Cortex는 스마트 계약이 머신러닝 추론을 실행할 수 있도록 설계된 블록체인입니다. 애플리케이션은 트랜잭션의 일부로 지원되는 AI 모델을 호출한 다음, 그 출력을 계약 로직에 사용할 수 있습니다. CTXC는 컴퓨팅 리소스 비용을 지불하는 데 사용되는 네트워크의 네이티브 토큰입니다.

학습과 추론의 구분은 핵심적인 의미를 가집니다. 학습은 데이터로부터 모델을 개발하는 과정이며, 추론은 학습된 모델을 새로운 입력에 적용하는 과정입니다. Cortex의 아키텍처는 후자를 블록체인 실행에 도입합니다. 따라서 Cortex의 투자 가치는 토큰 공급량과 거래 조건뿐 아니라 유용한 연산과 지속적인 애플리케이션 수요에도 좌우됩니다.

AI가 계약의 일부가 되면 무엇이 달라지나요?

많은 AI 애플리케이션은 외부 서버에서 답을 계산한 뒤 블록체인에 전달합니다. 계약은 해당 답을 기록하거나 이를 바탕으로 작동할 수 있지만, 계산을 제공하는 주체에 의존하게 됩니다. Cortex의 아키텍처 개요는 다른 접근 방식을 설명합니다. 지원되는 모델은 스토리지 계층을 통해 이용할 수 있으며, 모델의 추론은 네트워크 합의를 통해 검증됩니다.

이를 통해 계산이 트랜잭션을 규정하는 규칙 안으로 들어옵니다. 플레이어의 입력을 해석하기 위해 소형 분류기를 사용하는 게임을 생각해 보겠습니다. 보상이 분류 결과에 따라 결정된다면, 참여자에게는 일관된 보상 규칙뿐 아니라 일관된 계산도 필요합니다. 모델의 출력을 재현하면 계산 문제는 해결할 수 있지만, 모델이 잘 설계되었는지 또는 보상 규칙이 합리적인지는 입증할 수 없습니다.

이점은 입력, 계산 및 계약 동작 간의 연결을 더 쉽게 검토할 수 있다는 것입니다. 그 유용성은 추가 검증의 가치가 필요한 리소스 비용을 정당화할 수 있는지에 달려 있습니다.

CVM은 노드 간 추론 재현성을 높입니다

Cortex Virtual Machine 문서에서는 CVM을 추론 명령어로 확장된 EVM 호환 환경으로 설명합니다. CVM은 모델 호출과 기존 스마트 계약 로직을 함께 실행할 수 있습니다. CVM의 실행 엔진인 Synapse는 결정론적 연산을 사용하므로 서로 다른 컴퓨팅 환경에서도 일관된 추론 결과를 생성할 수 있습니다.

블록체인 노드는 상태에 동의해야 하므로 일관성이 중요합니다. 작은 수치 차이도 결과를 계약의 임계값 양쪽 중 서로 다른 쪽에 놓이게 한다면 중요한 문제가 됩니다. 서로 다른 기기에서 분류기가 서로 다른 범주를 반환하면 어떤 계약 동작이 발생해야 하는지에 대해 불일치가 생깁니다.

Cortex 런타임은 GPU 가속 추론을 지원하며, 네트워크의 Cuckoo Cycle 작업 증명 메커니즘은 블록 생성을 관리합니다. 모델 실행과 블록 생성은 아키텍처에서 서로 별개의 역할을 합니다.

Cortex의 Model Representation Tool(MRT)은 정수 연산을 사용해 지원되는 부동 소수점 모델을 고정 소수점 표현으로 변환합니다. 따라서 모델 준비 과정은 체인이 실행할 수 있는 항목에 영향을 줍니다. 개발자는 변환 후에도 정확도를 테스트하고 필요한 연산자가 지원되는지 확인해야 합니다.

학습된 모델에서 온체인 결과까지

Cortex의 모델 개발 튜토리얼은 학습, 양자화 및 업로드를 구분합니다. 학습은 개발자의 머신러닝 환경에서 이루어집니다. 그런 다음 준비된 모델을 Cortex에서 사용할 수 있도록 합니다. 애플리케이션이 답을 요청할 때마다 체인이 모델을 다시 학습할 필요는 없습니다.

스토리지 계층 문서에서는 모델과 데이터의 가용성을 위한 분산 파일 시스템을 설명합니다. 대규모 모델 파일과 일반적인 원장 기록은 서로 다른 목적을 가집니다. 애플리케이션에는 모델에 대한 안정적인 접근과 올바른 트랜잭션 실행이 모두 필요합니다.

공식 AI 스마트 계약 튜토리얼은 손글씨 숫자 인식으로 이 과정을 설명합니다. 계약이 참조된 모델에 입력을 제공하고 추론된 숫자를 저장하는 방식입니다. 이 예시는 프로그래밍상의 관계를 설명하지만, 현재의 상업적 도입이나 대규모 모델의 성능을 입증하는 것은 아닙니다.

CTXC는 컴퓨팅 비용을 지불하고, Endorphin은 작업량을 측정합니다

CTXC 토큰 문서에서는 CTXC를 CVM 컴퓨팅 리소스 비용을 지불하는 Cortex의 네이티브 수단으로 설명합니다. Endorphin은 수수료 메커니즘에서 사용되는 실행 리소스 측정 단위이며, 두 번째 거래 가능 토큰이 아닙니다.

Endorphin 문서에서는 트랜잭션이 리소스 한도와 단위당 가격을 설정하며, 가격은 CTXC로 표시된다고 설명합니다. 프로토콜의 모델 수수료 회계는 추론 트랜잭션 수수료의 일부를 모델 제공자에게 배분합니다. 이를 통해 블록 생성과 함께 모델 기여에도 경제적 역할이 부여됩니다.

이러한 인센티브에는 현실적인 한계가 있습니다. 유용한 모델에는 호출자가 필요하고, 호출자에게는 해당 모델을 실행할 수 있는 비용 측면의 이유가 필요합니다. 개발자는 검증 가능한 결과의 가치와 실행 수수료, 모델 가용성 및 애플리케이션의 기타 비용을 비교해야 합니다. 기술적으로 지원되는 모델이라도 빈번한 사용에는 적합하지 않을 수 있습니다.

CTXC를 보유하는 것은 모델을 제공하거나 블록을 생성하는 것과 별개의 활동입니다. 토큰을 보유하고 있다는 이유만으로 모든 추론 수수료를 받을 권리가 생기거나 보장된 수입원이 만들어지는 것은 아닙니다. 컴퓨팅 수요는 토큰의 유용성을 뒷받침할 수 있지만, 시장 가격은 공급량, 기대 및 유동성도 반영합니다.

유용한 AI에는 재현 가능한 출력 이상의 것이 필요합니다

Cortex의 개발자 페이지는 게임, 대출 및 보험에서의 잠재적 애플리케이션을 다룹니다. 이는 아키텍처의 가능한 활용 사례입니다. 평가할 때는 AI를 활용할 수 있는 산업 목록보다 반복 사용자가 있는 실제 배포 애플리케이션이 더 강력한 증거가 됩니다.

결정론적 실행은 동일한 모델과 입력이 일관된 결과를 생성하는지에 대한 답을 제공합니다. 모델 품질은 그 결과가 유용한지에 대한 문제입니다. 품질이 낮은 데이터로 학습된 모델은 동일한 실수를 안정적으로 반복할 수 있습니다. 해당 출력을 담보나 지급액을 제어하는 데 사용하는 계약은 그 실수를 확대할 수 있습니다.

입력 품질도 또 다른 의존 요소입니다. 계산을 재현한다고 해서 외부 가격, 신원 주장 또는 제출된 기타 사실이 진실임을 증명할 수는 없습니다. 민감한 입력에는 명확한 개인정보 보호 설계도 필요합니다. 공개적으로 검증 가능한 계산이 개인정보를 기밀로 유지한다고 가정해서는 안 됩니다.

리소스 제약은 모델 크기, 지원되는 연산 및 응답 시간 간의 절충을 만들어 냅니다. 개발 활동, 작동하는 통합 및 실제 유료 사용은 애플리케이션이 실행 가능한 균형점을 찾았는지 보여주는 데 도움이 됩니다. 투자자는 이러한 운영 결과를 AI 토큰 전반의 인기도와 별도로 평가해야 합니다.

가치 평가에는 공급량에 관한 문제도 추가됩니다. 시가총액 및 완전 희석 가치 평가에 관한 KTX 가이드에서는 토큰의 단위 가격만으로는 비교가 충분하지 않은 이유를 설명합니다. 실행 품질도 중요합니다. 시장 유동성은 거래가 이용 가능한 가격을 얼마나 움직일 수 있는지를 결정합니다.

암호화폐 시장을 비교하는 독자는 KTX 시장 페이지를 확인하고 KTX 계정을 등록하여 자격을 갖춘 사용자에게 제공되는 서비스를 살펴볼 수 있습니다.

자주 묻는 질문

Cortex는 온체인에서 AI 모델을 학습하나요?

문서에 설명된 워크플로에서는 블록체인 실행 외부에서 모델을 학습하고, MRT로 준비한 다음 추론을 위해 업로드합니다. 모델을 호출하는 것은 기존에 학습된 파라미터를 입력에 적용하는 과정이며, 새로운 모델을 학습하는 것과는 다릅니다.

EVM 호환성은 Cortex가 Ethereum의 일부라는 뜻인가요?

아니요. 호환성은 실행 환경과 익숙한 계약 도구에 관한 것입니다. Cortex는 자체 블록체인, 네이티브 토큰 및 추론 확장 기능을 갖추고 있습니다. Cortex 트랜잭션이 자동으로 Ethereum 트랜잭션이 되는 것은 아니며, 자산을 이동할 때는 여전히 네트워크 선택이 중요합니다.

정보 제공만을 위한 내용이며 투자 조언이 아닙니다. 암호화폐 자산에는 시장, 유동성 및 기술 위험이 따릅니다.