블록체인 기술이 킬러 사용 사례를 찾으려고 할 수 있습니다: AI 책임

실제와 거의 구별할 수 없는 텍스트, 그림, 비디오까지 생성할 수 있는 생성 AI 모델이 급속히 증가함에 따라 전 세계의 정책 입안자들은 뒷걸음질치고 있습니다.

Generative AI models are capable of creating texts, pictures, and even videos that are virtually indistinguishable from reality. This technology has the potential to revolutionize many industries, but it also poses new challenges for policymakers.

생성적 AI 모델은 현실과 사실상 구별할 수 없는 텍스트, 그림, 심지어 비디오까지 생성할 수 있습니다. 이 기술은 많은 산업에 혁명을 일으킬 가능성이 있지만 정책 입안자에게는 새로운 과제도 제시합니다.

One of the biggest challenges is ensuring that generative AI models are used responsibly. For example, if a deepfake of a politician admitting to a heinous crime goes viral and costs them the election, how do we discover who did it? Or if an AI model developed by a trading house crashes a national economy and causes financial instability, how do we hold the developers accountable?

가장 큰 과제 중 하나는 생성 AI 모델을 책임감 있게 사용하는 것입니다. 예를 들어, 극악무도한 범죄를 인정한 정치인의 딥페이크가 입소문을 타고 선거 비용을 지불하게 된다면, 누가 그런 짓을 했는지 어떻게 알 수 있을까요? 아니면 무역회사에서 개발한 AI 모델이 국가 경제를 붕괴시키고 금융 불안을 초래한다면 개발자에게 어떻게 책임을 물을 수 있을까요?

To address these challenges, some policymakers are considering using blockchain technology to create an immutable evidence trail for generative AI models. This would allow regulators to track who created a particular model, what data was used to train it, and how it was used.

이러한 문제를 해결하기 위해 일부 정책 입안자들은 블록체인 기술을 사용하여 생성 AI 모델에 대한 불변의 증거 추적을 생성하는 것을 고려하고 있습니다. 이를 통해 규제 기관은 특정 모델을 만든 사람, 모델을 훈련하는 데 사용된 데이터, 사용 방법을 추적할 수 있습니다.

An immutable evidence trail would make it much easier to enforce regulations on generative AI models. It would also naturally disincentivize bad behavior in the first place. After all, people are less inclined to steal when they know a CCTV is watching them.

불변의 증거 추적을 통해 생성 AI 모델에 대한 규제를 훨씬 쉽게 시행할 수 있습니다. 또한 처음에는 자연스럽게 나쁜 행동에 대한 의욕을 잃게 될 것입니다. 결국, 사람들은 CCTV가 자신을 지켜보고 있다는 것을 알면 도둑질하려는 경향이 줄어듭니다.

However, this doesn’t have to lead to a world without privacy; quite the opposite. By using privacy-preserving techniques, such as zk-SNARKs, we can keep sensitive data confidential while still allowing regulators to verify its authenticity.

그러나 이것이 프라이버시가 없는 세상으로 이어질 필요는 없습니다. 정반대. zk-SNARK와 같은 개인 정보 보호 기술을 사용하면 민감한 데이터를 기밀로 유지하면서 규제 기관이 데이터의 진위 여부를 확인할 수 있습니다.

At the recent London Blockchain Conference, FICO’s Scott Zoldi explained how the data analytics company uses a private blockchain to create accountability in AI. It stores the evidence trail on a private blockchain, which regulators can access as needed.

최근 런던 블록체인 컨퍼런스에서 FICO의 Scott Zoldi는 데이터 분석 회사가 프라이빗 블록체인을 사용하여 AI에 책임을 부여하는 방법을 설명했습니다. 규제 기관이 필요에 따라 액세스할 수 있는 프라이빗 블록체인에 증거 추적을 저장합니다.

However, private blockchains have their limitations—one being that they are essentially databases controlled by the same entities regulators may be trying to investigate.

그러나 프라이빗 블록체인에는 한계가 있습니다. 그 중 하나는 본질적으로 규제 기관이 조사하려는 동일한 주체에 의해 통제되는 데이터베이스라는 것입니다.

The solution is scalable public blockchains like BSV. These allow for sensitive data to be stored in private overlay networks while being linked back to cryptographic hashes of the data on a public chain. In this way, regulators can verify that data in the private networks has not been altered since its creation. Thus, we have an immutable evidence trail with sensitive data kept away from prying eyes but linked directly back to a public record that cannot be tampered with.

해결책은 BSV와 같은 확장 가능한 퍼블릭 블록체인입니다. 이를 통해 민감한 데이터를 프라이빗 오버레이 네트워크에 저장하는 동시에 퍼블릭 체인에 있는 데이터의 암호화 해시에 다시 연결할 수 있습니다. 이러한 방식으로 규제 기관은 사설 네트워크의 데이터가 생성된 이후 변경되지 않았는지 확인할 수 있습니다. 따라서 우리는 민감한 데이터가 엿보는 눈에서 멀리 떨어져 있지만 변조할 수 없는 공공 기록에 직접 연결되어 있는 불변의 증거 흔적을 가지고 있습니다.

Applied to the development of AI models, this would allow for data about the scientists and engineers, as well as any intellectual property and other confidential information about the models themselves, to be kept private while linking them back to a time-stamped record on a public, immutable blockchain that verifies what the sequestered data says.

AI 모델 개발에 적용하면 과학자와 엔지니어에 대한 데이터는 물론 모델 자체에 대한 지적 재산 및 기타 기밀 정보를 비공개로 유지하면서 이를 타임 스탬프가 찍힌 기록에 다시 연결할 수 있습니다. 격리된 데이터가 말하는 내용을 검증하는 불변의 공개 블록체인입니다.

Is this pie-in-the-sky hypothetical, or does it have any basis in reality? As a matter of fact, Sentinel Node and Trace App, both blockchain apps developed in conjunction with IBM (NYSE:IBM), are already live and utilizing precisely what is described above.

이 떡밥은 가설인가요, 아니면 현실에 근거가 있나요? 실제로 IBM(NYSE:IBM)과 함께 개발된 블록체인 앱인 Sentinel Node와 Trace App은 이미 위에서 설명한 내용을 정확하게 활용하고 있습니다.

It’s only with the unanticipated explosion of generative AI models that the importance of such a technology is finally being realized. Of course, for it to work, the blockchain will need to be unboundedly scalable, and policymakers worldwide will have to recognize its potential as a solution and have the political will to mandate its use.

이러한 기술의 중요성이 마침내 실현되는 것은 생성 AI 모델이 예상치 못한 폭발적으로 증가하면서부터입니다. 물론, 이것이 작동하려면 블록체인은 무제한적으로 확장 가능해야 하며, 전 세계 정책 입안자들은 솔루션으로서의 잠재력을 인식하고 블록체인의 사용을 의무화하려는 정치적 의지를 가져야 합니다.