작가: 프란체스코

편집자: Deep Wave TechFlow

AI 에이전트를 생성할 때 핵심 과제는 출력 결과의 일관성을 보장하면서 유연하게 학습하고, 반복하고, 성장할 수 있도록 하는 방법입니다.

Rei는 AI와 블록체인 간에 구조화된 데이터를 공유하기 위한 프레임워크를 제공하여 AI 에이전트가 일련의 경험과 지식 기반을 학습, 최적화 및 유지할 수 있도록 합니다.

이 프레임워크의 출현으로 다음과 같은 기능을 갖춘 AI 시스템을 개발할 수 있습니다.

  • 상황과 패턴을 이해하고 귀중한 통찰력을 창출하세요

  • 블록체인의 투명성과 신뢰성을 활용하면서 통찰력을 실행 가능한 조치로 전환하세요.

직면한 과제

AI와 블록체인의 핵심 속성에는 상당한 차이가 있으므로 호환성이 많은 문제에 직면하게 됩니다.

  1. 블록체인의 결정론적 계산: 블록체인 작업의 모든 단계는 다음을 보장하기 위해 모든 노드에서 완전히 일관된 결과를 생성해야 합니다.

    1. 합의 : 각 노드는 새로운 블록의 내용에 동의하고 함께 검증을 완료합니다.

    2. 상태 검증 : 블록체인의 상태는 항상 추적 가능하고 검증 가능합니다. 새로 추가된 노드는 다른 노드와 일관된 상태로 신속하게 동기화할 수 있어야 합니다.

    3. 스마트 계약 실행 : 모든 노드는 동일한 입력 조건에서 일관된 출력을 생성해야 합니다.

  2. AI 의 확률적 계산 : AI 시스템의 출력 결과는 일반적으로 확률을 기반으로 합니다. 즉, 각 실행마다 다른 결과가 나타날 수 있습니다. 이 기능은 다음에서 제공됩니다.

    1. 상황 의존성 : AI 성능은 훈련 데이터, 모델 매개변수, 시간 및 환경 조건 등 입력 상황에 따라 달라집니다.

    2. 리소스 집약적 : AI 계산에는 복잡한 행렬 연산 및 대용량 메모리를 포함한 고성능 하드웨어 지원이 필요합니다.

위의 차이점으로 인해 다음과 같은 호환성 문제가 발생합니다.

  • 확률적 데이터와 결정적 데이터 간의 충돌

    • AI의 확률적 결과를 블록체인에서 요구하는 결정적 결과로 변환하는 방법은 무엇입니까?

    • 이 변화는 언제 어디서 이루어져야 합니까?

    • 확률 분석의 가치를 유지하면서 확실성을 보장하는 방법은 무엇입니까?

  • 가스 비용: AI 모델의 높은 컴퓨팅 요구 사항으로 인해 감당할 수 없는 가스 비용이 발생하여 블록체인에서의 적용이 제한될 수 있습니다.

  • 메모리 제한: 블록체인 환경의 메모리 용량은 제한되어 있어 AI 모델의 스토리지 요구 사항을 충족하기 어렵습니다.

  • 실행 시간: 블록체인의 블록 시간은 AI 모델의 실행 속도를 제한하며 이는 성능에 영향을 미칠 수 있습니다.

  • 데이터 구조 통합: AI 모델은 블록체인의 저장 모델에 직접 통합하기 어려운 복잡한 데이터 구조를 사용합니다.

  • 오라클 문제(검증 요구 사항): 블록체인은 외부 데이터를 얻기 위해 오라클에 의존하지만 AI 계산의 정확성을 어떻게 검증할 것인지는 여전히 문제입니다. 특히 AI 시스템은 풍부한 컨텍스트와 짧은 지연 시간을 요구하는데, 이는 블록체인의 특성과 상충됩니다.

Rei 네트워크 프레임워크 예시: AI 에이전트와 블록체인 간의 원활한 연결

 원본 사진은 Shenchao TechFlow가 편집한 francesco에서 가져온 것입니다.

AI 에이전트를 블록체인과 어떻게 원활하게 연결할 수 있나요?

Rei 네트워크 프레임워크 예시: AI 에이전트와 블록체인 간의 원활한 연결

 원본 사진은 Shenchao TechFlow가 편집한 francesco에서 가져온 것입니다.

Rei는 AI와 블록체인의 장점을 결합한 새로운 솔루션을 제안합니다.

Rei 네트워크 프레임워크 예시: AI 에이전트와 블록체인 간의 원활한 연결

원본 사진은 Shenchao TechFlow가 편집한 francesco에서 가져온 것입니다.

Rei는 완전히 다른 두 시스템인 AI와 블록체인을 강제로 통합하는 것보다 두 시스템이 번역 레이어를 통해 원활하게 소통하고 협업할 수 있도록 하는 "만능 번역가" 역할을 선호합니다.

Rei 네트워크 프레임워크 예시: AI 에이전트와 블록체인 간의 원활한 연결

 원본 사진은 Shenchao TechFlow가 편집한 francesco에서 가져온 것입니다.

Rei의 핵심 목표는 다음과 같습니다.

  • AI 에이전트가 독립적으로 생각하고 학습할 수 있도록 허용
  • 에이전트 통찰력을 정확하고 검증 가능한 블록체인 작업으로 변환

Rei 네트워크 프레임워크 예시: AI 에이전트와 블록체인 간의 원활한 연결

 원본 사진은 Shenchao TechFlow가 편집한 francesco에서 가져온 것입니다.

이 프레임워크의 첫 번째 응용 프로그램은 현재 정량 분석가로 교육을 받고 있는 Unit00x0(Rei_00 - $REI)입니다.

Rei 네트워크 프레임워크 예시: AI 에이전트와 블록체인 간의 원활한 연결

Rei의 인지 아키텍처는 다음 네 가지 수준으로 구성됩니다.

  1. 사고 계층(Thinking Layer): 차트 데이터, 거래 내역, 사용자 행동 등 원시 ​​데이터를 처리 및 수집하고 잠재적인 패턴을 찾는 역할을 담당합니다.
  2. 추론 레이어(Resoning Layer): 패턴 발견을 기반으로 날짜, 시간, 과거 추세, 시장 상황 등 상황에 맞는 정보를 추가하여 데이터를 더욱 입체적으로 만듭니다.
  3. 의사결정 레이어: 추론 레이어에서 제공하는 상황별 정보를 기반으로 구체적인 실행 계획을 개발합니다.
  4. 액션 레이어: 결정을 블록체인에서 실행할 수 있는 결정론적 작업으로 변환합니다.

Rei의 프레임워크는 세 가지 핵심 기둥을 기반으로 구축되었습니다.

Rei 네트워크 프레임워크 예시: AI 에이전트와 블록체인 간의 원활한 연결

 원본 사진은 Shenchao TechFlow가 편집한 francesco에서 가져온 것입니다.
  1. Oracle(oracle, 신경 경로와 유사): AI의 다양한 출력을 통일된 결과로 변환하고 이를 블록체인에 기록합니다.
  2. ERC 데이터 표준: 블록체인 저장 기능을 확장하고, 복잡한 패턴의 데이터 저장을 지원하는 동시에 사고 계층과 추론 계층에서 생성된 상황 정보를 유지하여 확률적 데이터에서 결정론적 실행으로의 변환을 실현합니다.
  3. 메모리 시스템: Rei는 시간이 지남에 따라 경험을 축적하고 이전 출력 결과 및 학습 결과를 언제든지 불러올 수 있습니다.

이러한 상호 작용은 다음과 같습니다.

Rei 네트워크 프레임워크 예시: AI 에이전트와 블록체인 간의 원활한 연결

 원본 사진은 Shenchao TechFlow가 편집한 francesco에서 가져온 것입니다.
  • Oracle Bridge는 데이터 패턴 식별을 담당합니다.
  • ERCData는 이러한 스키마를 저장하는 데 사용됩니다.
  • 메모리 시스템은 패턴을 더 잘 이해하기 위해 상황별 정보를 유지합니다.
  • 스마트 계약은 이렇게 축적된 지식에 접근하고 그에 따라 행동할 수 있습니다.

이 아키텍처를 통해 Rei 에이전트는 온체인 데이터, 가격 변화, 사회적 정서 등 다차원 정보를 결합하여 토큰에 대한 심층적인 분석을 수행할 수 있었습니다.

게다가 Rei는 데이터를 분석할 수 있을 뿐만 아니라 이를 기반으로 더 깊은 이해를 발전시킬 수 있습니다. 이는 그녀가 자신의 경험과 통찰력을 블록체인에 직접 저장하여 이 정보를 지식 시스템의 일부로 만들고 언제든지 호출할 수 있게 함으로써 의사 결정 능력과 전반적인 경험을 지속적으로 최적화하기 때문입니다.

Rei의 데이터 소스에는 Plotly 및 Matplotlib 라이브러리(차트용), Coingecko, Defillama, 온체인 데이터 및 Twitter의 사회적 정서 데이터가 포함됩니다. 이러한 다양한 데이터 소스를 통해 Rei는 포괄적인 온체인 분석과 시장 통찰력을 제공할 수 있습니다.

Quant V2의 기능 업데이트를 통해 Rei는 이제 다음 분석 형식을 지원합니다.

  1. 프로젝트 분석: 원래 기능을 기반으로 새로운 정량 지표 및 감정 데이터 지원이 추가되었습니다. 분석 내용에는 캔들스틱 차트, 참여 차트, 보유자 분포 및 손익이 포함됩니다. ( 관련 예 )

  2. 유입 및 유출 분석: Rei는 체인에서 인기 있는 토큰의 가격 및 거래량을 모니터링함으로써 이러한 데이터를 자본 유입 및 유출과 비교하여 사용자가 잠재적인 시장 추세를 발견하는 데 도움을 줄 수 있습니다. ( 관련 예 )

  3. 상호작용 분석: 실시간 데이터와 24시간 전 데이터의 비교, 상대적인 가격 변동 등 프로젝트의 전반적인 상호작용을 평가합니다. 이 기능은 최신 정보와 사용자 참여 성과 간의 상관 관계를 보여줍니다. ( 관련 예 )

  4. 상위 카테고리 분석: 단일 카테고리에서 가장 낮은 거래량과 가장 높은 거래 수를 분석하여 해당 카테고리 내 프로젝트 성과를 강조합니다.

  5. 첫 번째 차트에서는 아래쪽에 거래량이 표시되고 위쪽에 거래 수가 표시됩니다. 그런 다음 개별 범주로 드릴다운하여 유사한 프로젝트와 비교하여 개별 프로젝트에 대한 지표의 변화를 보여줍니다. ( 관련 예 )

또한, 2025년 1월 현재 Rei는 온체인 토큰 구매 및 판매 기능을 지원했습니다 . ERC-4337 표준을 기반으로 한 스마트 컨트랙트 지갑을 탑재해 더욱 편리하고 안전한 거래가 가능합니다.

Rei 네트워크 프레임워크 예시: AI 에이전트와 블록체인 간의 원활한 연결

Rei의 스마트 계약은 사용자 서명 인증을 통해 Rei에게 운영을 위임하여 Rei가 자신의 포트폴리오를 자율적으로 관리할 수 있도록 합니다.

다음은 Rei의 지갑 주소입니다.

사용 사례: Rei 프레임워크의 다양성

Rei 네트워크 프레임워크 예시: AI 에이전트와 블록체인 간의 원활한 연결

 원본 사진은 Shenchao TechFlow가 편집한 francesco에서 가져온 것입니다.

Rei 프레임워크는 금융 분야에만 국한되지 않고 다음과 같은 광범위한 시나리오에도 적용될 수 있습니다.

  • 사용자- 에이전트 상호작용 : 콘텐츠 생성 지원

  • 시장 분석 : 공급망 관리 및 물류 부문

  • 적응형 시스템 구축 : 거버넌스 시나리오

  • 위험 평가 : 의료 분야에서 Rei는 상황별 분석을 통해 잠재적 위험을 평가합니다.

레이의 향후 발전 방향

  • 더 나은 UI

  • 토큰 권한 기반 알파 터미널

  • 개발자 플랫폼