ヴァンエック・リサーチ：2030年暗号通貨AIの収益見通し

Author: Patrick Bush, Matthew Sigel 
Source: VanEck 
Translated by Good Oba, Golden Finance

Author: Patrick Bush, Matthew Sigel 
Source: VanEck 
Translated by Good Oba, Golden Finance

本記事では、2030年までのAI暗号通貨の潜在的な収益シナリオを概説し、ベースラインとして102億ドルを予測し、パブリックブロックチェーンが重要な機能を通じてAIの採用を促進する上で果たすことができる重要な役割を強調しています。 なお、ヴァンエックは以下に記載するデジタル資産のポジションを保有している可能性があります。

主な要点:

• ベースライン予測では、以下のことが予想されています。暗号通貨AIの収益は2030年までに102億ドルに達すると予想されています。

• ブロックチェーン技術は、AIの採用と分散型AIソリューションの進歩の重要な原動力となる可能性があります。

• 暗号化インセンティブと統合することで、AIモデルのセキュリティと効率を向上させることができます。

• ブロックチェーンは、AIの認証とデータ整合性の課題に対するソリューションになり得る。

パブリック・ブロックチェーンは、人工知能（AI）の普及を解き放つ鍵となる可能性が高く、AIアプリケーションは暗号通貨の存在意義となるでしょう。暗号通貨は、透明性、不変性、明確に定義された所有者の属性、敵対的なテスト環境など、AIに必要な重要な基礎要素を提供するからだ。我々は、AIがその潜在能力を最大限に発揮するためには、これらの属性が不可欠であると確信している。AIの成長予測に基づき、2030年までにAIに特化した暗号プロジェクトが回収する年間収益は102億ドルに達するというのが基本予測である。この記事では、AIの採用を促進する上で暗号通貨が果たす役割と、暗号通貨がAIビジネスから得る価値について推測する。

暗号通貨はAIにとって非常に有用です。暗号通貨はAIにとって非常に有用です。基本的に、暗号通貨は協調の問題を解決する。暗号通貨は、オープンソースソフトウェアを実行するために、人、コンピューティング、金銭的リソースを組み合わせる。これは、各ブロックチェーン・ネットワークを作成し、サポートし、利用する人々に、各ネットワークの価値に関連するトークンという形で報酬を提供することで実現する。この報酬システムは、AIバリュースタックのさまざまなコンポーネントをブートストラップするために使用できる。暗号とAIを組み合わせることの重要な意味は、GPUクラスターなどの必要な物理的インフラを開発するために暗号通貨インセンティブを使用することです。

ブロックチェーンはまた、デジタル所有権の透明性をもたらし、ニューヨーク・タイムズ対OpenAIおよびマイクロソフトの訴訟ですでに注目されているように、AIが法廷で直面するオープンソースソフトウェアの問題の一部を解決するのに役立つ可能性がある。つまり、暗号化によって、データ所有者、モデル構築者、モデル利用者の所有権と著作権保護を透明性をもって証明することができる。この透明性は、モデルの有効性の数学的証明をパブリック・ブロックチェーンに投稿することにも及ぶだろう。最後に、偽造不可能なデジタル署名とデータの完全性により、パブリック・ブロックチェーンは、そうでなければAIの有効性を損なうであろう識別とセキュリティの問題を緩和するのに役立つと私たちは信じています。

AI企業における暗号通貨の役割を定義する

2030年の暗号通貨AI収益の推定：弱気、基本ケース、強気シナリオ

Source: Morgan Stanley, Bloomberg, VanEck Research 2024年1月29日現在過去の実績は将来の結果を保証するものではありません。本ブログで提供される情報、評価シナリオ、目標株価は、金融推奨、行動喚起、売買推奨、またはAI事業の将来の業績予測を意図したものではありません。実際の将来の業績は未知数であり、ここに記載された仮定の結果とは大きく異なる可能性があります。提示されたシナリオでは説明されていないリスクやその他の要因によって、パフォーマンスが阻害される可能性があります。これらはあくまで当社の調査に基づくシミュレーション結果であり、説明のためのものです。ご自身で調査し、結論を出してください。

暗号AIの市場を予測するために、まずAIによるビジネスの生産性向上のための総アドレス可能市場（TAM）を推定し、この数値のベースラインはマッキンゼーの2022年の仮定に由来します。次に、マッキンゼーのデータに経済成長と生産性成長の仮定を適用し、2030年のTAMを5.85Tドルとするベースケースを求める。このベースケースでは、AIの生産性成長率はGDP成長率（3％成長）よりも50％高いと仮定する。次に、グローバル企業におけるAIの市場浸透率（ベースケースでは33％）を予測し、これを最初のTAMに適用することで、企業の生産性向上が19.3億ドルになると予想される。すべてのAIビジネスの収益を計算するために、これらの生産性向上の13%がAIビジネスによって（または企業の消費者によって）収益として獲得されると仮定する。S&P500企業の人件費の平均的な収益シェアを適用してAIの収益シェアを推定し、AIの支出も同様であると仮定する。次の分析では、ブルームバーグ・インテリジェンスによるAIバリュースタックの分布予測を適用し、各AI事業グループの年間収益を推定する。最後に、各AIビジネスに特化した暗号通貨の市場シェアを推定し、各ケースと各市場の最終的な数字を算出します。

私たちは、オープンソースのパブリックリポジトリを使用して構築された分散型AIモデルが、考えられるあらゆるユースケースに適用される未来を想定しています。多くの場合、こうしたオープンソースのモデルは中央集権的なAIの創造に取って代わるだろう。この仮説の基礎は、オープンソースコミュニティには、物事を改善しようとするユニークな動機を持つ熱狂的なファンや趣味人が集まっているという仮定から生じている。私たちは、オープンソースのインターネット・プロジェクトが伝統的なビジネスを破壊するのを見てきた。この現象の最たる例は、ウィキペディアが百科事典ビジネスを事実上終わらせ、ツイッターがニュースメディアを破壊したことだ。これらのオープンソースコミュニティが、伝統的なビジネスが失敗した場所で成功したのは、オープンソースグループが、社会的影響力、イデオロギー、グループの連帯の組み合わせを通じて、価値を提供するために人々を調整し、鼓舞したからである。要するに、ケアということだ。

オープンソースのAIモデルと暗号通貨のインセンティブを組み合わせることで、これらの新興コミュニティのリーチを拡大し、新たな参加者を惹きつけるために必要なインフラを構築するための財政的な力を与えます。この前提をAIに適用することは、熱意と金銭的資源の魅力的な組み合わせとなるだろう。人工知能モデルは、暗号通貨インセンティブ・コンペティションでテストされ、ベンチマークとしてモデルを評価できる環境が確立される。この環境では、各モデルの価値が明確に数値化されるため、最も効果的なモデルと評価基準が勝利することになる。したがって、我々のベースケースでは、ブロックチェーンが生成するAIモデルは、全AIソフトウェア収益の5%を占めると予想している。この見積もりには、ハードウェア、ソフトウェア、サービス、広告、ゲームなどが含まれ、事業者数のシフトを反映している。全AIソフトウェア収益のうち、約半分の1,255億ドル程度になると予想している。そのため、オープンソースモデルの市場シェア5%は、クリプトトークンに裏打ちされたAIモデルに向かう収益62.7億ドルに相当すると予想しています。

微調整、トレーニング、推論に使用されるコンピュート（またはAIインフラストラクチャー・アズ・ア・サービス）のTAMは、2030年までに474億4000万ドルに達すると予測しています。世界経済の多くの機能に不可欠になると予想されるAIの普及に伴い、コンピュートとストレージのプロビジョニングは、発電と配電に似たユーティリティとして想定される。この力学では、「ベースロード」の大部分はアマゾンやグーグルのようなGPUクラウドのハイパースケーラーからもたらされ、その市場シェアは80％のパレート分布に近づくだろう。ブロックチェーンによって分散されたバックエンド・サーバー・インフラは、特定のニーズに対応し、ネットワーク需要の高い時期に「ピーク」プロバイダーとして機能すると考えられる。カスタムAIモデルの製作者にとって、暗号ストレージとコンピュート・プロバイダは、オンデマンドのサービス提供、SLAロックイン期間の短縮、よりカスタマイズされたコンピュート環境、より優れたレイテンシ感度などの利点を提供する。さらに、分散型GPUはスマートコントラクトの分散型AIモデルとシームレスに統合でき、AIエージェントが自身のコンピュート要件を拡張するためのライセンスフリーのユースケースを可能にする。ブロックチェーンが提供するGPUをAIのコンピュート・インフラストラクチャのUber/Lyftに相当すると考えると、ブロックチェーンが提供するコンピュートとストレージは、AIインフラストラクチャの非ハイパースケール市場の20%を占め、2030年までに19億ドルを生み出す可能性があると考えられます。AIエージェントやモデルの文脈で、証明可能なオンチェーン人間性によって「アイデンティティ」を定義することは、世界のコンピュータネットワークに対する魔女の防御機構と見なすことができます。2023年、ビットコイン、イーサリアム、ソラナのコストは、それぞれ各ネットワークのインフレ発行額の約1.71%、4.3%、5.57%である。控えめに見ても、アイデンティティはAI市場の約3.5%を占めると推測できる。AIソフトウェアのTAMが1,255億ドルであることを考慮すると、これは87.8億ドルの年間収益に相当する。我々は、暗号通貨がID問題に対する最良のソリューションを提供すると考えているため、暗号通貨がこの最終市場の10%を獲得し、年間売上高が約8,780億ドルになると予想している。

人工知能の安全性は、AIデバイスのもう1つの重要な要素になると予想され、基本的な要件は、モデルが正しく動作していることを検証するために、破損していない、関連性のある、最新のデータを使用することです。AIが自動運転車、工場用ロボット、医療システムなど、人命に関わる用途に拡大するにつれ、失敗の許容範囲は小さくなる。事故が発生した場合の説明責任が求められるため、保険市場では安全性を具体的に証明する必要性が高まる。パブリック・ブロックチェーンは、誰もが見ることができる不変の台帳上に「安全性の証明」を公開することができるため、この機能に理想的である。この操作は、金融機関のコンプライアンスに類似していると考えることができる。米国の商業銀行と投資銀行が6,600億ドルの収益を上げている一方で、コンプライアンス・コストに587億5,000万ドル（収益の8.9％）を費やしていることを考えると、AIセキュリティは2,510億ドルのAI TAMのうち約223億4,000万ドルを占めると予想される。暗号通貨はAIのセキュリティを強化する可能性を秘めているが、米国政府がAIに注力していることを考えると、AIのコンプライアンスの多くは中央集権化されると考えられる。その結果、暗号通貨はこの市場の約5%、約11.2億ドルを占めると推定しています。

分散化された計算リソースの組織化

暗号通貨は、その膨大な社会的・金融的オーケストレーションの利点を、計算へのアクセスの民主化に適用することができるため、現在AI開発者を悩ませているペインポイントを解決することができます。高いコストや質の高いGPUへの限られたアクセスに加えて、AIモデルビルダーは現在、他にも厄介な問題に直面している。ベンダーロックイン、セキュリティの欠如、限られたコンピュート可用性、劣悪なレイテンシー、州法によって義務付けられたジオフェンシングなどです。

AIが必要とするGPUを満たす暗号通貨の能力は、トークンを通じてリソースのプールを奨励する暗号通貨の能力に起因しています。トークン価値8,500億ドル、株式価値200億ドルのビットコインネットワークは、この能力を実証している。その結果、現在のビットコインの採掘者と有望な分散型GPU市場の両方が、分散型コンピューティングを提供することで、AIに大きな価値を付加する可能性を持っています。

ブロックチェーンによるGPUの提供を理解する上で有用な例えは、発電事業です。簡単に言えば、送電網の需要の大部分を満たすために安定した電力を生み出すことができる、大規模で高価な発電所を運営する事業体が数多く存在します。これらの「ベースロード」発電所は安定した需要を持つが、建設に多額の資本投資を必要とするため、資本に対するリターンは比較的低いが保証されている。ベースロードを補うのが、「ピーク電力」と呼ばれる別のタイプの発電機である。これは、需要がベースロードの発電能力を上回った場合に電力を供給するものである。これには、エネルギー需要の近くに戦略的に配置された、高コストの小規模エネルギー生産が含まれる。私たちは、「オンデマンド」分野でも同様の動きがあると予想している。

Bitcoin Miners Diversify In Artificial Intelligence

ビットコインやその他のプルーフ・オブ・ワーク型暗号通貨は、人工知能と同様、エネルギーに対する高い需要があります。このエネルギーは、マイニング機器やコンピューティング・クラスターに電力を供給するために、生成、捕捉、輸送、使用可能な電力への分解が必要です。このサプライチェーンにより、マイナーは発電所、電力購入契約、送電網インフラ、データセンター設備に多大な投資を行う必要がある。PoW暗号通貨のマイニングによる金銭的インセンティブは、エネルギーと電力の権利と統合されたグリッドアーキテクチャを持つ多くのグローバルに分散したビットコインマイナーの出現につながった。このエネルギーの多くは、低コストで、社会的に敬遠され、炭素集約的なエネルギー源から供給されている。したがって、ビットコインマイナーが提供できる最も説得力のある価値提案は、AIのバックエンドインフラに電力を供給する低コストのエネルギーインフラである。

AWSやマイクロソフトなどのハイパースケール・コンピューティング・プロバイダーは、垂直統合されたオペレーションに投資し、独自のエネルギー・エコシステムを構築するという戦略を追求してきた。大手ハイテク企業は、自社でチップを設計し、エネルギーを調達し、その多くは再生可能エネルギーである。データセンターは現在、米国企業が利用できる再生可能エネルギーの3分の2を消費している。マイクロソフトとアマゾンは、2025年までに100％の再生可能エネルギー供給を約束している。しかし、一部で言われているように、予測されるコンピューティング需要が予想を上回れば、AI中心のデータセンターの数は2027年までに倍増し、資本支出は現在の見積もりの3倍になる可能性がある。大手ハイテク企業はすでに0.06～0.10ドル/kWhの電力料金を支払っており、競合するビットコインマイナーが通常支払う料金（0.03～0.05kWh）よりもはるかに高い。AIのエネルギーニーズが大手ハイテク企業の現在のインフラ計画を上回れば、メガマイナーに対するビットコインマイナーの電力コストの優位性は劇的に高まる可能性がある。マイナーは、GPU供給に関連した利益率の高いAIビジネスにますます魅力を感じている。特に、Hiveは10月に、メガワット当たりで見ると、同社のHPCおよびAIビジネスはビットコインマイニングの15倍の収益を生み出していると報告している。

ビットコインマイナーはこの新市場で成長を遂げており、収益の多様化と収益報告の強化に貢献しています。ハット・エイトの2023年第3四半期のアナリスト向け電話会議で、ハイメ・レバートン最高経営責任者（CEO）は、「HPC事業では、新規顧客の追加と既存顧客の成長により、第3四半期に勢いが生まれました。先週、AI、機械学習、視覚効果、レンダリングのワークロードをサポートするKubernetesベースのアプリケーション向けに、当社のGPUによるHPCサービスを求める顧客向けのオンデマンドクラウドサービスを開始しました。このサービスは、顧客の手に制御を委ねると同時に、設定にかかる時間を数日から数分に短縮するもので、短期的なHPCプロジェクトを探している顧客にとっては特に魅力的です。キャビンエイトのHPC事業による2023年第3四半期の売上高は450万ドルで、同社の同期の売上高の25％以上を占める。HPCサービスや新製品に対する需要の高まりは、この事業の将来的な成長につながるはずであり、ビットコインの半減が差し迫っていることから、市場の状況次第では、HPCの収益がマイニングの収益を上回る日も近いかもしれません。

そのビジネスは有望に聞こえますが、AIに移行するビットコインマイナーは、データセンター構築スキルの不足や電力供給の拡張ができないことに苦戦するかもしれません。また、これらの採掘業者は、データセンター中心の営業スタッフを新たに雇用するコストがかかるため、運営上のオーバーヘッドに関連する課題に直面する可能性がある。さらに、現在の採掘事業では、安価なエネルギーを得るために最適化された結果、高速ファイバー接続がないことが多い遠隔地に位置しているため、ネットワークの遅延や帯域幅が十分ではありません。

AIのための分散型クラウドの実装

また、AIサーバーリソース市場の小さいながらも重要な部分を占めるであろう、計算中心の暗号化プロジェクトのロングテールも見えています。これらの事業体は、ハイパースケールを超えるコンピュート・クラスターをオーケストレーションし、新富裕層のAIビルダーのニーズに合った価値提案を行うだろう。分散型コンピューティングの利点には、カスタマイズ可能性、オープンアクセス、より良い契約条件などがある。このようなブロックチェーンベースのコンピュート企業は、小規模なAIプレーヤーがH100やA100のようなハイエンドGPUの莫大な費用や一般的な利用不可能性を回避することを可能にする。暗号AI企業は、暗号トークンのインセンティブを中心に構築された物理的なインフラストラクチャー・ネットワークを構築することで需要を満たすと同時に、独自のIPを提供してAIアプリケーションのコンピュート利用を最適化するソフトウェア・インフラストラクチャーを構築する。ブロックチェーン・コンピューティング・プロジェクトは、マーケットプレイス方式と暗号インセンティブを利用して、スタンドアロン・データセンター、余剰コンピュート能力を持つエンティティ、元PoWマイナーから安価なコンピュートを発掘する。AIモデルに分散型コンピューティングを提供するプロジェクトには、Akash、レンダリング、io.netなどがあります。

Akashの1日の収益

アカシの日次収益。出典：2024年1月30日時点のCloudmos過去の実績は将来の結果を保証するものではありません。

AkashはCosmosベースのプロジェクトで、CPU、GPU、メモリ、ストレージを提供する汎用分散型「ハイパークラウド」と考えることができます。AkashはCosmosベースのプロジェクトだ。akashのソフトウェアは、AIモデルのトレーニング、微調整、および実行を容易にするツールを作成しながら、コンピューティングの需要と供給を調整するように設計されている。akashはまた、マーケットプレイスの買い手と売り手がその義務において誠実であることを保証する。AKTはまた、GPUコンピューティング・プロバイダーやその他のネットワーク参加者へのインセンティブとしても機能する。プロビジョニングの面では、アカッシュはコンピュート・プロバイダの追加で大きく前進しており、アカッシュのマーケットプレイスには65のプロバイダが参加している。

最近Solanaに移行したRenderは、当初、画像やビデオのレンダリングにGPU容量を提供する分散型グループとアーティストをつなぐことに重点を置いていた。しかし、Renderは、そのGPUを統合し始めた。しかし、Renderは、ディープラーニングモデルをサポートする機械学習ワークロードに対応するために、分散型GPUクラスタに焦点を当て始めている。ネットワーク改善提案RNP-004により、Renderは機械学習のためにRenderのGPUネットワークを利用する外部ネットワーク（io.netなど）に接続するAPIを持つようになりました。その後、Renderコミュニティからの提案が可決され、BeamとFEDMLを介した機械学習タスクのためのGPUへのアクセスが可能になりました。その結果、RenderはGPUワークロードの分散型ファシリテーターとなり、プロバイダーにRNDRドルを支払い、ネットワークのバックエンドインフラを実行するエンティティにRNDRインセンティブを提供することで組織化されました。

Io.netのGPU価格比較。出典：io.net 2024年1月4日現在

Solanaのもう1つの興味深いプロジェクトはio.netです。io.netもGPUを提供することを目的としていますが、GPUをAIモデルに適用することだけに焦点を当てています。単純に計算をオーケストレーションするだけでなく、Io.netはコアスタックにさらなるサービスを追加している。Io.netのシステムは、ネットワーク全体のAIワークロードを適切に促進し、トラブルシューティングするために、作成、使用、微調整を含むAIのすべてのコンポーネントを処理すると主張している。プロジェクトはまた、RenderやFilecoinなどの他の分散型GPUネットワークや独自のGPUを利用する。io.netは2024年の第1四半期にローンチする予定だが、現在トークンはない。

分散型コンピューティングのボトルネックを克服する

しかし、この分散型コンピューティングを活用することは、ディープラーニングモデルの学習に必要な典型的な633テラバイト以上のデータによってもたらされるネットワーク需要のため、依然として課題となっています。オープンソースのベースモデルの市場に積極的に参入している企業であるTogetherは、オープンソースのAIモデルをホストする分散型クラウドを構築しています。Togetherは、研究者、開発者、企業が、データ、モデル、およびAIモデルを組み合わせた直感的なプラットフォームを通じて、オープンソースのAIモデルのパワーを活用できるようにします。Togetherは、データ、モデル、計算を組み合わせた直感的なプラットフォームを通じて、研究者、開発者、企業がAIを活用し、改善することを可能にし、AIのアクセシビリティを拡大し、次世代のハイテク企業を支援する。Togetherは、主要な学術研究機関と提携してTogether Research Computerを構築し、研究所がAI研究のための計算を一元化できるようにした。同社はまた、スタンフォード基礎モデル研究センター（CRFM）と提携し、言語モデルの全体的評価（HELM：Holistic Evaluation of Language Models）を作成しました。HELMは、このような基礎モデルを評価するための標準化された枠組みを提供することで、AIの透明性を向上させることを目的とした「生きたベンチマーク」です。

Togetherの設立以来、創設者のVipul Ved Prakash氏は、1) <1Gbpsリンク上で訓練された6Bパラメトリック・モデルを持つオープンなLLMであるGPT-JT、2) <1Gbpsリンク上で訓練された6Bパラメトリック・モデルであるOpenChatKit、3) <1Gbpsリンク上で訓練された6Bパラメトリック・モデルであるOpenChatKitなど、数多くのプロジェクトの陣頭指揮を執ってきました。OpenChatKitは、専用および汎用チャットボットを作成するための強力なオープンソース基盤であり、3）RedPajamaは、研究および商用アプリケーションの基盤となることを目標に、最先端のオープンソースモデルを作成するプロジェクトである。Togetherプラットフォームは、コモディティ・ハードウェア上のオープンモデル、分散型クラウド、および統合された開発者クラウドで構成される基盤モデルであり、消費者マイナー、暗号鉱山、T2-T4クラウド・プロバイダー、学術コンピューティングなど、さまざまな計算ソースを結集します。

HELM（RAFT）のスコア

GPT-JTのパフォーマンス。出典：2024年1月4日時点のデコーダー

私たちは、Togetherのような分散型で民主化されたクラウド・ソリューションは、新しいモデルを構築するコストを大幅に削減し、Amazon Web ServicesやGoogle Cloud、Azureのような旧来の巨大企業を破壊し、競合する可能性があると信じています。AWSのキャパシティ・ブロックやAWS p5.48xlargeインスタンスと、同じ数のH100 SXM5 GPUで構成されたTogether GPUクラスターを比較すると、Togetherの価格設定はAWSの約4倍低くなっています。

オープンLLMの精度が高まり、より広く採用されるようになれば、Togetherは、LinuxにとってのRed Hatのように、オープンソースモデルの業界標準になる可能性があります。

暗号通貨インセンティブでAIモデルを強化

ブロックチェーンと暗号通貨のインセンティブは、ネットワーク効果とネットワーク効果の大きさに関連する報酬が、人々に有用な仕事をさせることを示しています。ビットコインマイニングの文脈では、その仕事は、高価な電気、熟練した労働力、ASICマシンの使用を通じてビットコインネットワークを保護することである。この経済リソースの連携は、ビットコインへの経済攻撃に対する魔女の攻撃防御メカニズムを提供する。引き換えに、これらのリソースを調整するマイナーはBTCドルを受け取る。しかし、AIにおける有用な作業にはもっと多くの緑地があり、すでに多くのプロジェクトがAIと機械学習モデルの改善を推進している。

これらのプロジェクトの中で最も独創的なのはNumeraiで、現在、株式ポートフォリオを構築して金融リターンを最適化するための最良の機械学習モデルを特定することを目的とした分散型データ科学トーナメントと考えることができる。各時代において、匿名のNumerai参加者は隠された生データにアクセスすることを許可され、そのデータを使って最高のパフォーマンスを発揮する株式ポートフォリオを構築するよう求められる。参加するために、ユーザーは予測を提出するだけでなく、そのモデルの価値を証明するために、自分のモデルの予測の後ろにNMRトークンを置くことを強制される。他のユーザーも、自分がベスト・パフォーマーだと信じるモデルの後ろにトークンを置くことができる。誓約され、提出された各モデルの出力は、機械学習アルゴリズムに入力され、Numerai Oneヘッジファンドの投資決定に情報を提供するメタモデルを作成する。最高の情報係数または妥当性を持つ「推論」を提出したユーザーには、NMRトークンが授与される。同時に、最悪のモデルを提出した人は、トークンを減らされる（没収され、勝者への報酬に振り向けられる）。

Bittensorのサブネットとユースケース。出典：https: //taostats.io/api/ 2024年1月2日現在

Bittensorは、Numeraiのコアコンセプトを大幅に拡張した同様のプロジェクトである。 Bittensorは、AI/MLモデルに金銭的インセンティブを提供するプラットフォームであるため、「機械知能のビットコイン」と考えることができる。Bittensorは、AI/MLモデルに金銭的インセンティブを提供するネットワークであるため、「機械知性のビットコイン」と考えることができる。これは、AIモデルを構築する「マイナー」と、これらのモデルの出力の品質を評価する「バリデーター」エンティティによって行われる。Bittensorのアーキテクチャは、ベースネットワークと、いくつかの小さなサブネットワーク（サブネットワーク）というものだ。各サブネットワークは、機械知能の異なる分野に焦点を当てている。ヴァリデーターはこれらのサブネットワーク上のマイナーに様々な質問やリクエストを行い、彼らのAIモデルの品質を評価する。

最もパフォーマンスの高いモデルには最も高いTAOトークンが与えられ、一方バリデーターはマイナーに対する正確な評価に対して報酬を得る。より高いレベルでは、各サブネットに参加するためには、バリデータとマイナーの両方がトークンを誓約する必要があり、各サブネットの誓約総額の割合によって、すべてのBittensorの総インフレから受け取るTAOトークンの数が決定される。その結果、各マイナーは最も多くの報酬を獲得するためにモデルを最適化するだけでなく、最良のAIドメインサブネットにモデルを集中させるインセンティブを持つ。さらに、マイナーとバリデーターは参加するための資金を維持しなければならないため、それぞれが資本コストの壁を超えるか、システムから退出しなければならない。

2024年1月現在、32の異なるサブネットがあり、それぞれが機械学習やAIの特定の分野に特化しています。例えば、サブネット1はChatGPTのヒントLLMに似たテキストです。このサブネットでは、マイナーは、レスポンスの質を評価するベリファイアの合図に最適に反応するように適合させた様々なバージョンのLLMを実行する。Taoshi」と呼ばれるサブネットでは、マイナーがビットコインやさまざまな金融資産の価格に関する短期予測を提出する8。Bittensorには、人間の言語翻訳、ストレージ、オーディオ、ウェブクローリング、機械翻訳、画像生成に特化したサブネットもある。サブネットの作成はライセンスフリーで、200のTAOがあれば誰でもサブネットを作成できる。サブネットの運営者は、各サブネットの活動に対する評価と報酬の仕組みを作る責任がある。例えば、Bittensorを支える基盤であるOpentensorとCerebrasは、そのサブネット上のマイナーのLLM出力を評価する。

これらの各サブネットは、最初はインフレ奨励金によって全額補助されますが、最終的にはそれぞれが経済的に維持しなければなりません。そのため、サブネットの運営者とバリデーターは、外部ユーザーが各サブネットのサービスにアクセスするために料金を支払うことができるようなツールの作成を調整しなければならない。インフレに対するTAOのインセンティブが低下するにつれて、各サブネットは自らを維持するために外部からの収入にますます依存するようになる。このような競争環境では、最高のモデルを作成するための直接的な経済的圧力だけでなく、これらのモデルが適用されるための収益性の高い現実世界のインセンティブを他の人が作成するためのインセンティブがあります。Bittensorは、AIモデルを特定し、そこから利益を得るために戦闘的な中小企業を活用することにより、AIの可能性を引き出しています。Bittensorのエバンジェリストとして知られるMogMachineが言うように、このダイナミズムは「AIのダーウィン的競争」と考えることができます。

もう1つの興味深いプロジェクトは、人間や他のコンピュータプログラムに代わって自律的にタスクを実行するようにプログラムされたAIエージェントの作成にインセンティブを与えるために暗号を使用することです。これらのエンティティは、基本的に特定の問題を解決するために設計された適応型コンピュータプログラムである。エージェントとは、チャットボット、自動取引戦略、ゲームキャラクター、さらには仮想世界のアシスタントまでを含む包括的な用語である。この分野での注目すべきプロジェクトは、NFTを使用して、所有し、動力を与え、訓練されたAIエージェントを作成するプラットフォームであるAltered State Machineである。Altered State Machineでは、ユーザーが「エージェント」を作成し、GPUの分散型クラスタを使用して「訓練」する。これらのエージェントは、特定のユースケース向けに最適化されている。別のプロジェクトであるFetch.aiは、各ユーザーのニーズに合わせてカスタマイズされたエージェントを作成するためのプラットフォームである。Fetch.aiはまた、エージェントを登録し、レンタルまたは販売することを可能にするSaaSビジネスでもある。

2023年1月1日からのAIトークンのリターン

出典：Artemis XYZ 2024年1月10日時点。過去の実績は将来の結果を保証するものではありません。

ゼロ知識（zk）証明による検証

2023年は新しいAIモデルにとって画期的な年です。ディープラーニングの有望性により、2023年6月現在、米国にはAI関連の新興企業が18,563社以上ある。これらの新興企業やその他の企業は、何千もの新しいベースモデルや微調整されたモデルを生み出している。しかし、AI関連企業がベンチャーキャピタルに投資する4ドルのうち1ドルを投資している分野で、多くの新しい事業体が増殖していることは深刻な懸念となるはずだ。

• それぞれのモデルを実際に作成し、所有しているのは誰か？

• 指定されたモデルによって実際に出力が生成されているか？

• そのモデルは本当に宣伝通りに機能するのか？

• 各モデルのデータソースは何か、そのデータは誰のものか。

• トレーニング、微調整、推論は、著作権やデータの権利を侵害していませんか？

これらのモデルの投資家やユーザーは、これらの問題に対処できることを100%確信する必要があります。現在、コード生成のためのHumanEval、LLM支援タスクのためのChatbot Arena、LLM推論能力のためのARC Benchmarkなど、LLM出力のさまざまなコンポーネントに対して多くのベンチマークが存在します。しかし、Hugging FaceのOpen LLM Leaderboardのようなモデルの透明性の試みにもかかわらず、モデルの妥当性、最終的なソース、トレーニング/推論データの出所に関する具体的な証拠はありません。ベンチマークを欺くことが可能なだけでなく、特定のモデルが（別のモデルに接続するAPIを使用するのとは対照的に）実際に動作しているかどうかや、リーダーボード自体が正直であるかどうかも確かではありません。

ここで、パブリックブロックチェーン、AI、そしてゼロ知識（zk）証明として知られる最先端の数学分野の統合が登場します。zk証明は暗号技術の応用であり、誰かがデータについて行った声明が正しいことを、必要なレベルの数学的確実性をもって、基礎となるデータを誰にも明かすことなく証明することができます。ステートメントは単純な記述（例えば順位付け）で構成されるが、複雑な数学的計算にまで拡張することができる。例えば、ある人が特定のサンプルの相対的な富を知っていることを、その富を他の人に明かすことなく証明できるだけでなく、その集団の平均と標準偏差の計算が正しいことを証明することもできる。基本的には、データの詳細や計算方法を明らかにすることなく、データを知っていること、および／またはそのデータを使って真の主張を行ったことを証明できる。AI以外では、zk証明はイーサのスケーリングに使用され、レイヤー2ブロックチェーン上でオフチェーンでの取引を可能にしてきた。より最近では、zk証明はディープラーニングモデルに適用され、次のことを実証しています：

• モデルを生成したり推論出力を提供したりするために特定のデータを使用すること（さらに、どのデータ/ソースが使用されなかったか）

• 推論を生成するために特定のモデルを使用する

• 推論出力が改ざんされていない

zkの証明は、公開された恒久的なブロックチェーンに公開され、スマートコントラクトによって検証されます。その結果、ブロックチェーンはAIモデルの重要な特性を公に、反論の余地なく証明することができる。ZKをAIに適用する2つの最先端プロジェクトは、ゼロ知識機械学習（ZKML）、EZKLとModulusとして知られている。eZKLはHalo2証明システムを使用してzk-snarksを生成し、ゼロ知識証明をイーサのEVM上で公開検証することができる。EZKLのCEOであるJason Morton氏は、EZKLの現在の証明モデル・サイズはChatGPT 4の175Bに対して約100Mと比較的小さいものの、「技術的な限界」ではなく「エンジニアリングの問題」に注目していると述べている。EZKLは、証明を分割して並列に実行することで、メモリ制約と計算時間を削減し、証明の問題を克服できると考えている。実際、ジェイソン・モートンは、いつの日か "モデルの検証はブロックチェーン取引に署名するのと同じくらい簡単になるだろう "と考えている。

AIに適用されるZKML証明は、著作権問題やAIのセキュリティなど、AI実装における重要なペインポイントに対処することができます。Open AIとMicrosoftに対する最近のNew York Timesの訴訟が示すように、著作権法はデータの所有権に適用され、AIプロジェクトはデータソースの証明を提供することを余儀なくされます。実際、ZKMLの最も優れた用途の1つは、Ocean ProtocolやSingularityNetのようなデータ／モデルマーケットプレイスが、そのリストの信憑性と妥当性を証明できるようにすることです。

人工知能モデルはいずれ、正確さとセキュリティが重要な分野にまで拡大するでしょう。2027年までに、重機、ロボット、自律型ドローン、車両などを含む58億台のAIエッジデバイスが存在すると推定されています。機械知能が人を傷つけたり殺したりする可能性のあるものに適用されるとき、信頼できる情報源からの高品質のデータを使用して、評判の良いモデルがそのデバイス上で実行されていることを実証することが重要である。これらのエッジ・デバイスから継続的なリアルタイムの証明を構築し、ブロックチェーンに公開することは経済的にも技術的にも困難かもしれないが、起動時にモデルを検証するか、定期的にブロックチェーンに公開する方が実現可能かもしれない。しかし、0xPARCのZupass Foundationは、エッジデバイスで起こっていることの事実証明として安価に構築できる「データの持ち運び証明」に由来する生の証明を構築しました。現在、これはイベントの出席に関連していますが、ID やヘルスケアなどの他の分野にもすぐに移行することが予測できます。

ロボット外科医のAIモデルはどの程度優れているのか？

ロボット支援手術。出典：MITテクノロジーレビュー 2024年1月30日現在

機器の故障で責任を問われる可能性のある企業の観点からすると、自社のモデルが高価な事故の根本的な原因ではないという検証可能な証拠を持つことは、理想的なことのように思えます。同様に、保険の観点からは、実際のデータに基づいて訓練された信頼性の高いモデルの使用を検証し、正当化することが経済的に必要になるかもしれない。同様に、ブロックチェーンで検証され証明されたカメラ、携帯電話、コンピューターを使用して様々な操作を行うことは、ディープAIの偽造の世界では当たり前になるかもしれない。もちろん、これらのデバイスの真正性と正確性の証明は、改ざんや不正を防ぐために、公開されたオープンソースの台帳に掲載されるべきである。

これらの証明は大きな可能性を秘めていますが、現在のところガスコストと計算オーバーヘッドによって制限されています。現在のETH価格では、チェーン上に証明を提出するのに約30～50万ドルのガスコストがかかります（現在のETH価格で約35～58ドル）。計算の観点から、EigenlayerのSreeram Kennanは、"AWSで実行するのに50ドルかかる証明計算は、現在のZK証明技術を使用すると、その約100万倍のコストがかかる "と見積もっている。ZKプルーフは、数年前の予想をはるかに上回るスピードで進化しているが、実際のユースケースが広がるまでには、まだ長い道のりがある。誰かがZKMLの応用に興味を持ったとしよう。この場合、検証済みのオンチェーン・スマートコントラクト・モデルによって審査される分散型歌唱コンテストに参加し、その結果をブロックチェーンに恒久的にアップロードすることができる。

ブロックチェーンに基づくアイデンティティを通じて人間性を確立する

広範で高度な機械知能がもたらす可能性のある結果の1つは、自律エージェントが最も多用なインターネットユーザーになるということです。人工知能を持つエージェントが解き放たれることで、意図的にボットが生成したスパムや、無害なタスクベースのエージェントでさえウェブを詰まらせることで、ネットワーク全体が混乱する可能性が高い（「Getting Ridove of Junk Email」）。ソラナ ボットがおよそ10万ドル相当の裁定取引を競い合うと、1秒間に100GBのデータ・トラフィックが発生する。AIエージェントが何百万もの企業ウェブサイトの身代金を要求し、何十億ドルもの金をゆすり取ることができるようになったとき、ウェブトラフィックの大洪水が起こることを想像してみてほしい。このことは、インターネットの未来が人間以外のトラフィックに制限を課すことを示唆している。このような攻撃を制限する最善の方法のひとつは、安価なリソースの使い過ぎに経済的な課税を課すことである。しかし、スパムに課金するための最良の枠組みをどのように決定すればよいのでしょうか？また、人間らしさをどのように決定すればよいのでしょうか？

幸いなことに、ブロックチェーンはすでにAIボット型の魔女攻撃に対する組み込みの防御策を採用しています。非人間的なユーザーを計測し、非人間的なユーザーに課金するという組み合わせが理想的な実装であり、（ハッシュキャッシュのような）少し負荷の高い計算がボットを抑制するでしょう。人間性の証明という点では、ブロックチェーンは長い間、匿名性を克服して、担保不足のローンやその他の評判に基づく活動のような活動を解除するのに苦労してきた。

アイデンティティを証明する動機付けを得る1つの方法は、JSON Webトークン（JWT）を使用することです。JWTは、ウェブサイトにサインインするときに使用される「クッキー」に似た「0Auth」クレデンシャルです。JWTは、Googleなどのウェブサイトにサインインする際に生成される、「クッキー」に似た「0Auth」の認証情報です。L1ブロックチェーンSuiによって作られたzkLoginは、ユーザーが自分のウォレットの秘密鍵とアクションを、JWTを生成するGoogleやFacebookのアカウントにリンクすることを可能にする。Zero Peer-to-Peerは、JWTを使用してこのコンセプトをさらに拡張し、ユーザーがライセンスなしでBaseブロックチェーン上で不換紙幣と暗号通貨を交換できるようにする。これは、決済アプリVenmoを介してピアツーピアの現金送金を確認することで行われ、電子メールで送信されたJWTを介して確認されると、スマートコントラクトにホストされているUSDCトークンがアンロックされる。両プロジェクトの結果は、オフチェーンIDとの強力な接続を確立することである。例えば、zkLoginはウォレットアドレスをGoogle IDに接続し、zkP2PはVenmoのKYCユーザーのみが利用できる。両者ともオンチェーンIDの十分な信頼性と確実な保証には欠けるが、他のユーザーが使用できる重要なビルディングブロックを作り出している。

多くのプロジェクトがブロックチェーンユーザーの身元確認を試みてきたが、最も大胆だったのは、OpenAI CEOのサム・アルトマンが設立したWorldCoinである。反ユートピア的な "Orb "マシンを使用するために虹彩をスキャンしなければならないという論争にもかかわらず、WorldCoinは、簡単に偽造されたり、機械知能に振り回されたりすることのない、改ざん防止されたIDシステムになりつつある。それは、WorldCoinが一人一人のユニークな目の「指紋」に基づいた暗号識別子を作成し、それをサンプリングすることで一意性と真正性を確保できるからだ。確認されると、ユーザーはOptimismブロックチェーン上でワールドIDと呼ばれるデジタルパスポートを受け取り、ブロックチェーン上で人間性を証明することができる。最も重要なのは、その人固有の署名は暗号化されているため、決して漏洩したり追跡されたりすることはないということだ。World IDは、ブロックチェーンのアドレスが人間のものであることを単に主張するだけである。チェックメイトのようなプロジェクトは、World IDをソーシャルメディアのプロフィールにリンクさせ、ユーザーの一意性と真正性を保証している。人工知能が支配する未来のインターネットでは、あらゆるオンライン上のやり取りにおいて人間性を明示的に証明することが当たり前になるかもしれない。AIがCAPTCHAの限界を克服するにつれて、ブロックチェーンアプリは安価に、素早く、具体的に身元を証明できるようになる。

ブロックチェーン技術を通じてAIに貢献する

私たちがAI革命の初期段階にいることは間違いありません。しかし、機械知能の成長軌道が最も大胆な予測に沿ったものであるならば、AIはその潜在的な害悪を抑制しつつ、際立った存在になるよう挑戦しなければなりません。暗号通貨は、実り豊かだが潜在的に不吉なAI植物を適切に「訓練」するための理想的なグリッドであると我々は信じている。ブロックチェーンのAIソリューションセットは、より応答性が高く、柔軟で、潜在的に安価な分散型コンピューティングを提供することで、機械知能クリエイターのアウトプットを向上させることができる。また、より優れたモデルを作成することができる構築者にインセンティブを与え、他者にはこれらのAIモデルを使用して有用なビジネスを構築する経済的インセンティブを提供する。同様に重要なのは、モデルの所有者は、保護されたデータソースが使用されていないことを証明しながら、モデルの妥当性を証明できることだ。AIユーザーにとって、暗号化されたアプリは、実行しているモデルがセキュリティ基準に準拠していることを確認でき、有用である可能性があります。

出典：ヴァンエック・リサーチ、プロジェクトウェブサイト、2024年1月15日現在

第三者のウェブサイトへのリンクは便宜上提供されているものであり、このようなリンクが含まれていることは、リンク先のウェブサイトに含まれる、またはリンク先のウェブサイトからアクセス可能なコンテンツまたは情報について、当社が何らかの保証、承認、調査、検証、または監視を行っていることを意味するものではありません。VanEck以外のウェブページへのリンクをクリックすることにより、利用者は、アクセスする第三者のサイトがその利用規約に従うことを認め、VanEckは第三者のサイトのコンテンツ、アクセスの合法性、または適合性について責任を負いません。

開示：ヴァンエックは、「分散型コンピューティングのボトルネックを克服する」に寄稿してくれたアーリーステージのベンチャーキャピタルマネージャーのカデンツァとの戦略的パートナーシップを通じて、トゥギャザーで代表を務めています。Cadenzaは「分散型コンピューティングのボトルネックを克服する」パートに貢献してくれました。

Special thanks to:

Jason Morton, CEO, ZKML

Greg Osuri、AkashのCEO兼創設者

Zeqiang Liang、zkP2PのCEO

Suiブロックチェーンチームの主要メンバー - Sam Blackshear、Nihar Shah、Sina Nader、Alonso Gortari