SoK: A Systematic Bidirectional Literature Review of AI & DLT Convergence
본 체계적 양방향 문헌 고찰 (2020~2025) 은 양방향으로 다섯 가지 아키텍처 계층에 걸친 AI 와 DLT 의 융합을 분석하여, 현재 연구가 특정 계층에 지나치게 초점을 맞추고 있으며 생산 규모 검증이 부재하고 확장성 및 상호운용성의 근본적 과제를 해결하기 위해 계층 간 공동설계가 필요함을 드러낸다.
원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
두 개의 강력한 기술이 함께 집을 짓는다고 상상해 보세요: **인공지능 (AI)**과 **블록체인 뒤의 기술 가족인 분산 원장 기술 (DLT)**입니다.
- AI는 청사진에서 배우고 즉석에서 결정을 내릴 수 있는 천재적이고 빠른 사고력을 가진 건축가와 같습니다. 그러나 이 건축가는 종종 "블랙박스"입니다. 즉, 그들이 어떻게 결정을 내렸는지 항상 알 수 없으며, 실수나 숨겨진 편향에 취약할 수 있습니다.
- DLT는 놓인 모든 벽돌이 영원히 기록되는 깨지지 않는 공개 노트와 같습니다. 투명하고 신뢰할 수 있지만, 느리고 경직되어 있으며 스스로 복잡한 결정을 내리는 데는 서툴러요.
이 논문은 2020 년부터 2025 년 사이에 발표된 53 개의 연구 논문에 대한 **체계적 검토 (대규모이고 조직화된 탐색)**입니다. 저자들은 이 두 기술이 서로 어떻게 도움을 주고받는지 확인하고자 했습니다. 그들은 AI 가 DLT 를 돕는 방향과 DLT 가 AI 를 돕는 방향이라는 두 가지 측면에서 관계를 살펴보았습니다.
다음은 그들이 발견한 내용을 간단한 비유로 정리한 것입니다:
1. 양방향 도로
연구자들은 그들의 발견을 두 개의 차선으로 정리했습니다:
차선 A: AI 가 DLT 를 돕는 것 (현명한 건축가가 노트를 고친다)
이 방향에서는 연구자들이 블록체인을 더 빠르고, 안전하며, 똑똑하게 만들기 위해 AI 를 사용하고 있습니다.
- 무엇을 하고 있는지: 그들은 AI 를 블록체인의 보안 요원, 교통 경찰, 그리고 정비공처럼 사용하고 있습니다.
- 어디서 일어나고 있는지: 대부분의 작업은 "실행 (Execution)" 계층 (스마트 계약의 규칙을 확인하는 것) 과 "합의 (Consensus)" 계층 (누가 노트에 글을 쓸지 결정하는 것) 에 집중되어 있습니다.
- 비유: AI 가 공개 노트를 스캔하여 누군가 페이지를 위조하려는지를 즉시 발견하거나 (보안), 항목을 기록하는 최선의 순서를 결정하여 줄이 더 빠르게 움직이도록 하는 지능형 알고리즘을 사용하는 (합의) 상황을 상상해 보세요.
- 도구: 그들은 시스템을 조정하기 위해 "강화 학습 (시행착오를 통해 학습하는 AI)"을 사용하고, 복잡한 코드를 읽고 이해하기 위해 "대형 언어 모델 (당신이 대화하는 AI 와 같은 것)"을 사용하고 있습니다.
- 결과: 시뮬레이션에서는 잘 작동하지만, 아직 아무도 이 기술을 사용하여 대규모의 실제 공장을 건설하지는 않았습니다. 대부분 여전히 "실험실 테스트" 단계에 머물러 있습니다.
차선 B: DLT 가 AI 를 돕는 것 (노트가 건축가를 돕는다)
이 방향에서는 연구자들이 AI 의 문제점을 해결하기 위해 깨지지 않는 노트를 사용하고 있습니다.
- 무엇을 하고 있는지: 그들은 데이터가 어디서 왔는지, 누가 AI 를 훈련시켰는지를 증명하고, 함께 참여하는 모든 사람이 정직하게 행동하도록 보장하기 위해 노트를 사용하고 있습니다.
- 어디서 일어나고 있는지: 대부분의 작업은 "데이터" 계층 (AI 의 재료가 좋은지 확인하는 것) 과 "모델" 계층 (AI 가 어떻게 학습하는지 관리하는 것) 에 집중되어 있습니다.
- 비유: 중앙 boss 없이 함께 요리를 하려는 요리사들 (AI 개발자들) 을 상상해 보세요. 노트는 누가 언제 어떤 재료를 추가했는지 정확히 기록합니다. 이는 나쁜 재료를 몰래 넣는 것 (데이터 중독) 을 막고, 모든 사람이 기여도에 따라 공정하게 대가를 받도록 보장합니다.
- 도구: 그들은 보상을 관리하기 위해 "스마트 계약 (자동 규칙)"을 사용하고, 원본 데이터를 공유하지 않고 여러 다른 컴퓨터에서 AI 를 훈련시키기 위해 "연방 학습"을 사용하고 있습니다.
- 결과: 다시 말해, 이론과 소규모 테스트에서는 작동하지만, 아직 아무도 이를 대규모 산업 규모로 배포하지는 않았습니다.
2. 큰 불균형 ("왜곡된") 지도
저자들은 연구가 매우 불균형적이라고 지적했습니다. 어떤 도시는 붐비고 다른 곳은 빈 사막처럼 보이는 지도와 같습니다.
- 붐비는 도시들:
- AI 가 DLT 를 돕는 경우: 모든 사람이 "합의 (투표)"와 "실행 (코드 실행)" 계층에 매료되어 있습니다.
- DLT 가 AI 를 돕는 경우: 모든 사람이 "데이터 (재료)"와 "모델 (레시피)"에 매료되어 있습니다.
- 빈 사막들:
- 매우 적은 수의 사람들이 "네트워크 (컴퓨터가 서로 어떻게 통신하는지)"나 "인프라 (실제 하드웨어/전원)" 계층을 살펴보고 있습니다.
- 비유: 마치 모든 사람이 집의 가장 좋은 페인트 색상 (응용) 과 문에 가장 좋은 자물쇠 (보안) 에 대해 논쟁하고 있지만, 거의 아무도 집의 무게를 실제로 지탱할 수 있는 기초 (인프라) 나 배관 (네트워크) 을 확인하지 않는 것과 같습니다.
3. 힘든 진실 (격차)
모든 흥미로운 아이디어에도 불구하고, 이 논문은 몇 가지 심각한 문제를 지적합니다:
- 실제 세계의 증거 부재: 거의 모든 연구는 "프로토타입"이나 "시뮬레이션"입니다. 마치 차고에서 완벽한 모델 카를 만드는 것이지, 실제로 고속도로에서 운전해 보지 않은 것과 같습니다. 아무도 이것이 대규모 생산 규모에서 작동한다는 것을 증명하지 못했습니다.
- "블랙박스" 문제: AI 는 똑똑해야 하지만, AI 가 실수를 하면 블록체인에서 왜 그런 실수를 했는지 증명하기 어렵습니다. 논문은 블록체인에서 AI 의 결정을 "검증 가능 (입증 가능)"하게 만드는 완벽한 방법이 아직 없다는 점을 지적합니다.
- 속도 저해: 블록체인은 느리고, AI 는 빨라야 합니다. 이 둘을 결합하면 종종 일이 더 느려지거나 비용이 더 많이 듭니다.
- 언어 장벽: 서로 다른 프로젝트가 서로 다른 규칙과 표준을 사용하고 있어, 서로 소통하는 것 (상호 운용성) 이 어렵습니다.
요약
이 논문은 AI 와 DLT 가 종이 위에서는 완벽한 짝 (하나는 똑똑하고, 다른 하나는 신뢰할 수 있음) 이지만, 현재는 "실험실"에 갇혀 있다고 결론 내립니다.
- AI 는 블록체인을 더 똑똑하고 안전하게 만들고 있습니다.
- 블록체인은 AI 를 더 신뢰할 수 있고 투명하게 만들고 있습니다.
그러나 우리는 여전히 초기 단계에 있습니다. 훌륭한 청사진과 작은 모델은 있지만, 아직 마천루를 짓지는 않았습니다. 저자들은 이론에 대해 이야기하는 것을 멈추고, 이러한 시스템이 압력을 견딜 수 있는지 확인하기 위해 실제 세계에서 이들을 테스트하기 시작해야 한다고 말합니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.