Understanding the 4th Industrial Revolution and Its Technologies
4차 산업혁명 관련 기술들, 13주차 정보통신개론
Contents
1️⃣ 4차 산업혁명 (4th Industrial Revolution)
2️⃣ 클라우드 컴퓨팅 (Cloud computing)
3️⃣ 사물인터넷 (IoT)
4️⃣ 빅데이터 (Big Data)
5️⃣ 인공지능 (AI, Artificial Intelligence)
6️⃣ 가상현실(Virtual Reality)
1️⃣ 4차 산업혁명 (4th Industrial Revolution)
2016년 1월 20일 스위스의 다보스 ‘세계경제포럼(WEF: World Economic Forum)에서 처음으로 언급되었다. 4차 산업혁명 정의로는 3차 산업혁명을 기반으로 한 디지털과 바이오산업, 물리학 등의 경계를 융합하는 기술 혁명을 일컫는다. 즉 "모든 기술과 산업을 융합한 혁명"이라고 간단하게 말할 수 있다.
✅ 1st Industrial Revolution: 증기기관 (Steam engine), 1784년 수력 증기기관을 활용하여 철도, 면사방적기와 같은 기계적 혁명을 불러 일으켰다.
- The first steam train, early 19th century Europe
✅ 2nd Industrial Revolution: 전기 동력과 대량생산 (Electric power & Mass production), 1870년대부터 시작된 2차 산업혁명은 1차 산업혁명의 연장선상이다. 공장에 전력이 공급되고 컨베이어벨트를 이용한 대량생산이 가능해졌다. 자동차 회사 포드의 ‘T형 포드’와 같이 조립 설비와 전기를 통한 대량 생산체계를 구축하였다.
- Moving conveyor belt from Ford
✅ 3rd Industrial Revolution: 컴퓨터 제어 자동화(Partial automation using memory-programmable controls and computers), 컴퓨터를 이용한 생산자동화를 통해 대량생산이 진화되었다. 업무용 메인프레임 컴퓨터, 개인용 컴퓨터, 인터넷 등을 통한 정보기술 시대가 열리는 계기가 되었다.
✅4th Industrial Revolution: 초연결성, 초지능성, 예측 가능 (Hyperconnectivity, Superintelligence, Predictability),4차 산업혁명의 핵심 키워드는 ‘융합(emergence)’과 ‘연결(connection)’이다. 여기서 연결이란 네트워크 간의 연결을 뜻한다.
초연결성(Hyperconnectivity) 사람과 사물, 사물과 사물이 인터넷을 통해 연결
초지능성(Superintelligence) 정보 데이터를 분석하여 인간의 행동, 사건등 패턴을 파악하여 결과를 예측한다.
예측가능성(Predictability) 분석 결과를 토대로 인간의 행동을 예측
4차 산업혁명의 주요기술로는 오늘 배워 Cloud, IoT, AI, Bigdata, VR 등이 있다.
2️⃣ 클라우드 컴퓨팅 (Cloud computing)
인터넷 기반 컴퓨팅의 일종으로 정보를 자신의 컴퓨터가 아닌 인터넷에 연동된 다른 컴퓨터나 시스템에서 처리되는 기술을 일컫는다. 네트워크만 있다면 언제, 어디서나 접근이 가능하며, 최소한의 관리 노력이 장점이다.
- Cloud computing provider를 통해 자원(플랫폼)을 사용할 수 있다. 최소한의 비용으로 쉽게 사용할 수 있다.
1965년 미국의 컴퓨터 학자인 존 매카시(**John McCarthy)**가 처음으로 제시한 개념이다. “컴퓨팅 환경은 공공 시설을 쓰는 것과도 같을 것"이라고 하였다.
종류 (Type of Cloud computing)
어떤 자원을 제공하느냐에 따라 나뉜다.
SaaS (Software as a Service)
- 소프트웨어를 클라우드 기반으로 제공하는 서비스 모델이다. 사용자는 소프트웨어를 설치하거나 유지 관리할 필요 없이 인터넷을 통해 애플리케이션에 접근할 수 있다. 예) Google Workspace, Microsoft Office 365, Salesforce
PaaS (Platform as a Service)
- 애플리케이션 개발 및 배포를 위한 플랫폼을 제공한다. 개발자는 인프라 관리 없이 애플리케이션을 개발, 실행, 관리할 수 있다.
예) Google App Engine, Microsoft Azure, AWS Elastic Beanstalk
IaaS (Infra. as a Service)
가상화된 컴퓨팅 리소스(서버, 스토리지, 네트워크 등)를 제공하는 서비스 모델이다. 사용자는 필요한 인프라를 선택하고 관리할 수 있다.
예) Amazon Web Services (AWS), Microsoft Azure, Google Cloud Platform
BaaS (Backend as a Service)
모바일 및 웹 애플리케이션의 백엔드 서비스를 제공하는 모델이다.
예) Firebase, Backendless, Parse
NaaS (Network as a Service)
- 네트워크 서비스 및 네트워크 연결을 제공하는 클라우드 서비스 모델이다. 사용자는 필요한 네트워크 리소스를 유연하게 사용할 수 있다.
예) AWS Direct Connect, Microsoft Azure Virtual Network, Google Cloud Interconnect
BPaaS (Business Process as a Service)
- 비즈니스 프로세스를 클라우드 서비스로 제공하는 모델이다. 기업은 특정 비즈니스 기능을 클라우드 기반으로 아웃소싱하여 효율성을 높인다.
예) ADP (인사 관리), Salesforce (CRM), IBM BPM (비즈니스 프로세스 관리)
클라우드 컴퓨팅 서비스 대상 (Cloud Computing Service Offerings)
퍼블릭 클라우드 (Public Cloud)
클라우드 서비스 제공자가 다수의 고객에게 인터넷을 통해 서비스를 제공하는 모델이다. 리소스는 여러 사용자 간에 공유되며, 일반적으로 비용 효율적이고 확장성이 뛰어난다. 예) Amazon Web Services (AWS), Microsoft Azure, Google Cloud Platform
프라이빗 클라우드 (Private Cloud)
단일 조직에 전용으로 제공되는 클라우드 인프라이다. On-premises data center나 타사 호스팅 시설에서 운영될 수 있으며, 보안과 제어 측면에서 높은 수준을 제공한다.
예) Amazon VPC, HPE, VMware, and IBM
하이브리드 클라우드 (Hybrid Cloud)
퍼블릭 클라우드와 프라이빗 클라우드의 조합을 사용하는 모델이다. 기업 내부에 구축된 Private cloud와 클라우드 서비스 제공업체에 구축된 Public cloud 서비스 및 IT자원을 함께 사용한다.
예) AWS Outposts, Google Anthos
이 외에도 커뮤니티 클라우드, 분산형 클라우드, 인터 클라우드, 멀티 클라우드 등이 있다.
3️⃣ 사물인터넷 (IoT, Internet of things)
모든 사물에 네트워크 연결을 제공하는 네트워크으로서 표준화된 통신 프로토콜에 기반하여 독자적이고, 자체 주소를 갖는 상호연결된 장비들 간의 네트워크이다.
1999년 MIT Auto-ID Center 소장 캐빈 애시톤(Kevin Ashton) 이 제안한 개념이다. “사물간에 통신을 주고받는 것” 으로 정의하였다. 여기서 사물이란 우리가 볼 수 있는 그 사물이다. 이러한 개념은 시간이 지나면서 업데이트 되었다.
사물인터넷(IoT)의 첫 정의: “사물간에 통신을 주고받는 것” (1999)
➡️모든 사물에 네트워크 연결을 제공하는 네트워크 (ITU 정의1, 2005)
➡️ 모든 장비(Objects)간에 통신 가능한 네트워크와 이를 통한 서비스 (EU policy Outlook RFID 정의2, 2007)
➡️ 표준화된 통신 프로토콜에 기반하여 독자적이고, 자체주소를 갖는 상호연결된 장비들간의 네트워크 (EU IoT in 2020 정의4, 2008)
➡️ 데이터를 수집하고, 통신할 수 있는 능력을 가진 물리적, 가상 장비들을 연결하는 네트워크 (CASAGRAS Final Report 정의3, 2009)
전통적인 사물 인터넷은 M2M (M: Machine)로 기계를 서로 연결하는 것을 뜻한다. 아주 간단한 기계들끼리 연결하는 것이다. 사물인터넷이란 모든 장치를 연결한다는 개념으로 현재(2024)는 중간에 위치하고 있다.
사물인터넷 기술 동향(Trends of IoT)
해외 동향
IBM 스마트 그리드 서비스 및 관리 플랫폼 분야에서 활동 중
인텔(Intel) GE와 협력하여 스마트 그리드 표준화 분야에서 기여하고 있다. Smart Grid and Modernization Technology Solutions
시스코(Cesco) 보안 통신 인프라 분야에 집중하고 있다.
구글(Google) GE와 협력하여 스마트 미터 협업을 통해 Power Meter 서비스를 제공하며, 웹-에너지 IoT 정보 플랫폼 분야에서도 활동 중이다.
한국 동향
2010년 KT: M2M 플랫폼을 개발하였다.
2012년 전자부품연구원: 오픈 웹 기반 기술을 중심으로 WoT(Web to Things) 기술을 개발하였다.
2012년 SKT: 플랫폼을 개발하고 상용화 서비스를 제공하였다.
다양한 기업과 기관: 국책 연구소, 학교, 이동통신 사업자(KT, SKT, LG U+), 삼성, LG 등이 IoT 기술 개발을 진행 중이다.
2011년 정보통신기술협회(TTA): 이동통신 기술위원회(TC7)에서 사물지능통신 프로젝트 그룹(PG708)을 운영하고 있다.
위에서 보듯이 사물인터넷은 꾸준히 개발중이다.
사물인터넷(IoT) 시장성(Potential applications of IoT)
- 스마트 시티란 도시 전체를 연결한다. 의사를 직접 보지 않아도 진료가 가능하다. 에너지 낭비를 줄인다 (Smart-grid, Smart-meter). 임베디드 시스템으로 구현된 장치들도 연결, 보안/경호 업체, 농업 자동화, 무선 센서 네트워크, 자산 관리/제어 등 IoT를 적용하는 곳은 아주 많다.
사물 인터넷 서비스 (IoT service offering)
U-City (유비쿼터스 도시) 스마트시티에 해당하는 개념으로 도시의 경쟁력과 삶의 질 향상을 위하여 건설된 도시이다. 언제, 어디서나 U-City 서비스가 제공되는 도시를 뜻한다.
교통, 안전, 시설, 환경, 정보 등이 통합운영센터에서 운영된다.
스마트 홈 (Smart Home) 자동화를 지원하는 개인용 주택이다. 무선 인터넷(Wi-Fi)을 주 통신 수단으로 원격 모니터링 및 제어를 가능하게 한다.
예) 난방, 환기 및 공조, 조명 제어, 거주자 인식 제어, 보안, 누출 감지, 애완 동물 관리 등
스마트 팩토리(Smart Factory) 제품의 기획, 설계, 생산, 유통 및 판매 등을 통합하여 고객 맞춤형 제품을 생산하는 진화된 공장이다.
4️⃣ 빅데이터 (Big Data)
빅데이터(Big Data)는 큰 용량, 빠른 속도 그리고 높은 다양성을 갖는 정보 자산으로서 이를 통해 의사 결정 및 통찰 발견, 프로세스 최적화를 향상시킬 수 있다. 데이터가 많으면 많을 수록 더 나은 의사 결정을 내리고, 통찰을 발견하며, 프로세스를 최적화하는데 도움이 된다. 하지만 큰 데이터를 관리하려면 그에 따른 고비용도 필요하기 때문에 해결책을 고민해보는 것도 빅데이터에 속한다.
2012년 가트너는 “빅데이터는 큰 용량(Volume), 빠른 속도(Velocity) 그리고 높은 다양성(Variety)을 갖는 정보 자산으로서 이를 통해 의사 결정 및 통찰 발견, 프로세스 최적화를 향상시키기 위해서는 새로운 형태의 처리 방식이 필요하다”라고 개정하였다. (3V)
IBM은 여기에 정확성(Veracity)이라는 요소를 추가하여 4V를 정의, 브라이언 홉킨스(Brian Hopkins)는 가변성(Variability)를 추가하여 4V를 정의하였다.
- 3V를 투자해서 Value를 얻는다는 개념이다.
빅데이터 분석 기술(Big Data Analytics Technology)
데이터 마이닝(Data mining)
대량의 데이터를 분석하여 유용한 패턴이나 지식을 추출하는 과정이다.
오피니언 마이닝(Opinion Mining)
사람들의 의견, 감정, 태도를 분석하는 기술이다. 주로 텍스트 데이터, 특히 소셜 미디어, 리뷰, 블로그 포스트 등을 분석하여 감정이나 의견을 추출한다.
소셜 네트워크 분석(Social Network Analysis)
사람들 또는 조직들 간의 관계와 상호작용을 분석하는 기술이다.
군집 분석(Clustering)
유사한 특성을 가진 데이터 포인트들을 그룹으로 묶는 기술이다. 이는 데이터 마이닝의 한 기법이지만, 빅데이터 분석에서도 중요한 역할을 한다.
빅데이터를 효과적으로 분석하고 시각화하기 위해 다양한 표현 기법과 도구가 사용된다.
"R" 프로그래밍 언어는 통계 분석과 데이터 시각화에서 널리 사용된다. 대규모의 정형/비정형 데이터 처리시 대표적으로 사용하는 프로그램으로는 하둡, NoSQL이 있다.
'하둡(Apache Hadoop)'이란 빅데이터를 처리하는 플랫폼이다.
빅데이터에 대해 자세히 배우려면 한학기가 소요되는 많은 양이므로 이번 시간에는 간단한 소개만 한다고 하셨다.
하둡 플랫폼의 서브 프로젝트들로는 아래와 같다.
맵리듀스(MapReduce)에 대해 간단 설명
- 맵(Map) 작업을 분산 클러스터의 여러 노드로 분할하는 기능. 작게 쪼개는 것
- 리듀스(Reduce) 작업을 수집 및 분석하고 결과를 하나의 값으로 도출하는 기능.
5️⃣ 인공지능 (AI, Artificial Intelligence)
인공지능(AI)이란 “인간이 지닌 지적 능력의 일부 또는 전체를 인공적으로 구현한 것"을 의미한다. 인공기술을 구현하는 많은 기술 중에 "기계 학습(Machine Learning)"이란 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야를 뜻한다. 많은 관련 데이터를 입력해주면 관련 프로그램이 스스로 규칙을 학습하는 기계 학습이다.
인공지능(AI)의 핵심 기술 중에서 "표현(Representation)"과 "일반화(Generalization)"는 매우 중요한 개념이다. 이 두 개념은 AI 모델이 어떻게 데이터를 이해하고 처리하는지, 그리고 학습한 내용을 새로운 데이터에 어떻게 적용하는지를 설명한다.
"표현(Representation)" AI 시스템이 데이터를 어떻게 내부적으로 표현하고 이해하는지를 의미한다. 이 과정에서 중요한 것은 제한된 데이터를 효율적으로 처리하고, 중요한 특징을 추출하여 모델이 이해할 수 있는 형식으로 만드는 것이다.
"일반화(Generalization)" AI 모델이 학습된 데이터를 바탕으로 새로운 데이터에 대해 정확하게 예측하거나 추론할 수 있는 능력을 의미한다. 예를들어 한자리수 덧셈은 학습된 데이터이기 때문에 잘 처리가능하지만 두자리수 덧셈이 나왔을 때 잘처리 되느냐가 일반화의 관건이다.
기계 학습 활용의 예(Examples of Machine Learning Applications)
기계 학습(Machine Learning)은 다양한 산업과 분야에서 광범위하게 활용되고 있다. Amazon, eBay와 같은 온라인 쇼핑몰은 사용자의 구매 이력과 검색 패턴을 분석하여 맞춤형 제품을 추천하고, Netflix, Spotify와 같은 플랫폼은 사용자의 시청 또는 청취 기록을 기반으로 영화, TV 프로그램, 음악을 추천한다. 자율 주행차는 기계 학습을 사용하여 도로 표지판, 보행자, 다른 차량 등을 인식한다. 이로써 안전하게 주행 경로를 계획하고 충돌을 피할 수 있다. 이외에도 얼굴인식, 실시간 번역, 타켓광고 등이 있다.
인공 신경망(Artificial Neural Network)
인간의 뉴런 구조를 본떠 만든 기계 학습 모델이다. 생물학의 신경망(동물의 중추신경계 중 특히 뇌)에서 영감을 얻은 통계 학적 학습 알고리즘이다. 컴퓨터 비전 또는 음성 인식과 같은 범위의 문제 해결에 이용한다. 강화 학습과 심층 신경망을 결합한 결과로 AlphaGo와 같은 인공 신경망 기반 AI는 바둑, 체스, 포커 등 복잡한 게임에서 인간을 이길 수 있게되고, 예술과 창작또한 인간만의 범위가 아니게 된다. 그 예로 신경망을 통해 새로운 음악을 작곡하거나 기존 음악 스타일을 모방하여 새로운 곡을 만드는 것이 해당한다. 다양한 분야에서 매우 혁신적으로 활용되고 있다.
딥 러닝 (Deep Learning)
여러 비선형 변환기법(Nonlinear Transformation Techniques)의 조합을 통해 높은 수준의 추상화를 시도하는 기계 학습 알고리즘의 집합이다.
정의가 상당히 어려운데 사람의 사고방식을 컴퓨터에게 가르치는 기계학습을 구현하는 기술중에 하나가 "딥 러닝(Deep Learning)"인 셈이다.
컴퓨터 비전, 음성인식, 자연어 처리 및 음성/신호처리 분야에 적용할 수 있다. (지진 예측과 자율 주행 자동차 운전 등에서 적극 활용중이다.)
Hidden Layer는 계속 추가 가능하다.
Input Layer / Output Layer는 무조건 있어야하는 부분이다.
인공지능, 기계학습, 딥러닝 비교
(Comparison with AI, Machine Learning, Deep Learning)
인공지능(AI)과 유사한 기술
인지 컴퓨팅(Cognitive Computing) 지각 컴퓨팅(Perceptual Computing)이라고도 한다. 인간과 같은 감각을 가지고 사용자의 의도를 파악할 수 있게 컴퓨터화된 모델을 사용하는 것이다. 컴퓨터는 처리와 계산에서 인간보다 빠르지만 인간이 아직도 이해하기 어려운 자연어 이해나 이미지 내 객체 인식과 같은 일부 작업들을 마스터하지 못한 현실이다. 인지 컴퓨팅은 컴퓨터가 인간 두뇌의 작동 방식을 모방하도록 하는 시도이다.
이를 달성하기 위해 기계학습, 인공 신경망, 자연어 처리(NLP), 음성인식, 객체 인식등과 같은 기술을 사용한다.
뉴로모픽 컴퓨팅(Neuromorphic Computing) 인공 신경망을 하드웨어적으로 구현한 것이다. 딥 러닝의 소프트웨어적인 구현을 하드웨어 적으로 구현한 것을 뉴로모픽 컴퓨팅이라고 한다. 딥러닝(소프트웨어), 뉴로모픽 컴퓨팅(하드웨어) 이렇게 나뉠 수 있다.
자율주행 자동차(Autonomous Vehicle) 운전자의 개입 없이 주변 환경을 스스로 인식하고 주행 상황을 판단해 차량을 제어함으로써 스스로 정해진 목적지까지 주행하는 자동차이다. 아직은 자율 주행 기술의 안전성이 검증을 받고 있는 단계이며 향후 대중화가 될 것으로 기대하고 있다.
센서를 통해 제어를 한다. 프로세서가 설치되어 영상, 레이저신호, 주행경로 생성, 방해물 감지로 속도를 조절해 움직이게한다.
현대, 구글, 애플, 포드, BMW, 우버 등 많은 회사들이 자율주행차 개발에 힘쓰고 있다.
안전 문제에 대해서는 검증이 부족하다고 한다. 2016년 미국 플로리다 주에서 테슬라 모델S와 트럭 트레일러 교통사고로 운전자가 사망하였고 2016년 9월 미국 구글 자율 주행 테스트 차량이 사고를 일으켰다.
로봇(Robot) “인간과 유사한 모습과 기능을 가진 기계 또는 무엇인가 스스로 작업하는 능력을 가진 기계”를 의미한다. 1920년 체코슬로바키아의 극작가 카렐 차페크(Karel Capek) 의 희곡 R.U.R(Rosuum’s Universal Robits)에서 처음으로 사용되었다고 한다. 어원은 체코어의 노동을 의미하는 단어 ‘Robota’에서 유래한다. 산업용, 지능형, 안드로이드로 나뉜다.
산업용 로봇(Industrial robot) 인간들이 해오던 단조로운 반복 작업이나 따분한 작업, 불쾌한 작업 등을 대신한다. 또한 방사선 물질을 취급하거나, 유독 화학물질 등을 취급하고 너무 덥거나, 추운 환경에서 작업 등을 대신하여 "위험한 일"을 대신하는 역할을 한다. 제조업 공장에서 조립,용접,핸들링 등의 자동화된 작업을 수행한다.
지능형 로봇(Intelligent robot) 환경을 인식하고 스스로 판단하는 기능을 가진다.
안드로이드(Android) 외부 환경을 인식하고 스스로 상황을 판단하여 자율적으로 동작하는 로봇이다. 상황판단 기능과 자율동작 기능이 추가되어 있다. 정보 제공, 청소 로봇등이 이에 해당한다. 사람과 닮은 모습을 한 로봇이다.
인공지능 소프트웨어 (AI software) 2가지 소개
- 파이썬(Python), 텐서플로(TensorFlow)
파이썬(Python)
1991년 프로그래머 귀도 반 로섬(Guido van Rossum)이 발표한 언어이다. 플랫폼 독립적이며 인터프리터식, 객체 지향적, 동적 타이핑이 가능한 대화형 언어이다. 파이썬 소프트웨어 재단이 관리하고 있 는 개방형, 공동체 기반의 C언어로 구현 된 프로그래밍 언어이다. 라이브러리가 풍부하여 대학, 교육기관, 연구기관 및 산업계에서 이용하고 있다.
텐서플로(TensorFlow)
다양한 작업에 대해 데이터 흐름 프로그래밍을 위한 오픈소스 소프트웨어 라이브러리를 제공한다. 심볼릭 수학 라이브러리이며 뉴럴 네트워크 같은 기계학습(Machine Learning) 응용 프로그램에 잘 사용중이다. 구글 내 연구와 제품개발을 위한 목적으로 "구글 브레인팀"이 개발하였다. 2015년 11월 아파치 2.0 오픈소스 라이선스로 공개되었다. 파이썬 API를 제공하며, C/C++ API도 같이 제공한다.
Tip: 블록체인(Blockchain) ⛓️
블록체인(Blockchain)은 데이터를 안전하게 관리하고 저장하는 분산형 기술로, 다음과 같은 주요 특징을 갖고 있다.
블록체인의 정의와 구조
블록(Block): 블록체인의 기본 단위로, 데이터를 포함하는 소규모 데이터 패킷이다. 각 블록은 여러 트랜잭션(거래) 데이터를 포함하며, 블록 헤더에는 블록의 생성 시간, 이전 블록에 대한 해시 링크, 난이도, 논스(Nonce) 등이 포함된다.
체인(Chain): 각 블록은 이전 블록의 해시값을 포함하여 체인 형태로 연결된다. 이를 통해 블록들이 순서대로 연결되어 위변조가 불가능하게 된다.
블록체인의 특성
분산 컴퓨팅: 블록체인은 P2P(피어 투 피어) 네트워크 방식으로 운영된다. 네트워크에 참여하는 모든 노드들은 동일한 데이터를 분산 저장하여 중앙 집중형 데이터 저장소가 필요 없게된다.
변조 방지: 블록체인은 암호화 기술을 통해 데이터를 보호한다. 각 블록의 해시값이 다음 블록에 포함되어 있어, 하나의 블록이 수정되면 연결된 모든 블록의 해시값이 변경되어야 한다. 이를 통해 데이터의 위변조가 사실상 불가능하게 된다.
투명성: 블록체인에 저장된 데이터는 누구나 열람할 수 있다. 이는 데이터의 신뢰성을 높이고, 시스템의 투명성을 보장한다.
탈중앙화: 중앙 권한이 없어 특정 개인이나 기관이 데이터를 통제할 수 없다. 모든 참가자가 데이터를 검증하고 관리한다.
비트코인과 블록체인
비트코인(BitCoin): 2009년에 사토시 나카모토(Satoshi Nakamoto)에 의해 처음 소개된 암호화폐로, 블록체인 기술을 실증한 첫 사례이다. 비트코인은 블록체인을 통해 거래 내역을 기록하며, 이를 통해 거래의 투명성과 보안을 보장한다. 화폐단위는 BTC이다.
중앙은행이 없이 전 세계를 대상으로 P2P방식의 사용자들 간에 자유롭게 송금 등의 금융거래를 할 수 있게 설계되었다.
블록체인의 주요 활용 사례
암호화폐(Cryptocurrency): 2009년 비트코인의 소스 코드가 공개되면서 비트코인 외에도 이더리움(Ethereum), 라이트코인(Litecoin) 등 다양한 알트코인들이 생겨났다. 비트코인은 이런 여러 알트코인들 사이에서 기축통화 역할을 한다.
스마트 계약(Smart Contract): 이더리움 같은 플랫폼에서 자동으로 실행되는 계약 조건을 블록체인에 기록하여 계약의 신뢰성과 투명성을 보장한다.
공급망 관리: 제품의 생산부터 배송까지 모든 과정을 블록체인에 기록하여, 제품의 추적성과 투명성을 높인다.
투표 시스템: 전자 투표 시스템에 블록체인을 적용하여, 투표 과정의 투명성과 결과의 신뢰성을 확한다.
퀴즈(Quiz)
학습정리(Summary)
