체인링크 AI 할루시네이션 해결 새 방법론 공개, UBS 등과 협력

체인링크(Chainlink)가 다중 AI 모델을 활용해 대규모 언어 모델(LLM)의 할루시네이션 문제를 해결하는 새로운 접근법을 선보이며 금융 데이터 처리의 정확성을 높이고 있다.

11일(현지시간) 크립토타임즈에 따르면, 체인링크 어드바이저이자 전 구글 AI 리드인 로렌스 모로니(Laurence Moroney)가 단일 AI 모델 대신 다중 AI 모델을 활용해 AI 오류를 줄이는 방법을 공개했다.

체인링크는 기업 활동을 분석하고 이를 기계가 읽을 수 있는 JSON 형식으로 변환하기 위해 AI를 필요로 했다. 이를 위해 오픈AI, 구글, 앤트로픽 등 여러 제공업체의 AI 모델을 활용해 동일한 정보를 서로 다른 프롬프트로 처리하는 방식을 채택했다.

AI 모델들이 생성한 서로 다른 응답을 비교해 모든 또는 대부분의 모델이 동일한 결과를 도출한 경우 더 신뢰할 수 있는 것으로 간주했다. 이러한 과정을 통해 단일 AI 생성 응답에 의존하는 위험이 감소했다.

합의가 이루어진 정보는 블록체인에 기록되어 투명성, 보안성, 불변성을 보장한다.

이 접근법은 UBS, 프랭클린 템플턴(Franklin Templeton), 웰링턴 매니지먼트(Wellington Management), 폰토벨(Vontobel), 시그넘 뱅크(Sygnum Bank) 등 금융기관들과의 협력 프로젝트에서 성공적으로 테스트됐다.

AI와 블록체인을 결합한 체인링크의 방법론은 금융 분야에서 AI 생성 정보의 신뢰성을 높이고, 다른 산업에서도 데이터 정확성을 개선하는 선례를 제시했다.

뉴스 속보를 실시간으로...토큰포스트 텔레그램 가기