작가: 카일
검토자: 샌디
출처: 콘텐츠 길드-투자 연구
원본 기사는 PermaDAO에 처음 게시되었습니다.
원본 링크: https://permadao.notion.site/2c3392ad748e4d45a7f94f1220afcda2?pvs=4
시장을 극단적으로 예측하는 것, 기자간담회인가? 방금 끝난 미국 선거에서 폴리마켓은 시장 중심 데이터를 활용해 트럼프의 승리율이 기존 여론조사보다 높다는 것을 성공적으로 예측해 대중과 언론의 관심을 빠르게 끌었습니다. 사람들은 Polymarket이 금융 도구일 뿐만 아니라 시장의 지혜를 활용하여 선정적인 뉴스의 진위 여부를 확인하는 정보 분야의 "균형자"이기도 하다는 사실을 점차 깨닫게 되었습니다.
폴리마켓이 화제가 되자 비탈릭은 새로운 개념인 정보금융(Info Finance)을 제안했다. 재정적 인센티브와 정보를 결합한 이 도구는 소셜 미디어, 과학 연구 및 거버넌스 모델을 전복시키고 의사 결정 효율성을 향상시키기 위한 새로운 방향을 열 수 있습니다. AI와 블록체인의 발전으로 정보금융도 새로운 전환점을 맞이하고 있다.
야심차게 떠오르는 정보 금융 분야에 직면하여 Web3의 기술과 개념을 받아들일 준비가 되셨습니까? 이 기사에서는 예측 시장을 정보 금융의 핵심 개념, 기술 지원 및 미래 가능성을 탐구하기 위한 진입점으로 삼을 것입니다.
정보 금융: 금융 도구를 사용하여 정보를 획득하고 활용합니다.
정보 금융의 핵심은 금융 도구를 사용하여 정보를 획득하고 활용하여 의사 결정의 효율성과 정확성을 높이는 것입니다. 예측 시장은 질문을 재정적 인센티브와 연결함으로써 참가자들 사이에 정확성과 책임성을 장려하고 진실을 찾는 사용자에게 명확한 예측을 제공합니다.
절묘한 시장 설계로서 정보 금융은 참가자가 특정 사실이나 판단에 대응하도록 안내할 수 있습니다. 응용 시나리오는 분산형 거버넌스, 과학적 검토 및 기타 분야도 포괄합니다. 동시에 AI의 출현은 문턱을 더욱 낮추어 미시적 의사결정이 시장에서 효과적으로 작동할 수 있도록 하여 정보금융의 대중화를 촉진할 것입니다.
Vitalik은 현재 10년이 정보 금융을 확장하기에 가장 좋은 시기라고 구체적으로 언급했습니다. 확장 가능한 블록체인은 정보 금융에 대한 안전하고 투명하며 신뢰할 수 있는 플랫폼 지원을 제공하는 동시에, AI 도입으로 정보 수집의 효율성이 향상되고 정보 금융이 보다 정교한 문제를 처리할 수 있게 됩니다. 정보 금융은 기존 예측 시장의 한계를 뛰어넘을 뿐만 아니라 여러 분야에서 잠재력을 활용할 수 있는 능력을 보여줍니다.
그러나 정보금융이 확대되면서 그 복잡성과 규모도 급격하게 증가하고 있다. 시장은 막대한 양의 데이터를 처리하고 실시간 결정과 거래를 수행해야 하며, 이는 효율적이고 안전한 컴퓨팅 기능에 심각한 문제를 야기합니다. 동시에 AI 기술의 급속한 발전으로 인해 더욱 혁신적인 모델이 탄생하고 컴퓨팅 요구 사항이 강화되었습니다. 이러한 맥락에서, 안전하고 실행 가능한 빈곤 이후 컴퓨팅 시스템은 정보 금융의 지속 가능한 발전을 위한 필수 불가결한 기반이 되었습니다.
오늘날의 풍경에서 계산 후 희소성 계산 시스템은 무엇입니까?
"고갈 이후 컴퓨팅 시스템"은 현재 통일된 정의가 부족하지만 핵심 목표는 기존 컴퓨팅 리소스의 한계를 극복하고 저비용으로 널리 사용 가능한 컴퓨팅 기능을 달성하는 것입니다. 분산화, 자원 풍부화 및 효율적인 협업을 통해 이러한 유형의 시스템은 대규모의 유연한 컴퓨팅 작업 실행을 지원하여 컴퓨팅 자원을 "희소성"에 더 가깝게 만듭니다. 이 아키텍처에서는 컴퓨팅 성능이 단일 지점 의존성을 없애고 사용자가 저렴한 비용으로 리소스에 자유롭게 액세스하고 공유할 수 있어 포괄적 컴퓨팅의 대중화와 지속 가능한 발전을 촉진합니다.
블록체인의 맥락에서, 희소성 컴퓨팅 시스템의 주요 특징은 분산화, 풍부한 리소스, 저렴한 비용 및 높은 확장성을 포함합니다.
퍼블릭 체인의 고성능 경쟁
현재 주요 퍼블릭 체인은 점점 더 복잡해지는 애플리케이션 요구 사항을 충족하기 위해 성능을 놓고 치열하게 경쟁하고 있습니다. 현재 퍼블릭 체인 생태학적 환경을 살펴보면 개발 추세가 전통적인 단일 스레드 모델에서 멀티 스레드 병렬 컴퓨팅 모델로 전환되고 있습니다.
전통적인 고성능 퍼블릭 체인:
- Solana: Solana는 처음부터 높은 처리량과 낮은 대기 시간을 달성하기 위해 병렬 컴퓨팅 아키텍처를 채택해 왔습니다. 고유한 역사 증명(PoH) 합의 메커니즘을 통해 초당 수천 건의 거래를 처리할 수 있습니다.
- Polygon 및 BSC: 이 두 가지는 트랜잭션 처리 기능을 향상시키기 위해 병렬 EVM 솔루션을 적극적으로 개발하고 있습니다. 예를 들어 Polygon은 보다 효율적인 거래 검증을 위해 zkEVM을 도입했습니다.
신흥 병렬 퍼블릭 체인:
- Aptos, Sui, Sei 및 Monad: 이러한 신흥 퍼블릭 체인은 데이터 저장 효율성을 최적화하거나 합의 알고리즘을 개선하여 고성능을 위해 설계되었습니다. 예를 들어 Aptos는 Block-STM 기술을 사용하여 병렬 트랜잭션 처리를 구현합니다.
- Artela: Artela는 기본 확장(Aspects)을 통해 WebAssembly 런타임 중에 고성능 맞춤형 애플리케이션을 구현하기 위해 EVM++ 개념을 제안했습니다. 병렬 실행과 유연한 블록 공간 설계의 도움으로 Artela는 EVM 성능 병목 현상을 효과적으로 해결하고 처리량과 확장성을 크게 향상시킵니다.
퍼포먼스 경쟁이 본격화되어 어느 것이 더 좋고, 어느 것이 더 나쁘다고 판단하기는 어렵습니다. 하지만 이런 치열한 경쟁 속에 AO가 대표하는 또 다른 솔루션이 있다. AO는 독립적인 퍼블릭 체인이 아니라, 독특한 기술 아키텍처를 통해 병렬 처리 기능과 확장성을 구현하는 Arweave 기반 컴퓨팅 레이어입니다. AO는 분명 탈희소 컴퓨팅 시스템으로 나아가는 강력한 경쟁자이며, 정보 금융의 대규모 구현에 도움이 될 것으로 기대됩니다.
정보금융을 품은 AO의 청사진
AO는 Arweave 네트워크에서 실행되는 행위자 지향(역할 기반) 컴퓨터로, 통합 컴퓨팅 환경과 개방형 메시징 계층을 제공합니다. 분산된 모듈식 기술 아키텍처를 통해 정보 금융의 대규모 애플리케이션과 기존 컴퓨팅 환경을 통합할 수 있는 가능성을 제공합니다.
AO의 아키텍처는 간단하고 효율적입니다. 핵심 구성 요소는 다음과 같습니다.
- 프로세스는 AO 네트워크의 기본 컴퓨팅 단위이며 상호 작용은 메시지 전송을 통해 이루어집니다.
- SU( 스케줄링 단위 )는 메시지 정렬 및 저장을 담당합니다.
- 컴퓨팅 장치 (CU)는 상태 계산 작업을 수행합니다.
- MU( 메신저 유닛 )는 메시지 전달과 브로드캐스트를 담당합니다.
모듈 간의 디커플링 설계는 AO 시스템에 탁월한 확장성과 유연성을 제공하여 다양한 규모와 복잡성의 애플리케이션 시나리오에 적응할 수 있도록 합니다. 따라서 AO 시스템에는 다음과 같은 핵심 이점이 있습니다.
- 높은 처리량 및 낮은 지연 시간의 컴퓨팅 기능 : AO 플랫폼의 병렬 프로세스 설계와 효율적인 메시지 전달 메커니즘을 통해 초당 수백만 건의 트랜잭션 처리를 지원할 수 있습니다. 이러한 높은 처리량 기능은 글로벌 정보 및 금융 네트워크를 지원하는 데 매우 중요합니다. 동시에 AO의 낮은 지연 통신 특성은 거래 및 데이터 업데이트의 즉각성을 보장하여 사용자에게 원활한 운영 경험을 제공할 수 있습니다.
- 무제한 확장성 및 모듈형 설계 : AO 플랫폼은 모듈형 아키텍처를 채택하고 가상 머신, 스케줄러, 메시징 및 컴퓨팅 장치를 분리하여 매우 높은 확장성을 달성합니다. 데이터 처리량의 증가이든 새로운 애플리케이션 시나리오에 대한 액세스이든 AO는 신속하게 적응할 수 있습니다. 이러한 확장성은 기존 블록체인의 성능 병목 현상을 해결할 뿐만 아니라 개발자에게 복잡한 정보 금융 애플리케이션을 구축할 수 있는 유연한 환경을 제공합니다.
- 대규모 컴퓨팅 및 AI 통합 지원 : AO 플랫폼은 이미 WebAssembly 64비트 아키텍처를 지원하고 Meta의 Llama 3과 같은 가장 완전한 대규모 언어 모델(LLM)을 실행할 수 있어 AI와 AI의 심층 통합을 위한 기술 기반을 제공합니다. 웹3. AI는 스마트 계약 최적화, 시장 분석, 위험 예측 및 기타 애플리케이션과 관련된 정보 금융의 중요한 원동력이 될 것이며 AO 플랫폼의 대규모 컴퓨팅 성능을 통해 이러한 요구를 효율적으로 지원할 수 있습니다. 동시에 AO 플랫폼은 WeaveDrive 기술을 통해 무제한 스토리지로 Arweave에 액세스함으로써 복잡한 기계 학습 모델을 훈련하고 배포하는 데 고유한 이점을 제공합니다.
높은 처리량, 짧은 대기 시간, 무제한 확장성 및 AI 통합 기능을 갖춘 AO는 정보 금융을 위한 이상적인 플랫폼이 되었습니다. 실시간 거래부터 동적 분석까지 AO는 대규모 계산과 복잡한 금융 모델의 실현을 위한 탁월한 지원을 제공하여 정보 금융의 대중화와 혁신을 위한 기반을 마련합니다.
정보 금융의 미래: AI 기반 예측 시장
정보금융 차세대 예측시장은 어떤 색을 띠어야 할까? 과거로부터 배우고 미래로부터 배우는 전통적인 예측 시장은 오랫동안 시장 무결성 부족, 높은 기준치, 제한된 인기라는 세 가지 주요 문제점에 직면해 왔습니다. PolyMarket과 같은 Web3 스타 프로젝트도 이러한 문제를 완전히 피할 수는 없습니다. 예를 들어, 이더리움 ETF는 예측된 사건에 대한 챌린지 기간이 너무 짧거나 UMA 투표권이 너무 집중되어 조작 위험 가능성에 대한 의문을 제기해 왔습니다. 또한 유동성이 인기 있는 지역에 집중되어 있어 롱테일 시장 참여도가 낮습니다. 또한 일부 국가(영국, 미국)에서는 규제 제한으로 인해 사용자가 제한되어 예측 시장의 인기를 더욱 저해하고 있습니다.
정보 금융의 향후 발전에는 차세대 애플리케이션에 대한 지침이 필요합니다. AO의 우수한 성과 조건은 이러한 혁신을 위한 비옥한 기반을 제공하며, 그 중 Outcome으로 대표되는 예측 시장 플랫폼이 정보 금융 실험의 새로운 초점이 되고 있습니다.
이제 Outcome은 기본적인 투표와 소셜 기능을 지원하는 제품으로 구체화되기 시작했습니다. 실제 잠재력은 미래에 AI 에이전트를 사용하여 무신뢰 시장 결제 메커니즘을 구축하고 사용자가 예측 에이전트를 독립적으로 생성 및 사용할 수 있도록 하는 AI와의 긴밀한 통합에 있습니다. 투명하고 효율적이며 임계값이 낮은 예측 도구를 대중에게 제공함으로써 예측 시장의 대규모 대중화를 더욱 촉진할 수 있습니다.
결과를 예로 들면, AO를 기반으로 구축된 예측 시장은 다음과 같은 핵심 특성을 가질 수 있습니다.
- 무신뢰 시장 해결 : Outcome의 핵심은 Autonomous Agents에 있습니다. 이러한 에이전트는 AI에 의해 구동되며 사전 설정된 규칙과 알고리즘을 기반으로 독립적으로 작동하여 시장 의사결정 프로세스의 투명성과 공정성을 보장합니다. 사람의 개입이 없기 때문에 이 메커니즘은 조작 위험을 최소화하고 사용자에게 신뢰할 수 있는 예측 결과를 제공합니다.
- AI 기반 예측 에이전트 : Outcome 플랫폼을 통해 사용자는 AI 기반 예측 에이전트를 생성하고 사용할 수 있습니다. 이러한 에이전트는 여러 AI 모델과 풍부한 데이터 소스를 통합하여 정확한 분석과 예측을 수행할 수 있습니다. 사용자는 자신의 필요와 전략에 따라 맞춤형 예측 에이전트를 맞춤화하고 다양한 시장 테마의 예측 활동에 참여할 수 있습니다. 이러한 유연성으로 인해 예측의 효율성과 적용 가능성이 크게 향상됩니다.
- 토큰화된 인센티브 메커니즘 : Outcome은 사용자가 시장 예측에 참여하고 대행사 서비스 및 거래 데이터 소스에 가입하여 토큰 보상을 받는 혁신적인 경제 모델을 도입합니다. 이 메커니즘은 사용자의 참여 동기를 높일 뿐만 아니라 플랫폼 생태계의 건전한 발전을 지원합니다.
AI 기반 예측 시장 워크플로우
Outcome은 Arweave 및 AO를 기반으로 널리 구축된 정보 금융 애플리케이션에 혁신적인 아이디어를 제공할 수 있는 AI 모델을 도입하여 반자동 또는 완전 자동 에이전트 모드의 설계를 실현합니다. 대략 다음 워크플로 아키텍처를 따릅니다.
1. 데이터 저장
- 실시간 이벤트 데이터: 플랫폼은 실시간 데이터 소스(예: 뉴스, 소셜 미디어, 오라클 등)를 통해 이벤트 관련 정보를 수집하고 이를 Arweave에 저장하여 데이터 투명성과 변조 불가능성을 보장합니다.
- 과거 이벤트 데이터: 과거 이벤트 데이터 및 시장 행동 기록을 저장하고 모델링, 검증 및 분석을 위한 데이터 지원을 제공하여 지속 가능한 최적화의 폐쇄 루프를 형성합니다.
2. 데이터 처리 및 분석
- LLM(Large Language Model): LLM은 데이터 처리 및 지능형 분석의 핵심 모듈입니다(AO 프로세스입니다). Arweave에 저장된 실시간 이벤트 데이터 및 이력 데이터를 심층적으로 처리하고 키를 추출하는 역할을 담당합니다. 후속 모듈의 이벤트와 관련된 정보(예: 감정 분석, 확률 계산)는 고품질 입력을 제공합니다.
- 이벤트 감정 분석: 이벤트에 대한 사용자 및 시장의 태도(긍정적/중립적/부정적)를 분석하여 확률 계산 및 위험 관리에 대한 참조를 제공합니다.
- 이벤트 확률 계산: 감정 분석 결과 및 과거 데이터를 기반으로 이벤트 발생 확률을 동적으로 계산하여 시장 참가자가 의사 결정을 내리는 데 도움을 줍니다.
- 위험 관리: 시장 조작 방지, 비정상적인 베팅 행위 등 시장에 잠재된 위험을 식별하고 통제하여 시장의 건전한 운영을 보장합니다.
3. 예측 실행 및 검증
- 트레이딩 에이전트: AI 기반 트레이딩 에이전트는 수동 사용자 개입 없이 분석 결과를 기반으로 자동으로 예측을 실행하고 베팅하는 역할을 담당합니다.
- 결과 검증: 시스템은 오라클과 같은 메커니즘을 통해 이벤트의 실제 결과를 검증하고, 검증 데이터를 Historical Event Data 모듈에 저장하여 결과의 투명성과 신뢰성을 보장합니다. 또한 과거 데이터는 후속 예측에 대한 참조를 제공하여 지속적인 최적화의 폐쇄 루프 시스템을 형성할 수도 있습니다.
이 워크플로우는 AI 기반 지능형 예측 및 분산형 검증 메커니즘을 통해 효율적이고 투명하며 신뢰할 수 없는 예측 에이전트 애플리케이션을 가능하게 하여 사용자 참여 임계값을 낮추고 시장 운영을 최적화합니다. AO의 기술 아키텍처를 기반으로 이 모델은 정보 금융의 지능화 및 대중화 발전을 이끌 수 있으며 차세대 경제 혁신의 핵심 프로토타입이 될 수 있습니다.
요약
미래는 혼합된 정보에서 진실을 추출하는 데 능숙한 사람들의 것입니다. 정보금융은 AI의 지혜와 블록체인의 신뢰를 바탕으로 데이터의 가치와 활용을 재정의하고 있습니다. AO의 희소성 이후 아키텍처부터 Outcome의 지능형 에이전트까지, 이러한 결합은 예측 시장을 더 이상 확률 계산이 아닌 의사결정 과학의 재탐구로 만듭니다. AI는 참여의 문턱을 낮출 수 있을 뿐만 아니라, 대용량 데이터의 처리와 동적 분석을 가능하게 하여 정보금융의 새로운 길을 열어줍니다.
Alan Turing이 말했듯이 컴퓨팅은 효율성을 가져오고 지혜는 가능성을 불러일으킵니다. AI와 춤을 추는 정보금융은 복잡한 세상을 더욱 명확하게 만들고 사회가 효율성과 신뢰 사이에서 새로운 균형을 찾도록 유도할 것으로 기대됩니다.
참고 자료
