커뮤니티가 AI에 지식을 공급할 수 있다고 해도 선의만 기대해서는 품질을 유지하기 어려움.

DAPPOS가 문서화한 Bubble Task Platform은 그래서 incentive mechanism과 정보 품질에 대한 reward/punishment 구조를 함께 설명합니다.

공식 문서 내용에 따르면 고품질 정보에는 보상을 제공하고, 잘못된 정보에는 불이익을 주는 방식을 채택하고 있습니다. 현재 Bubble Task Platform은 internal beta 단계라고 명시돼 있습니다.

기술적으로 보면 꽤 재미있는 구조임.

AI 지식 품질 관리에

검증 시스템

뿐 아니라

경제적 인센티브

까지 붙이는 것임.

Web3의 incentive design을 AI knowledge acquisition에 적용하려는 사례라고 볼 수 있음.

뉴스 검색을 하다 보면 여러 사이트가 사실상 같은 내용을 반복해서 올리는 경우가 많음.

AI 입장에서는 이걸 그대로 넣으면 문제가 생길 수 있음.

같은 주장 10개가 복제돼 있다는 이유만으로 마치 서로 다른 10개의 근거가 있는 것처럼 보일 수 있기 때문임.

DAPPOS의 공식 기술 설명에서는 Contextual RAG가 검색 결과를 처리하면서 redundant results를 deduplicate하는 단계를 거친다고 설명합니다.

쉽게 말하면

기사 10개 = 근거 10개

라고 단순 계산하지 않는 것임.

중복된 정보를 걷어내야 실제로 서로 다른 근거가 얼마나 존재하는지 더 명확하게 볼 수 있음.

특히 루머가 빠르게 복제되는 Web3에서는 꽤 중요한 과정임.