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、オンチェーンおよびオフチェーンの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や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の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、異なるAIタイプのサブネット競争を促進することで、異なる分野のAI技術の進歩を促進できます。
Web3-AI競技場の全景：技術的論理からトッププロジェクトのデプスまでの徹底分析
Web3-AI分野の全景レポート：技術的ロジック、シーンの応用とトッププロジェクトのデプス分析
AIのストーリーテリングの熱が高まる中、ますます多くの注目がこの分野に集中しています。Web3-AI分野の技術論理、アプリケーションシーン、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
昨年、AIのナarrativeはWeb3業界で異常に人気があり、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技術に関与していますが、一部のプロジェクトは製品の一部でのみAIを使用しており、基盤となるトークンエコノミクスとAI製品には実質的な関連がないため、これらのプロジェクトは本記事のWeb3-AIプロジェクトの議論には含まれません。
本文の重点は、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。私たちはこのようなプロジェクトをWeb3-AIの分野に分類します。読者がWeb3-AIの分野をよりよく理解できるように、AIの開発プロセスと課題、そしてWeb3とAIの結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造するかを紹介します。
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。これにより、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は私たちの生活と仕事の方法を変えています。
人工知能モデルの開発プロセスは通常、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、モデルのトレーニングと推論。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: 猫と犬の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、自分で実際のデータを収集できます。その後、各画像に(猫または犬)のカテゴリをラベル付けし、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。
モデル選択と調整: 適切なモデルを選択する。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調整します。一般的に、モデルのネットワーク層はAIタスクの複雑さに応じて調整できます。この単純な分類の例では、浅いネットワーク層で十分かもしれません。
モデルのトレーニング: GPU、TPU、または高性能計算クラスターを使用してモデルをトレーニングできます。トレーニング時間はモデルの複雑さと計算能力に影響されます。
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、推論プロセスとは、すでにトレーニングされたモデルを使用して新しいデータに対して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効果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、モデル選択とチューニング、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(probability)が得られ、つまりモデルが猫または犬である確率を推論します。
トレーニングされたAIモデルは、さまざまなアプリケーションにさらに統合され、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、ユーザーが猫または犬の画像をアップロードすると、分類結果が得られます。
しかし、中央集権的なAI開発プロセスには次のシナリオでいくつかの問題があります:
ユーザーのプライバシー: 中央集権的なシーンでは、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(、例えば医療データ)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。
モデル選択とチューニング：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、モデルのチューニングに多額のコストをかけたりするのは難しい。
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購入コストやクラウド算力のレンタル費用は、重大な経済的負担となる可能性があります。
AI資産収入:データラベラーはしばしば自分の努力に見合った収入を得られず、AI開発者の研究成果も需要のある購入者とマッチするのが難しい。
中心化AI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ます。Web3は新しい生産関係の一つであり、新しい生産力を代表するAIに自然に適合し、技術と生産能力の同時進歩を促進します。
1.3 Web3とAIの協調効果:役割の変化と革新アプリケーション
Web3とAIの融合は、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、ユーザーがWeb2時代のAI利用者から参加者に変わることを可能にし、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、さらなる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可能性があります。
Web3技術に基づき、AIの開発と応用は新しい協力経済体系を迎えることになります。人々のデータプライバシーが守られ、データクラウドソーシングモデルが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となり、共有された計算能力を低コストで得ることができます。分散型の協力クラウドソーシングメカニズムとオープンなAI市場を活用することで、公平な収入分配体系を実現し、より多くの人々がAI技術の進歩を促進するよう奨励することができます。
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、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ことができます。市場分析、安全検出、ソーシャルクラスタリングなどの多様な機能があります。生成的AIは、ユーザーに「アーティスト」の役割を体験させるだけでなく、AI技術を使用して自分のNFTを作成したり、GameFiで豊富で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したりすることができます。豊富なインフラはスムーズな開発体験を提供し、AIの専門家でもAI分野に入ろうとする初心者でも、この世界で適切な入り口を見つけることができます。
二、Web3-AIエコシステムプロジェクトの地図とアーキテクチャの解読
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層、中間層、アプリケーション層が含まれ、それぞれの層は異なるセクションに分かれています。次の章では、代表的なプロジェクトのデプスな解析を行います。
インフラストラクチャ層は、AIライフサイクル全体の運用をサポートする計算リソースと技術アーキテクチャを含み、中間層はインフラストラクチャ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み、アプリケーション層はユーザー向けのさまざまなアプリケーションと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 Chain、開発プラットフォームをインフラ層に分類しています。これらのインフラのサポートがあってこそ、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の計算能力を提供し、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の計算市場を提供し、ユーザーは低コストで計算能力をレンタルしたり、計算能力を共有して収益を得ることができます。代表的なプロジェクトにはIO.NETやHyperbolicがあります。また、一部のプロジェクトは新しいプレイスタイルを派生させ、Compute Labsがトークン化プロトコルを提案し、ユーザーはGPU実体を表すNFTを購入することで、異なる方法で計算能力のレンタルに参加して収益を得ることができます。
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、オンチェーンおよびオフチェーンの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や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の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、異なるAIタイプのサブネット競争を促進することで、異なる分野のAI技術の進歩を促進できます。
開発プラットフォーム: 一部のプロジェクトは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。
ミドルレイヤー:
このレイヤーはAIデータ、モデル、推論および検証に関係しており、Web3技術を使用することでより高い作業効率を実現できます。
さらに、一部のプラットフォームでは、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することを許可しています。たとえば、画像ラベリングやデータ分類など、これらのタスクは専門知識を必要とする金融および法律関連のデータ処理を含む場合があります。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マーケットは、さまざまな分野のデータタスクを持ち、多様なデータシーンをカバーできます。一方、AITプロトコルは、人間と機械の協調によってデータにラベリングを行います。
いくつかのプロジェクトは、ユーザーが異なるタイプのモデルを提供したり、クラウドソーシングによってモデルを協力してトレーニングすることをサポートしています。たとえば、Sentientはモジュール化された設計によって、ユーザーが信頼できるモデルデータをストレージ層および配信層に置いて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、協力トレーニング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、より面白く革新的なプレイを生み出します。本稿では、AIGC(AI生成コンテンツ)、AIエージェント、データ分析のいくつかのセクションのプロジェクトを整理します。
AIGC: AIGCを通じてWeb3のNFTやゲームなどの分野に拡張でき、ユーザーはPrompt(ユーザーが提供するプロンプト)を直接通じてテキスト、画像、音声を生成でき、さらにはゲームの中で自分の好みに応じてカスタマイズされたプレイスタイルを生成することもできます。NFTプロジェクトであるNFPromptでは、ユーザーはAIを通じてNFTを生成し、市場で取引できます。ゲームであるSleeplessでは、ユーザーは対話を通じて仮想のパートナーの性格を形成し、自分の好みにマッチさせます。
AIエージェント: 自主的にタスクを実行し、意思決定を行うことができる人工知能システムを指します。AIエージェントは通常、感知、推論、学習、そして行動の能力を備えており、さまざまな環境で複雑なタスクを実行できます。一般的なAIエージェントには、言語翻訳や言語学習があります。