Openledger(오픈레저)는 특수 AI 모델 개발 및 수익화를 위한 분산형 인프라를 제공함으로써 인공지능(AI) 애플리케이션을 지원하는 블록체인 네트워크입니다. AI 기반 생태계 내에서 검증 가능한 데이터 귀속 및 암호경제적 인센티브를 가능하게 하는 경제적 프레임워크를 구축하는 것을 목표로 합니다. ^[11]

개요

Openledger는 특수 언어 모델(SLM) 구축 및 수익화를 위한 분산형 인프라를 제공하여 AI 개발을 지원하는 블록체인 네트워크입니다. 특수 데이터 접근, 투명한 귀속 및 공정한 보상과 같은 AI의 과제를 블록체인 기반 경제 메커니즘을 통합하여 해결합니다. Openledger는 계층형 아키텍처를 사용합니다. 도메인별 데이터 수집을 위한 데이터넷, 데이터 영향 추적을 위한 "귀속 증명" 시스템, 그리고 OP 스택 기반의 EVM 호환 Layer 2 네트워크는 데이터 가용성을 위해 EigenDA를 사용합니다. 이러한 설정을 통해 AI 모델 및 애플리케이션의 저렴하고 확장 가능한 배포가 가능하며, 기여자, 개발자 및 검증자가 투명하고 지속 가능한 AI 생태계에서 협업하고 보상을 받을 수 있습니다. ^{[1] [2]}

기술

데이터넷

Openledger의 데이터넷은 도메인별 AI 모델을 훈련하기 위한 특수 데이터 세트를 수집, 검증 및 배포하도록 설계된 분산형 데이터 네트워크입니다. 이러한 네트워크는 기여자가 검증 가능한 귀속으로 고품질 데이터를 제공할 수 있는 구조화되고 투명한 저장소 역할을 합니다. 데이터넷은 소유자, 기여자 및 검증자를 포함하는 신뢰 없는 시스템을 지원하여 데이터 정확성과 무결성을 보장합니다. 특수 데이터는 특정 도메인에 맞게 조정된 AI 모델의 성능, 설명 가능성 및 효율성을 향상시키는 데 필수적입니다. 데이터넷은 미세 조정되고 검증 가능하며 해석 가능한 모델 개발을 가능하게 함으로써 지속 가능하고 분산된 데이터 경제 참여를 촉진하는 동시에 특수 AI 에이전트를 지원하는 데 중추적인 역할을 합니다. ^{[3] [12]}

귀속 증명

OpenLedger의 귀속 증명 시스템은 각 데이터 기여를 AI 모델 출력에 연결하는 암호화적으로 안전하고 투명한 방법을 확립합니다. 이 메커니즘을 통해 훈련에 사용된 모든 데이터 세트를 원본으로 추적하고, 변경 불가능하게 온체인에 기록하고, 모델 동작에 대한 영향을 평가할 수 있습니다. 패널티 시스템을 통해 저품질 또는 악의적인 입력을 방지하는 동시에 기여자가 데이터의 가치에 비례하는 보상을 받을 수 있도록 함으로써 AI 개발에 대한 책임감과 신뢰를 도입합니다.

기여자가 메타데이터로 태깅되고 데이터넷 내에 저장된 도메인별 데이터 세트를 제출하면 귀속 프로세스가 시작됩니다. 이러한 데이터 세트는 훈련에 대한 기능 수준의 영향과 기여자의 평판을 평가하여 보상 점유율을 결정하는 영향 점수를 생성합니다. 이러한 기여는 모델 훈련 중 및 후에 기록되고 검증되며, 영향력이 큰 데이터는 더 큰 토큰 기반 인센티브를 제공합니다. 데이터가 중복, 편향 또는 적대적 콘텐츠로 플래그 지정되면 기여자는 스테이크 슬래싱 또는 향후 보상 감소와 같은 패널티를 받습니다. 전반적으로 귀속 증명은 모델 무결성과 투명성을 보장하는 동시에 양질의 참여를 유도하는 신뢰할 수 있고 검증 가능한 데이터 귀속 파이프라인을 지원합니다. ^{[4] [5]}

RAG 귀속

OpenLedger의 RAG 귀속 시스템은 검색 증강 생성(RAG)을 블록체인 기반 데이터 귀속과 통합하여 AI 생성 출력이 검증 가능하고 보상과 일치하도록 합니다. 이 프레임워크에서 AI 모델의 모든 응답은 OpenLedger의 색인된 데이터 세트에서 검색된 데이터에 의해 뒷받침되며, 각 소스는 원래 기여자에게 귀속됩니다. 이러한 접근 방식은 모델 출력의 정확성과 신뢰성을 향상시키고 완전한 데이터 출처 및 추적 가능성을 유지하여 잘못된 정보의 위험을 줄입니다.

RAG 귀속 파이프라인은 사용자가 쿼리를 제출하고 모델이 OpenLedger의 분산형 데이터 저장소에서 관련 데이터를 검색하도록 프롬프트할 때 시작됩니다. 검색된 각 정보는 암호화 방식으로 기록되어 온체인에 사용 기록이 남습니다. 이러한 데이터 세트에 기여한 사람들은 응답에서 자신의 데이터가 얼마나 자주 그리고 얼마나 중요하게 사용되는지에 따라 소액의 보상을 받습니다. 또한 시스템은 모델 출력에 투명한 인용을 포함하여 사용자가 생성된 콘텐츠의 출처를 확인할 수 있도록 합니다. 이 구조는 AI 기반 통찰력에 대한 신뢰를 구축하는 동시에 고품질 데이터 기여를 유도합니다. ^[6]

제품