ジェンスン・ファンはドバイのWGSで講演した際、「ソブリンAI」という用語を提案した。では、どの主権型 AI が暗号通貨コミュニティの関心と要求を満たすことができるのでしょうか?
Web3+AIという形で構築する必要があるのかもしれません。
Vitalik 氏は、「暗号通貨 + AI アプリケーションの可能性と課題」という記事で AI と暗号通貨の相乗効果について説明しました。暗号通貨の分散化により AI の集中化のバランスをとることができます。AI は不透明であり、暗号通貨はデータの透明性をもたらします。ブロックチェーンはストレージと追跡を容易にします。データの。この種の相乗効果は、Web3+AI の産業環境全体に浸透しています。
ほとんどの Web3 + AI プロジェクトはブロックチェーン テクノロジーを使用して AI 業界のインフラストラクチャ プロジェクトの構築上の問題を解決しており、いくつかのプロジェクトは Web3 アプリケーションの特定の問題を解決するために AI を使用しています。
Web3 + AI 業界の全体像は次のとおりです。
AIの制作とワークフローは大まかに以下のとおりです。
これらのリンクでは、Web3 と AI の組み合わせが主に 4 つの側面に反映されています。
コンピューティングパワーレイヤー: コンピューティングパワーの活用
過去 2 年間で、大規模な AI モデルのトレーニングに使用されるコンピューティング能力は指数関数的に増加し、基本的に四半期ごとに 2 倍となり、ムーアの法則をはるかに超える速度で増加しています。この状況により、AI の計算能力の需要と供給の長期的な不均衡が生じ、GPU などのハードウェアの価格が急速に上昇し、計算能力のコストが上昇しました。
しかし同時に、市場には遊休状態のミッドエンドからローエンドのコンピューティング能力のハードウェアが大量に存在しており、ミッドエンドからローエンドのハードウェアのこの部分の単一のコンピューティング能力では高い要求を満たすことができない可能性があります。 -パフォーマンスのニーズ。ただし、分散型コンピューティング パワー ネットワークが Web3 を通じて構築され、分散型コンピューティング リソース ネットワークがコンピューティング パワーのリースと共有を通じて作成された場合でも、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ます。分散されたアイドル状態のコンピューティング能力が使用されるため、AI コンピューティング能力のコストを大幅に削減できます。
コンピューティング パワー レイヤーの内訳には次のものが含まれます。
一般的な分散型コンピューティング能力 (Arkash、Io.net など)。
AI トレーニングのための分散型コンピューティング能力 (Gensyn、Flock.io など)。
AI 推論のための分散型コンピューティング能力 (例: Fetch.ai、Hyperbolic など)。
3D レンダリングのための分散型コンピューティング能力 (The Render Network など)。
Web3+AI のコンピューティング能力資産化の主な利点は、分散型コンピューティング能力プロジェクトにあり、トークン インセンティブと組み合わせることでネットワーク規模を容易に拡張できるため、コンピューティング リソースのコストが低く、一部のユーザーを満足させることができます。ミッドエンドからローエンドのコンピューティング能力要件。
データ層: データの大文字化
データは AI の油であり血液です。 Web3に依存しない場合、一般的に大量のユーザーデータを保有しているのは巨大企業だけであり、一般のスタートアップが膨大なデータを取得することは難しく、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ていません。 Web3+AI を通じて、データ収集、データ アノテーション、分散データ ストレージなどのプロセスをより安価に、より透明性を高め、ユーザーにとってより有益なものにすることができます。
高品質の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す。Web3 を通じて、分散ネットワークを適切なトークン インセンティブ メカニズムと組み合わせて使用し、クラウドソーシングの収集方法を使用して、高品質で広範なデータを低コストで取得できます。
プロジェクトの目的に応じて、データ プロジェクトには主に次のカテゴリが含まれます。
データ収集プロジェクト (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、Alaya など)。
ブロックチェーン データ ソース プロジェクト (Spice AI、Space and time など)。
分散型ストレージ 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、コンピューティング能力よりもデータの標準化が難しいため、トークン経済モデルの設計プロセスにおいてより困難になります。
プラットフォーム層: プラットフォームの価値を活かす
ほとんどのプラットフォーム プロジェクトは、AI 業界のさまざまなリソースを統合することを核として、Hugging Face に対してベンチマークされます。データ、計算能力、モデル、AI開発者、ブロックチェーンなどのさまざまなリソースと役割との連携を集約したプラットフォームを構築し、プラットフォームを中心にさまざまなニーズをより便利に解決します。たとえば、Giza は、機械学習の推論の信頼性と透明性を高めることを目的として、包括的な zkML 操作プラットフォームの構築に焦点を当てています。これは、データとモデルのブラック ボックスが現在 AI で一般的な問題となっているためです。Web3 学習技術を通じて、ZK や FHE などのパスワードが使用されています。モデルの推論が実際に正しく実行されていることを検証することは、遅かれ早かれ業界から求められるでしょう。
Nuroblocks、Janction などの Focus AI 用のレイヤー 1/レイヤー 2 もあります。核となる物語は、さまざまなコンピューティング能力、データ、モデル、AI 開発者、ノード、その他のリソースを接続し、共通コンポーネントと共通 SDK をパッケージ化することで、Web3+AI アプリケーションが迅速な構築と開発を実現できるように支援します。
また、Olas、ChainML など、さまざまなアプリケーション シナリオ向けに 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 タイプのプラットフォームもあります。
プラットフォーム型の Web3+AI プロジェクトは、主にトークンを使用してプラットフォームの価値を獲得し、プラットフォームの参加者全員が共同で構築することを奨励します。これは、0 から 1 までのスタートアップ プロジェクトに役立ち、プロジェクト関係者がコンピューティング能力、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しさを軽減できます。
アプリケーション層: AI 価値の資産化
これまでのインフラストラクチャプロジェクトのほとんどは、AI業界におけるインフラストラクチャ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いました。アプリケーション層プロジェクトは、AI を使用して Web3 アプリケーションの問題を解決することに重点を置いています。
例えば、Vitalik 氏は記事の中で 2 つの方向性について言及していましたが、これは非常に意味のあることだと思います。
1 つは Web3 参加者としての AI です。たとえば、Web3 ゲームでは、AI はゲーム プレーヤーとして機能し、ゲームのルールを素早く理解し、最も効率的にゲーム タスクを完了できます。DEX では、AI は長年にわたって予測市場で裁定取引の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、情報を広く受け入れ、モデルの分析および予測機能をトレーニングして製品としてユーザーに提供することができ、ユーザーがモデル推論を通じてスポーツ イベントなどの特定のイベントを予測できるように支援します。 、大統領選挙など。
2 つ目は、スケーラブルな分散型プライベート AI を作成することです。多くのユーザーが AI のブラックボックス問題を懸念しており、システムが偏っていたり、AI テクノロジーによってユーザーを騙して利益を得る一部の dApps が存在したりするためです。これは基本的に、ユーザーには AI モデルのトレーニングと推論プロセスに対するレビューおよびガバナンス権限がないためです。ただし、Web3 プロジェクトのような Web3 AI を作成する場合、コミュニティはこの AI のガバナンス権限を分散しているため、より容易に受け入れられる可能性があります。
現時点では、Web3+AI アプリケーション層に天井の高いホワイトホース プロジェクトはありません。
要約する
Web3 + AI はまだ初期段階にあり、このトラックの発展の見通しについては業界で意見が分かれています。今後もこのトラックに注目していきます。私たちは、Web3 と AI の組み合わせによって、集中型 AI よりも価値のある製品が生み出され、AI が「巨大な支配」「独占」「共同統治する AI」というラベルを取り除き、よりコミュニティに基づいたシステムになることを期待しています。方法。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に対してより多くの「畏怖」を抱き、「恐れ」は少なくなるでしょう。