AIとWeb3の融合:次世代インターネットインフラの構築

Web3は、去中心化、オープン、透明な新しいインターネットのパラダイムとして、AIと天然に融合する機会を持っています。従来の集中型アーキテクチャの下では、AIの計算とデータリソースは厳しく制御されており、計算能力のボトルネック、プライバシーの漏洩、アルゴリズムのブラックボックスなど、さまざまな課題があります。一方、Web3は分散型技術に基づいており、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を通じて、AIの発展に新しい動力を注入することができます。同時に、AIはWeb3に多くのエンパワーメントをもたらすことができ、スマートコントラクトの最適化や不正防止アルゴリズムなど、エコシステムの構築を支援します。したがって、Web3とAI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を構築し、データと計算能力の価値を解放するために重要です。

! 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の基礎石

データはAIの進化を推進する核心的な動力であり、エンジンにとっての燃料のようなものです。AIモデルは、膨大で高品質なデータを消化する必要があり、そうすることで深い理解と強力な推論能力を得ることができます。データは機械学習モデルにトレーニング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。

従来の中央集権的なAIデータ取得と利用のモデルには、以下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
• データ資源はテクノロジー大手によって独占され、データの孤島を形成しています
• 個人データのプライバシーは漏洩と悪用のリスクに直面しています

Web3は新しい分散型データパラダイムによって従来のモデルの痛点を解決することができます。

• 分散型方式でネットワークデータを取得し、AIモデルのトレーニングにリアルで高品質なデータを提供する
• "ラベルを得る" モードを採用し、世界中のワーカーにデータラベリングへの参加を促すことで、世界中の専門知識を集める
• 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。

しかし、リアルワールドのデータ収集には、データの質が不均一であること、処理が難しいこと、多様性と代表性が不足しているなどの問題があります。合成データはWeb3データ分野の未来のハイライト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た合成データは、リアルデータの特性を模倣し、リアルデータの有効な補完として機能し、データの使用効率を向上させることができます。自動運転、金融市場取引、ゲーム開発などの分野では、合成データはすでにその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:FHEのWeb3における応用

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います。欧州連合の一般データ保護規則(GDPR)などの法規制の導入は、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。いくつか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、これはAIモデルの潜在能力や推論能力を制限することは間違いありません。

FHEは完全同態暗号を指し、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、データを復号化する必要がなく、計算結果は平文データ上で行われる同じ計算の結果と一致します。

FHEはAI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と推論タスクを実行できる環境を作ります。これによりAI企業は巨大な利点を得ることができます。彼らは商業機密を保護しながら、安全にAPIサービスを開放することができます。

FHEMLは、機械学習の全周期にわたってデータとモデルを暗号化処理することをサポートし、機密情報の安全性を確保し、データ漏洩リスクを防ぎます。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ますが、FHEMLは暗号化されたデータに対する計算を強調し、データのプライバシーを維持します。

計算力革命:非中央集権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か月ごとに2倍になり、計算能力の需要が急増し、既存の計算資源の供給をはるかに上回っています。たとえば、ある有名なAI企業の大規模言語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モデルがほとんどの研究者や開発者にとって手の届かないものになってしまっています。

同時に、世界のGPUの利用率は40%未満であり、さらにマイクロプロセッサの性能向上が鈍化し、供給チェーンや地政学的要因によるチップ不足がこれらの計算力供給問題をより深刻にしています。AIの専門家たちはジレンマに陥っています：自ら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、彼らはオンデマンドで経済的な計算サービスの方法を急募しています。

分散型AI計算ネットワークは、世界中の未使用GPUリソースを集約し、AI企業に対して経済的かつアクセスしやすい計算市場を提供します。計算リソース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リソースを提供するマイニング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、検証後にポイント報酬を得ます。このような仕組み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寄与します。

一般的な分散型計算ネットワークの他に、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計算ネットワークもあります。

分散型計算力ネットワークは、公平で透明な計算力市場を提供し、独占を打破し、アプリケーションの敷居を下げ、計算力の利用効率を向上させます。web3エコシステムにおいて、分散型計算力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の参加を引き寄せ、AI技術の発展と応用を促進します。

! AIとWeb3の6つの主要な統合を探る

DePIN: Web3 がエッジ AI を強化

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を実行する能力を持っているということ——これがEdge AIの魅力です。それは、データが生成される場所で計算を行い、低遅延かつリアルタイム処理を実現し、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に応用されています。

Web3分野では、私たちがより親しみのある名前を持っています——DePIN。Web3は分散化とユーザーデータの主権を強調しており、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促し、持続可能なエコシステムを構築します。

現在、DePINはあるパブリックチェーンエコシステムで急速に発展しており、プロジェクト展開のための選ばれるパブリックチェーンプラットフォームの一つとなっています。このパブリックチェーンの高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、このパブリックチェーン上のDePINプロジェクトの時価総額は100億ドルを超え、一部の著名なプロジェクトは顕著な進展を遂げています。

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ことを目的としています。

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、一旦AIモデルが開発され市場に投入されると、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。特に、モデルが他の製品やサービスに統合されると、元の創造者は使用状況を追跡することが難しく、ましてやそこから収益を得ることはできない。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、これが潜在的な投資者や利用者がその真の価値を評価することを困難にし、モデルの市場での認知度と商業的潜在能力を制限している。

IMOはオープンソースAIモデルに新たな資金支援と価値共有の方法を提供します。投資家はIMOトークンを購入し、モデルの後続の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奨励し、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与えています。現在、IMOはまだ初期の試みの段階にありますが、市場の受け入れが進み、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、定めら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もできます。彼らはバーチャルアシスタントとして、ユーザーとのインタラクションを通じてその嗜好を学び、個別化されたソリューションを提供することができます。明確な指示がない場合でも、AIエージェントは自主的に問題を解決し、効率を向上させ、新しい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、外部知識ベースとの接続を設定できる、包括的で使いやすい創作ツールセットを提供しています。公平でオープンなAIコンテンツエコシステムの構築に努め、生成型AI技術を活用して、個人がスーパークリエイターになることを可能にします。このプラットフォームは、キャラクターの演技をより人間らしくするために特別に設計された大規模言語モデルを訓練しました。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、語学学習、画像生成などの多くの分野で利用可能です。

Web3とAIの融合において、現在は主にインフラ層の探索が行われており、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の向上、大規模言語モデルの検証などの重要な問題が挙げられます。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ています。

! AIとWeb3の6つの主要な統合を探る