AIとブロックチェーンの融合:インフラからアプリケーションへの全景図

人工知能業界の最近の急速な発展は、一部の人々によって第四次産業革命の始まりと見なされています。大規模言語モデルの出現は、さまざまな業界の効率を著しく向上させました。ボストンコンサルティンググループの推定によれば、GPTはアメリカ全体の労働効率に約20%の向上をもたらしました。同時に、大モデルが持つ一般化能力は、新しいソフトウェア設計のパラダイムと見なされています。過去のソフトウェア設計は正確なコードでしたが、現在のソフトウェア設計は、一般化能力が高い大モデルフレームワークをソフトウェアに組み込むことがさらに多くなっています。これにより、ソフトウェアはより良いパフォーマンスを持ち、より広範なモダリティの入力と出力をサポートすることができます。深層学習技術は確かにAI業界に新たな繁栄をもたらしましたが、この熱潮は徐々に暗号通貨業界にも広がっています。

! 新人科学丨AI×暗号:ゼロからピークまで

AI業界の歴史

人工知能産業は20世紀50年代から始まりました。人工知能のビジョンを実現するために、学術界と産業界は異なる時代、異なる学問的背景の下で、人工知能を実現するためのさまざまな流派を発展させてきました。

現代の人工知能技術は主に「機械学習」という用語を使用しており、その核心理念は、機械がデータに依存してタスクを繰り返し反復し、システムの性能を改善することです。主なステップには、データをアルゴリズムに入力し、それらのデータを使ってモデルを訓練し、モデルをテストおよび展開し、最後にモデルを使用して自動化された予測タスクを完了することが含まれます。

現在、機械学習には3つの主要な流派があり、それぞれ結合主義、記号主義、行動主義であり、人間の神経系、思考、行動を模倣しています。その中で、ニューラルネットワークを代表とする結合主義が現在主導的な地位を占めており、(深層学習)とも呼ばれています。このアーキテクチャには、入力層、出力層、そして複数の隠れ層があります。層の数とニューロン(のパラメータ)の数が十分に多いと、複雑な汎用タスクに適合することができます。データを継続的に入力し、ニューロンのパラメータを調整することで、最終的に大量のデータでトレーニングを行うと、ニューラルネットワークは最適な状態に達することができます。これが"深層"という言葉の由来でもあります - 十分な層数とニューロンの数。

! 新参者科学人気丨AI×暗号:ゼロからピークまで

神経ネットワークに基づく深層学習技術は、多くの技術的な反復と進化を経てきました。最初の神経ネットワークから、フィードフォワード神経ネットワーク、RNN、CNN、GANを経て、最終的にはGPTなどの現代の大規模モデルが使用するTransformer技術に発展しました。Transformer技術は神経ネットワークの進化の方向性の一つであり、さまざまなモダリティ(（音声、動画、画像など）のデータを対応する数値表現にエンコードするためのコンバーター)を追加しました。次に、これらのエンコードされたデータを神経ネットワークに入力することで、神経ネットワークがあらゆるタイプのデータにフィットできるようになり、マルチモーダル処理能力を実現します。

! 【新人科学丨AI×暗号:ゼロからピークまで](https://img-cdn.gateio.im/webp-social/moments-0c9bdea33a39a2c07d1f06760ed7e804.webp)

AIの発展は3回の技術波を経てきました。最初の波は20世紀60年代に起こり、AI技術が提案された後の10年間です。この波は主に記号主義技術の発展によって引き起こされ、一般的な自然言語処理や人間とコンピュータの対話の問題を解決しました。同時期に、専門家システムが誕生しました。これはスタンフォード大学がアメリカ航空宇宙局の支援を受けて完成させたDENRAL専門家システムであり、このシステムは強力な化学知識を持ち、問題を推論することで化学の専門家に似た回答を生成することができます。

第二次AI技術の波は1997年に発生しました。当時、IBMの"ディープブルー"が国際チェスチャンピオンのカスパロフを3.5対2.5のスコアで打ち負かしました。この勝利は人工知能の発展における一つのマイルストーンと見なされています。

第三次AI技術浪潮は2006年に始まりました。深層学習の三巨頭であるYann LeCun、Geoffrey Hinton、Yoshua Bengioが深層学習の概念を提唱しました。これは人工神経ネットワークをアーキテクチャとしてデータを表現学習するアルゴリズムです。その後、深層学習アルゴリズムは進化し続け、RNN、GAN、Transformer、そしてStable Diffusionに至るまで、これらのアルゴリズムは第三の技術浪潮を共に形成し、結合主義の全盛期を象徴しています。

! 新人科学丨AI×暗号:ゼロからピークまで

ディープラーニング産業チェーン

現在、大型言語モデルは主に神経ネットワークに基づく深層学習方法を使用しています。GPTを代表とする大モデルは新たな人工知能ブームを引き起こし、多くのプレーヤーがこの分野に参入しています。我々は市場におけるデータと計算能力の需要が急増していることを発見したため、報告のこの部分では、主に深層学習アルゴリズムの産業チェーンを探討し、深層学習アルゴリズムが主導するAI業界において、その上下流がどのように構成されているか、また上下流の現状、供給と需要の関係、そして今後の発展動向を分析します。

Transformer技術に基づくGPTなどの大規模言語モデル(LLMs)の訓練は主に3つのステップに分かれています:

1. プレトレーニング: 入力層に大量のデータペアを提供することで、モデル内の各ニューロンの最適なパラメータを見つけるプロセス。このプロセスには膨大なデータが必要であり、最も計算リソースを消費する段階です。

2. 微調整:質の高いデータを少量使用してトレーニングし、モデル出力の質を向上させる。

3. 強化学習: "報酬モデル"を構築して大モデルの出力品質を評価し、この方法で大モデルのパラメータを反復的に改善する。

! 新人科学丨AI×暗号:ゼロからピークまで

大規模モデルのトレーニングプロセスでは、パラメータの数が多いほど、その一般化能力の上限が高くなります。したがって、大規模モデルのパフォーマンスに影響を与える主な要因は、パラメータの数、データの量と質、計算能力の3つです。これらの3つの要素が共同で大規模モデルの結果の質と一般化能力を決定します。

産業チェーンの主要な段階には次のものが含まれます:

1. ハードウェアGPUプロバイダー: 現在、NvidiaはAIチップ市場で絶対的なリーダーシップを誇っています。学術界では主に消費者向けGPU(（RTXシリーズ)）を使用し、産業界では主に大規模モデルの商業化に使用されるH100やA100などのチップを使用しています。

2. クラウドサービスプロバイダー:資金が限られたAI企業に柔軟な計算能力とホスティングトレーニングソリューションを提供します。主に三つのカテゴリーに分かれます: 伝統的な大手クラウドベンダー(（AWS、Google Cloud、Azure)）、垂直市場の専門クラウド計算プラットフォーム(（CoreWeave、Lambda)）、および新興の推論サービスプロバイダー(（Together.ai、Fireworks.ai)）。

3. トレーニングデータソースプロバイダー: モデルに大量、高品質または特定の分野のデータを提供します。一部の企業はデータ収集とアノテーション作業を専門としています。

4. データベースプロバイダー: AIデータの保存と処理のための専門的なベクトルデータベースソリューションを提供します。主要なプレイヤーにはChroma、Zilliz、Pinecone、Weaviateなどが含まれます。

5. エッジデバイス: エネルギー供給と冷却システムを含み、大規模GPUクラスタの運用をサポートします。AIモデルの規模が拡大するにつれて、この分野の需要も急速に増加しています。

6. アプリケーション開発: 大規模モデルに基づいて、スマートアシスタントやコンテンツ生成ツールなど、さまざまな垂直分野のアプリケーションを開発します。現在、アプリケーション開発はインフラ構築に対して相対的に遅れています。

! 新人科学丨AI×暗号:ゼロからピークまで

ブロックチェーンとAIの結合

ブロックチェーン技術とAIの結合は主に以下のいくつかの側面に表れています:

1. 価値の再構築:トークンエコノミクスはAI産業チェーンの各段階で価値を再定義し、より多くの参加者がAI業界の細分化されたトラックに深く取り組むことを奨励できます。

2. 信頼メカニズム:ブロックチェーンの非中央集権性と改ざん不可能な特性は、AIアプリケーションに信頼できるデータ処理環境を提供し、データのプライバシーとセキュリティの問題を解決します。

3. リソース共有: ブロックチェーンネットワークを通じて、余剰GPU計算能力のグローバル共有が実現でき、リソースの利用効率が向上します。

4. データマーケット:ブロックチェーンはAIトレーニングデータのために公平で透明な取引市場を構築し、個人や機関が高品質なデータを提供することを奨励します。

5. モデル検証: ゼロ知識証明などの暗号技術を使用して、モデルのプライバシーを保護しながらAI推論結果の正確性を検証できます。

CryptoとAIが結びついたエコシステムでは、主に以下のようなプロジェクトが登場しています:

1. 分散型GPU計算ネットワーク: RenderやAkashなど、分散型のGPU計算市場を構築することを目的としています。

2. AIデータプロバイダー: EpiK Protocol、Synesis One、Masaなどが、分散型のAIトレーニングデータ市場の構築に取り組んでいます。

3. ZKML(ゼロ知識機械学習): ゼロ知識証明技術を組み合わせて、プライバシー保護下でのAIトレーニングと推論を実現します。

4. AIエージェント(Agent): Fetch.AIのように、自律的にタスクを実行できるAIエージェントネットワークを構築する。

5. AI公链: TensorやAlloraなど、AIモデルの開発とデプロイのために設計されたブロックチェーンネットワーク。

CryptoとAIの結合はまだ初期段階にあり、性能やプライバシーなどの課題に直面していますが、この分野は大きな革新の潜在能力を示しています。技術の進歩とエコシステムの整備が進む中、AIとブロックチェーンの深い統合が両方の業界に革命的な変化をもたらすことが期待されます。

! 新参者科学丨AI×暗号:ゼロからピークまで