Web3＋AI：コミュニティ主権のための人工知能

黄健薰はドバイで開催されたWGSで講演した際、「ソブリンAI」という言葉を作り出した。では、どのソブリンAIがCryptoコミュニティの関心と要求を満たすのでしょうか？

おそらくそれは、Web3+AIとして構築される必要があるでしょう。

ヴィタリックは「暗号＋AIアプリケーションの約束と課題」でAIと暗号について語っている。AIは不透明だが、暗号は透明性をもたらす。AIはデータを必要とするが、ブロックチェーンはデータの保存と追跡を容易にする。この相乗効果は、Web3+AIという業界の全体像を貫いている。

ほとんどのWeb3 + AIプロジェクトは、AI業界のインフラプロジェクト構築の問題を解決するためにブロックチェーン技術を使用しており、Web3アプリケーションの特定の問題を解決するためにAIを使用しているものもいくつかあります。

ウェブ3 + AI業界のイメージは大まかに以下の通りです：

<

AIの生産とワークフローは、おおよそ次のようなものです：

これらのリンクの中で、Web3とAIの組み合わせは主に4つの側面に反映されています：

1.算術レイヤー：算術資産化

過去2年間で、大きなAIモデルを訓練するために使用される演算能力は指数関数的に増加しており、基本的に四半期ごとに倍増し、ムーアの法則をはるかに超える速度で乱暴に成長している。この状況は、AI演算の需要と供給の間に長期的な不均衡をもたらし、GPUなどのハードウェア価格が急激に上昇し、それが演算コストを押し上げている。

しかし同時に、市場にはローエンドやミッドレンジの演算ハードウェアも大量に眠っており、ローエンドやミッドレンジのハードウェアのこの部分の単体の演算能力では、高性能な需要を満たすことができない可能性もある。しかし、これをWeb3アプローチによる分散演算ネットワークに組み込めば、演算リースと共有による分散演算リソースネットワークを構築することで、多くのAIアプリケーションのニーズを満たすことができる。分散型アイドル演算を使用しているため、AI演算のコストを大幅に削減することができます。

演算層の内訳は以下の通りです：

• 汎用分散演算（Arkash、Io.netなど。

• AIトレーニングのための分散型算術（Gensyn、Flock.ioなど）;

• AI推論のための分散型算術（Fetch.netなど例：Fetch.ai、Hyperbolicなど);

• 3Dレンダリングのための分散型演算（例：The Render Networkなど）。

Web3+AIの演算資産化、中核となる利点は分散演算クラスのプロジェクトであり、トークンのインセンティブと組み合わせることで、簡単にネットワーク規模を拡大することができ、そのコンピューティングリソースのコストが低いため、費用対効果が高く、ローレンジとミッドレンジの演算ニーズの一部を満たすことができます。

2、データレイヤー：データ資産化

データはAIの血液と油です。Web3に頼らなければ、通常、巨大企業の手元には大量のユーザーデータしかなく、一般のスタートアップが幅広いデータにアクセスすることは難しく、AI業界におけるユーザーデータの価値はユーザーにフィードバックされない。Web3+AIによって、データ収集、データ注釈、分散データ保存のプロセスは、より費用対効果が高く、透明性が高く、ユーザーフレンドリーになります。

質の高いデータを収集することは、AIモデルのトレーニングの前提条件であり、Web3を利用することで、適切なトークンのインセンティブメカニズムと組み合わせた分散型ネットワークと、クラウドソーシングの収集方法を活用し、より低コストで高品質かつ広範なデータを入手することが可能になります。

プロジェクトの目的に基づき、データベースのプロジェクトは主に以下のカテゴリを含みます：

• データ収集プロジェクト（例：Grassなど。Grassなど）;

• データ取引プロジェクト（Ocean Protocolなど）;

• データ注釈プロジェクト（Taida、

• ブロックチェーンデータフィード（例：Spice AI、Space and timeなど）;

• 分散型ストレージプロジェクト（例：Fileco?プロジェクト（Filecoin、Arweaveなど）。

データベースのWeb3+AIプロジェクトは、トークンの経済モデルを設計する上でより困難です。

3、プラットフォームレイヤー：プラットフォーム価値の資産化

プラットフォームプロジェクトの多くは、AI業界のあらゆるリソースの統合を核とし、「抱き合わせフェイス」をベンチマークとする。データ、演算、モデル、AI開発者、ブロックチェーン、その他様々なリソースを集約したプラットフォームを構築し、そのプラットフォームを中心に役割分担をリンクさせることで、より便利に様々なニーズに対応できるようにする。例えばギザは、包括的なzkML運用プラットフォームの構築に注力し、機械学習の推論を信頼性と透明性の高いものにすることを目指している。データやモデルのブラックボックスは、昨今のAIに共通する問題であり、ZKやFHEなどの暗号技術を採用し、モデルの推論が本当に正しく実行されたかをWeb3によって検証することは、早晩業界から求められることになるからだ。

NuroblocksやJanctionなど、フォーカスAIを行うLayer1/Layer2も存在する。核心的な物語は、演算、データ、モデル、AI開発者、ノードなどあらゆるリソースをつなぎ、共通のコンポーネントと共通のSDKをパッケージ化することで、Web3+AI型アプリの迅速な構築と開発の実現を支援するというものです。

また、OlasやChainMLなど、さまざまなアプリケーションシナリオに対応したAIエージェントを構築できるエージェントネットワーク型のプラットフォームもあります。

プラットフォームWeb3+AIプロジェクトは、主にトークンの方法でプラットフォームの価値を獲得し、様々な参加者のプラットフォーム構築にインセンティブを与えます。0-1からのスタートアッププロジェクトのプロセスにとってより有用であり、プロジェクト側が演算、データ、AI開発者コミュニティ、ノードなどのパートナーを見つける難易度を下げることができる。

4、アプリケーションレイヤー：AI価値の資産化

インフラタイプのプロジェクトの前面、ブロックチェーン技術の使用のほとんどは、AI業界のインフラプロジェクトの建設を解決する。の問題がある。アプリケーション層のプロジェクトは、Web3アプリケーションの問題を解決するためにAIを使用することに重点を置いています。

例えば、ヴィタリック氏は記事の中で2つの方向性について言及しているが、これは非常に興味深いものだと思う。

1つは、Web3の参加者としてのAIです。例えば、Web3ゲームでは、AIはゲームのルールを素早く理解し、最も効率的にゲームのタスクを完了することができるゲームプレイヤーとして機能することができます。DEXでは、AIは長年アービトラージ取引で役割を果たしてきました。

AIエージェントは、大量のデータ、知識ベース、情報を受け入れることで、そのモデルの分析予測能力を訓練し、製品化してユーザーに提供することで、スポーツイベントや大統領選挙などの特定のイベントに関する予測を行うための推論モデルをユーザーに提供することができます。

2つ目は、スケーラブルで分散型のプライベートAIを作ることです。多くのユーザーは、AIのブラックボックス問題やシステムの偏り、あるいはAI技術によってユーザーを騙して利益を得る特定のdAppsの存在を懸念しているからです。基本的に、ユーザーはAIのモデル訓練や推論プロセスに対する検閲やガバナンスのアクセス権を持っていないからだ。しかし、Web3プロジェクトのように、コミュニティがそのAIに対して分散統治権を持つWeb3 AIが作られれば、より受け入れられるかもしれない。

今のところ、Web3+AIアプリケーション層には、天井の高い白馬プロジェクトはありません。

まとめ

Web3＋AIはまだ非常に初期段階にあり、業界内でもこのトラックの発展の見通しについて意見が分かれており、今後も注目していきたいと思います。私たちは、Web3とAIの組み合わせが、中央集権的なAIよりも価値ある製品を生み出し、AIが "巨大な支配 "や "独占 "というレッテルから脱却し、よりコミュニティに根ざした形で "AIを共同支配 "できることを望んでいる。「AIはコミュニティで使える製品ではない。おそらく、より緊密な参加とガバナンスの過程で、人間はAIに対してより「畏怖」し、より「恐怖」しなくなるだろう。