ヴィタリックの記事より 注目の暗号×AIトラックとは？

By @charlotte0211z, @BlazingKevin_, Metrics Ventures

Vitalik published a The promise and challenges of crypto + AI applications という記事を掲載し、ブロックチェーンとAIを組み合わせるべき方法と、その過程で生じる潜在的な課題について論じている。この記事が掲載された1ヵ月後、記事で言及されたNMR、Near、WLDはいずれも好業績を上げ、価値発見のラウンドを終えた。本記事では、ヴィタリックが提唱した暗号とAIの4つの組み合わせ方に基づいて、AIトラックの既存のセグメンテーションの方向性を整理し、それぞれの方向性の代表的なプロジェクトを簡単に紹介する。

<！-- notionvc: 42b442bc-fa79-4eba-995b-d9a02bf2e600 -->

1 はじめに：暗号とAIを組み合わせる4つの方法

非中央集権はブロックチェーンによって維持されるコンセンサスであり、セキュリティの確保は中核となる考え方です。上記の特徴のための重要な基盤である。このアプローチは、過去数年にわたるブロックチェーンの変更において何度か適用されてきたが、AIが関与するようになると、状況は少し変わった。

AIによってブロックチェーンやアプリケーションのアーキテクチャを設計することを想像すると、そのモデルをオープンソース化する必要性が出てきますが、そうすると、敵対的な機械学習に対する脆弱性が露呈し、逆に非中央集権的な性質が失われてしまいます。 したがって、現在のブロックチェーンやアプリケーションにAIを追加する際には、どのような方法で、どのような深さで組み合わせを達成するかを考える必要がある。

出典：DEユニバーシティ・オブ・エセラム

When Giants Collide: ExploringのDE UNIVERSITY OF ETHEREUMので

。the Convergence of Crypto x AIの記事では、AIとブロックチェーンの違いについて、その核となる性質が説明されている。上に示したように、AIの特徴は以下の通りです：

• Centrality

• Low Transparency

• Energy Consumption

• Monopoly

• Monopoly

• 弱い収益化特性

ブロックチェーンは、これら5つの点で、AIと比較して正反対です。 AIとブロックチェーンを組み合わせた場合、データの所有権、透明性、収益化能力、エネルギーコストなどの面でどのようなトレードオフがあるのか、AIとブロックチェーンを効果的に組み合わせるためにはどのようなインフラを構築する必要があるのか。

Vitalik氏は、上記のガイドラインと自身の考え方に沿って、AIとブロックチェーンのアプリケーションの組み合わせを4つのカテゴリーに分類しました。ゲームのルール）

このうち、最初の3つは主に、AIが暗号の世界に導入される最初の3つの方法です。Cryptoの世界に3つの方法で導入され、浅いものから深いものまでの3つのレベルを表しています。筆者の理解によれば、この区分はAIが人間の意思決定に与える影響の度合いを表しており、その結果、Crypto全体にさまざまな度合いのシステムリスクを導入することになります：

• 応用としての人工知能参加者：人工知能自体は人間の意思決定や行動に影響を与えないため、現実の人間界にリスクをもたらさない。

• アプリケーションのインターフェースとしての人工知能：AIは人間の意思決定や行動に対して補助的な情報や補助的なツールを提供し、ユーザーや開発者のエクスペリエンスを向上させ、敷居を低くしますが、誤った情報や操作は現実世界に何らかのリスクをもたらします。

• アプリケーションとしてのAIのルール：AIは人間に代わって意思決定や操作を完結させる力を完全に持つようになるため、Web2であれWeb3であれ、AIの弊害や失敗は実世界の混乱に直結する。

最後に、4つ目のカテゴリのプロジェクトは、Cryptoの特性を利用してより優れたAIを作ることに特化しています。前述のように、中央集権化、低い透明性、エネルギー消費、独占、弱い貨幣特性はすべて、Cryptoの特性によって自然に中和することができます。AIの発展に影響を与えるCryptoの能力に懐疑的な人は多いが、分散化の力によって現実世界に影響を与えることは、常にCryptoの最も魅力的な物語であり、このトラックは、その壮大なビジョンによって、AIトラックの誇大広告の中で最も白熱した部分となっている。

2 参加者としてのAI

AIの参加の仕組みにおいて、究極のインセンティブの源は、人間の入力によるプロトコルから生まれます。AIがインターフェース、あるいはルールになる前に、AIがメカニズムに参加し、最終的にオンチェーンメカニズムを通じて報酬やペナルティを受けるように、さまざまなAIのパフォーマンスを評価する必要があることがよくあります。

参加者としてのAIは、インターフェースやルールとしてのAIに比べて、ユーザーやシステム全体に対するリスクは基本的に無視でき、AIがユーザーの意思決定や行動に深く影響を及ぼし始める前に必要な段階であると言えます。そのため、このレベルでのAIとブロックチェーンの統合に必要なコストやトレードオフは比較的小さく、V Shen氏が現在高い着地性を持っていると考えている製品のクラスでもあります。

実装の幅と程度という点では、現在のAIアプリケーションのほとんどは、AI対応の取引ボットやチャットボットなど、このカテゴリーに属します。現在の着地可能性の程度は、インターフェースとしてのAIの役割やルールさえも実現するのはまだ非常に難しく、ユーザーはさまざまなボットを比較し、徐々に最適化しており、暗号ユーザーはAIアプリケーションを使用する行動習慣をまだ身につけていません。V Godの記事では、Autonomous Agentもこのカテゴリーに分類されています。

しかし、狭く長期的なビジョンという観点から、私たちはAIアプリケーションやAIエージェントをより詳細に分類する傾向があります。

2.1 AIゲーム

ある意味、AIゲームはすべてこのカテゴリーに分類できます。を訓練することで、AIキャラクターを自分の個人的な好みに合わせたり、ゲームメカニクスにおいてより戦闘的で競争的にするなど、自分の個人的なニーズに合わせることができます。ゲームは、AIが現実世界に切り込む前の過渡期であり、AIアリーナ、エシュロン・プライム、オルタード・ステート・マシーンなどの象徴的なプロジェクトがあるように、リスクが低く、一般ユーザーに理解されやすいコースでもあります。

• AI Arena: AI Arenaは、プレイヤーがAIを通じて学習・訓練し、ゲームキャラクターを進化させることができるPVP格闘ゲームで、このゲームの形態によって、より多くの一般ユーザーがAIにアクセスし、理解し、体験できるようになることを期待しています。また、AIエンジニアは、AI Arenaをベースに様々なAIアルゴリズムを提供し、収益を上げることができます。各ゲームキャラクターはAI対応のNFTであり、CoreはAIモデルを含むコアで、アーキテクチャとパラメータの2つの部分を含み、IPFSに保存される。 新しいNFTのパラメータはランダムに生成されるため、ランダムな行動を行い、ユーザーは模倣学習（IL）のプロセスを通じてキャラクターの戦略能力を向上させる必要がある。パラメータはIPFS上で更新されます。

• Altered State Machine: ASMはAIゲームではありません。ASMは、NFTを使用してAIエージェントを相関させ、取引します。各エージェントは、3つの部分から構成されます。Brains（エージェント自身の特性）、Memories（エージェント自身の特性を保存する部分。)、Memories(Agentが学習した行動戦略を格納する部分、Brainにバインドされたモデルトレーニング)、Form(キャラクターの外見など)。ASMには、Agentに演算サポートを提供できる分散型GPUクラウドプロバイダを含むGymモジュールがあります。 ASMをベースレイヤーとして使用する現在のプロジェクトには、AIFA（AIサッカーゲーム）、Muhammed Ali（AIボクシングゲーム）、AI League（FIFA搭載ストリートサッカーゲーム）、Raicers（AI搭載レーシングゲーム）、FLUF World's Thingies（ジェネレイティブNFT）などがあります。NFT）です。

• Parallel Colony (PRIME)：エシュロン・プライムは、プレイヤーが自分のAIアバターと対話し、影響を与えることができるAI LLMベースのゲーム「Parallel Colony」を開発しています。Colonyは現在、最も期待されているAIゲームの1つであり、つい最近、公式ホワイトペーパーが発表されました。Colonyは現在最も期待されているAIゲームの1つで、公式ホワイトペーパーがつい最近発表され、Solanaへの移行が発表されました。

2.2予測マーケットプレイス/コンペティション

予測能力は、AIが将来の意思決定や行動を行うための基礎であり、予測コンペティションは、実際の予測に使用される前に、より高いレベルでAIモデルのパフォーマンスを比較し、トークンを通じてデータサイエンティスト/AIモデルにインセンティブを与え、Crypto x AI全体の成長にプラスの影響を与えます。AIが意思決定や行動に深い影響を及ぼす前に、より効率的で性能が高く、クリプトの世界に適したモデルやアプリケーションの継続的な開発にインセンティブを与えることで、より高品質で安全な製品を生み出すことができる。V-Godが言うように、予測市場は強力なプリミティブであり、他のタイプの問題により拡大することができる。

• Numerai: Numeraiは、データサイエンスのコンペティションで、データサイエンティストが機械学習モデルを訓練して、予測するものです。データサイエンティストは、（Numeraiが提供する）過去の市場データに基づいて株式市場を予測する機械学習モデルを訓練し、トーナメント用にモデルとNMRトークンを誓約する。2024年3月7日現在、合計6,433のモデルが誓約され、契約はデータ科学者に総額75,760,979ドルのインセンティブを提供する。Numeraiは世界中のデータ科学者に、新しいタイプのヘッジファンドを構築するために協力するインセンティブを与えており、すでにNumerai OneやNumerai Supremeなどのファンドがリリースされている。市場予測コンテスト→クラウドソーシングによる予測モデル→クラウドソーシング・モデルに基づく新しいヘッジファンド。

• オーシャン・プロトコル：オーシャン・プレディクターは、暗号通貨の動きをクラウドソーシングで予測することから始め、予測に焦点を当てています。プレイヤーはPredictoorボットかTraderボットのどちらかを選択することができ、PredictoorボットはAIモデルを使って次の時点（例えば今から5分後）の暗号通貨（例えばBTC/USDT）の価格を予測し、一定額の$OCEANを誓約します。トレーダーはその予測を購入し、それに基づいて取引を行うことができる。トレーダーは予測結果がより正確であった場合に利益を得ることができる。間違った予測を行ったPredictoorは没収され、正しい予測を行った者にはトークンのこの部分とトレーダーの購入手数料が報酬として与えられる。3月2日、Ocean Predictoorはメディアで最新の方向性を発表した。3月2日、Ocean Predictoorはメディアにおける最新の方向性を発表した。 -- World-Wide Model (WWM)は、天候やエネルギーなど、現実世界の予測を探求し始める。

3 インターフェースとしてのAI

AIは、ユーザーがシンプルでわかりやすい言葉で何が起きているのかを理解するのを助け、暗号の世界でユーザーのメンターとして機能し、起こりうるリスクに関するヒントを提供して、暗号の敷居を下げることができます。暗号の利用敷居とユーザーリスクを下げ、ユーザー体験を向上させる。具体的に実現可能な製品は、ウォレットとのやり取り中のリスクアラート、AIによる意図的な取引、一般ユーザーの暗号に関する質問に答えるAIチャットボットなど、豊富な機能を備えている。利用者層を広げると、一般ユーザーだけでなく、開発者やアナリストなど、ほぼすべてのグループがAIによってサービスを受けることになります。

これらのプロジェクトに共通していることをもう一度言っておきましょう。これらのプロジェクトは、特定の意思決定や行動を行う上で人間に取って代わることはまだありませんが、意思決定や行動を支援するための情報やツールを人間に提供するためにAIモデルを使用しています。このレイヤーから、AIが悪を行うリスクがシステムに露呈し始めている。誤った情報を提供することで、人間の最終判断を妨害する能力であり、Vゴッドの記事でも詳しく分析されている。

AIチャットボット、AIスマートコントラクト監査、AIコードライティング、AIトレーディングボットなど、このカテゴリーに分類できるプロジェクトはますます多様化しており、現在、AIアプリケーションの大半はこのカテゴリーの一次レベルにあると言え、代表的なプロジェクトには以下のようなものがあります：

• PaaL：PaaLは現在のところAIチャットボットの代表的なプロジェクトで、暗号関連の知識で訓練されたChatGPTと見なすことができ、TGとDiscordの統合を通じて、トークンのデータ分析、トークンの基礎知識とトークン経済分析、テキスト生成をユーザーに提供することができます。PaaLはカスタマイズされたパーソナル・ボットをサポートしており、ユーザーはデータセットを供給することで、独自のAI知識ベースとカスタマイズされたボットを構築することができる。プレゼンテーションによると、AIスマートコントラクト監査、ツイートベースのニュース統合と取引、Cryptoリサーチと取引サポート、ユーザーの敷居を下げるAIアシスタントを可能にする。

• ChainGPT: ChainGPTは人工知能に頼って、以下のような一連の暗号ツールを開発しています。チャットボット、NFTジェネレーター、ニュース収集、スマートコントラクトの生成と監査、取引アシスタント、Promptマーケットプレイス、AIクロスチェーン取引所などの一連の暗号ツールを開発しています。

• 4 ゲームチェンジャーとしてのAI

  これが最もエキサイティングな部分です。AIがあなたの財布を直接コントロールし、代わりに取引の意思決定と行動を行います。この分類では、AIアプリケーション（特に、AI自動取引ボット、AI DeFiゲインボットのような自律的意思決定を視野に入れたもの）、自律エージェントプロトコル、zkml/opml.

  AIアプリケーションは、問題に対して意思決定を行うツールです。異なるセグメントから知識とデータを蓄積し、セグメント化された問題に合わせたAIモデルに依存して意思決定を行います。本稿では、AIアプリケーションをインターフェースとルールの2つに同時に分類している。開発ビジョンからすると、AIアプリケーションは独立した意思決定を行うエージェントになるべきだが、現状ではAIモデルの妥当性も統合AIのセキュリティもこの要求を満たすことができず、インターフェースもやや消極的である。AIアプリケーションは非常に初期段階にあり、具体的なプロジェクトは前節で紹介したとおりであり、今後も紹介しない。AIアプリケーションは非常に初期段階にある。

  Autonomous Agent（自律型エージェント）は、V Godによって第一のカテゴリー（参加者としてのAI）で言及されており、長期的なビジョンという観点から、本稿では第三のカテゴリーに位置づけている。Autonomous Agentは、大量のデータとアルゴリズムを使用して人間の思考と意思決定プロセスをシミュレートし、さまざまなタスクやインタラクションを実行する。本稿では、エージェントの通信レイヤ、ネットワークレイヤ、およびエージェントの帰属を定義し、エージェントのアイデンティティ、通信規格、および通信方法を確立し、複数のエージェントアプリケーションを接続し、意思決定や行動において協力できるその他のプロトコルのインフラストラクチャに焦点を当てます。

  zkML/opML：正しいモデル推論プロセスを経たことが保証された、暗号や経済学による信頼性のある出力を提供する。セキュリティの問題は、出力を生成し、さまざまな機能を自動化するために入力に依存するスマートコントラクトにAIを導入する上で致命的であり、AIが誤動作して間違った入力を行うと、暗号システム全体に重大なシステミックリスクをもたらすため、zkML/opML、そしておそらくさまざまな潜在的なソリューションは、AIが独立して行動し、意思決定できるようにするための基礎となります。

  最後に、この3つは、運用ルールとしてのAIの3つの基礎層を形成します：zkml/opmlはインフラストラクチャーの最下層として、プロトコルのセキュリティを保証します。そして、AIアプリケーションと特定のAIエージェントは、特定の領域で行動する能力を継続的に向上させ、実際に意思決定と行動を行う。

  4.1自律エージェント

  暗号の世界におけるAIエージェントの使用は自然なことであり、スマートコントラクトからTGボット、AIエージェントに至るまで、暗号の世界はより自動化され、ユーザーの敷居が低くなる方向に進んでいます。スマートコントラクトは、改ざん防止コードによって機能を自動化する一方で、起動には依然として外部トリガーに依存する必要があり、自律的または継続的に実行することはできない。TGボットはユーザーの敷居を下げ、ユーザーは暗号フロントエンドと直接対話する必要はなく、自然言語を通じてオンチェーンでの対話を完了するが、極めて単純で特定のタスクしか完了できず、ユーザーの意図を中心とした取引を実現することはまだできない。一方、AIエージェントは、ある程度の独立した意思決定能力を持ち、ユーザーの自然言語を理解し、自律的に他のエージェントやオンチェーンツールを見つけて組み合わせ、ユーザーが指定した目標を達成します。

  AIエージェントは、暗号製品の使用体験を劇的に向上させる取り組みを行っており、ブロックチェーンはAIエージェントの運用をより分散化、透明化、安全化するのに役立ちます。

このトラックの主なプロジェクトは以下の通りです:

• Autonolas: Autonolasは、オンチェーンプロトコルを通じて、エージェントと関連コンポーネントの資産認証と合成性をサポートします。コンポーネント、Agent、サービスを発見し、チェーン上で再利用することを可能にします。開発者は完全なAgentやコンポーネントを開発した後、そのコードをチェーン上に登録し、コードの所有権を表すNFTを取得します。サービスオーナーは複数のAgentを束ねてサービスを作成し、チェーン上に登録します。そして、実際にサービスを実行するAgent Operatorを集め、ユーザーは対価を支払うことでサービスを利用します。

• Fetch.ai: Fetch.aiは、AI分野における強力なチーム背景と開発経験を持ち、現在はAIエージェントトラックに注力しています。プロトコルは4つの主要レイヤーで構成されています：AIエージェント、Agentverse、AIエンジン、そしてFetchネットワークです。AIエージェントはシステムの中核であり、その他はAgentサービスの構築を支援するフレームワークとツールです。Agentverseは主にAIエージェントの作成と登録に使用されるsoftware-as-a-serviceプラットフォームです。AIエンジンの目標は、AIエージェントを読み込んで書き込むことです。Engineは、ユーザーの自然言語入力を読み取り、それをアクション可能な文字に変換し、Agentverseに登録されている最も適切なAI Agentを選択することでタスクを実行することを目指しています。Fetch Networkはプロトコルのブロックチェーン層であり、AI Agentは他のAgentとの連携を開始する前に、チェーン上のAlmanacコントラクトに登録する必要があります。共同サービスFetch.aiの焦点は、旅行予約、天気予報など、Web2の世界を含む。

• Delysium: DelysiumはゲームからAIエージェントのプロトコルに変化しつつあり、通信レイヤーとブロックチェーンレイヤーの2つの主要レイヤーで構成されています。 通信レイヤーはDelysiumのバックボーンであり、AIエージェント間の高速で効率的な通信を可能にする安全でスケーラブルなインフラを提供します。ブロックチェーン層はエージェントを認証し、スマートコントラクトを通じてエージェントの行動を改ざん不能に記録します。具体的には、コミュニケーション・レイヤーはエージェント間の統一されたコミュニケーション・プロトコルを確立し、標準化されたメッセージング・システムを採用することで、エージェント同士が障壁なく共通言語を通じてコミュニケーションできるようにします。さらに、ユーザーや他のエージェントが利用可能なエージェントを迅速に発見し、接続できるようにするサービス発見プロトコルとAPIを確立します。エージェントIDは、正当なエージェントのみがネットワークにアクセスできることを保証し、クロニクルは、エージェントによって行われたすべての重要な決定と行動のログリポジトリであり、チェーンにアップロードされた後は改ざんできず、エージェントの行動の信頼できるトレーサビリティを保証します。

• アルタード・ステート・マシン：NFTは、エージェント資産の認証とトランザクションの標準を定めており、これはパート1で分析することができます。現在、ASMは基礎的な仕様として主にゲームに使用されていますが、他のエージェントドメインに拡張できる可能性があります。また、他のエージェントドメインに仕様を拡張することも可能です。

• Morpheous：AIエージェントのエコネットワークを構築しており、4つの役割（コーダー、コンピュータプロバイダ、コミュニティビルダー、資本）をつなぐように設計されたプロトコルで、AIエージェント、エージェント運用のサポート、AIエージェントのネットワークを提供している。エージェント、エージェントの運用をサポートする演算、フロントエンドと開発ツール、そして資金調達、MORはフェアローンチの形をとり、演算を提供するマイナー、stETHの誓約者、エージェントやスマートコントラクトの開発貢献者、コミュニティ開発貢献者にインセンティブを提供します。

4.2 zkML/opML

Zero Knowledge Proofには現在、主に2つの応用方向があります:

• 算術がオンチェーンでより低いコストで正しく実行されていることを証明する (ZK-RollupとZKPクロスチェーンブリッジ)。ZKPクロスチェーンブリッジは、ZKのこの機能を利用しています）

• プライバシー保護：計算の詳細を知らなくても、計算が正しく実行されたことを証明できます。

同様に、機械学習におけるZKPの応用は、以下の2つのカテゴリに分けられます。

• 推論の検証：すなわち、ZK-proofを使用することで、AIモデルに関する推論という計算集約的なプロセスが、ZK-proofによってオフチェーンで低コストで実行されることを証明できます。が正しく実行されることを証明できる。

• プライバシーの保護：さらに2つのカテゴリーに分けることができます。1つはデータのプライバシーの保護、つまり、一般に利用可能なモデル上でプライベートなデータを使って推論することで、ZKMLを使用することで保護することができます。もう1つはモデルのプライバシーの保護で、モデルの重みなどの特定の情報を隠し、一般に利用可能な入力から出力を計算して導き出したい場合です。

筆者は、現在Cryptoにとってより重要なのは推論検証だと考えており、ここでは推論検証のシナリオについてさらに詳しく説明します。参加者としてのAIから世界のルールとしてのAIへと出発して、AIをチェーン上のプロセスの一部にしたいと考えますが、AIモデル推論の計算コストはチェーン上で直接実行するには高すぎます。私の入力を改ざんしたのか？私が指定したモデルを推論に使ったのだろうか？MLモデルをZK回路に変換することで、(1)小さなモデルをオンチェーンに格納し、小さなzkMLモデルをスマートコントラクトに格納し、直接オンチェーンに行くことで不透明性の問題を解決する、(2)オフチェーンで推論を完了し、同時にZK証明を生成し、オンチェーンでZK証明を実行することで推論プロセスの正しさを証明する、を実現することが可能である。-マスター契約（結果を出力するためにMLモデルを使用）とZK-Proof検証契約である。

zkMLは非常に初期段階にあり、MLモデルをZK回路に変換する技術的な問題や、非常に高い計算・暗号オーバーヘッドコストに直面しています。opMLは、Rollupの開発経路と同様に、経済的な観点からの代替ソリューションです。opMLは、提出者または少なくとも1人の検証者が正直であることを保証するために、請求ごとに少なくとも1つの正直なノードが存在するというArbitrumのAnyTrustの仮定を使用します。しかし、opMLは推論検証の代替にしかならず、プライバシー保護はできない。

現在のプロジェクトはzkMLのインフラを構築しており、そのアプリケーションの探求に取り組んでいます。zkMLに重要な役割があることを暗号利用者に明確に示し、最終的な価値が多大なコストを上回ることを実証する必要があるため、アプリケーションの構築も同様に重要です。これらのプロジェクトの中には、機械学習関連のZK技術開発に焦点を当てたもの（Modulus Labsなど）もあれば、より一般的なZKインフラ構築のものもあります。

• Modulus は、オンチェーン推論プロセスにAIを適用するためにzkMLを使用しています。modulusは2月27日にzkMLの証明書であるRemainderを発表し、同等のハードウェアで従来のAI推論と比較して180倍の効率向上を達成しました。さらに、モジュラスは、複雑な市場データを収集し、NFT価格を評価し、ZK証明でAIを使用してチェーンに価格を送信するアップショットや、戦っているアバターがプレイヤーが訓練されているものと同じものであることを証明するAIアリーナなど、zkMLの実世界での使用例を探求するためにいくつかのプロジェクトと提携しています。

• RISC Zeroはチェーン上にモデルを配置し、RISC ZeroのZKVMで機械学習モデルを実行することで、モデルに含まれる正確な計算が正しく実行されたことを証明することができます。

• IngonyamaはZKテクノロジー専用のハードウェアを開発しており、ZKテクノロジー分野への参入障壁を下げる可能性があります。

5目標としてのAI

前の3つのカテゴリーが、AIがどのように暗号に力を与えることができるかに重点を置いているとすれば、「目標としてのAI」は、暗号がどのようにAIを助けることができるか、つまり、より優れたAIモデルや製品を作るためにどのように使うことができるかに重点を置いています。より効率的な、より正確な、より分散化された、などなど。

AIは、データ、演算、アルゴリズムという3つのコアで構成されており、Cryptoはこれらの各次元において、AIをより効果的に後押しするために取り組んでいます：

• データ：データはモデルトレーニングの基礎であり、分散型データプロトコルは、暗号化されたデータを使用しながら、よりプライベートな領域のデータを提供するよう個人や企業にインセンティブを与えます。暗号化技術を使ってデータのプライバシーを保護し、個人の機密データの漏えいを防ぎます。

• 算術：分散型算術トラックは現在最もホットなAIトラックであり、プロトコルは需要と供給の両方にマッチング市場を提供することで、モデルトレーニングと推論のためのAI企業とロングテール算術のマッチングを促進します。

• アルゴリズム：暗号によるアルゴリズムのエンパワーメントは、分散型AIの中核であり、V神の記事で語られている「ゴールとしてのAI」の主な内容である、分散型の信頼できるブラックボックスAIを作ることで、前述の敵対的機械学習の問題が解決される。上記のような敵対的機械学習の問題は解決されるだろうが、非常に高い暗号オーバーヘッドなど、多くの障害に直面するだろう。加えて、「より優れたAIの生産を奨励するために暗号的なインセンティブを利用する」ことも、完全な暗号化というウサギの穴に完全に入り込むことなく実現できるだろう。

大手テック企業によるデータと演算能力の独占が組み合わさり、モデルの学習プロセスを独占することになり、クローズドソースのモデルが大企業の収益性の鍵になっています。インフラストラクチャの観点から、Cryptoは経済的手段を通じてデータと演算の分散型供給にインセンティブを与え、その過程で暗号化手法を通じてデータのプライバシーを保証し、そうすることで、より透明で分散化されたAIのための分散型モデルトレーニングを促進します。データクラウドソーシング、企業によるモデルトレーニングのためにデータセットやデータサービス（データ注釈など）を提供するようユーザーにインセンティブを与えること、需要と供給のマッチングを促進するためにデータマーケットプレイスを開設すること、またいくつかのプロトコルは、ユーザーのブラウジングデータにアクセスしたり、ユーザーのデバイス/帯域幅を使用してネットワークデータのクロールを完了するために、DePINインセンティブプロトコルを探求しています。

• Ocean Protocol：データをトークン化し認証するために、ユーザーはコードフリーな方法でOcean Protocolのデータ/アルゴリズムのNFTを作成し、対応するdatatokenを作成してデータ/アルゴリズムのNFTの作成を制御することができます。オーシャンプロトコルは、データマーケットプレイスとして2017年に設立された。オーシャン・プロトコルはデータ市場として2017年に設立された。

• Synesis One: このプロジェクトはSolana上のTrain2Earnプラットフォームであり、ユーザーは自然言語やデータ注釈のデータを提供することで$SNSの報酬を得ることができる。企業がトレーニングや推論に使用する。具体的には、採掘者はアーキテクト／ビルダー／バリデーターの3つに分けられ、アーキテクトは新しいデータタスクの作成を担当し、ビルダーは対応するデータタスクのコーパスを提供し、バリデーターはビルダーから提供されたデータセットの検証を行う。完成したデータセットはIPFSに保存され、データソースとIPFSアドレスはチェーン上に保存され、同僚はAI会社（現在はMind AI）が使用するためにチェーンの下のデータベースに保存される。

• Grass: AIのための分散型データレイヤーと謳われていますが、これは本質的に以下のようなものです。分散型ウェブクローリングマーケットプレイスであり、AIモデルのトレーニングに使用するデータを取得する。インターネット・サイトはAIのトレーニング・データの重要な供給源であり、Twitter、Google、Redditを含む多くのサイトからのデータは重要な価値があるが、これらのサイトはデータのクロールに継続的に制限をかけている。Grassは現在ベータテスト中です。Grassは現在ベータテスト中で、ユーザーは帯域幅をポイントに提供し、エアドロップの可能性を受け取ることができる。

• AIT プロトコル: AIT プロトコルとは、次のようなプロトコルです。データはAITデータサイエンティストによって事前にラベル付けされ、その後ユーザーによってさらに処理される。

上記のデータ提供やデータ注釈プロトコルに加え、FilecoinやArweaveなどの分散型ストレージのようなインフラも、より分散型のデータ提供に貢献することになるでしょう。にも貢献するだろう。

5.2>分散型演算

AIの時代における演算の重要性は、誇張しすぎることはありません。分散型演算を行う時価総額上位200の11のAIプロジェクトのうち、5つ（Render/Akash/AIOZ Network/Golem/Nosana）がここ数ヶ月で高倍率を獲得している。また、多くの分散型演算プラットフォームは、小規模のプロジェクトにも現れており、それらはまだ始まったばかりですが、NVIDIAのカンファレンスの波とともに、GPUに関連するたびにすぐに急騰しています。

トラックの特性から見ると、この方向のプロジェクトの基本ロジックは非常に同質的です。トークンのインセンティブを通じて、遊休演算リソースを持つ人々や企業にリソースを提供させることで、使用コストを大幅に削減し、演算の需要と供給の市場を確立します。イーサのPoS化）、コンシューマーグレードの演算、そして他のプロジェクトとのコラボレーションである。同質的ではあるが、このトラックは、主要プロジェクトが高い堀を持つトラックであり、プロジェクトの主な競争優位性は、算術リソース、算術レンタル価格、算術利用率、その他の技術的優位性に由来する。

このトラックの主要プロジェクトには、Akash、Render、io.net、Gensynなどがあります。

具体的なビジネスの方向性に基づいて、プロジェクトは大きく2つのカテゴリーに分けられます。コンピューティングパワーと帯域幅のためのAIモデルのトレーニング要件は、推論よりもはるかに高く、分散推論の着陸よりも困難であり、モデルの推論市場が急速に拡大しているため、予測可能な収益は、将来的にモデルのトレーニングよりも大幅に高くなるので、プロジェクトの大半は、推論の方向に焦点を当て（Akash、Render、io.net）、リーダーの訓練の方向に焦点を当てGensynです。AkashとRenderは、AIコンピューティングのためではなく、先に生まれた、Akashは当初、汎用コンピューティングに使用され、Renderは、主にビデオや画像のレンダリングに使用され、io.netは、AIコンピューティングのために特別に設計されていますが、AIはレベルの計算能力のニーズになった後、これらのプロジェクトは、開発のAI側に傾斜している。

2つの最も重要な競争指標は、引き続き供給側（演算リソース）と需要側（演算利用率）に由来している。akashは282のGPUと20,000以上のCPUを持ち、160,000のレンタルを完了し、GPUネットワークの利用率は50～70%で、このトラックでは良い数字である。io.netは40,272基のGPUと5,958基のCPUを持ち、Renderから4,318基のGPUと159基のCPU、Filecoinから1,024基のGPUのライセンスを取得しています。一方、RenderとGensynは具体的なデータを公表していない。また、io.netがRenderとFilecoinの演算を採用して資源埋蔵量を向上させたり、RenderがCompute Client - io.netを通じて資源埋蔵量を増加させるCompute Client Programme（RNP-004）を設立するなど、多くのプロジェクトがエコロジカルな連携を通じて需給面での競争力を高めている。-io.net、Nosana、FedMl、Beam, を介して間接的にRenderの演算リソースにアクセスし、レンダリングからAIコンピューティングに迅速に移行することができます。

さらに、Renderの演算リソースに間接的にアクセスすることもできます。/Gensynは、証明の確率的学習、グラフベースの特定プロトコル、インセンティブを通じて、計算の正しさを保証する検証レイヤーを構築しようとしています。その中の検証者と内部告発者が協力して計算をチェックするため、Gensynの検証メカニズムの確立は、分散型トレーニングに提供する算術的サポートに加えて、他にはない価値がある。Solana上の計算プロトコルであるFluenceも計算タスクの検証を追加しており、開発者はチェーン上のプロバイダーが発行する証明をチェックすることで、アプリケーションが期待通りに動作しているか、計算が正しく実行されているかを検証できる。しかし現実には、「信頼できる」ことよりも「実現可能」であることの方が依然として重要であり、そもそもコンピューティング・プラットフォームは十分な競争力を備えていなければならない。 もちろん、優れた検証プロトコルの場合、他のプラットフォームのパワーにアクセスして検証レイヤーやプロトコル・レイヤーとなり、独自の役割を果たすという選択肢もある。独自の役割を果たします。

5.3分散型モデル

ヴィタリックが説明した究極のシナリオ（下図）はまだ非常に遠く、現在のところ、敵対的な機械学習の問題を解決するために、ブロックチェーンと暗号技術によって信頼できるブラックボックスAIの作成を実現することはできません。非常に大きなオーバーヘッドである。しかし、インセンティブを通じてより優れたAIモデルを生み出そうとするプロジェクトが進行中であり、まず異なるモデル間の閉鎖的な状態を打破し、モデル間の相互学習、協調、健全な競争のパターンを作り出そうとしている。

• Bittensor: Bittensorは異なるAIモデル間の組み合わせを促進していますが、Bittensorはモデル自体をトレーニングするのではなく、主にAIの推論を提供することは注目に値します。Bittensorの32のサブネットは、データクローリング、テキスト生成、Text2Imageなど、異なるサービスの方向性に焦点を当てている。インセンティブメカニズムは、サブネット間だけでなくサブネット内の競争も促進する。 現在、報酬は1ブロックにつき1TAOの割合で配られ、1日あたり合計約7,200TAOトークンが配られる。SN0（ルートネットワーク）の64人の検証者は、サブネットのパフォーマンスに基づいて異なるサブネット間でこれらの報酬の配分比率を決定し、サブネットワークの検証者は、マイナーの作業を評価することによって異なるマイナー間の配分比率を決定するため、パフォーマンスが向上する。その結果、性能の良いサービスや性能の良いモデルはより多くのインセンティブを得ることができ、システム全体の推論品質の向上が促進される。

6 結論：MEMEの誇大広告か、技術革命か？

サム-アルトマン運動からARKMとWLDのクレイジーな価格をもたらすために、参加プロジェクトのシリーズを飛行させるためにNVIDIAの会議に、多くの人々が調整の投資コンセプトのAIトラック上にある、AIトラックはMEME誇大広告や技術革命ですか？

いくつかの有名人のトピック（ARKMやWLDなど）を除いて、全体としてAIトラックは、 "技術的な物語に支配されたMEME "のようなものです。

一方では、暗号AIトラックの全体的なハイプは、Web2 AIの進展と密接に結びついているに違いなく、OpenAIが主導する外部のハイプが暗号AIトラックの引き金になるだろう。その一方で、AIトラックのストーリーは依然として技術的な物語に支配されている。もちろん、ここでは「技術」よりも「技術的な物語」を強調している。そのため、AIトラックのセグメントの選択とプロジェクトの基礎への焦点は依然として重要である。私たちは、誇大な価値を持つ物語の方向性を見つける必要があり、また、中長期的な競争力と堀を持つプロジェクトを見つける必要があります。

Vゴッドが提案した4種類の組み合わせの可能性から見えてくるのは、物語的な魅力と着地可能性の相互トレードオフです。AIアプリケーションに代表される1つ目と2つ目のカテゴリーでは、製品の着地が早いが事業の同質性も高いGPTラッパーが多く見られ、一方、先行者利益、エコシステム、ユーザー数、製品収益は同質的な競争の中で語られるストーリーになります。3番目と4番目のカテゴリーは、Agent on Chain Collaboration Networks、zkML、Decentralisation Reinventing AIなど、暗号と組み合わせたAIの壮大な物語を表しており、これらはすべて初期段階にあり、技術革新を伴うプロジェクトは、たとえそれが軌道に乗るためのごく初期のデモンストレーションに過ぎないとしても、すぐに資金を集めるだろう。