Allora 네트워크의 31가지 사용 사례(번역글)
TL;DR 본 글은 탈중앙화 AI 네트워크를 지향하는 블록체인 프로젝트 Allora network의 사용사례에 대한 번역문입니다. 디파이,게이밍,금융,재생에너지 등 다양한분야에 사용될 수 있는 블록체인과 AI기술의 결합의 31가지 사례가 어떠한 방식으로 Allora network에서 구현되는지 파악하실 수 있습니다.
탈중앙화 AI는 불투명하고 중앙집중화된 블랙박스식 AI 시스템을 machine intelligence를 조율하는 개방형 네트워크로 전환할 수 있는 잠재력을 가지고 있습니다. 그러나 역사적으로 소수의 대기업에서 AI 개발을 독점해왔기 때문에 탈중앙화 환경의 발전을 저해하였고 대중들의 인식을 왜곡해 왔습니다. 최근 zkML과 Federated learing과 같은 연합 학습 발전은 안전하고 신뢰할 필요가 없는 (trustless) 탈중앙화 AI 애플리케이션에 포함할 수 있는 길을 열었습니다.
그러나 여전히 탈중앙화 AI는 시간이 지남에 따라 모델의 지속적인 Self-improvement를 보장하는 동시에 AI가 생성한 결과에 대한 결과를 반박할밖에 없는 신뢰를 구축해야 하는 장벽에 직면해 있습니다. 이러한 양면적인 문제, 즉 신뢰 없는 AI(trustless AI)를 보장하는 동시에 적응성을 극대화(maximum adaptability)하는 것은 분산형 네트워크에 AI를 원활하고 확장 가능하게 통합하는 데 걸림돌이 되어 왔습니다.
자체 개선되는 분산형 AI 네트워크인 ‘Allora’는 AI 계산을 위해 신뢰할 수 있고 암호학적으로 검증 가능한 기반을 구축하여 지금까지 이러한 양면성 문제를 해결합니다. 또한 Allora는 Specialized Topic과 관련된 출력의 정확성에 대해 네트워크 모델에 직접 보상하는 인센티브 구조를 구현합니다. 상황 인식 네트워크(Context -aware)인 Allora는 real world 조건과 peer모델이라는 두 가지 요소에 대해 모델 출력을 평가할 수 있습니다. 즉, 네트워크는 주어진 특정 상황에 대한 최적의 모델 출력을 결정합니다.
Allora에 구축된 모델은 격리된 구성 요소로 작동하는 대신 시간이 지남에 따라 peer 성능을 통해 지속적으로 학습합니다. 개별 예측 변수보다 더 뛰어난 이 새로운 메타 지능은 새로운 데이터에 반복적으로 적응합니다. 즉, 여러 모델의 결합된 노력이 그 어떤 모델보다 더 정확한 추론을 생성한다는 의미입니다.
Allora Network를 기반으로 구축된 모델인 Upshot 가격 평가 모델은 자산 가치 평가의 정확성 으로 거의 3년 동안 두각을 나타냈으며 95~99%의 정확도를 바탕으로 4억 개 이상의 자산에 대한 가치 평가를 지속적으로 제공했습니다. Allora 네트워크는 단순한 단일 모델이 아니라 시스템 견고성과 확장성을 보장하기 위해 각각 독립적으로 작동하면서 동시에 서로 지속적으로 학습하는 자기 개선적이고 탈중앙화된 목표 지향적인 AI 네트워크를 구축하는 수단입니다.
Allora의 초기 솔루션
- AI Price Feeds : Allora의 AI Price Feeds는 다양한 자산에 대한 실시간 가격 데이터를 제공하고, Data driven insight를 바탕으로 시장에 대한 투명성과 유동성을 뒷받침합니다.
- AI-Powered Vaults: : Allora의 AI -Powered Vaults는 사람이 따로 관리할 필요 없이 시장 상황에 적응하고 수익을 최적화하는 맞춤형 지능형 자산 관리 솔루션을 제공합니다.
- AI Risk Modeling : Allora의 정교한 AI 위험 모델링 도구는 정교한 예측을 활용하여 더 많은 정보에 입각한 의사 결정과 강력한 위험 완화 전략을 수행합니다.
- AnyML : AnyML은 고급 기계 학습에 대한 액세스를 대중화하여 사용자가 모든 AI 또는 ML 모델을 제품에 통합할 수 있도록 합니다.
기본적으로 Allora는 개발자에게 탈중앙화 AI 애플리케이션을 만드는 데 필요한 모든 필수 Toolkit을 제공합니다. 여기에는 연합 학습 프레임워크, zkPredictor와 같은 zkML 통합 도구, 적응형 모델 Aggregation 방법, 분산형 인센티브 구조, security assurance 및 분석 대시보드가 포함됩니다. 개발자는 다양한 Stack, 사용 사례 등을 바탕으로 아이디어를 개선 및 배포할 수 있으며 그 중 일부는 아래에 설명되어 있습니다.
Allora에 대해 더 자세히 알고 싶으시다면 Discord에 가입하고, Twitter를 팔로우하고 , Docs를 탐색하여 오늘날 탈중앙화 AI에 함께하세요
디파이
DeFi는 우리가 금융 서비스에 접근하고 활용하는 방식을 변화시켰습니다. 전통적인 기관이 아닌 분산형 프로토콜을 통해 자산을 교환하는 방식을 통해 복잡한 금융 상품을 무허가(Permissionless)로 생성할 수 있습니다. 암호화폐가 등장하기 전에는, 소수의 영향력있는 주체들이 금융 통화 시스템을 통제해왔습니다. 이러한 중앙 집중식 통제로 인해 수십 년 동안 복잡한 금융상품에 대한 일반적인 접근이 제한되어 왔습니다.
Allora 네트워크는 zkML 및 연합 학습과 같은 기술을 활용하여 DeFi를 위한 새로운 방법을 모색합니다. 탈중앙화 AI는 특히 실시간 데이터 분석, 가치 평가를 위한 AI 기반 Insight, 위험 평가 및 예측 분석과 관련된 고급 투자 Tool을 만드는데 핵심적인 역할을 수행합니다. 이러한 기능들을 통해 Allora에 구축된 금융 상품은 중앙 집중식 프레임워크보다 더 효율적이고 투명하며 접근성을 높일 수 있습니다.
1. AI 기반 보상 전략
현재 DeFi 의 수익 추구 전략은 실시간 대응에 어려움을 겪는 경우가 많으며 방대한 데이터 셋을 처리하는 능력이 부족해 결과적으로 수익률을 최적화하는데 어려움이 있습니다. 반면 AI는 인간이 따라올 수 없는 속도와 효율성으로 데이터를 분석해 이러한 한계를 극복할 수 있습니다.
이러한 분석을 바탕으로 RoboNet 과 같은 DeFi 프로토콜은 특정 간격이나 가격대(Range)에서 구매, 보유 및 판매를 조합하는 다양한 변수를 조합해 Dynamic 수익 전략을 개발하는 AI 모델을 구현할 수 있습니다. 이후 해당 전략은 자동적으로 실행되어 최대 수익을 최적화하고 누구나 기관 수준의 투자 전략에 접근할 수 있도록 보장합니다.
2. AI로 강화된 예측 시장
전통적인 예측 시장(Prediction Market)은 특히 틈새 시장(Niche areas)에서 낮은 유동성으로 인해 어려움을 겪는 경우가 많습니다. 하지만 AI 에이전트는 시장 조성 및 투자 전략을 효율적으로 관리함으로써 이러한 한계를 극복할 수 있습니다. 거래를 수행하는 인격체보다 효율적인 AI 에이전트는 거래량을 효과적으로 늘릴 수 있습니다. 이러한 반복적이고 높은 활동량은 유동성을 더욱 높여 시장을 더욱 효율적으로 만듬과 동시에 Niche areas에 걸쳐 보다 정확한 예측을 제공합니다.
예측 시장은 Allora Network를 기반으로 구축되어 다양한 분야를 전문으로 하는 AI 에이전트를 생성하고 과거 추세, 현재 이벤트를 비롯한 시장 지표를 포함해 방대한 데이터 세트를 분석한 다음, 분석을 기반으로 다양한 예측 시장에 참여할 수 있습니다. 이전에는 달성할 수 없었던 더욱 세부적인 예측이 가능해졌습니다. 이후 에이전트는 예치된 자금을 용하여 관련 예측 시장에서 자율적으로 거래함으로써 온체인 DeFi Vault를 관리할 수 있으므로 역동적인 시장 조성 및 거래 실행을 촉진하여 유동성과 거래량을 높일 수 있습니다.
AI 에이전트가 예측 시장에서 어떻게 작동하는지에 대한 보다 심층적인 분석을 보려면 여기에서 Upshot CEO Nick Emmons의 게시물을 읽어보세요 .
3. Perp DEX의 AI 최적화된 유동성 관리
Perp DEX가 효과적으로 작동하기 위해서는 적극적이고 세분화된 유동성 관리가 필수적입니다. 이로인해 과거부터 지속적으로슬리피지, 빠른 시장 움직임에 대한 대응 지연, 오더북 Depth의 유지 등과 같은 어려움과 비효율성을 초래했습니다. 그러나 Allora의 AI 가격 피드는 DEX 거래를 수행하는데 필요한 유동성 최적화 기능을 도입합니다.
AI는 실시간으로 시장 상황을 분석해 변동성이 높은 구간이나 거래량을 예측할 수 있습니다. 이러한 예측을 바탕으로 AI의 오더북은 유동성을 탄력적으로 조정할 수 있습니다. 이는 시장 안정성에 중요한 매수 및 매도 주문의 건전한 비율을 유지하게 만들어주고 급작스러운 시장 움직임으로 인한 하락을 최소화함으로써 트레이더의 가치를 보호할 수 있다 의미입니다.
플랫폼의 마켓메이커는 유동성 최적화를 위해 Allora의 AI 기반 가격 피드를 통합하여 투자효율성을 더욱 향상시킬 수 있습니다. 유동성 공급자는 변동성이 가장 높은 기간을 예측함으로써 오더북 전반에 걸쳐 향후 시장 변수에 맞춘 균형 잡힌 주문 비율을 유지할 수 있습니다. 이는 Perp dex 플랫폼의 거래 균형 및 슬리피지 최소화에 필수적입니다.
4. Long tail 및 RWA 자산을 위한 AI 기반 가격 오라클
실물자산 및 디지털 수장품과 같은 Long tail 자산은 고유한 특성과 낮은 시장 유동성으로 인해 전통적인 가격 산정문제에 직면해 왔습니다. 그러나 Allora의 AI 가격 피드는 각 자산의 고유한 특성에 맞는 정확하고 신뢰할 수 있는 평가를 가능하게 합니다. 이러한 고차원 오라클은 시장 가격뿐만 아니라 소셜 미디어 정서, 뉴스 기사, 역사적 추이 등 다양한 리소스에서 인사이트를 추출하여 포괄적이고 신뢰할 수 있는 가치 평가 메커니즘을 보장함으로써 기존 가격 오라클의 한계를 극복합니다.
Watches.io 및 NFTfi 와 같은 플랫폼은 이미 롱테일 가격 오라클에서 AI 를 사용을 이를 개척하고 있습니다. Watches.io는 Allora의 AI를 활용하여 watch-backed NFT 의 Financialzation을 뒷받침하고 NFT-fi의 토큰화된 watch lending과 같은 다양한 금융 파생 상품을 지원하는 안전하고 투명한 가격 책정 메커니즘을 제공합니다. 부동산, 운동화, 희귀 수집품 등 다른 RWA에도 동일한 프로세스가 적용될 수 있습니다.
5. 자동화된 온체인 인덱스 펀드
자동화된 온체인 인덱스 펀드는 비용이 많이 드는 펀드 매니저를 대신하여 전통적인 인덱스 펀드에 새로운 변화를 제공합니다. 대신, AI 을 기반으로한 자산 재분배를 통해 AI는 시장을 지속적으로 모니터링하고 암호화폐 전체의 상위 20개 토큰, Low cap 토큰과 같은 부문 혹은 NFT 지수와 같은 다양한 자산 간에 투자를 순환시킬 수 있습니다. AI를 활용할 수 있다면 종합적인 시장 분석을 바탕으로 수익을 최적화할 뿐만 아니라 정교한 투자 전략을 가로막는 장벽도 크게 낮출 수 있습니다.
인덱스 펀드 배분 자동화를 통해 플랫폼은 투자자에게 시장 변동에 즉각적으로 적응하며 동적으로 관리되는 포트폴리오의 장점을 누릴 있습니다. 이러한 혁신은 역동적이고 정교한 투자 전략의 접근성을 높여 기존 관리 감독의 필요성을 없애고 기존 인덱스 펀드 관리 수수료를 절감합니다.
6. AI 를 바탕으로한 Maximal Extractable Value
AI는 온체인 거래가 최적화되는 방식을 변화시킬 것입니다. AI는 암호화폐 투자자의 미래 행동을 예측하는 데 사용될 수 있으며, 이를 통해 거래 reallociation, Insert, 새로운 거래 생성 등 시뮬레이션을 뛰어넘는 고급 MEV 전략을 실행할 수 있습니다. AI 기반 MEV 봇은 확률적 및 다중 Block 이익 추출 전략을 활용하여 전례 없는 정확성과 효율성으로 수익성 있는 기회를 식별하고 활용할 수 있습니다.
Block Builder와 검색자의 경우 AI 에이전트는 거래를 재정비하고 직접 생성하여 차익거래 기회를 활용하기 위한 특정 조치를 직접 실행하거나 요청할 수 있습니다. 이러한 실시간 전략은 DEX 거래의 효율성과 수익성을 크게 향상시킬 수 있습니다.
7. AI 기반 스왑 Aggregation및 거래 라우팅
AI 기반 스왑 aggregation 및 거래 라우팅(거래 최적 경로선택)은 수수료, 슬리피지, 유동성과 같은 요소에 대한 거래를 최적화하여 현재 DEX 가 가지고있는 방법론적 한계를 해결합니다. AI를 활용하여 여러 플랫폼에서 방대한 양의 데이터를 분석하게 되면 기존의 라우팅 방법을 능가하는 가장 효율적인 트랜잭션 경로를 식별하는 데 도움이 됩니다. 유동성, 거래 수수료, 슬리피지 비율 및 사용 가능한 거래 쌍을 실시간으로 평가할 수 있는 AI 에이전트는 가능한 가장 유리한 방식으로 거래가 실행되도록 보장합니다.
DEX 수집기의 경우 AI 강화 라우팅을 통해 수많은 DEX에서 가능한 스왑 경로를 지속적으로 검색하고 평가할 수 있습니다. 그러면 AI는 비용을 최소화하고 거래자의 수익을 최대화하는 최적의 경로를 정확히 찾아낼 수 있습니다. 그 결과 AI가 권장하는 경로를 따르는 자동화된 스마트 계약 실행 스왑이 이루어지며, 이를 통해 거래 프로세스를 간소화하고 거래자가 모든 거래에서 가능한 최상의 거래를 받을 수 있도록 보장합니다.
이것이 실제로 작동하는 방법은 다음과 같습니다.
- 거래자는 DEX에서 하나의 토큰을 다른 토큰으로 교환하려고 합니다.
- AI 에이전트는 여러 DEX에서 가능한 모든 스왑 경로를 평가합니다.
- 수수료를 최소화하고 수익을 극대화하는 최적의 경로를 찾아냅니다.
- 스왑은 AI가 권장하는 경로에 따라 스마트 계약을 통해 자동으로 실행됩니다.
8. AI를 활용한 Intent-Based(의도기반) 블록체인 Solver
명시적 명령에 따라 작동하는 기존 Solver와 달리 AI 기반 Solver는 구체적인 요청을 처리할 때에도 복잡한 사용자 의도를 이해하고 효율적으로 실행할 수 있습니다. 단순히 명시적인 명령을 기반으로 트랜잭션을 실행하는 대신 “인텐트(사용자의 의도)”를 적용하면 사용자가 트랜잭션 구성 및 실행을 “Solver(해결사)”라는 새로운 행위자에게 위임할 수 있습니다. 자연어 처리 및 상황 인식 기능을 갖춘 AI 모델은 기본 지침을 훨씬 뛰어넘는 수준의 뉘앙스로 이러한 투자자의 의도를 해석할 수 있습니다.
DeFi 플랫폼은 모든 사용자가 AI 기반 해결사를 사용하여 다양한 의도를 이행하는 지능적인 방법을 찾을 수 있도록 해줍니다. 예를 들어, “ETH당 $3,500 이하의 가격으로 10 ETH를 구매하고 싶습니다”와 같은 의도는 광범위한 시장 기회를 평가하는 AI Solver를 통해 해결될 수 있으며 잠재적으로 위험을 최소화하여 이익과 가치를 극대화할 수 있습니다. 이를 통해 DeFi 프로토콜은 보다 개인화되고 효율적인 금융 서비스를 제공하여 사용자의 거래 목표에 맞춰 거래가 실행되도록 할 수 있습니다.
9. Advanced Loan Underwriting
대출 Underwriting은 주로 스마트 계약에 인코딩된 간단한 논리에 의해 관리되는데, 이는 복잡한 위험 평가에 필요한 깊이와 유연성이 부족한 경우가 많습니다. AI는 보다 발전되고 자본 효율적인 대출 시스템을 개발하여 위험 요소에 대한 상세한 평가를 제공할 수 있습니다. 이 접근 방식은 AI를 활용하여 차용자의 신뢰성을 평가하고 RWA의 담보 가치를 평가하며 변화하는 시장 상황에 적응합니다. 이를 통해 자본 효율성이 향상되고 대출 조건이 차용자의 구체적인요구에 더욱 밀접하게 맞춰질 것입니다.
대출 기관은 Allora의 AI 위험 모델링 솔루션을 통합하여 대출 프레임워크를 크게 향상시킬 수 있습니다. 이러한 통합을 통해 담보 및 차용인의 신뢰도에 대한 보다 세부적인 평가가 가능해지며, 이자율, 대출 담보 비율, 상환 일정과 같은 대출 조건의 맞춤화가 수반됩니다. 위험과 차용인의상황을 정확하게 반영하는 조건을 설정하면 신용 접근성이 더욱 확대될 수 있습니다.
10. Decentralized Bond Issuance and Valuation
현재의 채권 발행 및 평가는 비효율성, 제한된 접근성, 충분하지 않은 실시간 데이터 분석 등에 직면해 있습니다. 이러한 문제는 오랫동안 채권시장을 어렵게 만들었습니다. AI는 시장 상황, 발행기관 신용도, 이자율 및 예상 수익률을 기반으로 채권을 꼼꼼하게 평가할 수 있습니다.
지방자치단체는 정부의 재정 건전성, 프로젝트의 실행 가능성, 현재의 시장상황을 평가하는 AI 에이전트를 사용하여 채권 발행을 통해 인프라 프로젝트에 자금을 조달할 수 있습니다. 이를 통해 채권의 가치를 정확하게 결정하고 경쟁력 있는 이자율을 설정할 수 있습니다. 그런 다음 투자자는 DeFi 플랫폼에서 직접 이러한 채권을 구매할 수 있으며 모든 조건은 스마트 계약을 통해 효율적으로 관리됩니다. 또한 AI 에이전트는 채권을 지속적으로 재평가하여 채권 발행 프로세스를 간소화할 수있으며 거래를 보다 투명하게 하고 역동적으로 만들 수 있습니다.
11. AI 기반 보험 Vaults
보험 업계는 보험수리 청구를 해결하는 데 너무나 많은 자원을 소비합니다. 수동 관리와 느린 의사 결정으로 인해 프로세스가 지연되고 있습니다. AI는 이러한 프로세스를 자동화하고 보다 정확하고 빠른 결제를 보장함으로써 이 부문에 혁명을 일으킬 수 있습니다. 분산형 저장소에서 정책 관리 자동화를 위해 AI를 사용하면 청구서 제출부터 최종 정산까지의 프로세스가 더욱 빨라질 뿐만 아니라 더욱 정확해집니다.
AI는 사전 정의된 엄격한 기준에 따라 청구를 평가하고 해결하는 동시에 정책 관리, 추적, 업데이트 등 보험 수명주기의 모든 측면을 자동화할 수 있습니다. 예를 들어, 보험 회사는 이미 예측 모델을 사용하여 허리케인 피해를 추정하고 있습니다. 하지만 정교한 위험 모델을 기반으로 폭풍이 걷히기 전이라도 허리케인 청구 금액의 일정 비율을 재빠르게 지급할 수 있는 AI 기반 보험 상품을 상상해 볼 수도 있습니다. 이는 보험 회사와 피보험자 모두에게 훨씬 더 효율적인 프로세스가 될 것입니다.
DAO
DAO는 이론적으로 소수의 이익이 아닌 집단의 의지를 반영하여 의사결정을 내리는 보다 민첩하고 대응력이 뛰어난 거버넌스 모델을 허용합니다. 그러나 실제로 DAO는 의사 결정을 위해 방대한 양의 정보를 처리하는 데 있어 비효율성과 진정한 합의를 달성하는 데 어려움을 겪는 등 심각한 문제에 직면해 있습니다. 이로 인해 거버넌스가 마비되고 운영 효율성이 저하될 수 있습니다. 제안을 살펴보고 그 결과를 예측할 수 있는 분석 Tool이 부족하여 DAO가 거버넌스 잠재력을 실현하는 데 어려움을 겪는 경우가 많습니다.
분산형 AI를 통합하면 설정된 기준에 따라 제안 평가를 자동화하고, 과거 데이터를 기반으로 이러한 제안의 결과를 예측하고, 이러한 제안의 잠재적 영향에 대한 보다 정교한 분석을 제공하여 DAO의 의사 결정 프로세스를 향상시킬 수 있습니다.
12. DAO Treasury Management
DAO는 재무 결정의 결과를 정확하게 예측하는 데 어려움을 겪습니다. DAO는 AI를 활용하여 데이터를 분석하여 현금 흐름, 투자 수익 및 재무 위험을 예측하고 보다 전략적인 자금 할당 및 관리 결정을 촉진할 수 있습니다.
DAO는 AI 기반 분석 모델을 활용하여 재무 관리를 강화할 수 있습니다. 이러한 모델을 통해 플랫폼은 투자, 예산 책정 및 유동성 관리와 관련하여 데이터 기반 결정을 내릴 수 있습니다. 이러한 접근 방식은 DAO가 추구하는 투명성과 신뢰에 부합할 뿐만 아니라 자원을 보다 효율적으로 관리하여 조직의 재무 건전성을 보호합니다.
13. 거버넌스 참여자로서의 AI 에이전트
AI 에이전트는 DAO에서 널리 퍼져 있는 유권자들의 무관심 문제를 해결할 수 있습니다. 이러한 에이전트는 정확한 데이터 기반 참여를 위한 수단을 도입하여 유권자의 무관심과 DAO 대표와 구성원 이해관계 간의 빈번한 불일치를 방지합니다. 이러한 기술의 부재로 인해 이전에는 DAO와 정치 시스템 모두 적극적이고 대표적인 거버넌스 구조를 유지하는 데 어려움을 겪었습니다.
AI 에이전트는 거버넌스 결정에 참여하여 자동으로 제안에 투표하거나 정책 수립을 지원할 수 있습니다. 이러한 AI 대표자는 구성원의 개별적인 정치적 선호와 가치에 대해 교육을 받아 이러한 이해관계에 맞춰 자동으로 투표할 수 있습니다. 이러한 에이전트는 잠재적으로 인간 대표자보다 구성원의 특정 선호도를 더 정확하게 나타낼 수 있습니다. 이러한 자동화된 참여를 통해 모든 결정이 커뮤니티의 이익에 지속적으로 부합되도록 할 수 있습니다. 궁극적으로 이는 보다 참여적이고 집단적 의지와 조화를 이루는 거버넌스 환경을 조성할 것입니다.
게이밍
게임에 AI를 통합하면 더욱 몰입도가 높을 뿐만 아니라 깊이 Personalized한 경험을 제공하여 각 플레이어의 고유한 기술과 욕구를 바탕으로 더욱 학습하고 이에 적응하는 게임을 형성할 수 있습니다. 그러나 중앙 집중식 AI 시스템에 대한 의존으로 인해 개인 정보 보호에 대한 우려, 플레이어 입력에 따라 게임 세계관을 실시간으로 발전시킬 수 없는 등의 문제가 발생했습니다. 결과적으로 플레이어는 자신의 행동과 단절되고 소외된 느낌을 받는 경험을 하게 되는 경우가 많습니다.
분산형 AI는 보다 적응력이 뛰어난 게임 메커니즘은 물론 실시간 게임 내 경제 인센티브를 생성할 수 있는 수단을 제공합니다. 이러한 접근 방식은 플레이어의 보안을 강화할 뿐만 아니라 게임안에서의 개인화를 위한 새로운 가능성을 열어 모든 플레이어의 경험을 특별하게 만듭니다. 분산형 AI를 적용하면 게임은 전 세계 플레이어 기반의 다양한 선호도에 대응하는 역동적인 환경이 될 수 있습니다.
14. AI를 통해 개인화 될 수 있는 게이밍 Experience
플레이어의 개성은 게임 경험에서 종종 무시되어 정적이고 1차원적인 게임 플레이로 이어집니다. AI는 게임이 개인의 플레이 스타일과 선택에 적응할 수 있도록 하여 솔루션을 제공합니다. 이러한 수준의 개인화를 달성하는 데 가장 큰 장애물은 각 플레이어의 복잡한 선호도를 실시간으로 이해하고 이에 적응할 수 있는 기술이 없다는 것입니다.
게임 스튜디오는 플레이어 상호 작용, 결정, 성능을 분석하는 AI 에이전트를 통합하여 난이도, 스토리 경로, 게임 내 이벤트와 같은 게임 요소를 적극적으로 조정할 수 있습니다. 이를 통해 각 플레이어에게 고유하게 맞춤화된 게임 경험을 제공합니다. 또한 AI는 각 플레이어의 행동을 통해 지속적으로 학습할 수 있으므로 플레이어의 진화하는 스타일에 맞춰 게임을 변화시켜 장기적인 플레이어의 유지를 촉진시키고 게이밍에 있어서 보다 신선하고 매력적인 경험을 보장할 수 있습니다.
15. AI에 최적화된 블록체인 게이밍 전략
역사적으로 모든 경우에 적용되는 일률적인 게임 전략 권장 사항은 개별 플레이어 행동과 게임 세계의 역동적인 특성을 고려하지 못했습니다. 이러한 맥락에서 AI는 게임 및 플레이어와 함께 발전하는 맞춤형 실시간 전략적 통찰력을 제공할 수 있습니다. 전통적인 전략 가이드는 각 플레이어의 고유한 플레이 스타일에 적응하는 데 어려움이 있으며 이는 AI가 채울 수 있는 유일한 틈새를 남겼습니다.
개별 플레이어에대한 심층 분석을 바탕으로 AI는 플레이어에게 게임 플레이를 최적화하는 방법에 대한 권장 사항을 제공할 수 있습니다. 또한 거래나 기타 게임 내 자산과 관련된 게임의 경우 AI는 시장 동향과 자산 가치까지 분석하여 플레이어에게 최적의 자산 관리를 위한 통찰력을 제공할 수 있습니다.
이를 통해 각 플레이어의 게이밍 과정이 명확해지고 참여도와 전략적 성공을 극대화하는 AI 기반 Insight가 지원되는 게임 생태계가 탄생할 수 있습니다.
16. AI로 강화된 Virtual Economy Management
게임 경제는 플레이어 경험에 영향을 미치는 인플레이션이나 리소스 고갈을 해결하기 위해 고군분투하고 있습니다. 이러한 문제는 게임 내 경제적 안정성을 가장 중요한 문제로 만듭니다. AI는 플레이어의 행동과 시장 역학에 대응하여 진화하는 균형 있고 매력적인 가상 경제를 유지할 수 있는 잠재력을 가능하게 하는 수준의 적응형 제어 및 예측 기능을 도입합니다.
플레이어가 NFT와 게임 내 토큰을 거래하는 블록체인 기반 MMORPG에서 AI 모델은 게임 세계의 경제적 흐름을 모니터링하는 데 중요한 역할을 할 수 있습니다. AI는 거래 데이터를 지속적으로 분석함으로써 인플레이션이나 기타 경제적 불균형의 시작을 나타낼 수 있는 추세를 식별할 수 있습니다. 이러한 추세를 감지한 AI는 경제적 균형을 유지하기 위해 귀중한 아이템의 드롭률을 조정하거나 거래 수수료를 수정하는 등의 대책을 실행할 수 있습니다. 이러한 AI 기반 접근 방식은 모든 플레이어에게 안정적이고 공정한 상태를 유지하도록 동적으로 조정되는 가상 경제를 보장합니다.
17. 강화된 NPC 상호작용
Non 플레이어 캐릭터는 비디오 게임에서 몰입형 스토리텔링과 플레이어 참여를 위한 중요한 구성 요소입니다. NPC의 지능과 리액션을 향상시킴으로써 플레이어는 NPC가 플레이어의 행동에서 배우고, 기억하고, 반응할 수 있는 보다 현실적이고 의미 있는 상호 작용을 경험할 수 있습니다. 전통적으로 이러한 NPC 동작을 생성하는 복잡함은 프로그래밍 모델의 기능에 의해 제한되어 플레이어의 복잡한결정에 실제로 적응하거나 반영할 수 없었습니다.
AI를 통합하면 가상 세계에 생명을 불어넣고자 하는 개발자에게 새로운 지평이 열릴 수 있습니다. 고급 NLP 및 기계 학습 기능을 갖춘 NPC가 보다 미묘하고 인간과 유사한 방식으로 플레이어 선택을 이해하고 대응할 수 있다고 상상해 보십시오. 결과적으로 NPC는 게임 내러티브의 역동적인 참가자가 되어 플레이어와 관계를 형성하고 이러한 상호 작용을 기반으로 게임 과정을 변경할 수 있습니다. 이는 게임 경험의 깊이를 향상시키고 각 플레이어의 여정이 독특하도록 보장하여 게임 세계 및 그 주민들과 더 깊은 연결을 조성합니다.
18. Enhanced Movement Validation for Move-to-Earn(무브투언) Economies
신뢰할 수 있고 건전한 경제상황을 유지하려면 Move to earn(M2E)수익 창출 플랫폼의 이동 검증이 필요합니다. AI와 zkML 기술을 사용하면 실제 활동에 따라 보상이 공정하게 분배되어 보다 일관되고 정직한 참여를 장려할 수 있습니다. 이전과 같이 쉽게 스푸핑되는 시스템 없이 물리적 움직임의 진위 여부를 정확하게 검증하는 것이 M2E의 주요 과제라고 할 수 잇습니다.
그러나 수익 창출과 같은 M2E 플랫폼은 Allora의 zk-Predictor와 같은 zkML 기술을 사용하여 안전한 개인 정보 보호 검증 프로세스를 활성화할 수 있습니다. zkML(영지식 기계 학습)을 사용하면 시스템이 개별 사용자 데이터를 노출하지 않고도 신체 활동을 확인할 수 있습니다. 이를 통해 검증된 활동을 기반으로 보상이 공정하게 분배되고 신체 활동에 대한 사기성 주장을 방지할 수 있습니다.
19. AI 기반 Anti Cheat
게임이 더욱 금융화(financialize)되면서 부정행위는 그 어느 때보다 수익성이 높아졌습니다. 플레이어는 봇을 사용하여 아이템을 갈아서 온라인으로 판매하기도 합니다. 아이템을 수확하고 플레이어에게 판매하기 위한 기업단위의 공장이 등장했으며, aimbot 및 순간 이동, 해킹과 같은 다른 치팅은 게임 경험을 완전히 망쳐버릴 수 있습니다. 오늘날 사용되는 치트 방지 시스템은 플레이어의 컴퓨터에서 프로그램을 실행하여 의심스러운 활동을 확인하는 방식으로 작동합니다. 그러나 이는 해커들이 게임용 PC에 연결된 별도의 노트북에서 Cheat를 실행하는 등 탐지를 우회하는 매우 효과적인 수단을 찾는 끝없는 고양이와 쥐 게임입니다.
Web3 게임의 플레이어가 게임 내 아이템을 NFT로 소유하게 되면 부정행위에 대한 인센티브가 더욱 커질 것입니다. AI는 이러한 치트를 포착하고 예방하는 효과적인 수단이 될 수 있습니다. AI 시스템은 플레이어 행동과 거래를 분석하여 부정행위를 암시하는 불규칙성을 식별할 수 있습니다. 예를 들어 AI는 승리한 경기, 플레이 시간, 획득한 게임 내 화폐 및 기타 행동에 대해 예상되는 플레이어를 식별 할 수 있습니다. 또한 오프라인으로 전환하지 않고 장기간 낮은 수준의 콘텐츠를 제공하는 봇을 감지할 수도 있습니다. 이러한 위험 신호에 대한 AI 모니터링을 통해 게임 퍼블리셔는 부정 행위자에 대해 신속한 조치를 취하여 모든 플레이어에게 더욱 공정하고 즐거운 게임 경험을 보장할 수 있습니다.
재생 에너지
재생 가능 에너지원을 사용하는 것은 탄소 배출을 줄이고 화석 연료에 대한 전 세계적인 의존도를 줄이는 것을 목표로 지속 가능성을 위한 중요한 단계중 하나입니다. 그러나 태양광 및 풍력과 같은 재생 가능 에너지원을 통합하는 것은 발전량의 변동성과 수요 및 공급 예측 등의 어려움의 과제를 우리에게 안겨줍니다. 기존 시스템은 이러한 문제로 어려움을 겪어 왔으며 종종 에너지 분배 및 저장의 비효율성을 초래하고 궁극적으로 재생 가능한 자원의 활용도를 낮출 수 있습니다.
분산형 AI는 재생에너지 시스템에 대한 보다 정확한 예측과 실시간 관리를 가능하게 합니다. 예를 들어, AI는 날씨 데이터를 기반으로 태양광 및 풍력 에너지원의 에너지 생산량을 예측하고 수요와 공급을 일치시키도록 Grid Operating을 조정할 수 있습니다. 또한 AI 가격 피드는 에너지 거래 및 저장 결정을 최적화하여 가장 비용 효율적인 시간에 에너지가 배포되도록 보장할 수 있습니다. 이러한 접근 방식은 재생 가능 에너지 시스템의 효율성을 향상시키고 보다 탄력적인 에너지 인프라로의 전환을 지원합니다.
20. 분산형 탄소 배출권 시장
분산형 탄소 배출권 시장을 통해 기업과 개인은 탄소 배출량을 상쇄하고 환경 지속 가능성을 촉진하려는 노력의 일환으로 탄소 배출권을 거래할 수 있습니다. 그러나 현재 탄소 배출권 시장은 배출권의 진위 여부를 확인하고 시장 표준 전반에 걸쳐 불일치하는 문제에 직면해 있습니다. 이러한 문제는 역사적으로 탄소 상쇄 계획의 효율성과 신뢰를 방해해 왔습니다.
데이터 검증 및 분석을 위해 AI를 통합하면 분산형 탄소 배출권 시장이 이러한 장애물을 극복할 수 있습니다. AI 에이전트는 환경 표준에 따라 프로젝트 데이터를 분석하고 발행부터 폐기까지 각 배출권의 수명주기를 추적하여 탄소 배출권을 엄격하게 검증할 수 있습니다. 또한 시장 분석 및 규제 감독에 AI를 활용하면 투자자에게 예측에 대한 인사이트를 제공하여 탄소 배출권 투자에 관한 의사 결정 프로세스를 효율적으로 만들 수도 습니다. 이를 통해 거래되는 모든 크레딧이 탄소 감소 노력에 대한 진정한 기여를 할 수 있게될 것입니다.
21. AI에 최적화된 재생에너지 배분
여러 재생 가능 에너지원을 통합하고 최적화하는 데 종종 어려움을 겪는 기존 에너지 시스템과 달리 AI는 분산형 네트워크 전반에 걸쳐 분산화된 에너지들을 동적으로 관리하는 데 사용될 수 있습니다. 다양한 재생 가능 자원을 에너지 Grid에 통합하는 과제는 에너지가 지속 가능하게 생산될 뿐만 아니라 변동하는 수요 및 공급 조건에 맞춰 분배되는 방식으로 보장할 수 있습니다.
태양광 패널과 풍력 터빈을 포함한 분산형 재생 에너지원 그리드로 구동되는 스마트 시티를 상상해 보세요. 이 도시에서는 첨단 AI 시스템이 에너지 생산과 분배를 지속적으로 모니터링하고 관리하는 역할을 맡고 있습니다. 이 시스템은 실시간으로 데이터를 분석하여 에너지 흐름을 조정하고, 수요가 적을 때 초과 생산량을 저장 장치로 보내고, 생산량이 적을 때는 저장된 에너지를 효율적으로 활용합니다. 에너지 분배에 대한 AI 기반 접근 방식은 효율성을 극대화하고 폐기물을 줄여주며 도시 에너지 공급의 신뢰성과 지속 가능성을 향상시킵니다. 그 결과, 지속 가능성을 유지하면서 도시의 요구 사항을 충족할 수 있는 보다 탄력적인 에너지 인프라를 탄생시킵니다.
22. 암호화폐 채굴을 위한 에너지 소비 최적화
암호화폐 채굴의 집중적인 전력 소비는 수년 동안 환경에 대한 우려를 불러일으켰습니다. 채굴 프로세스의 다양한 측면을 면밀히 조사하고 개선하기 위해 AI 모델을 사용하는 것은 이러한 과제에 대한 유망한 솔루션을 제공합니다. 기존 채굴 작업에서는 하드웨어 성능, 냉각 시스템, 알고리즘 효율성 최적화 가능성을 간과하는 경우가 많아 불필요한 에너지 소비와 비용 상승으로 이어져왔습니다.
암호화폐 채굴장에서 직접 AI를 배포하여 채굴 장비의 성능과 에너지 소비를 지속적으로 모니터링 할 수 있습니다. 이 AI 시스템은 각 장비의 에너지 효율성을 평가하여 최적화 되지 않은 에너지 사용량을 찾아냅니다. 이 분석에 따라 채굴 매개변수 최적화 또는 유지 관리 일정 수립 등 에너지 효율성을 개선하기 위한 조절이 이루어질 수 있습니다. 또한 AI는 에너지 가격이 낮거나 재생 가능 에너지의 가용성이 높은 기간에 맞춰 채굴 작업 시간을 전략적으로 정하여 운영 비용을 절감할 수 있습니다. 이러한 AI의 전략적 적용은 암호화폐 채굴을 보다 환경 친화적으로 만들고 경제적 타당성을 유지하도록 보장합니다.
23. 건물의 에너지 사용 최적화
AI를 사용하면 전력 점유율, 기상 조건 등과 같은 실시간 데이터를 기반으로 건물의 에너지 소비를 동적으로 조정하여 에너지 낭비를 크게 줄일 수 있습니다. 역사적으로 문제는 다양한 데이터 Stream을 실시간으로 처리하고 이에 따라 작동할 수 있는 응답성이 뛰어나고 지능적인 건물 에너지 시스템이 부족하여 점유율이 낮은 기간에도 과도한 에너지 사용이 발생한다는 점이었습니다.
AI 기반 스마트 기술을 갖춘 건물은 에너지 사용을 모니터링하고 현재 필요에 따라 난방, 냉방 및 조명을 자동으로 조정할 수 있습니다. 예를 들어, 점유율이 낮은 기간에는 시스템이 에너지 소비를 줄이는 반면, 추운 날에는 난방을 최적화하여 낭비 없이 편안함을 유지합니다. 이러한 AI 솔루션의 구현을 통해 건물은 더욱 지속 가능하고 비용 효율적이 될 수 있습니다.
소셜/소비자
중앙 집중식 시스템에 의존하는 우리의 온라인 사회적 및 소비자 행위는 개인정보 보호 문제, 데이터 오용, 진정한 개인화를 제대로 이루지 못하는 획일적 접근 등 중대한 문제를 초래했습니다. 그 결과 사용자들은 자신의 데이터가 어떻게 사용되는지에 대해 점점 더 경계하게 되었고, 제공받는 개인화 서비스에 대해 회의적이며, 자신을 위해 설계된 플랫폼에 대한 신뢰도 저하되는 환경이 조성되었습니다.
분산형 인공지능은 개인 정보 보호를 존중하고, 개인화된 소셜 및 소비자 경험의 새로운 시대를 열면서 개인이 자신의 데이터를 통제할 수 있도록 보장합니다. 이러한 전환은 진정으로 맞춤화된 경험을 위한 새로운 가능성을 열고, 소셜 및 소비자 애플리케이션의 운영 방식에 대한 새로운 기준을 설정합니다.
24. 분산형 신용 평가
전통적인 신용 평가 시스템은 종종 개인의 재정 건강을 전체적으로 파악하지 못하고, 편향을 유발할 수 있는 불투명한 기준에 의존합니다. 분산형 AI는 온체인에서 다양한 금융 행동을 직접 분석하여 신용도를 더 정확하게 평가할 수 있는 경로를 제공하며, 이를 통해 금융 건전성에 대한 더 미묘하고 공정한 평가를 가능하게 합니다.
예를 들어, 사용자가 DeFi 플랫폼에서 대출을 신청할 때, 해당 플랫폼의 AI는 지불 패턴, 자산 다양성을 포함한 거래 이력을 분석하여 동적 신용 점수를 할당할 수 있습니다. 이 점수는 투명하고 검증 가능한 데이터 분석에 기반을 두고 있으며, 사용자의 대출 자격 및 조건을 결정하는 데 사용됩니다. 이렇게 지속적으로 업데이트되는 점수는 사용자의 신용 상태를 최신 상태로 반영합니다. 분산형 신용 평가는 금융 서비스에 대한 접근을 민주화하여 개인이 전통적인 기준이 아닌 실제 금융 관행에 따라 평가되도록 보장할 수 있습니다.
25. 거래에 대한 실시간 감정 분석
전통적인 시장 분석은 변화하는 시장 정서를 실시간으로 포착하는 데 어려움을 겪고 있습니다. AI를 사용하여 시장 심리를 판단하면 거래자는 다양한 데이터 입력을 활용하여 특정 자산이나 더 넓은 금융 환경에 대한 시장 태도에 대한 미묘한 시각을 제공할 수 있습니다. 이전에는 효과적인 감정 분석에 필요한 데이터의 양과 다양성으로 인해 실시간 통찰력이 어려웠습니다.
예를 들어 거래자는 AI를 활용하여 소셜 미디어 및 금융 뉴스 플랫폼에 대한 정서를 모니터링하고 분석하여 암호화폐나 주식에 대한 집단적 분위기를 포착할 수 있습니다. 이 AI 기반 통찰력을 통해 트레이더는 전략을 즉시 조정할 수 있으며, 심지어 자율 AI 에이전트가 감정 분석을 기반으로 대신 거래하도록 촉발할 수도 있습니다.
26. 분산형 소셜 네트워크를 위한 자동화된 콘텐츠 조정
분산형 네트워크가 성장함에 따라 인간이 만든 콘텐츠와 AI가 생성한 콘텐츠를 구별하는 과제도 커집니다. 기존 방법은 AI 생성 콘텐츠의 점점 더 정교해지는 특성으로 인해 이를 정확하게 식별하는 데 부족합니다. 고급 AI를 활용하면 실제 콘텐츠와 AI 생성 자료를 구별하는 정교한 차이를 식별하는 데 도움이 될 수 있습니다.
AI 탐지를 구현하면 AI 생성 콘텐츠를 실시간으로 식별하고 관리할 수 있어 사용자가 소비하는 콘텐츠의 출처에 대한 정보를 얻을 수 있습니다. 이러한 AI 사용은 콘텐츠의 진정성을 유지하는 데 도움이 될 뿐만 아니라 콘텐츠 제작에 AI 사용과 관련된 투명성도 지원합니다.
27. 합성 신원 탐지
합성 신원 사기는 실제 정보와 가짜 정보를 혼합하여 신원을 생성하는 행위로, 탐지가 점점 더 어려워지고 있습니다. 가장 큰 장애물은 이러한 조작된 신원을 정확하게 식별하는 데 필요한 데이터의 깊이를 분석할 수 있는 확장 가능한 고급 툴의 부족입니다.
금융 기관은 AI를 활용하여 새 계좌 애플리케이션을 합성 신원과 관련된 알려진 패턴의 포괄적인 데이터베이스에 대해 상호 참조할 수 있습니다. 표준에서 벗어난 신청 세부 사항, 거래 행동 및 신용 사용 패턴의 불일치를 분석하면 기관은 추가 검토를 위해 잠재적인 합성 신원을 표시할 수 있습니다. 이는 사기로 인한 재정적 손실 위험을 줄이고 계정 확인 절차를 간소화합니다.
28. AI 기반 암호화 포트폴리오 추적기
현재의 암호화폐 포트폴리오 추적기는 심층적인 위험 분석이나 전략적 조언 없이 보유 자산에 대한 피상적인 보기만 제공합니다. AI 모델은 시장 벤치마크 대비 포트폴리오의 위험을 평가할 수 있으며, 포트폴리오 최적화 또는 카피 트레이딩에 대한 전략적 통찰력도 제공할 수 있습니다.
예를 들어, AI는 포트폴리오의 과거 성과 데이터, 현재 시장 동향 및 개별 자산 변동성을 분석하여 사용자의 위험 허용 범위 및 목표에 맞는 재조정, 다각화 또는 새로운 투자 기회 탐색을 위한 전략을 제안할 수 있습니다. 단순한 추적을 넘어 이 AI 모델을 통해 사용자는 성공적인 포트폴리오의 전략을 에뮬레이트할 수 있으며, 이를 통해 전문적인 투자 전술에 대한 접근을 민주화할 수 있습니다.
29. AI 기반 Financial Behavioral Analysis(재무 행동분석)
전통적인 재무 분석은 개인의 재무 행동 전체를 파악하는 데 어려움을 겪으며 맞춤형 서비스 기회를 놓치는 경우가 많습니다. AI는 각 고객의 금융 거래, 행동, 선호도(소비, 투자, 저축 방법, 위험에 대한 접근 방식 등)를 분석할 수 있습니다. 과거에는 이러한 상세한 분석이 데이터의 복잡성과 실시간 적응성의 필요성으로 인해 대체로 비실용적이었습니다.
AI 모델을 구현하면 금융 기관과 DeFi 플랫폼이 서비스를 정확하게 맞춤화할 수 있습니다. 예를 들어 플랫폼은 사용자의 소비 습관과 투자 활동을 평가한 후 맞춤형 투자 상품을 추천하거나, 예산 책정 전략을 제안하거나, 맞춤형 이자율로 대출 옵션을 제공할 수 있습니다. 이러한 수준의 사용자 정의는 잠재적으로 플랫폼에 대한 사용자 참여와 충성도를 높일 수 있습니다.
30. Predictive Healthcare(예측 의료)
의료, 특히 질병 예측 및 진단에서 AI의 역할은 조기에 정확한 의료 개입을 향한 중추적인 변화를 의미합니다. 이러한 발전의 핵심은 전자 의료 기록과 유전자 서열부터 상세한 영상 연구에 이르기까지 광범위한 데이터 세트를 소화하고 해석하는 AI 모델의 역량에 있습니다. 이러한 깊이 있는 분석을 통해 기존 방법으로 질병 표지를 포착하기 훨씬 전에 질병 지표를 식별할 수 있어 암과 같은 상태를 조기에 발견하는 데 상당한 이점을 제공합니다.
예를 들어 AI는 암의 조기 발견을 위해 엑스레이 이미지를 분석하는 데 사용될 수 있습니다. 전통적인 검토 과정에서는 특히 치밀한 조직에서 암의 초기 또는 미묘한 징후를 놓칠 수 있습니다. 수십억 개의 엑스레이를 학습한 AI 모델은 초기 암을 나타내는 미세한 불규칙성을 종종 임상적으로 명백히 나타나기 전에 감지할 수 있습니다. 이는 조기 개입으로 이어지며, 치료를 더 빨리 시작함으로써 잠재적으로 환자 결과를 개선할 수 있습니다. AI는 이러한 애플리케이션을 통해 진단 프로세스를 최적화합니다.
31. AI 기반 공급망 최적화
공급망 배송 경로, 패키지 배치 및 배송 빈도를 최적화하는 것은 복잡한 작업입니다. 현재의 공급망 관리 시스템은 비록 발전되어 있기는 하지만 끊임없이 증가하는 수요를 따라잡는 데 어려움을 겪는 경우가 많습니다.
AI는 연료 비용, 배달 마감일, 소포 크기 등과 같은 방대한 양의 데이터를 분석하여 상품을 포장하고 운송하는 가장 효율적인 방법을 결정함으로써 공급망 최적화를 개선할 수 있는 잠재력을 가지고 있습니다. 또한 AI를 조립 라인에 적용하여 교체해야 할 부품을 예측하고 자동으로 주문 및 배송하여 가동 중지 시간을 방지할 수 있습니다.
알로라 네트워크 소개
Allora는 자체 개선되는 분산형 AI 네트워크입니다.
Allora를 사용하면 자체 개선되는 머신러닝 모델 네트워크를 통해 더욱 스마트하고 안전한 AI 애플리케이션을 활용할 수 있습니다. 크라우드소싱 Intelligence, 연합 학습(federated Learning) 및 zkML의 혁신을 결합함으로써 Allora는 암호화폐와 AI의 교차점에서 애플리케이션의 광대하고 새로운 설계의 지평을 열어줍니다.
Allora에 대해 자세히 알아보려면 웹사이트 , Twitter , Discord 및 개발자 Docs를 확인해보세요.
Allora Network Community Advocate 프로그램에 지원하려면 다음 양식을 작성하세요.
