백서면책조항... 1 서문... 2 서론... 3 암호화폐의문제점... 3 가치는어디에서오는가... 3 채굴과수수료의구조 ( 작업증명의한계 )... 4 하드웨어 = 채굴을위한도구?... 4 인공지능연구의현실적난관 ( 현재의인공지능연구 )... 5 고가의하드웨어... 5 양질의데이터확보의어려움... 6 인공지능 Model 개발및구현의어려움... 6 우리의비전... 7 자원의정의로운사용... 7 공정한생태계확장의필요성... 7 우리의미션... 8 채굴용하드웨어의사용목적전환... 8 Data 생성 / 유통 / 보상필요성... 8 인공지능 Model 제공... 9 AIC Architecture: 블록체인기반인공지능생태계... 10 AIC 플랫폼구조... 10 AI Crypto Vessels... 10 GPU 하드웨어자원생태계 (GPU)... 12 공유데이터생태계 (DATA/Dataset)... 12 Cloud Storage 하드웨어자원생태계... 15 모델생태계 (Model)... 15 AI Crypto Skeleton... 16 AI Crypto Organism... 16 AI Crypto 의핵심기술... 16 기술요약... 16 i
AI Deep Learning... 16 표준화된딥러닝모델... 20 AI 데이터의디지털화 : 보다효율적인전송및저장... 21 AI Mining... 21 Multi-tasking Real-time switcing... 22 채굴효율최적화... 22 AI Deep Learning 시장개요... 24 AI Crypto 비즈니스모델... 25 AI Crypto 의사명... 26 가치제공을통한기여 가치증명 (PoV) 제안... 26 공유경제를통한분산 GPU 네트워크실현... 27 ERC20 스마트계약의구현... 29 ERC721 자원의공유와거래... 29 AIC 활용분야... 30 AI Crypto (AIC) 코인... 32 Distribution Mechanism... 33 Proceeds Allocation... 34 추가발행계획... 35 향후계획... 36 로드맵... 36 거래소... 36 미래를향한준비 플랫폼의변화... 37 Team Member & Advisor... 39 Contact... 39 ii
면책조항 이문서는, AI Crypto 에관심을갖고있는불특정의사람들에게 AI Crypto Ecosystem 의사상과기술적세부내용을포함한정보를제공하고자하는목적으로만들어졌습니다. AI Crypto Team 은이문서에기재된정보를작성하기위해해당내용에대해신중히검토하고기술적인내용을상세히서술하였으며, 업데이트를통해항상최신의정보를전달하고자하는합리적인노력을기울이고있습니다. 하지만이는 AI Crypto Team 이문서의내용과관련한어떠한사항에대해서도정확하거나완전함을보장하거나주장하는것은아닙니다. 본문서에기재된내용은작성당시의시점을기준으로작성되었으며, 그내용의전부혹은일부가어떤구속력을지니거나, 의무를띄고있는것은아닙니다. 따라서본문서에기재된정보의이용혹은비이용, 미사용으로인한피해, 혹은부정확하거나불완전한내용으로인한피해에대해 AI Crypto Team 은어떤법적책임도지지않습니다. 또한본문서의목적인정보제공이외의다른목적으로이용된어떠한행위에대해서도 AI Crypto Team 은책임을지지않습니다. 만약한국어외의여러다른언어로작성된본문서의다른버전의해석상갈등이존재한다면, 최신버전의한국어버전의해석에우선권이있습니다. 하지만이또한한국어버전의내용에대한책임을보증하는것으로이해되어서는안됩니다. 본문서에포함된 AI Crypto Ecosystem 과관련된어떠한내용도, AI Crypto Team 의사전동의없이무단으로복사, 수정, 유포, 제 3자에게제공될수없습니다. 본문서에근거한법적책임의면제에대한본면책조항의용어나표현이현행법령에반하는경우에, 해당용어나표현은개정전까지효력을상실하지만, 면책조항의나머지부분에대해서는여전히그유효성을갖습니다. 1
서문 무엇을위한인공지능인가? 20 세기초, 사이버네틱스 (Cybernetics, 인공두뇌학 ) 의등장이래로, 인간의인공지능에대한연구는수많은과학자들과공학자들의헌신과노력에힘입어다양한이론을증명하고, 구현하고, 때로는기각하고, 실패하며, 인간의지능적인행동을이해하려고노력해왔다. 어떤질문을던지고, 어떠한방식으로답해왔는가와는별개로, 인공지능이라는학문을통해인간이얻고자했던바는무엇이었을까? 단순한지적호기심의충족을넘어서, 인공지능을통해인류에기여를하고자한다면, 그것이우리 AI Crypto Team 이인공지능에헌신하고있는이유일지도모르겠다. 블록체인이라는기술이화두로떠오르고있다. 가히혁명적이라고도할수있는이기술로인해기존의과학기술을담고있는패러다임이바뀌고있다. 비단기술의혁신이나그배경에깔린사상의개방성과신뢰성등의장점뿐만아니라, 블록체인을기반으로한암호화폐와이를대하는사람들의광풍또한무시할수없을정도로커지고있다. 우리는과연이기술을, 그저튤립처럼대할것인가? 인공지능은우리의미래를바꿀수있는기술임에도이에대한연구및개발에대한자원의독점이큰문제이다. 인공지능연구에는학습을위한데이터, 인공지능알고리즘, 컴퓨팅파워의세가지요소가필수이다. 일반사용자들이만들어낸데이터의경우페이스북, 구글, 아마존등인터넷공룡들이독차지하고있으며, 알고리즘을개발하는인력의경우구글, 바이두, IBM 등거대기업에편중되어있고, 인공지능개발을위한컴퓨팅파워는이미아마존, 구글, 마이크로소프트가시장지배자이다. 인공지능의연구개발이이대로진행된다면인공지능은인류의자산이라기보다는이들거대기업의사유물이될것이다. 이에인공지능을연구하는우리 AI Crypto Team 은인공지능을인류의자산으로만들기위한전지구적인프로젝트로서 AI Crypto Ecosystem 을제안하고자한다. 개개인이가진컴퓨팅파워의유휴자원과연구에필요한데이터를제공하고그에합당한가치만큼의보상을받게하려한다. 또한, AI 를연구개발하는전세계의연구자와소기업들의연합체인 AI Crypto Society 를통해 AI 모델을함께개발하고함께사용하게하여이에대해정당한보상이이루어지게하려는것이다. 인공지능은큰기업들의사유물이아닌전인류의자산이어야한다. AI BlockChain for Decentralized Economy 2
서론 암호화폐의문제점가치는어디에서오는가? 화폐는지불, 가치의척도, 저축기능, 교환수단의 4 가지의주요한기능을수행하고, 각각의기능에의해그화폐가특징지어진다. 각기서로다른기능으로써화폐의역할이독립적으로, 또유기적으로연결되어수행되지만, 그 4 가지기능이공통적으로함의하는바는가치산정이다. 근대사회에서특정귀금속 ( 금 ) 을증명도구로하여중앙화된기관 ( 국가 ) 에서강제적인방법 ( 법률 ) 으로화폐가치의비율을산정하고, 이를바탕으로화폐에가치를부여하는이른바본위제가시행되었다. 그러나세계대전과블록경제의문제점으로인해, 금환본위제를유지하기힘들어지고, 이른바각국가의경제력을바탕으로가치를정하고, 변동환율제의이행으로국가간의자본의이동이수월해지는현대에이르게되었다. 한편국가는통화의안정과화폐가치의보호를위해법률로써화폐에강제력을부여하고, 이러한화폐를법정화폐혹은신용화폐라고부르게되었다. 이런화폐들은대부분내재적가치와무관하게강제적으로가치를부여하게되는이른바명목화폐로존재하게된다. 즉, 명목화폐의가치는국가의신용을담보로부여되고, 국가의신용은그나라의생산력, 경제정책, 위험요인들을고려하여산정이되며, 각나라들의신용가치의상대적인비교로환율이결정된다. 바꾸어말하면, 한국가의신용도에하락하고, 경제력이통용되는화폐를감당하지못하는경우에는화폐의가치가현저히떨어지고, 심지어상실되기도한다. 따라서중앙화된권력의통제에의해유지가가능한화폐의가치가, 국가내부혹은외부의상대적인요인에의해좌우되기도하고또중앙화된권력의잘못된정책으로인해명목가치를상실하기도한다. 이에 2009 년나카모토사토시 (Nakamoto Satoshi) 는블록체인기술을활용하여탈중앙화된공유장부를통해강제통용력을배제한암호화폐기술을제안하고, 비트코인 (Bitcoin) 을개발하였다. 암호화폐는새로운화폐의발행및화폐의거래에대한기록을공유원장 ( 블록 ) 에기록하고, 이를암호화하여분산보관하여특정집단 ( 중앙화된기관, 즉국가 ) 으로부터독립적인화폐기능을수행한다. 이때의가치는이른바명목화폐의그것과동일하게, 화폐를거래하는사람들에의해서정해지게된다. 그렇다면암호화폐의내재적가치는탈중앙화된무엇과연관지을수있을까? 3
채굴과수수료의구조 ( 작업증명의한계 ) 부가가치는투입된자원의가치로인하여산출된가치가자원의투입전보다증가할경우에발생하게된다. 부가가치가적거나가치의손실이발생한다면, 이경제활동에대해서제고할필요성이생긴다. 반면, 투입된자원가치보다현저히많은부가가치가창출된다면, 이는정당한투자가치에대한보상을뛰어넘어거품으로판단된다면, 시장경제의원리에따라투입된자원의가치와동일하게조정이된다. 그렇다면암호화폐의가치는어디에서기인한것일까? 기존의암호화폐에서는작업증명 (Proof of Work, PoW) 의방식을통해거래기록이분산원장의형태로공유되어, 안전하고탈중앙화된거래를보장한다. 보통암호화폐는채굴이라는독특한방식을통해서발행이되는데, 이는거래기록을블록에저장하고이를암호화하여기존의블록체인에블록 ( 장부 ) 을추가하는작업을완료했음을인증 ( 증명 ) 함으로써이루어지게된다. 즉, 기존의장부에새로운거래기록이담긴블록을생성해서추가하는작업이채굴인데, 이블록을생성하는작업에기여한바에대한보상으로코인을발행하여지급하기때문에채굴이라고부른다. 새로운블록을추가하는과정에서새로운블록의암호값 (Hash) 을계산하고, 기존블록과새로운블록을구분하기위해블록의헤더정보의 Nonce 라는값을변화시켜서계산을하게되는데, 이계산과정에서상당한연산이필요하여이연산을수행하기위해하드웨어를구동시키는과정에서많은양의전력소비가일어나게된다. 그렇기때문에어떤측면에서보면, 암호화폐의채굴로인해생기는부가가치는, 채굴을위해소비되는하드웨어의감가상각과, 이에대한전력의소비량에일부기인한다고볼수있다. 즉채굴을통해서얻는코인의가치가, 채굴과정에서소비된자원의가치보다많다고여겨지기때문에많은사람들이채굴에참여하여그에대한보상으로코인을획득하는것이다. 비트코인의경우, 블록생성주기를일정하게유지하도록하기위하여, 난이도값을조절하며, 총발행량에한계가있기때문에점차채굴되는코인의양을감소시켜결국에는더이상새로운블록생성참여에따른신규코인발행이안된다. 채굴에의해코인이더이상신규발행되지않게되면, 채굴업자들은신규발행된코인이아닌오직거래를인증해주면서받게되는거래수수료를블록생성참여에대한보상으로받게된다. 이때수수료수익의가치가채굴에투입되는자원의가치보다커야채굴에참여자가존재하여새로운블록생성이멈추지않고시스템을유지시킬수있다. 결국기존의작업증명 (PoW) 방식에서창출되는가치의산정방식의문제점을해결하지못하면, 비트코인과같은블록체인을이용한암호화폐의유지에는한계가존재한다고할수있다. 하드웨어 = 채굴을위한도구? 초기의비트코인채굴에는주로 CPU 또는병렬논리연산능력이뛰어난 GPU 가이용되었다. 하지만, 2013 년이후에채굴만을위해개발된특수목적집적회로 (Application Specific 4
Integrated Circuit, ASIC) 가개발되어, 이를이용하여기존의시스템보다 100 배이상의성능으로코인을채굴할수있게되어, 채산성이높은 ASIC 을이용한채굴방식이비트코인채굴산업을장악하게되었다. 채굴과정에서소비되는전력의양이적을수록채굴되는코인의부가가치가커지게되고, 이러한전력소비효율성의측면에서코인전용채굴기와대규모채굴장이등장하게된것이다. 이렇게전용채굴기를이용하여채굴능력을확보한채굴자들에게채굴능력이집중되면비트코인의기본개념인블록체인분산화가이루어지지않으며, 블록체인의변조가능성이높아진다. 즉, 이기적인채굴자들이연합하여분산네트워크를장악해선의의채굴자에게피해를주는이기적인채굴이발생할수있다는것이다. 2013 년도최대채굴능력을가진 ASIC 은최대채굴능력을가진그래픽카드보다약 2882 배채굴능력을보여주고있고, 2016 년도에는최대채굴능력을가진 ASIC 은최대채굴능력을가진그래픽카드보다약 1051 배채굴능력을보여주고있다. 2013 년에비해 2016 년채굴능력차이는 2 배이상줄어들었으며, 2016 년 GPU 의채굴능력은 2013 년일부 ASIC 보다뛰어난성능을보여주고있다. 1 앞서보는것처럼고성능전용채굴기와 GPU 의성능이시간에따라증대되지만 GPU 의성능향상속도가고성능전용채굴기보다빠른경향을보여주고있다. GPU 의성능향상속도는전용채굴기의성능향상속도보다빠르지만여전히 1000 배이상의성능차이를보여주므로, 고성능전용채굴기의수요는당분간지속될것으로보인다. 인공지능연구의현실적난관 ( 현재의인공지능연구 ) 고가의하드웨어 현재산업에서사용되고있는인공지능은, 컴퓨터에다양한데이터를입력하고반복된훈련과정을통해서결과를예측하는방식으로, 컴퓨터가스스로학습하는머신러닝의일종이다. 머신러닝은대량의데이터를동시에처리하기위한연산력을필요로한다. 하지만현재인공지능개발을위해서는동시에많은논리연산을처리할수있어야하는데, 이는그래픽처리를위해연산을병렬적으로수행하는 GPU 의연산능력이적합하여 GPU 를많이이용하고있다. 또한자체적으로연산에최적화된 ASIC 의개발또한인공지능에서필요한연산을뒷받침하고있다. 하지만 GPU 와 ASIC 은일반적인용도외에가상화폐의채굴을위한수요가최근급격히늘어나인공지능연구자들이이들연산장비를쉽고값싸게이용하기에는현실적으로많은어려움이있다. 실제로많은연구자들은하드웨어구입비용이상당하여, 사용시간만큼과금이되는상용화된클라우드서비스 (Amazon Web Service, Microsoft Azure, Google Cloud Platform 등 ) 를이용하지만, 이역시부담이큰편이다. 따라서, 인공지능 1 https://en.bitcoin.it/wiki/non-specialized_hardware_comparison 및 https://en.bitcoin.it/wiki/mining_hardware_comparison 에서자료발췌 5
연구자들에게직접적으로혜택이가기위해서는, 기존의클라우드서비스와차별화된 서비스의제공이필수적이다. 양질의데이터확보의어려움또한편으로인공지능연구에서현실적인어려움중하나는, 양질의데이터를다량으로확보하기어렵다는것이다. 온라인상에존재하는다양한데이터를수집하는것도쉬운일이아니지만, 이렇게수집된데이터를컴퓨터가학습하게하려면컴퓨터가이해할수있는형태로가공을해주는작업또한필수적이다. 또한양질의데이터는, 본래의목적이외에도다양한용도로사용될가능성을지니고있다. 따라서, 다방면에재사용될수있도록데이터의범용성을증대하면데이터의가치가증대되며, 이는인공지능산업의토대로서중요한자원이될것이다. 인공지능 Model 개발및구현의어려움학계에선인공지능알고리즘에대한새로운모델이지속적으로제시되고있고, 기존모델에대한수정이계속되고있지만, 이를실제산업에적용하기위해서는방대한양의데이터와, 연산장비를통해구현하는것이필요하다. 뿐만아니라, 이미공개되어있는알고리즘도, 프로그래밍능력이나기본적인지식이부족하면활용하는것이불가능하다. 또프로그래밍언어를통해제안된알고리즘을구현한다하더라도, 이를시험해보고활용할수있는연산장비나이에적용가능한충분한데이터가확보되지않는다면, 이론을구현화하는것자체에는한계가있을수있다. 이미구현된알고리즘을쉽게활용하고, 개선할수있고, 또그에대한적절한보상이주어지도록한다면, 인공지능과관련한산업의발전속도도훨씬빨라질것이다. 따라서인공지능개발의필수요소인데이터와모델, 연산력을아우르는새로운플랫폼이등장한다면현존하는인공지능연구및응용의현실적문제점들을해결할수있을것으로본다. 결과적으로고가의하드웨어를대량으로확보하고, 양질의데이터에대한손쉬운접근이가능하며, 이를바탕으로새로운인공지능모델을개발하고개선하는데투자를하여성과를볼수있는주체는현재로서는거대 IT 기업들이유일하다고볼수있다. 독점에저항하고탈중앙화를지향하는블록체인의기본사상에충실한플랫폼이존재한다면, 소수에의해독점되는인공지능산업의현재에서, 많은사람들이참여하고함께발전시켜나가는미래를만들수있다고믿는다. 또한이러한방식의플랫폼이자생력을갖고인공지능산업에실질적인영향을미칠수있으려면, 인공지능과관련된수많은개인들과다양한스타트업들이참여하여활동하는데제약이없어야한다. 6
우리의비전자원의정의로운사용 우리는, 연산을위한하드웨어 (GPU) 장비, 학습을위한양질의데이터생산 / 이용, 그리고이를이용하여손쉽게인공지능서비스를구현할수있는모델이, 정당한방법으로공유되고소비되며, 새로운공유가치를창출해내는, AI Crypto Ecosystem 를제안한다. AI Crypto Ecosystem 내에서추구하는가장큰비전은, 자원의정의로운사용을통한가치창출이다. 채굴에소비되는하드웨어자원과전력에의해창출되는암호화폐의명목가치가아닌, AI Crypto Ecosystem 내에참여함으로써인공지능산업및기술발전에기여하며, 가치를독점하지않고공유할수있는새로운인공지능생태계를제안한다. 이는단지투기적소비를통한이익창출이아니라, 자원을정의롭게사용함으로써얻어지는가치에대한정당한보상을제공하려는시도이며, 인공지능기술의발전을통해인류번영에이바지할수있다는믿음의반영이다. 공정한생태계확장의필요성이더리움의창시자인비탈릭부테린은블록체인은효율성이떨어지지만정부, 은행인터넷기업등의개입이없다는점에서검열저항성, 사기저항성, 네트워크에서누구나활동을볼수있다는점에서투명성, 컴퓨터에문제가생겨도다운이되지않는다는점에서견고성, 프로그래밍으로누구든상호작용이가능하다는점에서상호작용성의장점이있고이는 독점에대한저항 이라는공통점이있다고말한다. 2 인공지능의개발과연구에필요한연산자원과데이터, 학습모델은일부창작자및보유자의독점적소유로인해배타적인성격을지닌다. 이에반하여정당한대가를지불하고자원들을사용할수있는플랫폼이존재한다면, 창작자나보유자는그자원을제공하여정당한수익 ( 보상 ) 을얻을수있고, 사용자들은동일한작업을위해자원을중복소비하지않고, 새로운작업에자원들을활용할수있어인공지능발전을가속화할수있다. 이를위해서는, 자원의이용이독점적이지않고분산화 ( 탈중앙화 ) 되어참여자들에게정당한가치를분배해줄수있는생태계가필요하다. 2 2018 년 4 월 4 일분산경제포럼기조연설내용 7
우리의미션 그림 1. AI Crypto Platform 이제시하는블록체인기반의 AI 생태계혁신 채굴용하드웨어의사용목적전환개개인이가진 GPU 하드웨어자원이 100% 쓰이고있는것은아니다. 이러한개개인이가진 GPU 컴퓨팅파워유휴자원과본래용도외에암호화폐의채굴에활용되는상당수의 GPU 자원을인공지능개발에손쉽게활용할수있도록하는새로운수단, 방식, 그리고플랫폼을제공하려고한다. 단순히 GPU 를채굴에사용하여얻게되는효용가치보다, GPU 를인공지능생태계내에서공유하고활용함으로써얻는가치가클뿐만아니라, 인공지능기술의발전을통해인류에기여하는정의롭고가치있는소비를지향할수있도록한다. 이를위해서단지선언적구호나희생을통한참여가아니라, 자원을원래쓰여야할곳에쓰게하면서동시에가치증대를통해실현된이익을생태계구성원들과공유하고자하는것이그미션이다. Data 생성 / 유통 / 보상필요성인공지능구현을위해컴퓨터가학습하기위한데이터들의획득및제공을위한플랫폼을내놓을것이다. 생성된데이터의유통은블록체인상에기록되어투명한보상체계를보장하여, 생태계구성원들의자발적인참여와보상을통해방대한양의데이터를쉽게획득하게하고, 데이터의재사용성을높여양질의범용데이터축적및활용을통해인공지능발전에기여하고자한다. 8
인공지능 Model 제공인공지능연구자 / 개발자들이개발한알고리즘이나모델을제공하면, 이에대해사용자들은정당한대가를지불하여사용하고, 가공발전시킬수있는영역을생태계내부에포함하여개발에대한중복적인인력자원의소비를절감하게할것이다. 중앙화된시스템이통제하는방식이아닌개별구성원들이참여하여그가치를공유하면서, 자생적으로운영및성장되는방식으로생태계가생명을얻어갈것이다. 9
AIC Architecture: 블록체인기반인공지능생태계 AIC 플랫폼구조 그림 2. AI Crypto Platform 은크게 AI Crypto Vessels, AI Crypto Skeleton, AI Crypto Organism 으로구성되어있다. AI Crypto Vessels AI Crypto Ecosystem 내의구성원들은 AI Crypto Vessels 로정의된계층에서인공지능을구성하는주요요소인하드웨어, 데이터, 모델을제공함으로써생태계에참여한다. 하드웨어에는연산을위한 GPU Network 와데이터를저장할 Cloud Storage 를포함한다. 구성원들은기본적으로각자가보유하고있는자원을제공하고그에대한보상을해당자원의사용자로부터지불받게된다. 동시에그들이제공하고있는자원이, 생태계의구성원들이참여하는생태계기여도평가에의해가치가있다고인정되면, 자원을제공한구성원들은가치증명 (PoV) 의원리에따라 AI Crypto Skeleton 에서그에합당하는추가적인보상을지급받게된다. 10
그림 3. AI Crypto Vessels 는 AI Service (Model), Data, Hardware 로구성되어있고개별구성원은각각의 자원을제공함으로써이에참여한다. 그림 4. AI Crypto Vessels 에참여하기위한 Client 프로토타입의 UX 설계시안 11
GPU 하드웨어자원생태계 GPU 자원의공유로써 AI Crypto Ecosystem 에참여하는구성원은, 자신이보유하고있는 GPU 자원의일부를공유네트워크에연결하여인공지능의계산을위한자원으로제공하고, 자원제공에대한대가로서 AIC 코인을지급받는다. 공유네트워크상에분포되어있는각각의 GPU 유닛들은, AI Crypto Skeleton 내의 Resource Allocator 에의해작업을할당받게될것이고, 이때계산자원을사용하며지불하는사용료는, 가치증명 (PoV) 을실현하는 Contribution Rating System 에의해공정하게배분되어, Vessels 에공급된다. 그림 5. 하드웨어생태계는 GPU 소유자와 GPU 이용자가주요구성원이며, 자원의분배는 Resource Allocator 에의해, 평가및보상지급은 Contribution Rating System 에의해이루어진다. 하드웨어공유시스템은그리드컴퓨팅 (Grid Computing) 시스템과동등계층간통신망 (Peerto-Peer Network) 을혼용한모델을기반으로구현될예정이고, 네트워크에참여하는각각의하드웨어, 즉노드들은 Resource Allocator 에의해최대의효율을추구하는방향으로분배가될것이다. 머신러닝의연산에필요한 GPU 자원및학습에필요한데이터들은, 네트워크상에서각각컴퓨팅그리드및데이터그리드를형성한다. Resource Allocator 는연산에참여하는각각의노드를호출하고, 해당연산의입력으로쓰일데이터를가장가까운데이터그리드에서호출한다. 컴퓨팅효율의측면에서본다면, 이론적으로가장최적의효율을보이는 12
케이스는, 동일노드내의 GPU 는같은노드내부의데이터를활용하는것이다. 또한개별적인피어 (peer) 로존재하는각노드들은다른노드와의통신시간이짧은근거리노드들과우선적으로협업을하도록하여, 분산화에서발생할수있는통신효율의문제를해결할것이다. 또한데이터그리드에등록되어있는학습용데이터들이직접제공되는것이아니라전처리작업이된단순화된데이터로제공이된다. 이는보안과효율성의측면에서개별노드의부담을줄여준다. 그림 6. AI 개발자는근거리에있는 GPU 자원과 Storage 자원을우선적으로활용하여 Peer-to-Peer 방식으로모델학습을한다. 또한악의적인참여자가단순히하드웨어의트래픽을유도하기위하여혹은다른의도로, 무가치한딥러닝연산을반복하거나, GPU 자원을점유하거나, 혹은주어진작업과무관한결과를거짓으로생산해낼수도있기때문에, 할당된작업에대한검수작업을통해, 해당하드웨어노드가성실히그일을수행했는지를검사하는모듈이시스템상에포함될것이다. 공유데이터생태계 (DATA/Dataset) AI Crypto Ecosystem 상에서, 사용자는공개된데이터셋의일부혹은전부를무료혹은일정한 사용료를내고이용할수있다. 이때지불한사용료는 AI Crypto Vessels 내에존재하는, 데이터 13
창작자에게보상으로지급되고, 일부는 AI Crypto Skeleton 을운영하는데필요한수수료로사용된다. 창작자에의해생산되는데이터는, 데이터를필요로하는 Vessels 내의초기요청자가요구하는사항을만족해야하며, 이후 AI Crypto Ecosystem 내에서해당데이터를필요로하는다른이용자에게도유료혹은무료로제공될수있다. 만약창작자가생산한데이터가 AI Crypto Ecosystem 내에서활용도가높아져, AI Crypto Ecosystem 의소비가치를증가시키면, AI Crypto Skeleton 내의 Contribution Rating System 에의해높은가치로평가되고, 이데이터의창작자는, 가치증명 (PoV) 원칙에의하여 AI Crypto Skeleton 이보유및적립하고있던코인을지급받게된다. 만약, AI Crypto Ecosystem 내의악의적인구성원이단지사용료의수익만을위해스스로가치없는데이터를요청하고, 이를스스로제공함으로써코인을획득하려한다해도, 다른구성원들이사용하지않는데이터는그자체로사용료와수수료를지불함으로수익을발생하지못하며, AI Crypto Ecosystem 의부적절한사용을 Contribution Rating System 이감지하면 Penalty 를부과하게된다. 한편 AI Crypto Ecosystem 내에서널리활용되는가치있는데이터들은, 그창작자에게적절한보상이이루어져야함에도, 일부악의적인사용자들은, 해당데이터들을 Ecosystem 외부에서사용하려함으로써, 정당한보상배분을방해할수도있다. 따라서 AI Crypto Ecosystem 내의데이터들은 Ecosystem 내부에서만사용이가능하도록그형식이설계될것이며, Ecosystem 외부에서는데이터를활용할수없도록, 사용조건이정해진방식으로암호화되어제공될것이다. 또한개인화데이터의비식별화문제등데이터자체에종속된개인정보보호이슈와관련하여, Ecosystem 내에서유통되는데이터들은, 미가공데이터 (rawdata) 가아니라인공지능및머신러닝모델의입력데이터로바로사용할수있는형태로가공된전처리데이터의형식이되어트래픽을줄이게될것이다. Data 창작자로부터수집된미가공데이터 (rawdata) 는별도의공간에저장된다. 미가공데이터의품질에대해확인을필요로하는데이터사용자의니즈를만족하기위해수집된 dataset 중소수의실제데이터를랜덤샘플링을통해프리뷰할수있도록한다. 전체데이터를볼수있도록하지않는이유는, AIC 의지불없이데이터를사용하려는시도를막기위해서이다. 14
그림 7. 공유데이터생태계는초기요청자, 창작자, 사용자가구성원이며, 이들의자원분배및보상지급은 AI Crypto Skeleton 에서이루어진다. Cloud Storage 하드웨어자원생태계 AI Crypto Ecosystem 에제공되는 Data 를 Ecosystem 에모두저장하는것은물리적인측면이나, 경제적인측면에서불가능한부분이다. 따라서, 실제 Data 는 Cloud Storage 의형태로저장되어이용될것이다. 이러한 Cloud Storage 는 Storage 자원의공유로써 AI Crypto Ecosystem 에참여하는구성원은, 자신이보유하고있는 Storage 자원의일부를공유네트워크에연결하여데이터를저장하기위한자원으로제공하고, 자원제공에대한대가로서 AIC 코인을지급받는다. 공유데이터생태계의 raw data 가실질적으로저장되는위치에해당한다. 모델생태계 (Model) 인공지능엔지니어들은, 그들이고안한인공지능모델들을 AI Crypto Vessels 을통해제공하여 AI Crypto Ecosystem 에기여한다. 제공되는인공지능모델들은사전에정의된입출력양식을지원하는방식으로어떠한프로그래밍언어로든구현이가능하며, 그모델들의훈련을위해 Vessels 내의데이터셋을이용하여 GPU Network 상의연산자원을이용하여훈련을할수 15
있도록명세가제공될것이다. AI Crypto Ecosystem 내에제공되는모델의가치는, 다른레이어인 AI Crypto Organism 에서다수의사용자들이사용함에따라그가치를평판의형태로부여받을것이고, 모델의개발자들은가치에대한정당한보상을가치증명 (PoV) 원칙에의해받게될것이다. AI Crypto Skeleton 개별구성원들이 AI Crypto Vessels 를통해제공한자원들 (GPU, 데이터, 스토리지, 모델 ) 은 AI Crypto Skeleton 내에서순환함으로써 AI Crypto Ecosystem 에생명력을불어넣게된다. 물리적인구성체인 AI Crypto Vessels 의각구성요소와는달리, AI Crypto Skeleton 은클라우드내에분산되어존재한다. AI Crypto Skeleton 은개념적으로 AI Crypto Vessels 의각자원을분배하고사용료를산정하는 Resource Allocator 와, 각자원이 AI Crypto Ecosystem 에기여한가치를평가하는 Contribution Rating System 으로구성되어있고, 이들요소는 ERC20 기반의스마트계약 (Smart Contracts) 으로구현되어탈중앙화를실현함과동시에, 물리적인 Vessels 구성요소와독립적으로구동되어, AI Crypto Ecosystem 의부정적인사용을원천적으로차단한다. AI Crypto Organism 에서창출된수익에대한분배역시 Coin Payroll System 을통해이루어지고, 이는 ERC20 기반의스마트계약상에구현될예정이다. 거래기록을위한블록은 Block Generator 에의해서 AI Crypto Skeleton 상에서임의로지정하는 Vessels 내의 GPU Network Node 에서생성되고, 역시동일한방법으로 Skeleton 에의해임의로지정된다른 GPU Node 들에의해인증된다. 블록의생성은인공지능의각모델들이학습을수행하는각세션에동시적으로수행되며, 블록의 Header 정보에학습이이루어지는 Node ID, 수행된모델과세션 ID 등을기록하여거짓으로블록을생성하려는시도를차단한다. 학습의결과로만들어진거래인증블록은, 전체블록생성주기를고려하여난이도 (nonce) 가조절되고해당조건을충족한경우에블록체인에추가되어거래를인증한다. 이때 Vessels 내에참여하여 GPU 자원을제공하는각 Node 의소유자들은, 본인의 Node 에서생성된블록이체인에추가가되기전까지는그사실을알수없어악의적인거래를부당하게인증하려는시도를원천적으로차단한다. 블록의생성속도는 AI Crypto Ecosystem 초기에는초당 0.5 개의블록을생성하다, 점차거래의수가많아지고, Vessels 내의참여 GPU Node 수의증가에가변적으로생산속도를조절할계획이다. 16
AI Crypto Organism AI Crypto Team 은 AI Crypto Ecosystem 의활성화와 AI Technology 의발전을위해, 딥러닝및인공지능분야의연구자, 전문가, 관련스타트업종사자들로구성된 AI Crypto Society 를제안한다. AI Crypto Society 의개별구성원들은, AI Crypto Vessels 내의하드웨어, 데이터, 모델의제공자 / 창작자로참여하여 Ecosystem 에기여하거나, AI Crypto Organism 내의이용자로참여할수있다. 예를들면, PC 방을운영하는개인사업자는, 이용중이아닌 PC 의유휴자원을제공함으로써 Vessels 의구성원으로 Ecosystem 에기여할수있다. 또대학의인공지능관련연구자는, AI Crypto 내의자원을활용하여모델이학습하게하고모델을발전시켜서, 모델을적절한보상을통해관련업계의사용자들에게제공함으로써, 인공지능업계에도움을줄수있다. 또한관련분야의스타트업종사자들은 Organism 내의인공지능관련서비스를이용하여새로운제품을생산하고판매함으로써인공지능관련분야의활성화에기여할수있을것이다. 이에 AI Crypto Team 은초기 Society 구축을위해노력을할것이며, Society 내의구성원들이상호교류할수있는 Community 를제공하는데힘쓸것이다. AI Crypto Team 은, AI Crypto Society 의구축을위한첫단계로, 인공지능관련스타트업및개인개발자들이참여하는연합체를제안한다. 이들이 AI Crypto Society 를원활하게활용할수있도록 AI Crypto Team 은최선을다할것이며, 이는 AI Crypto Team 의또다른존재이유라고생각한다. AI Crypto Society 의지원을받는 AI Crypto Ecosystem 은내부구성원들의정당한가치창출에대한보상을제공함과동시에, 인공지능과연관된산출물들을 AI Crypto Organism 을통해외부로제공하여인류에대한기여를추구하게된다. 예를들면, 외부의사용자들은복잡한프로그래밍언어를모르더라도 ( 가칭 ) Easy AI Builder 를통하여, 내부구성원들이제공한여러구성요소들 (GPU 자원, 데이터, 모델 ) 을손쉽게 GUI 상에서조합하여, 자신만의인공지능서비스를구현할수있다. 외부의사용자들은이렇게만들어진서비스를통해얻어지는성과를, Vessels 내부의구성요소제공자들과공유할수있다. 활용가능한구성요소들은 AI PLAZA 에서쉽고안전하게거래되어, Ecosystem 내부구성원들은누구나 AI PLAZA 를이용하여인공지능기술발전에기여하고, 수익을추구할수있다. 특정목적을위한데이터분석의경우, Kaggle 과같은데이터분석에대한 Competition Platform 을제공하여많은사람들이동일한데이터를가지고최적의인공지능모델을구현하거나, 혹은특정분석에대한최적의데이터폼을찾아낼수있는환경을제공하기도한다. 이렇듯 AI Crypto Ecosystem 내부에서이루어지는가치창출의결과인인공지능산출물등은 AI Crypto Organism 을통해사회적으로기여하게되고, 더불어 AI Crypto Ecosystem 의가치증대에도기여한다. 17
AI Crypto 의핵심기술 기술요약 본섹션에서는 AI 모델및 AI 교육데이터와관련된문제점을해결하기위한 AI Deep Learning 모듈과희소한 AI 하드웨어자원활용의효율성과관련된문제점을해결하기위한 AI 마이닝모듈을포함하는 AI Crypto 의핵심기술에대해자세히설명할것이다. AI Eco- Modules 은독창적인생태계를형성한다. AI Deep Learning 및 AI Mining 의참여자는 AI 자원을활용하고분배함으로써 AI Crypto 의인공지능기술을사용하는과정에서세가지주요문제를완화하고해결하게될것이다. 그림 8 에서볼수있듯이 AI 마이닝, AI Deep Learning 및 AI Ecology 의세가지모듈이공동으로 AI Crypto 의핵심기술프레임워크를구축하게된다. 그림 8. AI Crypto 의핵심기술프레임워크 또한맞춤형 Ethereum 가상머신및스마트계약확장설계와관련된기술솔루션을위해차후연구및개발과정에서최첨단기술개발 ( 블록체인 3.0) 에더욱집중할것이며적절한시기에보다유리한 Public chain 개발할것이다. 동시에민감한교육데이터의암호화설계를위해후속연구및개발과정에서실행가능한솔루션을점진적으로도입할계획이다. 18
AI Deep Learning AI 딥러닝은미래기술발전을위한초석으로엄청난경제적시장잠재력을가지고있다. 그림 9. 딥러닝으로할수있는일 : 자가학습및예측 AI 딥러닝과정에서정확한 AI 인식을달성하려면여러계층의반복적인계산이필요하다. 그림 10 에이과정을도식화하였다. 모두가잘알고있는 Google 의 AlphaGo 로예를들어보자. 국제체스킹을이기기위해 AlphaGo 의인공지능은여러단계의반복적인계산을통해정확한전략을수립해야한다. 그러나반복계산에는많은계산능력과계산시간이필요하기에인공지능개발은쉽지않다. 그러나이두가지문제가해결된다면 AI 개발을원하는관련자들은 AI Deep Learning 을수월하게해낼수있게된다. 그림 10. 다중계층연산 : 많은양의컴퓨터자원이필요하다. 19
이과정이수학공식이라본다면 다중계층 은하나이상의계층이며, 층이많을수록반복 계산이복잡할수록더정확합니다. 그림 11. 다중계층연산 표준화된딥러닝모델여타머신러닝알고리즘을기반으로한 AI 모델의경우높은복잡성및 AI 모델작성자의코딩방법의다양성등원인으로기계학습모델, 특히딥러닝모델은소비자들이즉시이해하기매우힘들고모델의실제효과를평가하는데도움이되지않는다. 모델의실제효과를평가하려면호출인터페이스정의, 매개변수구성및운영환경설명과같은해당모델의표준화규칙 (Distributed GPU Deep Learning Standardization) 을설정해야한다. 그림 12. 딥러닝모델관련응용표준화사례 20
그림 12 처럼음성인식및딥텍스트매칭 ( 질문및답변필드 ) 이라는응용장면을예로 들자면, 모델의제공자는실제개발상의문제를해결할때가능한빨리유사한응용효과를 확인할수있도록다양한응용훈련의입력형식에대한설명을제공해야한다. AI 데이터의디지털화 : 보다효율적인전송및저장실제장면에서인공지능교육데이터세트는대용량이기때문에심도있는계산을위해많은양의메모리가필요하다. 그렇기에분산환경에서대규모데이터세트를보내서심층실행프로세스를처리하는것은비효율적입니다. 일반적인솔루션은메모리를일괄적으로읽는것이므로필연적으로작업의효율성에영향을미치게된다. AI Crypto 의시스템은수치계산의중간과정에서시작해서, 그림 13 처럼사전처리를통해실제필요한데이터를계산하고디지털화된데이터만을전송하여대역폭문제를해결하는동시에캐싱메커니즘을사용하여가능한많은데이터를저장하는방법을고려하여비용을절감하고계산의효율을향상시킨다. 그림 13. Deep learning training 데이터관련응용장면의디지털화사례 AI Mining 앞서언급했듯이딥러닝하드웨어장치의비용과희소성에인해이러한자원은몇몇중앙화된기관에밀집되어있다. AI Crypto 는딥러닝자원사용의공정성과효율성을위해대량의임시유휴채굴장비 ( 예 : GPU 마이닝풀 ) 등을모아서 AI 딥러닝을위한하드웨어풀을형성한다. 여기에모이는하드웨어자원은개인또는기관 ( 광산 ) 이소유한 GPU, FPGA, ASIC 및 DSP 와같은장치로이하드웨어들은 AI Crypto 의표준인터페이스를기반으로플랫폼에연결된다. 동시에대규모광산혹은잘가치있는자원을제공한참여자에게맞춤형솔루션을제공하고안정성에대해요구가높은자원소비자에게안정적인성능과고품질서비스를제공할수있다. 블록체인기술의적용은우리의 AI 하드웨어자원을최적으로구성할수있는조건을제공할뿐만아니라 AI 하드웨어자원의공간분배불평등현상을해결할수있다. 동시에우리의다른기술을더욱통합하여자원을효율적으로적용할수있는소프트웨어구현가능성을제공한다. 다음은 AI Crypto 가연구개발한하드웨어구성및소프트웨어배포솔루션 21
개발에중점을두는두가지핵심기술을설명하고자한다. 이기술들은자원의공정한 사용을극대화하고 AI 하드웨어시간분배의불평등현상을해결할수있는동시에, Ai Crypto 생태계의참여자들에게더큰가치를제공한다. Multitasking Real-Time Switching AI Crypto 공유플랫폼은 AI 장치제공자의하드웨어자원을통합하여딥러닝하드웨어자원풀을구축한다. AI Crypto 의자원스케줄링및격리배포시스템을통해 AI 자원소비자, 특히딥러닝하드웨어자원소비자는더욱합리적인가격 ( 현재주류클라우드서비스제공업체의 GPU 서비스요금보다저렴한 ) 으로희소자원을사용할수있게된다. 동시에장시간딥러닝하드웨어사용권한을임대하는참여자는시시각각딥러닝계산을수행하지않아도되기에실시간으로다중작업을수행하는구조가필요하다. 그림 14. 채굴및딥러닝두가지작업실시간모니터링및자동스위칭개념도 그림 14 에서볼수있듯이하드웨어가블록형성과머신러닝을동시에수행할수있도록실시간모니터링시스템을개발하였다. 이시스템에서참여자가제공한하드웨어자원은자동으로현재작업에서다른작업으로전환되어사용된다. 딥러닝알고리즘작업중암호화페마이닝작업으로전환이가능한것이다. 이런기능은실시간으로모니터링되고자동으로전환되므로 AI 하드웨어자원을효과적으로사용할수있게된다. 마이닝효율심층최적화마이닝의핵심은해시작업을통해계산능력의강약을증명하여블록을형성할권리를얻는것이다. 일반적인성능의하드웨어장치를보유하고있어블록생성에경쟁력이없다면소프트웨어의혁신을통해연산능력을확보하면된다. 그림 15 에서볼수있듯이아이디어를토대로 AI Cyrpto 는 "Crypto + AI 마이닝 " 솔루션을제시한다. AI Mining 은딥러닝알고리즘을사용해서해시함수를최적화하고해시작업을가속화함으로써참여자가동일한장비조건에서도효율적으로자원을사용하여더빠른속도로마이닝수익을얻을수있게한다. 22
그림 15. 기존 Mining 과 AI Mining 의효율비교 그림 16. AI Crypto Architecture 23
AI Deep Learning 의시장개요 AI Deep Learning 시장은거대하며아마존, 구글, 페이스북과같은다국적기업들을끌어 들이고있다. 그림 17. AI Deep Learning 트렌드 : 급증하는시장수요 아래그림에서알수있듯구글의 AI 딥러닝비즈니스는최근몇년동안기하학적으로 성장하고있다. 구글은소프트웨어분야의선두주자로서 AI 딥러닝의시장의발전추세를 증명한다. 24
그림 18. 구글의딥러닝사용빈도증가현황 NVIDIA 의 AI 딥러닝비즈니스역시최근몇년동안기하적으로성장해왔다. NVIDIA 는 GPU 업계의거물로, 이를통해 AI 딥러닝시장의발전추세를확인할수있다. Figure19. 엔비디아의딥러닝사용빈도증가현황 25
AI Crypto 의비즈니스모델 AI Crypto 는윈-윈비즈니스모델을창조하는것을목표로한다. 예를들면다중서버 GPU (MSMG) 의 AI 딥러닝기술로대량의 GPU 를보유한마이닝풀의소유주와파트너관계를맺어대량의 AI 딥러닝컴퓨팅파워를제공하고계산주기를크게단축할수있다. 이로써인공지능전문연구회사, 대규모게임회사및인공지능작업을수행해야하는영화산업과같은 AI 연산이필요한회사에게서비스를제공할수있다. 따라서 AI Crypto 의잠재적인전략적파트너는마이닝풀의소유주, 클라우드컴퓨팅회사, 게임회사및인공지능연구회사이다. AI Crypto 의사명 Figure20. 인공지능시장규모 가치제공을통한기여 가치증명 (PoV) 제안 블록체인을기반으로한많은암호화폐가해결해야할과제중하나가, 실제암호화폐의가치와대응하는실물대상의부재이다. 현재대부분의암호화폐가채택하고있는방식중하나인작업증명 (Proof of Works, PoW) 의경우, 거래원장을담고있는암호화된블록을생산하는데대부분의자원을소비하고있다. 인공지능에필수적으로활용될수있는계산도구인 GPU 를거래원장기록을하는단순한용도로전락시키고, 또한전력소비역시크다. 대표적인암호화폐인비트코인채굴에소비되는전력량이방글라데시나루마니아의연간전력소비총량과비슷하며, 향후지속적으로증가하는추세에있다고한다 3. 또다른발행방법으로, 보유지분에대한보상을주는지분증명 (Proof of Stake, PoS) 의경우, 블록을생성하는단가가낮기때문에, 분기된체인에대한보증을할필요가없어 (Nothing at Stake), 부당한거래를 3 디지코노미스트 (Digiconomist) 에서발간하는비트코인에너지소비지수 (Bitcoin Energy Consumption Index). https://digiconomist.net/bitcoin-energy-consumption 26
방지하는데한계가있다. AI Crypto Ecosystem 에서는이러한폐단을방지하고, 자원의정의로운사용을통해인공지능발전과인류의번영에도움이되고자, 가치의제공과소비에대한기여의방법으로가치증명 (Proof of Value, PoV) 을제안한다. 가치증명에따르면, 코인의유통은 AI Crypto Ecosystem 의공유자원에대한정의로운사용을통해, 정당한가치가창출될때그에대한보상의방법으로유통된다. 이는, 악의적인목적의순환적인자원의생산과소비가이루어져 AI Crypto Ecosystem 을오용하려하는경우에는거래수수료로인한손해를발생시킨다. 반면, 자원의정의로운제공과사용에따른가치창출의효과는 AI Crypto Ecosystem 내의구성원들의합의에의해보상으로이어져, 가치증명을통한 AI Crypto Ecosystem 내의선순환구조를실현한다. 블록체인합의알고리즘에도 PoV 를고려하려고한다. 그방법은자체프라이빗네트워크에서합의계층을수정해합의알고리즘및블록저장에 PoV 를도입하는방식이될수도있고, 기존 Ethereum 의합의방법을따르면서기여도에따른이익분배에 PoV 를도입하는방법등이가능하다고본다. 이는개발과정에서본생태계에적합한방식으로적용될것이다. 공유경제를통한분산 GPU 네트워크실현 AI Crypto Ecosystem 에서추구하는자원의정의로운사용및가치창출에대한보상을실현하기위해우리는공유경제의모델에서그대안을찾는다. Ecosystem 에참여하는구성원중하드웨어자원공유에기여하는참여자들은, 그들이보유하고있는 GPU 의전부혹은일부를공유하는것으로초기설정을할수있다. 이들이공유하기로한계산자원 (GPU) 들이유휴상태일때, 그자원을공유네트워크에제공할수있음을 AI Crypto Skeleton 내부의가까운 Resource Allocator 에전달하고대기한다. AI Crypto Ecosystem 내에서연산자원을필요로하는요청이있을경우에, Resource Allocator 는유휴자원들을요청자에게할당한다. 공유네트워크상의 GPU 들은비식별화된상태로 AI Crypto Skeleton 내에서 Resource Allocator 에의해요청자들에게분배되기때문에, 악의적인이용자가 AI Crypto Ecosystem 의자원을자가순환구조를통해가치증명 (PoV) 의보상을획득하려는시도를방지할수있다. 27
그림 21. AI Crypto Skeleton. 하드웨어공유생태계는사용자, GPU 제공자가구성원이며, 이들이가진자원과 이에대한보상의분배는 AI Crypto Skeleton 에서이루어진다 28
ERC20 스마트계약의구현 AI Crypto Ecosystem 은 ERC20 의표준규약을따라구현될것이다. 초기의구축단계에서는 Ecosystem 을지탱하는 AI Crypto Backbone 이존재하여, 암호화폐의거래및 Ecosystem 내의두개의서로다른 Front-end 레이어 (Organism, Vessels) 사이의거래를뒷받침하게될것이다. AI Crypto Organism 과 AI Crypto Vessels 내의구성요소들의통신을위한규약이플랫폼상에올라가는순간, AI Crypto Backbone 은 AI Crypto Skeleton 으로진화하여 AI Crypto Ecosystem 의메인넷역할을하게될것이다. 메인넷인 AI Crypto Skeleton 은분산화된 Cloud 상에서존재하고, 외부의통제로부터독립적인완전한탈중앙화정책을바탕으로 AI Crypto Ecosystem 에생명력을불어넣을할것이다. ERC721 자원의공유와거래 AI Crypto Ecosystem 내에서거래되는 Data, Dataset, Model, Trained Ai 는 ERC721 형태로거래가이루어진다. ERC721 은 ID 를가진개별토큰이다수존재하여각각의소유자를가진다는특징이있다. 해당토큰을이용하거나소유권자체의이전을통해생태계에서 AIC 의유통을활성화하게한다. 예를들어, Data 제공자는자신이제공한 Data 의소유권을가지고있기에, 이 Data 를사용한사용자로부터사용료를받을수있으며, Data 소유권을이전을통해서도수입을얻을수있게된다. Ai 개발자는 Ai 개발을의뢰받아서 Trained Ai 를개발하고이에대한소유권이전의방식으로납품이가능해진다. 29
AIC 활용분야 그림 22. AI Crypto 가응용될수있는주요인공지능활용사례 음성인식 합성분야의인공지능서비스활용딥러닝을이용한음성인식엔진, 개인화된음성합성기술에관한모델을구현하고, 특정도메인에특화된데이터셋을수집하여음성인식서비스를구현하고, 지속적인학습을통한개선된음성인식서비스를구현할수있다. 복잡하게구성된음성인식모델의각구성요소들을, 프로그래밍언어에대한지식없이도간단한 GUI 툴로구성하고, 서비스를할수있는플랫폼을제공한다. 또, 음성인식및합성에필요한데이터의명세를제공하여, 사용자가쉽게데이터를제작하고, 제공함으로써서비스를구현하려는다른사용자가정당한보상을통해손쉽게데이터를학습에이용할수있게한다. 이렇게만들어진인공지능학습결과는 API 의형태로타플랫폼과융합이가능하다. 인공지능대화분석 30
머신러닝및딥러닝기반의자연어기반의대화분석기술을바탕으로사용자와상담원, 혹은사용자간의대화를분석한다. 이를기반으로개별사용자맞춤상품을추천하여구매전환율을높이거나, 상담원의상담품질을높이는데활용할수있다. 또한대화상대방의현재감정과의도, 이전대화에서파악한문맥정보들을분석하여, 대화형인공지능이최적의답변을하도록분석모델을훈련시키며, 이를기반으로금융, 쇼핑, 의료등특정영역에서의인공지능에이전트가원활한대화를수행할수있도록도움을준다. 영상분석보안, 의료등의분야에서기존의영상분류, 얼굴인식, 지문 홍채인식등딥러닝기반에서작동하는인공지능기반서비스들을, AIC 플랫폼위에서구현하여제공할수있다. 영상분석에대한인공지능모델을훈련시키기위해필수적인양질의비식별화데이터들은 AIC 플랫폼에서유통될것이며, 이를활용한다양한영상분석서비스들이제공될것이다. 자율주행서비스자율주행서비스는방대한데이터의수집및처리와더불어, 엄청난양의계산을빠르게수행해야한다. 이를위해서는복잡한구조의인공신경망의구현과더불어계산수행을위한고성능의연상장비가필수적이다. AIC 플랫폼상에서제공되는 GPU 네트워크를통해자율주행서비스에필요한인공지능모델을개발하고, 이를기반으로자율주행서비스를구현할수있게된다. 31
AI Crypto (AIC) 코인 AI Crypto Ecosystem 내에서통용될 AIC 의총발행코인은 10,000,000,000 AIC (100 억 AIC) 로예정되어있으며 Ecosystem 내의구성원으로참여하기위해서는이더리움 (Ethereum) 을통해참여가가능하다. 초기펀딩의한도 (Hardcap) 는최대 30 억 (3,000,000,000) AIC 로계획되어있다. AIC 의효용가치는 Contribution Rating System 에서최저가치를보장하도록조절될것이고, 이내용은공식채널 ( 홈페이지및 SNS) 를통해지속적으로공지될예정이다. ICO 및 Pre-sales 를통해분배되는코인은전체발행의약 30% 인 3,000,000,000 AIC 이다. 그림 23. ICO Schedule 32
Distribution Mechanism 코인은아래와같은비율로서 AI Crypto Ecosystem 내의구성원에게분배가된다. Investor 30 % Team 25 % AI Ecosystem Incentive 20 % Marketing 15 % Advisor 5 % Company Reserve 5 % 그림 24. AIC 분배비율 33
Proceeds Allocation Development 42 % 개발에할당된비용은, AI Crypto 가지향하는플랫폼을구현하기위한개발비용이다. 비용은, 플랫폼의개발, Distributed Resource Allocator 및플랫폼 Component 의구현및테스트, 플랫폼에서동작하는인공지능애플리케이션의유즈케이스실증제작, 데이터셋구축의 UI/UX 테스트비용등을포함한다. Operating Expense 25 % 운영비용은초기수수료를대체하여 AI Crypto 플랫폼을운영하기위해소요되는비용을의미한다. 해당비용은초기 GPU Network 를구축하는데들어가는실제비용을포함하여, GPU Network, Dataset, AI Model 의 AI Crypto Ecosystem 이자생할수있게하는초기비용을의미한다. Marketing & Accounting 14 % 마케팅과회계비용은, AI Crypto 플랫폼의활성화를위해서필수적이다. AI Crypto Ecosystem 의활성화는 Ecosystem 내에존재하는공유 resources 의기여및사용을통해이루어질수있으며, 이는기존의인공지능시장의생산자및소비자들의적극적인참여를통해서이루어질수있다. 이에, AI Crypto 플랫폼구축후, 운영초기에들어가는마케팅및회계비용에대하여수익의일부가사용될것이며, ICO 자체에대한마케팅경비를포함하지는않는다. Business/Strategic Expense 11 % AI Crypto Ecosystem 은연산자원 (GPU) 의공유화및공유자원의정당한사용을그목적으로하고, 주요한자원들을분산화하고사용에대한대가를공유함으로써그가치를실현하는것을목표로하고있다. 이를위해서는생태계내의각요소들에대해최소한의관리 / 통제를함으로서플랫폼구축초기에안정적이고생명력이있는생태계로만들어질수있다. Business/Strategy 경비는전세계에분산되어있는공유자원들의효율적인관리를위한최소한의운영경비로써지출될것이다. Reserved 8 % 이비용은추후플랫폼의업데이트에투입될예정이다. 34
추가발행계획 AI Crypto 는초기버젼에서는 Ethereum 기반스마트컨트랙트로동작하게된다. 이때까지는코인의추가발행이없으며, AIC 메인넷하드포크이후에는코인의추가적인발행이있을수있다. AIC 코인의거래는, AI Crypto 플랫폼이구현되기이전까지는, 클라우드기반의 AI Crypto Backbone 에서블록을생성하고검증한다. AI Crypto Backbone 은 AI Crypto Ecosystem 이구현되는순간, 가치증명 (PoV) 을실현하는 AI Crypto Skeleton 로진화하여거래를인증하게된다. 거래기록은 Skeleton 상의 Block Generator 에의해할당된 Node 에서생성된블록에저장되고, 역시동일한방법으로할당된다른 Node 에서인증이된다. 인공지능생태계의자원을정당한목적과방법으로사용하는경우에는가치증명의실현에따른보상으로추가코인이지급된다. 이는 AI Crypto 의본연의목적인주어진공유자원의정당한사용에따른가치실현에따른보상으로, AI Crypto Ecosystem 의활용을증진하는방향으로가치증명을실현한다. 추가코인의발행규모는 AI Crypto Ecosystem 의활성화정도에따라조정될수있다. 또한이발행규모는 AI Crypto Ecosystem 에참여하는구성원들의합의에의하여조정될수있다. 35
향후계획 Roadmap 그림 25. Roadmap 거래소 그림 26. 상장예정거래소 36
미래를위한준비 플랫폼의변화 인공지능이 4 차산업시대의주요화두인만큼, 우리의 AI Crypto Ecosystem 을시작으로블록체인기술을활용하여인공지능어플리케이션을구현하고활용하는시도들은앞으로도계속될것이다. 이에따라우리는인류의발전을위해 공정한자원의정의로운사용 이라는사상에동의하는기술이라면, 구성원의동의를얻어플랫폼내부에포함시킬의향이있다. 이는단순한구성요소의추가뿐만아니라이로인한플랫폼자체의변화를함의한다. AI Crypto Ecosystem 이포용하는범위가확대된다고하더라도, 이는거대중앙화조직의등장이아닌, 탈중앙화사회의확대를의미하고, 이는인류의기술발전을위해정의로운자원사용에동의하는구성원이늘어남을의미한다. 37
Team Member & Advisor Figure 27. Team Member Figure 28. Advisor 38
Contact Website http://aicrypto.ai/ Telegram (English) https://t.me/aicryptoai Medium (English) https://medium.com/aicrypto Facebook https://www.facebook.com/aicrypto/ Twitter https://twitter.com/aicryptoai Kakao Talk (Korean) https://open.kakao.com/o/gdrofvh 39