마지막 업데이트:
**ORA 프로토콜(The Ora Protocol)**은 AI와 복잡한 연산을 온체인으로 가져오는 검증 가능한 오라클(oracle) 프로토콜입니다. 2022년 9월 Kartin Wong에 의해 공동 설립되었습니다. [1][2]
Ora Protocol은 인공지능을 탈중앙화 애플리케이션과 통합하기 위한 blockchain 불가지론적(agnostic) 인프라를 제공합니다. 이 프로토콜은 개발자가 온체인에서 직접 AI 계산을 실행하고 검증할 수 있는 도구를 제공하여, 신뢰가 필요 없고 탈중앙화된 시스템 구축을 목표로 합니다. Ora Protocol은 blockchain 환경 내에서 확장 가능하고 검증 가능한 AI를 구현하는 데 중점을 둡니다. 주요 서비스인 AI Oracle은 smart contracts가 TORA 클라이언트를 사용하는 탈중앙화된 nodes 네트워크를 통해 AI 기능에 접근할 수 있도록 합니다. 이 시스템은 계산의 무결성을 보장하기 위해 낙관적 머신러닝(opML)에 의해 지원됩니다. 또한 Ora는 ERC-7641을 사용하여 AI 모델을 토큰화하는 방법인 Initial Model Offerings(IMO)를 도입했습니다. 이 접근 방식은 오픈 소스 AI 개발을 위한 자금 조달을 지원하며, decentralized applications에서 해당 모델을 사용함에 따라 발생하는 수익을 토큰 보유자에게 분배합니다. [3]
Ora Protocol의 온체인 AI 오라클은 머신러닝 추론을 블록체인으로 가져오기 위해 설계된 검증 가능한 오라클 시스템입니다. 이는 스마트 컨트랙트와 탈중앙화 애플리케이션이 LLaMA 3 및 Stable Diffusion과 같은 고급 AI 모델의 결과값에 접근하고 이를 검증할 수 있도록 합니다.
이 시스템은 사기 증명(fraud proofs)을 사용하여 계산을 검증하고 신뢰가 필요 없는(trustless) 실행을 보장하는 낙관적 머신러닝(opML)에 의해 구동됩니다. 영지식 머신러닝(zkML)과 비교하여, 이 방식은 계산 비용을 줄이고 확장성을 향상시킵니다.
AI 오라클은 스마트 컨트랙트와 오프체인 구성 요소로 이루어져 있습니다. _opML 컨트랙트_는 사기 증명과 검증 가능성을 관리하며, _AIOracle 컨트랙트_는 오프체인 ML 노드와 온체인 호출자 간의 상호작용을 촉진합니다. _사용자 컨트랙트_는 AI 요청을 보내고 결과를 수신합니다. TORA 클라이언트를 실행하는 ORA 노드는 네트워크 전반에서 추론 결과를 제출하고 검증하는 역할을 담당합니다. [4]
opML(Optimistic Machine Learning)은 블록체인 네트워크에서 확장 가능하고 효율적인 머신러닝 추론을 가능하게 하는 프레임워크입니다. 이는 블록체인에 과부하를 주거나 중앙 집중식 시스템에 의존하지 않고도 탈중앙화된 환경에서 고급 AI 모델이 작동할 수 있도록 합니다. 낙관적 롤업에서 영감을 받은 opML은 이의 제기가 없는 한 ML 계산이 유효하다고 가정하며, 이를 통해 즉각적인 온체인 검증의 필요성을 크게 줄이고 복잡한 AI 애플리케이션을 온체인에서 더 실용적으로 만듭니다.
이 시스템은 ML 작업을 오프체인에서 실행하고, 분쟁이 발생한 결과에 대해서만 온체인 검증을 수행함으로써 효율성을 달성합니다. 이는 사기 증명 메커니즘을 통해 이루어집니다. 서비스 제공자가 결과를 제출하면, 검증인들은 일정 기간 동안 이에 대해 이의를 제기할 수 있습니다. 분쟁이 발생하면 시스템은 정확한 계산 단계를 식별하고 사기 증명 가상 머신(FPVM)을 사용하여 해당 단계만 검증합니다. 이 방법은 정확성과 무결성을 보장하면서 계산 자원을 보존합니다.
영지식 머신러닝(zkML)과 비교했을 때, opML은 증명 생성에 드는 높은 비용을 피할 수 있어 탈중앙화 AI를 위한 더 접근성 높은 솔루션이 됩니다. 또한 중앙 집중식 감시 없이 검증을 개방적이고 확인 가능하게 유지함으로써 탈중앙화를 지원합니다. opML은 ORA의 AI 오라클을 통해 제공되며, 개발자들에게 신뢰할 수 있고 비용 효율적인 AI 기능을 스마트 컨트랙트 및 블록체인 애플리케이션에 직접 통합할 수 있는 인프라를 제공합니다. [16]
opp/ai(Optimistic Privacy-Preserving AI)는 기존의 두 가지 접근 방식인 영지식 머신러닝(zkML)과 낙관적 머신러닝(opML)의 특징을 결합하여 온체인 머신러닝에서 프라이버시와 효율성을 모두 지원하도록 설계된 프레임워크입니다. 이는 머신러닝 모델을 민감도에 따라 구성 요소로 나눌 수 있게 하며, 데이터 기밀성이 필요한 계산에는 zkML을 사용하고, 속도와 비용 효율성이 더 중요한 덜 민감한 프로세스에는 opML을 사용합니다.
이 시스템은 모델을 두 부분으로 분할하여 작동합니다. 첫 번째인 M_zk는 민감한 데이터나 독점 알고리즘이 포함된 하위 모델로 구성되며, 데이터 프라이버시를 보장하기 위해 영지식 증명을 사용하여 처리됩니다. 두 번째인 M_op는 프라이버시가 중요하지 않은 하위 모델을 포함하며, 이의가 제기되지 않는 한 정확성을 가정하는 opML의 낙관적 접근 방식을 사용하여 오프체인에서 실행됩니다. 이러한 구조를 통해 opp/ai는 일반적으로 전체 zkML 시스템과 관련된 계산 오버헤드를 줄일 수 있습니다.
실행 중에 zkML 하위 모델의 출력은 opML 하위 모델로 전달될 수 있으며 그 반대도 가능하여 통합된 워크플로우를 제공합니다. zkML 부분은 검증을 위해 영지식 증명(zero-knowledge proofs)을 블록체인(blockchain)에 제출하는 반면, opML 부분은 결과의 정확성을 확인하기 위해 챌린지-응답 모델에 의존합니다. 이러한 방법들을 혼합함으로써 opp/ai는 블록체인(blockchain) 네트워크에서 AI 모델의 유연하고 안전하며 효율적인 배포를 지원합니다. [17]
Resilient Model Services (RMS)는 다양한 블록체인(blockchain) 시나리오에서 신뢰할 수 있고 안전한 머신러닝 계산을 지원하기 위해 개발된 AI 인프라입니다. ORA의 opML(Optimistic Machine Learning) 프레임워크를 기반으로 구축된 RMS는 AI 프로세스가 안정적이고 결함 허용적이며 검증 가능하도록 유지하는 것을 목표로 합니다. RMS의 초기 단계에는 ORA의 AI API가 포함되어 있으며, 이를 통해 개발자는 탈중앙화되고 검증 가능한 환경 내에서 채팅 완성 및 이미지 생성과 같은 작업에 일반적으로 사용되는 AI 모델에 액세스할 수 있습니다.
RMS는 온체인에서 투명하게 작동할 수 있는 자율적인 AI 에이전트(AI agents)의 개발을 지원합니다. 이러한 에이전트는 온체인 검증 가능성을 통해 작업을 안전하게 실행할 수 있으므로 높은 수준의 신뢰와 투명성이 요구되는 애플리케이션에 적합합니다. 또한 RMS는 AI와 탈중앙화 금융(DeFi) 프로토콜의 통합을 촉진하여 온체인 시스템 내에서 자동화된 거래, 위험 평가 및 AI 기반 금융 에이전트를 구현하기 위한 도구를 제공합니다.
Web3 게임 역시 반응형 게임 메커니즘, 캐릭터 상호작용 및 실시간 의사결정을 위한 AI를 활성화함으로써 RMS의 혜택을 받습니다. AI 결과에 대한 블록체인(blockchain) 기반 검증을 통해 RMS는 게임 플레이의 공정성과 투명성을 유지하는 데 도움을 줍니다. RMS의 기반인 opML은 지원되는 모든 사용 사례에서 투명성과 신뢰성을 보존하면서 확장 가능하고 효율적인 탈중앙화 AI 계산을 제공합니다. [18]
Initial Model Offering (IMO)은 AI 모델을 온체인에서 토큰화하여 오픈 소스 개발을 지원하기 위해 설계된 메커니즘입니다. 이 접근 방식은 현재 지배적인 폐쇄형 소스 기업들의 압박 속에서 운영되고 있는 오픈 소스 AI 커뮤니티 개발자들이 직면한 재정적 지속 가능성 문제를 해결하는 것을 목표로 합니다. AI 모델을 토큰화된 자산으로 전환함으로써 IMO는 개발과 사용이 더욱 투명하고 협력적이며 재정적으로 실행 가능한 시스템을 만듭니다.
IMO는 AI 모델의 미래 가치에 대한 소유권을 나타내는 ERC-7641 토큰(Intrinsic RevShare Tokens라고 함)을 발행합니다. 이 토큰은 AI 모델이 추론이나 콘텐츠 생성에 사용될 때 발생하는 사용료의 일부를 받을 권리를 보유자에게 부여합니다. 이러한 구조는 개발자, 사용자 및 기여자의 인센티브를 일치시켜 각 그룹이 모델 생태계의 성장과 거버넌스에 참여할 수 있도록 합니다.
IMO 프로세스는 모델의 토큰화, 온체인 사용을 통한 가치 창출, 그리고 그 결과로 발생하는 수수료를 토큰 보유자에게 분배하는 과정을 포함합니다. 거버넌스 기능을 통해 토큰 보유자는 보조금 할당 및 향후 업데이트에 대한 투표와 같이 모델의 개발 방향에 영향을 미칠 수 있으며, 이는 AI 모델 진화에 있어 커뮤니티 주도적인 접근 방식을 강화합니다. [5] [6]
초기 모델 제공(Initial Model Offering, IMO) 메커니즘은 검증 가능한 온체인 AI 모델과 ERC-7641 고유 수익 공유 토큰(Intrinsic RevShare Token)이라는 두 가지 핵심 구성 요소를 기반으로 구축되었습니다. 이 구조는 블록체인상에서의 AI 모델 사용이 표준화된 토큰 시스템을 통해 직접적으로 가치를 생성하고 분배하는 자기 완비적 경제 루프를 생성하도록 설계되었습니다.
ERC-7641은 ERC-20 토큰 표준의 확장판입니다. 이는 내장된 수익 공유 메커니즘을 통합하여, 보유자가 지정된 스냅샷 간격의 토큰 잔액에 따라 공동 수익 풀의 비례적인 지분을 청구할 수 있도록 합니다. 프로젝트가 수익원을 토큰화하고 참여자들 사이에 수입을 공정하게 분배할 수 있게 함으로써 지속 가능한 자금 조달을 지원합니다. 또한 이 표준에는 보유자가 풀 가치의 일부를 대가로 자신의 토큰을 파괴할 수 있는 소각 기능이 포함되어 있어, 공급을 줄이고 장기 참여를 유도하는 디플레이션 경제를 도입합니다. [19]
ERC-7007은 이더리움 블록체인에서 AI 생성 콘텐츠를 표현하고 검증하기 위해 설계된 ERC-721 NFT 표준의 확장판입니다. 이는 NFT가 AI 생성 콘텐츠를 인증할 수 있게 하여, 해당 콘텐츠가 특정 입력값을 사용해 특정 모델에 의해 생성되었음을 보장합니다. 이 표준은 콘텐츠의 정확성을 검증하기 위해 영지식 머신러닝(Zero-Knowledge Machine Learning, zkML)과 옵티미스틱 머신러닝(Optimistic Machine Learning, opML)을 통합합니다. AI 생성 콘텐츠를 검증하고 수익화하는 방법을 제공함으로써, ERC-7007은 AI 모델 저작자와 콘텐츠 제작자를 지원하며 검증 가능한 NFT를 통해 수익 공유를 촉진하는 안전하고 표준화된 방법을 제공합니다. 여기에는 AI 모델, zkML/opML 검증, 그리고 콘텐츠 및 검증 프로세스 관리를 위한 준수 AIGC-NFT 스마트 컨트랙트와 같은 구성 요소가 포함됩니다. [20]
$ORA 토큰은 ORA 생태계의 필수적인 부분으로, 여러 기능을 제공합니다. 이 토큰은 초기 모델 오퍼링(IMO)에 대한 접근 권한을 부여하여, 멤버들이 최첨단 오픈 소스 AI 모델 개발에 자금을 지원하고 후원할 수 있도록 합니다. 토큰 보유자는 $ORA를 스테이킹하여 탈중앙화된 노드를 운영할 수 있으며, 이를 통해 OAO 및 RMS와 같은 서비스를 지원하는 동시에 트랜잭션 수수료를 받을 수 있습니다. 또한 $ORA는 탈중앙화된 거버넌스를 촉진하여 보유자가 프로토콜의 방향성에 영향을 미칠 수 있도록 합니다. 추가적으로, $ORA는 유니버설 가스 역할을 수행하여, $ORA를 트랜잭션에 필요한 네이티브 가스로 변환함으로써 체인 및 프로토콜 간의 가스 없는 상호작용을 가능하게 합니다. [21]
ORA의 총 공급량은 333,333,333개이며 다음과 같은 배분 구조를 가집니다: [21]
September 3, 2026. 13:03 UTC
편집 요약:
Fix heading levels

