インフラストラクチャ層は AI ライフサイクルの基盤であり、この記事ではコンピューティングパワー、AI チェーン、開発プラットフォームをインフラストラクチャ層に分類します。これらのインフラストラクチャのサポートによって、AI モデルのトレーニングと推論が実現され、強力で実用的な AI アプリケーションがユーザーに提供されます。
AI Chain：ブロックチェーンをAIライフサイクルの基盤として利用し、オンチェーンとオフチェーンのAIリソースのシームレスな相互作用を実現し、業界エコシステムの発展を促進します。チェーン上の分散型AI市場では、データ、モデル、エージェントなどのAI資産を取引でき、AI開発フレームワークと関連する開発ツールを提供します。代表的なプロジェクトにはSahara AIがあります。AI Chainはまた、Bittensorが革新的なサブネットインセンティブメカニズムを通じてさまざまなAIタイプのサブネット競争を促進するように、異なる分野のAI技術の進歩を促進することができます。
開発プラットフォーム：いくつかのプロジェクトは AI エージェント開発プラットフォームを提供しており、Fetch.ai や ChainML などの AI エージェントの取引も実現できます。ワンストップのツールは、開発者が AI モデルをより便利に作成、訓練、展開するのを助け、代表的なプロジェクトには Nimble があります。これらのインフラは、Web3 エコシステムにおける AI 技術の広範な応用を促進しています。
Web3-AI全景剖析：技術融合、シーンアプリケーションとトッププロジェクトデプス解読
Web3-AI サーキット全景レポート：技術ロジック、シーンアプリケーションとトッププロジェクトのデプス分析
AIのナラティブが高まる中、ますます多くの注目がこの分野に集中しています。Web3-AI分野の技術的ロジック、アプリケーションシーン、および代表的なプロジェクトについて深く分析し、この分野の全体像と発展のトレンドを包括的に提示します。
I. Web3-AI:テクニカルロジックと新興市場の機会分析
1.1 Web3 と AI の融合ロジック：Web-AI トラックをどのように定義するか
過去1年間、AIの物語はWeb3業界で異常に盛り上がり、AIプロジェクトが雨後の筍のように次々と現れました。多くのプロジェクトがAI技術を取り入れていますが、一部のプロジェクトはその製品の一部でのみAIを使用しており、基盤となるトークンエコノミクスはAI製品とは実質的に関連していません。したがって、このようなプロジェクトは本記事でのWeb3-AIプロジェクトの議論には含まれません。
この記事の焦点は、ブロックチェーンを使用して生産関係の問題を解決し、AIが生産力の問題を解決するプロジェクトにあります。これらのプロジェクト自体はAI製品を提供し、同時にWeb3経済モデルに基づいて生産関係のツールとして機能し、両者は相互に補完し合います。このようなプロジェクトをWeb3-AIトラックに分類します。読者がWeb3-AIトラックをより良く理解できるように、AIの開発プロセスと課題、さらにWeb3とAIの統合がどのように問題を完璧に解決し、新しいアプリケーションシーンを創出するかを詳しく紹介します。
1.2 AIの開発プロセスと課題：データ収集からモデル推論まで
AI技術は、コンピュータが人間の知能を模倣、拡張、強化することを可能にする技術です。それにより、コンピュータは言語翻訳、画像分類、顔認識、自動運転などのさまざまな複雑なタスクを実行できるようになり、AIは私たちの生活や働き方を変えています。
人工知能モデルを開発するプロセスは通常、以下のいくつかの重要なステップを含みます：データ収集とデータ前処理、モデル選択と調整、モデルの訓練と推論。簡単な例を挙げると、猫と犬の画像を分類するモデルを開発するには、次のことが必要です：
データ収集とデータ前処理：猫と犬を含む画像データセットを収集します。公開データセットを使用するか、実際のデータを自分で収集できます。次に、各画像にカテゴリ（猫または犬）をラベル付けし、ラベルが正確であることを確認します。画像をモデルが認識できる形式に変換し、データセットをトレーニングセット、検証セット、テストセットに分割します。
モデルの選択とチューニング：適切なモデルを選択します。例えば、畳み込みニューラルネットワーク（CNN）は画像分類タスクに適しています。異なるニーズに応じてモデルのパラメータやアーキテクチャをチューニングします。一般的に、モデルのネットワークの深さはAIタスクの複雑さに応じて調整できます。この簡単な分類の例では、浅いネットワークの層で十分かもしれません。
モデル訓練：GPU、TPU、または高性能計算クラスターを使用してモデルを訓練でき、訓練時間はモデルの複雑さと計算能力の影響を受けます。
モデル推論：モデルのトレーニングが完了したファイルは通常モデルの重みと呼ばれ、推論プロセスはトレーニング済みのモデルを使用して新しいデータの予測または分類を行うプロセスを指します。このプロセスでは、テストセットまたは新しいデータを使用してモデルの分類性能をテストすることができ、通常は精度、再現率、F1スコアなどの指標を使用してモデルの有効性を評価します。
図に示すように、データ収集とデータ前処理、モデル選択と調整、およびトレーニングを経て、トレーニング済みのモデルをテストセットで推論すると、猫と犬の予測値 P（確率）が得られます。これは、モデルが猫または犬である確率を推論したものです。
! Web3-AIトラックパノラマレポート:テクニカルロジック、シナリオアプリケーション、トッププロジェクトの詳細な分析
訓練されたAIモデルは、さまざまなアプリケーションに統合され、異なるタスクを実行できます。この例では、猫と犬を分類するAIモデルがモバイルアプリに統合されており、ユーザーが猫または犬の画像をアップロードすると、分類結果を得ることができます。
しかし、中央集権的なAI開発プロセスには以下のシーンでいくつかの問題があります：
ユーザーのプライバシー：中央集権的なシナリオでは、AIの開発プロセスは通常不透明です。ユーザーデータは知らないうちに盗まれ、AIのトレーニングに使用される可能性があります。
データソースの取得：小規模なチームや個人が特定の分野のデータ（例：医学データ）を取得する際、データがオープンソースでないという制限に直面する可能性があります。
モデルの選択と調整：小規模なチームにとって、特定の分野のモデルリソースを取得したり、大量のコストをかけてモデルを調整したりすることは困難です。
算力の取得：個人開発者や小規模チームにとって、高額なGPU購入費用やクラウド算力レンタル費用は、かなりの経済的負担となる可能性があります。
AI資産収入：データラベリング作業者はしばしばその労力に見合った収入を得ることができず、またAI開発者の研究成果も需要のある買い手とマッチングするのが難しい。
センター化されたAIのシーンで存在する課題は、Web3と組み合わせることで解決できる。Web3は新しい生産関係の一形態であり、自然に新しい生産力を代表するAIに適応し、技術と生産能力の同時進歩を促進する。
1.3 Web3とAIの相乗効果:役割のシフトと革新的なアプリケーション
Web3とAIの組み合わせはユーザーの主権を強化し、ユーザーにオープンなAI協力プラットフォームを提供します。これにより、ユーザーはWeb2時代のAI使用者から参加者へと変わり、誰もが所有できるAIを創造します。同時に、Web3の世界とAI技術の融合は、さらに多くの革新的なアプリケーションシーンやプレイスタイルを生み出すことができます。
Web3技術に基づいて、AIの開発と応用は新しい協力経済システムを迎えます。人々のデータプライバシーは保障され、データクラウドソーシングモデルはAIモデルの進歩を促進し、多くのオープンソースのAIリソースがユーザーに利用可能です。共有されたコンピューティングパワーは低コストで取得できます。分散型の協力的クラウドソーシングメカニズムとオープンなAI市場の助けを借りて、公平な収入分配システムを実現し、より多くの人々がAI技術の進歩を推進するように促します。
Web3のシーンでは、AIが複数のトラックで積極的な影響を与えることができます。例えば、AIモデルはスマートコントラクトに統合され、マーケット分析、安全検査、ソーシャルクラスタリングなど、さまざまなアプリケーションシーンで作業効率を向上させる機能を提供します。生成的AIは、ユーザーに「アーティスト」役割を体験させるだけでなく、AI技術を使用して自分自身のNFTを作成することができ、GameFiでは多様なゲームシーンや興味深いインタラクション体験を創出することができます。豊富なインフラストラクチャは、AIの専門家でもAI分野に入りたい初心者でも、この世界で適切な入り口を見つけることができるスムーズな開発体験を提供します。
二、Web3-AI エコシステムプロジェクトの地図と構造の解読
私たちは主にWeb3-AI分野の41のプロジェクトを研究し、これらのプロジェクトを異なるレベルに分類しました。各レベルの分類ロジックは以下の図に示されており、インフラストラクチャレイヤー、中間レイヤー、アプリケーションレイヤーに分かれています。各レイヤーはさらに異なるセクションに分かれています。次の章では、いくつかの代表的なプロジェクトをデプスに解析します。
! Web3-AIトラックパノラマレポート:テクニカルロジック、シナリオアプリケーション、トッププロジェクトの詳細な分析
インフラ層は、AIライフサイクル全体をサポートする計算リソースと技術アーキテクチャをカバーし、中間層はインフラとアプリケーションを接続するデータ管理、モデル開発、検証推論サービスを含んでいます。アプリケーション層は、ユーザーに直接向けられたさまざまなアプリケーションやソリューションに焦点を当てています。
インフラ層：
インフラストラクチャ層は AI ライフサイクルの基盤であり、この記事ではコンピューティングパワー、AI チェーン、開発プラットフォームをインフラストラクチャ層に分類します。これらのインフラストラクチャのサポートによって、AI モデルのトレーニングと推論が実現され、強力で実用的な AI アプリケーションがユーザーに提供されます。
分散型計算ネットワーク：AIモデルのトレーニングに分散型計算力を提供し、高効率かつ経済的な計算資源の利用を確保します。一部のプロジェクトは分散型計算市場を提供しており、ユーザーは低コストで計算力をレンタルしたり、計算力を共有して収益を得たりすることができます。代表的なプロジェクトにはIO.NETやHyperbolicがあります。さらに、一部のプロジェクトは新しい遊び方を生み出し、Compute Labsのように、ユーザーがGPU実体を表すNFTを購入することで、異なる方法で計算力のレンタルに参加し、収益を得ることを提案するトークン化プロトコルを提案しました。
AI Chain：ブロックチェーンをAIライフサイクルの基盤として利用し、オンチェーンとオフチェーンのAIリソースのシームレスな相互作用を実現し、業界エコシステムの発展を促進します。チェーン上の分散型AI市場では、データ、モデル、エージェントなどのAI資産を取引でき、AI開発フレームワークと関連する開発ツールを提供します。代表的なプロジェクトにはSahara AIがあります。AI Chainはまた、Bittensorが革新的なサブネットインセンティブメカニズムを通じてさまざまなAIタイプのサブネット競争を促進するように、異なる分野のAI技術の進歩を促進することができます。
開発プラットフォーム：いくつかのプロジェクトは AI エージェント開発プラットフォームを提供しており、Fetch.ai や ChainML などの AI エージェントの取引も実現できます。ワンストップのツールは、開発者が AI モデルをより便利に作成、訓練、展開するのを助け、代表的なプロジェクトには Nimble があります。これらのインフラは、Web3 エコシステムにおける AI 技術の広範な応用を促進しています。
中間：
このレイヤーは、AIデータ、モデル、推論および検証に関わっており、Web3技術を採用することで、より高い作業効率を実現できます。
さらに、いくつかのプラットフォームは、分野の専門家や一般ユーザーがデータ前処理タスクを実行できるようにしています。例えば、画像ラベリングやデータ分類など、これらのタスクは金融や法律の専門知識を必要とするデータ処理が含まれます。ユーザーはスキルをトークン化し、データ前処理の協力的なクラウドソーシングを実現できます。Sahara AIのようなAIマーケットでは、さまざまな分野のデータタスクがあり、多様なデータシナリオをカバーできます。一方、AIT Protocolは人間と機械の協力によりデータをラベリングします。
いくつかのプロジェクトは、ユーザーがさまざまなタイプのモデルを提供したり、クラウドソーシングの方法でモデルを共同訓練したりすることをサポートしています。たとえば、Sentientはモジュラー設計を通じて、ユーザーが信頼できるモデルデータをストレージ層や配布層に置くことでモデルの最適化を行うことを可能にしています。Sahara AIが提供する開発ツールには、先進的なAIアルゴリズムと計算フレームワークが組み込まれており、共同訓練の能力を備えています。
アプリケーション層：
このレイヤーは主にユーザー向けのアプリケーションであり、AIとWeb3を組み合わせて、より興味深く革新的なプレイ方法を生み出します。本記事では、AIGC（AI生成コンテンツ）、AIエージェント、およびデータ分析のいくつかのセクターのプロジェクトを整理しています。