DLT는 AI에 대한 신뢰를 재구축할 것입니다.

다음은 HBAR Foundation의 CEO인 Charles Adkins가 작성한 게스트 포스트입니다. 그는 이전에 Hedera Hashgraph, LLC의 회장을 역임했습니다. Charles는 Polygon Labs와 Aptos에서 일한 경험이 있는 블록체인 및 암호화폐 분야에서 경험 많은 리더입니다.

AI가 인류에게 해를 끼치지 않고 봉사하도록 보장하는 지배 구조가 필요합니다. 그러나 AI 개발의 규모와 복잡성은 인간의 능력만으로는 벅찹니다. 여기서 분산 원장 기술(DLT)이 등장합니다. 이는 여러 노드에 걸쳐 데이터를 기록하고 검증하는 탈중앙 시스템입니다. DLT는 AI에 투명성, 책임성, 무결성을 가져와 신뢰를 구축하고 독점적 통제를 방지하며 윤리적 혁신을 촉진합니다.

AI ‘블랙박스’를 열다

AI는 종종 블랙박스처럼 작동하여 결정이 어떻게 이루어지는지를 숨기는 비밀 데이터에 의존합니다. 이러한 불투명성은 특히 투명성이 필수적인 헬스케어와 금융 산업에서 신뢰를 저해합니다. DLT와 함께라면 비밀이 없습니다. DLT는 변경이 항상 추적 가능하도록 모든 데이터와 업데이트를 불변의 디지털 기록으로 서명하여 게임의 판도를 바꿉니다.

예를 들어 ProveAI처럼, DLT를 사용하여 AI 훈련 데이터와 업데이트를 보안하고 추적하여 EU AI 법안과 같은 윤리적 기준 및 규정을 준수하도록 합니다. 이 접근 방식은 AI 모델의 책임을 물어, 결과의 신뢰성과 공정성을 위한 기반을 만듭니다.

DLT로 데이터 품질 향상

안타깝게도, 열악한 데이터 품질은 AI 개발에서 지속적인 도전 과제로 남아 있습니다. 2024 Precisely 설문 조사에 따르면 64%의 기업이 검증되지 않거나 편향된 데이터 때문에 AI가 신뢰할 수 없다고 판단했습니다. DLT는 실시간 데이터를 분산 네트워크에 연결하여 이를 해결하고 데이터가 정확하고 투명하며 불변임을 보장합니다.

외부 데이터를 통해 응답을 향상시키는 Retrieval Augmented Generation (RAG)과 같은 AI 모델의 경우, DLT는 오직 검증된 변조 방지 정보를 사용하도록 보장합니다. 이는 출력으로 잘못된 정보나 편향이 침투되는 위험을 최소화하고 윤리적 AI 지배 구조를 발전시킵니다.

Fetch.ai와 Ocean Protocol은 이미 이 혁신의 가능성을 보여주고 있습니다. Fetch.ai는 오라클을 사용하여 실시간 외부 데이터를 액세스하여 Web3 생태계 전반의 물류와 에너지 효율성을 최적화합니다. 유사하게, Ocean Protocol은 토큰화된 데이터 공유를 보안하여, AI 시스템이 고품질 데이터 세트에 액세스하면서 사용자 프라이버시를 보호할 수 있도록 합니다.

DLT로 허위 정보 대응

이러한 기능은 특히 딥페이크의 증가와 함께하는 허위 정보 같은 도전 과제를 해결하는 데 필수적입니다. Ofcom은 최근 발표를 통해 2024년 상반기에 16세 이상의 사람들이 온라인에서 적어도 한 번 이상 딥페이크를 접했다고 밝혔습니다. 블록체인과 이미지 인증, 타임스탬프 및 생성 시 매체 검증을 결합한 블록체인 플랫폼인 Truepic은 이미 이 문제를 해결하고 있습니다. 검증된 데이터와 미디어를 RAG 워크플로우에 통합하여 AI 시스템이 출력을 보다 효과적으로 사실 확인하고 생성하는 정보에 대한 신뢰를 높일 수 있습니다.

윤리적 AI를 위한 탈중앙화 지배 구조

중앙 집중식 지배 구조 모델은 AI 개발의 속도, 복잡성 및 윤리적 도전 과제를 관리하는 데 종종 어려움을 겪어 책임 있는 혁신을 저해합니다. Precisely의 글로벌 설문 조사는 62%의 조직이 적절하지 않은 지배 구조를 AI 채택의 주요 장애물로 보고 있음을 나타냈습니다.

DLT에 의해 구동되는 탈중앙화 자율 조직(DAO)은 해결책을 제공할 수 있습니다. DAO는 스마트 계약을 통해 지배 구조와 의사 결정을 자동화하여 이해 관계자(개발자, 사용자 및 규제당국)가 투명하게 제안에 투표할 수 있도록 합니다. 모든 결정은 블록체인에 기록되며, 일방적 통제를 방지하고 집단적 이해와 일치시키며 책임성과 포용성을 보장합니다.

SingularityNET은 윤리적 원칙에 맞춘 AI 프로젝트를 정렬하는 DAO 프레임워크를 사용하여 이 가능성을 보여줍니다. 이 탈중앙화 접근 방식은 포용성을 촉진할 뿐만 아니라 지배 구조가 공익을 반영하도록 보장하여 확장 가능한 윤리적 AI 개발을 위한 기반을 마련합니다.

글로벌 표준과 미래로 나아가는 길

AI가 점점 더 국경 간 데이터를 의존함에 따라 DLT와 같은 안전하고 투명한 시스템은 대규모로 신뢰를 구축하는 데 필수적이 될 것입니다. 많은 조직이 이미 그 가능성을 탐구하고 있습니다. 예를 들어, MediLedger Network는 DLT를 사용하여 의약품 공급망에서 데이터 변조를 방지하며, 유럽 블록체인 서비스 인프라 (EBSI)는 안전한 정보 분배를 위해 DLT를 활용하여 EU 조직이 최근 EU AI 법을 준수하도록 돕는 프레임워크를 제공할 수 있습니다.

하지만 우리는 더 나아가야 합니다.

글로벌 규제의 일치는 단편화를 방지하고 보편적 표준을 확립하는 데 중요합니다. 정부, 기업 및 시민 사회는 공익을 우선시하는 지배 구조 프레임워크를 개발하기 위해 협력해야 합니다. DAO 역시 AI 기술의 발전에 따라 유연하고 집단적인 감독을 제공하도록 진화해야 합니다.

지금은 안주할 때가 아닙니다. 지금 조치를 취하지 않으면, AI의 위험은 통제되지 않은 채 커져가고, 이를 해결할 수 있는 힘을 잃게 될 것입니다. 윤리적 AI의 미래는 오늘의 대담한 결정에 달려 있습니다. DLT는 이 미래의 토대가 될 수 있으며, 투명하고 책임 있으며 인류의 이익과 일치합니다.