Web3とAIの融合：次世代インターネットインフラの構築

Web3は、非中央集権的でオープンかつ透明なインターネットの新しいパラダイムとして、AIとの自然な統合の機会を持っています。従来の中央集権的なアーキテクチャにおけるAIは、計算能力のボトルネック、プライバシーの漏洩、アルゴリズムの不透明性などの課題に直面していますが、Web3は分散型技術に基づき、共有計算ネットワーク、オープンデータ市場、プライバシー計算などの方法でAIに新たな動力を注入できます。同時に、AIはWeb3に対しても、スマートコントラクトの最適化や反不正アルゴリズムなど、多くのエンパワーメントをもたらすことができます。この二者の統合を探求することは、次世代インターネットインフラの構築やデータと計算能力の価値を解放する上で重要な意義を持っています。

! AIとWeb3の6つの主要な統合を探る

データドリブン:AIとWeb3の基盤

データはAIの発展を推進する核心的な動力です。AIモデルは深い理解と強力な推論能力を得るために、大量の高品質なデータを必要とします。データは機械学習モデルに訓練の基盤を提供するだけでなく、モデルの正確性と信頼性を決定します。

従来の中央集権型AIデータ取得および利用モデルには、いくつかの主要な問題があります:

• データ取得コストが高く、中小企業は負担できない
• データ資源が大手テクノロジー企業に独占され、データの孤島が形成される
• 個人データのプライバシーは漏洩や悪用のリスクに直面しています

Web3の非中央集権的データパラダイムは、これらの痛点を解決することができます:

• ユーザーは、AI企業に対して不要なネットワークリソースを販売し、分散化された方法でネットワークデータを取得し、クリーンアップおよび変換を経て、AIモデルのトレーニングに真実かつ高品質なデータを提供します。
• "ラベルを稼ぐ" モードを採用し、トークンによって世界中の作業者をデータアノテーションに参加させ、世界中の専門知識を集め、データ分析能力を強化します。
• ブロックチェーンデータ取引プラットフォームは、データの供給者と需要者の双方に公開かつ透明な取引環境を提供し、データの革新と共有を促進します。

それにもかかわらず、実世界のデータ取得には、データの質がばらついていることや、処理が難しいこと、多様性や代表性が不足していることなど、いくつかの問題があります。合成データは、Web3データ分野の未来のスターになる可能性があります。生成AI技術とシミュレーションに基づいて、合成データは実データの属性を模倣し、データの使用効率を高めるための有効な補完物となります。自動運転、金融市場取引、ゲーム開発などの分野では、合成データが成熟した応用の可能性を示しています。

! AIとWeb3の6つの主要な統合を探る

プライバシー保護：Web3におけるFHEの応用

データ駆動の時代において、プライバシー保護は世界的な関心の焦点となっており、いくつかの法規制の導入が個人のプライバシーの厳格な保護を反映しています。しかし、これは同時に課題をもたらします：一部のセンシティブなデータはプライバシーリスクのために十分に活用できず、AIモデルの潜在能力と推論能力が制限されています。

FHEは完全同型暗号を指し、暗号化されたデータ上で直接計算操作を行うことを可能にし、データを復号する必要がなく、計算結果はプレーンテキストデータで同じ計算を行った結果と一致します。

FHEはAIのプライバシー計算に対して堅固な保護を提供し、GPUの計算能力が原データに触れることなくモデルのトレーニングや推論タスクを実行できる環境を実現します。これによりAI企業は、ビジネスの機密を保護しながら、安全にAPIサービスを開放するという大きな利点を得ることができます。

FHEMLは、機械学習の全サイクルにわたってデータとモデルの暗号化処理をサポートし、機密情報の安全を確保し、データ漏洩のリスクを防ぎます。この方法により、FHEMLはデータプライバシーを強化し、AIアプリケーションに安全な計算フレームワークを提供します。

FHEMLはZKMLの補完であり、ZKMLは機械学習の正しい実行を証明し、FHEMLはデータプライバシーを維持するために暗号化データの計算を強調します。

計算力革命：分散型ネットワークにおけるAI計算

現在のAIシステムの計算複雑性は3ヶ月ごとに倍増しており、計算能力の需要が急増しています。これは、既存の計算リソース供給を大きく上回っています。例えば、ある有名なAIモデルのトレーニングには膨大な計算能力が必要で、単一のデバイスで355年のトレーニング時間に相当します。このような計算能力の不足は、AI技術の進歩を制限するだけでなく、高度なAIモデルを大多数の研究者や開発者にとって手の届かないものにしています。

同時に、世界のGPU利用率は40%未満であり、マイクロプロセッサの性能向上が鈍化し、サプライチェーンや地政学的要因によるチップ不足が計算能力の供給問題をさらに深刻にしています。AI業界の専門家は二者択一の状況に直面しています：自分でハードウェアを購入するか、クラウドリソースをレンタルするか、彼らは需要に応じて、経済的かつ効率的な計算サービスの方法を切実に求めています。

いくつかの分散型AI計算力ネットワークは、世界中の未使用のGPUリソースを集約することで、AI企業に経済的で使いやすい計算力市場を提供します。計算力を必要とする側はネットワーク上で計算タスクを公開し、スマートコントラクトがタスクを計算力を提供するマイナーのノードに割り当てます。マイナーはタスクを実行し、結果を提出し、検証された後に報酬を得ます。このようなシステムはリソースの利用効率を向上させ、AIなどの分野における計算力のボトルネック問題の解決に役立ちます。

一般的な分散型コンピューティングネットワークに加えて、AIトレーニングに特化したプラットフォームや、AI推論に特化した専用のコンピューティングネットワークもあります。

分散型コンピューティングネットワークは、公正で透明なコンピューティング市場を提供し、独占を打破し、アプリケーションのハードルを下げ、コンピューティングリソースの利用効率を高めます。web3エコシステムにおいて、分散型コンピューティングネットワークは重要な役割を果たし、より多くの革新的なDAppを引き寄せ、AI技術の発展と応用を共に推進します。

DePIN：Web3によるエッジAIの強化

想像してみてください。あなたの携帯電話、スマートウォッチ、さらには家庭のスマートデバイスがAIを実行する能力を備えていると——これがEdge AIの魅力です。それは、計算がデータの生成源で発生し、低遅延でリアルタイムの処理を実現し、同時にユーザーのプライバシーを保護します。Edge AI技術は、自動運転などの重要な分野で応用されています。

Web3の分野では、私たちにとってより馴染みのある名前——DePINがあります。Web3は非中央集権とユーザーデータの主権を強調し、DePINはローカルでデータを処理することで、ユーザーのプライバシー保護を強化し、データ漏洩のリスクを減少させることができます。Web3ネイティブのトークン経済メカニズムは、DePINノードが計算リソースを提供することを奨励し、持続可能なエコシステムを構築します。

現在、DePINはある公链エコシステムの中で急速に発展しており、プロジェクトの展開において最優先のプラットフォームの一つとなっています。この公链の高TPS、低取引手数料、そして技術革新はDePINプロジェクトに強力なサポートを提供しています。現在、この公链上のDePINプロジェクトの時価総額は100億ドルを超えており、一部の有名なプロジェクトは顕著な進展を遂げています。

! AIとWeb3の6つの主要な統合を探る

IMO：AIモデルの新しいパラダイムを発表

IMOの概念は、あるプロトコルによって最初に提案され、AIモデルをトークン化するものです。

従来のモデルでは、収益分配メカニズムが欠如しているため、AIモデルの開発者はモデルのその後の使用から持続的な収益を得ることが難しいことが多く、特にモデルが他の製品やサービスに統合されると、元の創作者は使用状況を追跡することが難しく、ましてやそこから利益を得ることはできません。また、AIモデルの性能や効果はしばしば透明性に欠けており、これにより潜在的な投資家や使用者はその真の価値を評価することが難しくなり、モデルの市場での認知と商業的な潜在能力が制限されています。

IMOはオープンソースのAIモデルに新たな資金支援と価値共有の手段を提供します。投資家はIMOトークンを購入し、モデルが将来的に生み出す収益を共有できます。あるプロトコルは2つのERC標準を使用し、AIオラクルとOPML技術を組み合わせてAIモデルの真実性を確保し、トークン保有者が収益を共有できるようにしています。

IMOモードは透明性と信頼を強化し、オープンソースのコラボレーションを促進し、暗号市場のトレンドに適応し、AI技術の持続可能な発展に力を注いでいます。IMOは現在、初期の試行段階にありますが、市場の受け入れが高まり、参加の範囲が広がるにつれて、その革新性と潜在的な価値に期待が寄せられています。

AIエージェント：インタラクティブ体験の新時代

AIエージェントは環境を感知し、独立して思考し、設定された目標を達成するために適切な行動を取ることができます。大規模言語モデルの支援を受けて、AIエージェントは自然言語を理解するだけでなく、意思決定を計画し、複雑なタスクを実行することができます。彼らはバーチャルアシスタントとして機能し、ユーザーと対話することでその好みを学び、個別のソリューションを提供します。明示的な指示がない場合でも、AIエージェントは自律的に問題を解決し、効率を向上させ、新たな価値を創造することができます。

あるAIネイティブアプリケーションプラットフォームは、ユーザーがロボットの機能、外観、声、および外部知識ベースとの接続を構成できる、包括的で使いやすい創作ツールセットを提供します。公平でオープンなAIコンテンツエコシステムを構築することに尽力し、生成的AI技術を活用して個人をスーパクリエイターにすることを目指しています。このプラットフォームは、特別な大規模言語モデルをトレーニングし、キャラクターの役割をより人間らしくします。音声クローン技術は、AI製品のパーソナライズされたインタラクションを加速し、音声合成コストを99％削減し、音声クローンはわずか1分で実現できます。このプラットフォームでカスタマイズされたAIエージェントは、現在、ビデオチャット、言語学習、画像生成などの多くの分野で応用できます。

Web3とAIの融合に関して、現在は主にインフラストラクチャーレベルの探求が行われており、高品質なデータの取得、データプライバシーの保護、チェーン上でのモデルのホスティング、分散型コンピューティング能力の効率的な使用、そして大規模言語モデルの検証などの重要な問題に取り組んでいます。これらのインフラが徐々に整備されるにつれて、Web3とAIの融合が一連の革新的なビジネスモデルやサービスを生み出すことが期待されます。

! AIとWeb3の6つの主要な統合を探る