받습니다.
Anti-Abuse 메커니즘
리퓨터 제출에 대한 새로운 검증이 도입되어 일관된 데이터를 보장합니다. 잘못된 손실 번들의 존재를 완전히 무효화하는 대신 필터링하여 네트워크 손실을 완화합니다.
5. 토크노믹스 (ALLO)
알로라는 Pay-What-You-Want(PWYW) 모델을 채택하여 토큰 보유자가 네트워크에서 생성된 추론에 대해 지불할 수수료를 선택할 수 있는 유연성을 제공합니다.
주요 용도:
- 추론 구매 및 접근
- 워커/리퓨터 등록 수수료
- 스테이킹 (리퓨터 및 밸리데이터)
- 거버넌스 참여
- 보상 지급
배출량은 비트코인의 반감기 이벤트와 유사하게 시간이 지남에 따라 감소하며, 유한 공급 프레임워크에서 참여자에 대한 지속적인 보상을 보장합니다.