[@OpenGraph_Labs 는 어떤 프로젝트인가]
OpenGraph는 Sui 베이스캠프 이후 @Steve_4P , @JayLovesPotato 와 같은 포필러스의 리서처 분들과 수이를 깊게 파고 계시는 @0xheun 님의 언급으로 알게 된 프로젝트입니다. 저의 직종과도 관련이 있는 프로젝트이고, 제가 일하면서 생각한 문제점들을 해결하려는 목표를 가지고 있어 관심을 갖게 되었습니다. Github에 개발 중인 프로덕트에 대한 상세한 설명이 소개되어 있지만, OpenGraph의 X 게시글을 바탕으로 OpenGraph가 어떤 문제를 해결하기 위해 등장한 프로젝트인지 간단하게 살펴봤습니다.
현재 AI는 실생활의 거의 모든 분야에서 활발히 적용되고 있지만, 사용자는 AI가 내놓는 결과가 어떠한 과정으로 도출되었는지 알기 어렵습니다. 실제 현업에서 느낀 것도 각 회사들이 자신들의 모델은 성능이 좋고 그로 인한 성과도 뛰어나다고 홍보는 하지만, 막상 어떤 데이터를 사용했고 무슨 방법론, 파라미터를 적용했는지 알 수 없는 경우가 대부분입니다. 결국 사용자는 회사의 정보만 의존하여 선택하게 되는 상황인데, 과연 회사의 정보를 어느 정도까지 신뢰할 수 있는지에 대한 의문도 많이 들었습니다.
이러한 블랙박스 문제는 AI로 인한 이슈 발생 시 책임에 대한 문제도 불분명하게 만들 수 있습니다. 과정에 대한 정보가 없으니 책임 주체도 모호해지는 것입니다. 실제로 많은 회사들이 AI 결과를 참고용으로 활용하라는 같이 결과에 대한 직접적인 책임을 회피하는 전략을 많이 사용합니다.
또, 최근 Web3 분야에서도 핫한 생성형 AI와 AI Agent가 만드는 오류는 어느 정도 허용이 가능하고, 사용자도 그렇게 심각하게 받아들이는 경우는 많지 않습니다. 하지만 실생활에 밀접하게 적용되고 있는 로봇공학과 같은 Physical AI에서 발생하는 오류는 실제 위험으로도 직결될 수 있기에 얘기가 다릅니다. 따라서 이러한 분야에서는 특히 정확하게 어디서 문제가 발생하는지 추적하고 원인을 파악하는 것이 중요합니다.
이러한 여러 AI 관련 문제들을 해결하기 위해 등장한 프로젝트가 바로 OpenGraph입니다. OpenGraph는 최초의 블록체인 기반 머신러닝 검증 플랫폼으로, 데이터부터 모델 학습 과정, 추론 결과까지 AI와 관련된 모든 과정을 블록체인 상에 기록하여 추적과 검증이 가능케 만드는 것을 목표로 합니다.
기술적으로 조금 더 살펴보면, AI 모델 학습과 추론 과정은 @SuiNetwork 체인 상에서 진행되고 기록되며, 데이터는 @WalrusProtocol 에 저장됩니다. 일반 AI 사용자는 확인하기 어려운 모델의 weight(가중치), 하이퍼 파라미터인 layer(계층)와 activation function(활성화 함수)도 온체인 상에 표준화되고 기록되어 추적하는 것이 가능합니다. 이러한 일련의 과정은 PTB(Programmable Transaction Blocks)를 통해 체인 상에서 효율적으로 실행되어 가스비도 크게 절감할 수 있습니다.
또한, OpenGraph는 1) 대표 딥러닝 프레임워크인 Tensorflow와 PyTorch 기반의 모델을 분산된 온체인으로 연결하는 TensorflowSui, 2) 모델을 통합된 그래프 형식으로 변환하는 Graph Parsing, 3) layer를 Sui 객체로 컴파일하는 Decentralized Compilation과 같은 기술을 활용합니다. 향후에는 TensorBoard의 기능인 layer 및 모델 시각화, 데이터 플로우 분석 등이 가능한 OpenGraph Board도 개발 예정입니다.
낯선 용어들이 등장하기는 하지만 OpenGraph가 궁극적으로 추구하는 바는 실생활에 적용되는 AI의 결정 과정을 온체인 상에 기록해, 블랙박스 문제를 해결하고 설명 가능하게 만드는 것입니다. 이를 통한 기대 효과는 다음과 같습니다.
1) AI 모델을 검증하는 것이 가능해집니다. 기존에 살펴본 @hyperbolic_labs 은 추론 결과에 대한 검증 방식을 제안했는데, OpenGraph는 AI의 모든 과정을 검증하는 것을 목표로 합니다. End-to-End로 각 과정이 온체인 상에 표준화되어 기록되었기에 모니터링과 추적을 통해 모든 결과를 검증할 수 있습니다. 이는 AI 모델 개발에 있어서 불분명했던 책임 주체를 명확히 하는 데도 기여할 수 있을 것입니다.
2) 개발자, 연구자와 같은 사용자들은 OpenGraph를 통해 AI 모델을 특정 단계로 되돌릴 수 있습니다. 기록된 데이터 정보를 활용해 오류가 발생한 부분으로 롤백하고 문제를 해결하는 과정이 보다 수월해집니다. 특정 단계에는 입력과 출력 시점도 포함되어 이를 언제든지 재사용하는 것도 가능합니다.
OpenGraph는 아직 초기 프로젝트이기는 하나 Sui 베이스캠프 피치데이에서 1등을 한 만큼 기대해 볼 만한 프로젝트라고 생각하며, 국내 팀이고 제가 관심 있는 분야를 다루고 있어 계속 응원하면서 팔로업해보고자 합니다. 내용에 잘못된 부분이 있을 경우 언제든지 알려주시면 감사하겠습니다.
Arcium × @BinanceWallet Booster Campaign is live.
Eligibility: Binance Wallet MPC Wallets with at least 2 Alpha Points.
Rewards: 1,500,000 ARX for 50,000 Winners
To join, go to Binance Wallet App - Discover - Booster - Arcium Booster Campaign.
1/ Excited to announce the launch of our new @HyperliquidX dashboard!
You can track HyperCore and HyperEVM revenues, activity, volumes and metrics, as well as detailed market, trader and vault analytics all in one, comprehensive dashboard.
Let's dive in:
.@coinbase facilitator hits 1m+ x402 txs 🔥
like other onchain data, analyzing x402 facilitators onchain data is relatively straightforward once you know the structure.
basically, you just need to follow token transfers processed through deployed facilitator contracts. the key difference is that they use the transferWithAuthorization function per ERC-3009, which shows the identifier "0xcf092995" in the data field. that's the only filter needed.
by tracking the different tx_from and tx_to addresses interacting with these contracts, you can monitor the number of buyers and sellers. combine this with price data and you get volume. more detailed data will be added gradually.
the hard part is obtaining the list of contracts separately - respect to @x402scan@merit_systems for this