この記事は IOSG のオリジナルのコンテンツであり、業界の学習と交流のみを目的としており、投資の参考となるものではありません。引用が必要な場合は出典を明記してください。転載の場合は、IOSG チームに連絡して許可と転載の指示を求めてください。この記事で言及されているすべてのプロジェクトは、推奨または投資アドバイスを構成するものではありません。

序文

最近の大規模言語モデル (LLM) の急速な発展により、人工知能 (AI) を使用してさまざまな業界を変革することへの関心が高まっています。ブロックチェーン業界も無縁ではなく、AI x 暗号通貨の物語の出現により注目が集まっています。この記事では、AI と暗号通貨を融合する 3 つの主な方法を検討し、AI 業界の問題を解決するためのブロックチェーン テクノロジーのユニークな機会を探ります。

AIxCrypto の 3 つのアプローチは次のとおりです。

AI x 暗号のユニークな点は、ブロックチェーン技術が AI 業界の固有の問題を解決すると期待されていることです。このユニークな交差点は、AI とブロックチェーン コミュニティに利益をもたらす革新的なソリューションの新たな可能性を開きます。

AI x 暗号空間を深く掘り下げることで、AI 業界の課題を解決する上でブロックチェーン テクノロジーの最も有望なアプリケーションを特定し、紹介することを目指しています。 AI 業界の専門家や暗号ビルダーと提携することで、私たちは両方のテクノロジーの強みを活用する最先端のソリューションの開発を促進することに取り組んでいます。

1. 業界概要

AI x 暗号分野は、インフラストラクチャとアプリケーションの 2 つのカテゴリに分類できます。一部の既存のインフラストラクチャは引き続き AI ユースケースをサポートしていますが、新規プレーヤーはまったく新しい AI ネイティブ アーキテクチャを市場に投入しています。

1.1 コンピューティングネットワーク

AIxCrypto の分野では、コンピューティング ネットワークは、AI アプリケーションに必要なインフラストラクチャを提供する上で重要な役割を果たします。これらのネットワークは、サポートするタスクに基づいて、汎用コンピューティング ネットワークと特殊コンピューティング ネットワークの 2 つのタイプに分類できます。

1.1.1 一般的なコンピューティング ネットワーク

AIxCrypto の分野では、コンピューティング ネットワークは、AI アプリケーションに必要なインフラストラクチャを提供する上で重要な役割を果たします。これらのネットワークは、サポートするタスクに基づいて、汎用コンピューティング ネットワークと特殊コンピューティング ネットワークの 2 つのタイプに分類できます。

1.1.1 一般的なコンピューティング ネットワーク

IO.net や Akash などの一般的なコンピューティング ネットワークは、ユーザーに SSH 経由でマシンにアクセスする機会を提供し、ユーザーが独自のアプリケーションを構築できるコマンド ライン インターフェイス (CLI) を提供します。これらのネットワークは仮想プライベート サーバー (VPS) に似ており、クラウド内にパーソナル コンピューティング環境を提供します。

IO.net は Solana エコシステムに基づいており、GPU リースとコンピューティング クラスターに重点を置いています。一方、Akash は Cosmos エコシステムに基づいており、主に CPU クラウド サーバーとさまざまなアプリケーション テンプレートを提供しています。

IOSG Ventures の見解:

成熟した Web2 クラウド市場と比較すると、コンピューティング ネットワーキングはまだ初期段階にあります。 Web3 コンピューティング ネットワークは、AWS、Azure、Google Cloud などの主要なクラウド プロバイダーに基づくサーバーレス機能、VPS、データベース クラウド プロジェクトなど、Web2 の「レゴ」構成要素には及ばません。

コンピューティング ネットワークには次のような利点があります。

ただし、次のような課題があるため、コンピューティング ネットワークを実際の運用に導入して Web2 クラウド サービスを置き換えることは困難です。

1.1.2 専用コンピューティングネットワーク

プライベート コンピューティング ネットワークは、汎用コンピューティング ネットワークに追加のレイヤーを追加し、ユーザーが構成ファイルを通じて特定のアプリケーションを展開できるようにします。これらのネットワークは、3D レンダリングや AI の推論とトレーニングなどの特定のユースケースを満たすように設計されています。

Render は、3D レンダリングに焦点を当てたプロフェッショナル コンピューティング ネットワークです。 AI分野ではBittensor、Hyperbolicなど、Ritual、fetch.ai などの新しいプレーヤーは AI 推論に焦点を当てていますが、Flock と Gensyn は主に AI トレーニングに焦点を当てています。

IOSG Ventures の見解:

専用コンピューティング ネットワークの利点:

出典: IOSG ベンチャーズ

専用の AI 推論およびトレーニング コンピューティング ネットワークはまだ初期段階にありますが、Web3 AI アプリケーションが Web3 AI インフラストラクチャを優先すると予想されます。この傾向は、MyShell を使用した Story Protocol と Ritual ですでに起こっています。これは、知的財産としてのAIモデルの導入などの協力に顕著に表れています。

これらの新たな AI x Web3 インフラストラクチャ上に構築されたキラー アプリケーションはまだ登場していませんが、成長の可能性は非常に大きいです。エコシステムが成熟するにつれて、分散型 AI コンピューティング ネットワークの独自の機能を活用する、より革新的なアプリケーションが登場すると予想されます。

2. データ

データは AI モデルにおいて重要な役割を果たしており、データは、データ収集、トレーニング データセットの保存、モデルの保存など、AI モデルの開発のすべての段階に関与します。

2.1 データストレージ

AI モデルの分散ストレージは、分散型の方法で推論 API を提供するために重要です。推論ノードは、いつでもどこからでもこれらのモデルを取得できる必要があります。 AI モデルのサイズは数百ギガバイトに達する可能性があるため、堅牢な分散ストレージ ネットワークが必要です。 Filecoin や Arweave などの分散ストレージのリーダーは、この機能を提供できる可能性があります。

IOSG Ventures の見解:

この分野には大きなチャンスがあります。

2.2 データの収集とラベル付け

2.2 データの収集とラベル付け

AI のトレーニングには高品質のデータを収集することが重要です。 Grass などのブロックチェーンベースのプロジェクトは、個人ネットワークを活用して AI トレーニング用のデータを収集するためにクラウドソーシングを使用しています。適切なインセンティブとメカニズムがあれば、AI トレーナーは低コストで高品質のデータを取得できます。 Tai-da や Saipen などのプロジェクトは、データのラベル付けに重点を置いています。

IOSG Ventures の見解:

この市場に関する私たちの観察の一部は次のとおりです。

2.3 ブロックチェーンデータ

ブロックチェーン専用の AI モデルをトレーニングする場合、開発者はトレーニング プロセスで直接使用できる高品質のブロックチェーン データを必要とします。 Spice AI と Space and Time は、SDK で高品質のブロックチェーン データを提供するため、開発者はデータをトレーニング データ パイプラインに簡単に統合できます。

IOSG Ventures の見解:

ブロックチェーン関連の AI モデルの需要が高まるにつれて、高品質のブロックチェーン データの需要も急増します。ただし、ほとんどのデータ分析ツールは現在、CSV 形式でのデータ エクスポートのみを提供しており、AI トレーニングの目的には理想的ではありません。

ブロックチェーン固有の AI モデルの開発を促進するには、ブロックチェーン関連の機械学習操作 (MLOP) 機能をさらに提供して開発者のエクスペリエンスを向上させることが重要です。これらの機能により、開発者はブロックチェーン データを Python ベースの AI トレーニング パイプラインに直接シームレスに統合できるようになります。

3.ZKML

集中型 AI プロバイダーは、計算コストを削減するためにあまり複雑でないモデルを使用するインセンティブが原因で、信頼性の問題に直面しています。たとえば、昨年、ユーザーは ChatGPT を考えたことがありました。業績不振。これは後に、モデルのパフォーマンス向上を目的とした OpenAI アップデートによるものであることが判明しました。

さらに、コンテンツ作成者は AI 企業に対して著作権に関する懸念を表明しています。これらの企業にとって、トレーニング プロセスに特定のデータが含まれていないことを証明することは困難です。

ゼロ知識機械学習 (ZKML) は、一元化された人工知能プロバイダーに関連する信頼性の問題を解決する革新的なアプローチです。 ZKML を使用すると、開発者はゼロ知識証明を活用することで、機密データやモデルの詳細を明らかにすることなく、AI トレーニングと推論プロセスの正しさを証明できます。

3.1 トレーニング

開発者は、Risc Zero が提供するようなゼロ知識仮想マシン (ZKVM) でトレーニング タスクを実行できます。このプロセスにより、トレーニングが正しく実行され、承認されたデータのみが使用されたことを検証する証拠が生成されます。この認定は、開発者が適切なトレーニング仕様とデータ使用許可を遵守していることの証拠として機能します。

IOSG Ventures の見解:

3.2 推論

ZKML は、トレーニングに比べて推論にかなり長い時間がかかります。この分野ではすでにいくつかの有名な企業が台頭しており、それぞれが機械学習推論をトラストレスで透明にするための独自のアプローチを持っています。

3.2 推論

ZKML は、トレーニングに比べて推論にかなり長い時間がかかります。この分野ではすでにいくつかの有名な企業が台頭しており、それぞれが機械学習推論をトラストレスで透明にするための独自のアプローチを持っています。

Giza は、包括的な機械学習オペレーション (MLOP) プラットフォームの構築と、その周りに活気のあるコミュニティを構築することに重点を置いています。彼らの目標は、ZKML を推論ワークフローに統合するためのツールとリソースを開発者に提供することです。

一方、EZKL は、優れたパフォーマンスを提供するユーザーフレンドリーな ZKML フレームワークを作成することで、開発エクスペリエンスを優先します。彼らのソリューションは、ZKML 推論の実装プロセスを簡素化し、より多くの開発者が簡単にアクセスできるように設計されています。

Modulus Labs は異なるアプローチを採用し、独自の証明システムを開発しています。彼らの主な目標は、ZKML 推論に関連する計算オーバーヘッドを大幅に削減することです。オーバーヘッドを 10 分の 1 に削減することで、Modulus Labs は ZKML 推論を現実世界のアプリケーションにとってより実用的かつ効率的にしようとしています。

IOSG Ventures の見解:

4. プロキシネットワーク + その他のアプリケーション

4.1 プロキシネットワーク

エージェント ネットワークは、オンチェーン トランザクションの支援など、特定のタスクを実行するためのツールと知識を備えた多数の人工知能エージェントで構成されます。これらのエージェントは相互に連携して、より複雑な目標を達成できます。いくつかの有名な企業は、チャットボットのようなエージェントとエージェント ネットワークを積極的に開発しています。

Sleepless、Siya、Myshell、characterX、Delysium は、チャットボット エージェントを構築する重要なプレーヤーです。 Autonolas と ChainML は、より強力なユースケースのためにプロキシ ネットワークを構築しています。

IOSG Ventures の見解:

エージェントは現実世界のアプリケーションにとって非常に重要です。彼らは、一般的な人工知能よりも優れた特定のタスクを実行できます。ブロックチェーンは、人工知能エージェントにいくつかのユニークな機会を提供します。

4.2 その他のアプリケーション

前に説明した主要なカテゴリに加えて、Web3 分野で注目を集めている興味深い AI アプリケーションがいくつかありますが、それらは個別のカテゴリを形成するほど大きくない可能性があります。これらのアプリケーションはさまざまな分野に及び、ブロックチェーン エコシステムにおける人工知能の多様性と可能性を実証しています。

4.2 その他のアプリケーション

前に説明した主要なカテゴリに加えて、Web3 分野で注目を集めている興味深い AI アプリケーションがいくつかありますが、それらは個別のカテゴリを形成するほど大きくない可能性があります。これらのアプリケーションはさまざまな分野に及び、ブロックチェーン エコシステムにおける人工知能の多様性と可能性を実証しています。

5. AIxCrypto を Web2 ユーザーに宣伝し、大規模に導入する

AI x 暗号は、人工知能における最も困難な問題を解決するという点でユニークです。現在の AIxCrypto 製品と Web2 AI 製品の間にはギャップがあり、Web2 ユーザーにとって魅力に欠けているにもかかわらず、AIxCrypto には依然として AIxCrypto のみが提供できる独自の機能がいくつかあります。

5.1 コスト効率の高いコンピューティング リソース:

AIxCrypto の主な利点は、コスト効率の高いコンピューティング リソースを提供できることです。 LLM の需要が高まり、市場に開発者が増えるにつれて、GPU の可用性と価格がより困難になります。 GPUの価格が大幅に上昇しており、品薄状態になっています。

DePIN プロジェクトなどの分散型コンピューティング ネットワークは、アイドル状態のコンピューティング パワー、小規模データ センターの GPU、およびパーソナル コンピューティング デバイスを活用することで、この問題を軽減できます。分散型コンピューティング能力は集中型クラウド サービスほど安定していない可能性がありますが、これらのネットワークはさまざまな地域でコスト効率の高いコンピューティング機器を提供します。この分散型アプローチによりエッジの遅延が最小限に抑えられ、より分散された回復力のあるインフラストラクチャが確保されます。

AIxCrypto は、分散型コンピューティング ネットワークの力を活用することで、Web2 ユーザーに手頃な価格でアクセス可能なコンピューティング リソースを提供できます。このコスト上の利点は、特に AI コンピューティングの需要が成長し続ける中で、Web2 ユーザーを AIxCrypto ソリューションの採用に引き付ける上で魅力的です。

5.2 作成者に所有権を付与します。

AI x 暗号のもう 1 つの重要な利点は、クリエイターの所有権が保護されることです。現在の人工知能の分野では、簡単にコピーされてしまうエージェントもいます。これらのエージェントは、同様のプロンプトを記述するだけで簡単に複製できます。さらに、GPT ストアのプロキシはクリエイターではなく中央集権的な企業によって所有されていることが多く、クリエイターによる作品の管理や効果的な収益化の能力が制限されています。

AI x 暗号は、暗号分野で普及している成熟した NFT テクノロジーを活用することで、この問題を解決します。代理店を NFT として代表することで、クリエイターは自分の作品を真に所有し、そこから実際の収益を受け取ることができます。ユーザーがエージェントと対話するたびに、クリエイターはインセンティブを獲得でき、努力に対する公正な報酬が保証されます。 NFT ベースの所有権の概念はエージェントに適用されるだけでなく、ナレッジ ベースやヒントなどの人工知能分野の他の重要な資産を保護するためにも使用できます。

5.3 プライバシーを保護し、信頼を再構築する:

ユーザーと作成者は、集中型 AI 企業に対してプライバシーに関する懸念を抱いています。ユーザーは自分のデータが将来のモデルのトレーニングに悪用されることを心配する一方、クリエイターは自分の作品が適切な帰属や補償なしで使用されることを心配します。さらに、集中型 AI 企業はインフラストラクチャのコストを削減するためにサービスの品質を犠牲にする可能性があります。

これらの問題は Web2 テクノロジーでは解決するのが難しく、AIxCrypto は高度な Web3 ソリューションを活用します。ゼロ知識トレーニングと推論は、使用されたデータを証明し、正しいモデルが適用されていることを確認することで透明性を提供します。 Trusted Execution Environment (TEE)、フェデレーテッド ラーニング、完全準同型暗号化など(FHE) およびその他のテクノロジーにより、安全でプライバシーを保護した人工知能のトレーニングと推論が可能になります。

AIxCrypto は、プライバシーと透明性を優先することで、AI 企業が社会の信頼を取り戻し、ユーザーの権利を尊重した AI サービスを提供できるようにし、従来の Web2 ソリューションとは一線を画します。

AIxCrypto は、プライバシーと透明性を優先することで、AI 企業が社会の信頼を取り戻し、ユーザーの権利を尊重した AI サービスを提供できるようにし、従来の Web2 ソリューションとは一線を画します。

5.3 プライバシーを保護し、信頼を再構築する:

ユーザーと作成者は、集中型 AI 企業に対してプライバシーに関する懸念を抱いています。ユーザーは自分のデータが将来のモデルのトレーニングに悪用されることを心配する一方、クリエイターは自分の作品が適切な帰属や補償なしで使用されることを心配します。さらに、集中型 AI 企業はインフラストラクチャのコストを削減するためにサービスの品質を犠牲にする可能性があります。

これらの問題は Web2 テクノロジーでは解決するのが難しく、AIxCrypto は高度な Web3 ソリューションを活用します。ゼロ知識トレーニングと推論は、使用されたデータを証明し、正しいモデルが適用されていることを確認することで透明性を提供します。 Trusted Execution Environment (TEE)、フェデレーテッド ラーニング、完全準同型暗号化 (FHE) などのテクノロジーにより、安全でプライバシーを保護した AI のトレーニングと推論が可能になります。

AIxCrypto は、プライバシーと透明性を優先することで、AI 企業が社会の信頼を取り戻し、ユーザーの権利を尊重した AI サービスを提供できるようにし、従来の Web2 ソリューションとは一線を画します。

5.4 コンテンツソースの追跡

AI によって生成されたコンテンツがますます洗練されるにつれて、人間が作成したテキスト、画像、ビデオと AI によって生成されたテキスト、画像、ビデオを区別することがますます困難になります。 AI が生成したコンテンツの悪用を防ぐには、コンテンツのソースを特定する信頼できる方法が必要です。

ブロックチェーンは、サプライチェーン管理や NFT で成功しているのと同様に、コンテンツの出所を追跡することに優れています。サプライチェーン業界では、ブロックチェーンが製品のライフサイクル全体を追跡し、ユーザーはメーカーと主要なマイルストーンを特定できます。同様に、ブロックチェーンは作成者を追跡し、NFT の場合は著作権侵害を防止します。NFT はその公共性により著作権侵害に対して特に脆弱です。この脆弱性にもかかわらず、ブロックチェーンを利用すると、ユーザーは本物のトークンと偽物のトークンを簡単に区別できるため、偽のNFTによる損失を最小限に抑えることができます。

AIxCrypto は、AI が生成したコンテンツの出所を追跡するためにブロックチェーン テクノロジーを適用することで、ユーザーがコンテンツ作成者が AI なのか人間なのかを検証する機能を提供し、それによって悪用の可能性を減らし、コンテンツの信頼性を高めます。

5.5 暗号通貨を使用したモデルの開発

モデル、特に大規模なモデルの設計とトレーニングは、費用と時間がかかるプロセスです。新しいモデルを巡る不確実性もあり、開発者はそのパフォーマンスを予測できません。

暗号通貨は、事前トレーニング データを収集し、強化学習フィードバックを収集し、関係者から資金調達を行うための開発者に優しい方法を提供します。このプロセスは、一般的な暗号通貨プロジェクトのライフサイクルに似ています。つまり、民間投資または発射台を通じて資金を調達し、起動時にアクティブな貢献者にトークンをリリースします。

モデルも同様のアプローチを採用し、データやフィードバックの提供者にトークンを販売したり、トークンをエアドロップしたりすることでトレーニング資金を集めることができます。適切に設計されたトークン経済モデルを備えたこのワークフローは、個々の開発者がこれまでよりも簡単に新しいモデルをトレーニングするのに役立ちます。

6. トークンノミクスの課題

AI x Crypto プロジェクトは、暗号化には独自の価値提案があり、Web2 人工知能業界の市場規模が大きいため、潜在的な顧客として Web2 開発者をターゲットにし始めました。ただし、トークンに詳しくなく、トークンベースのシステムに関与することに消極的な Web2 開発者にとって、トークンは障害となる可能性があります。

Web2 開発者に対応するために、トークンのユーティリティを削減または削除することは、AI x Crypto プロジェクトの基本的なスタンスを変更する可能性があるため、Web3 愛好家に混乱を引き起こす可能性があります。貴重なトークンを AI SaaS プラットフォームに統合する作業を行う場合、Web2 開発者の誘致とトークンの有用性の維持の間のバランスを見つけるのは困難な作業です。

Web2 と Web3 のビジネス モデル間のギャップを埋め、同時にトークンの価値を維持するには、考えられるアプローチがいくつかあります。

Web2 と Web3 のビジネス モデル間のギャップを埋め、同時にトークンの価値を維持するには、考えられるアプローチがいくつかあります。

Web2 と Web3 の利益に合わせたトークン経済モデルを慎重に設計することで、AI x Crypto プロジェクトは、トークンの価値と有用性を維持しながら、Web2 開発者をうまく引き付けることができます。

7. 私たちのお気に入りの AI x 暗号シナリオ

私たちのお気に入りの AI x 暗号シナリオは、ユーザーのコラボレーションの力を活用して、ブロックチェーン テクノロジーの助けを借りて人工知能の分野でタスクを達成します。具体的な例としては次のようなものがあります。

1. AI トレーニング、調整、ベンチマークのための集合的なデータの貢献 (例: Chatbot Arena)

2. 協力して、さまざまなエージェント (例: Sahara) が使用できる大規模な共有ナレッジ ベースを構築します。

3. 個人リソースを使用してネットワーク データをキャプチャします (例: Grass)

これらのモデルは、ブロックチェーンのインセンティブと調整に基づくユーザーの集合的な取り組みを活用することにより、AI の開発と展開に対する分散型のコミュニティ主導型アプローチの可能性を示しています。

結論は

私たちは AI と Web3 の黎明期にあり、AI とブロックチェーンの統合は他の業界に比べてまだ初期段階にあります。上位 50 世代 AI 製品の中に、Web3 に関連する製品はありません。上位の LLM ツールはコンテンツの作成と編集に関連しており、主に販売、会議、メモ/知識ベースを対象としています。 Web3 エコシステムにおける大量の調査、文書化、販売、およびコミュニティの取り組みを考慮すると、カスタム LLM ツールの開発には大きな可能性があります。

現在、開発者は高度な AI モデルをチェーンに導入するためのインフラストラクチャの構築に重点を置いていますが、まだそこまで到達していません。このインフラストラクチャの開発を継続する一方で、安全かつトラストレスな方法で AI 推論をオンチェーンで実行するための最適なユーザー シナリオも模索しています。これにより、ブロックチェーン領域に独自の機会が提供されます。他の業界では、既存の LLM インフラストラクチャを推論と微調整に直接使用できます。独自のネイティブ AI インフラストラクチャを必要とするのはブロックチェーン業界だけです。

近い将来、ブロックチェーン技術がピアツーピアの利点を活用して AI 業界の最も困難な問題を解決し、AI モデルがより手頃な価格で誰にとってもアクセスしやすく、収益性の高いものになると私たちは期待しています。また、わずかに遅れはあるものの、暗号通貨分野も AI 業界の物語に従うと予想しています。過去 1 年間、開発者が暗号、プロキシ、LLM モデルを組み合わせているのを見てきました。今後数か月間で、より多くのマルチモーダル モデル、テキスト ビデオ生成、3D 生成が暗号空間に影響を与える可能性があります。

現在、AI および Web3 業界全体が十分に注目されていませんが、CryptoxAI のキラー アプリケーションである Web3 における AI の爆発の瞬間を心待ちにしています。