一見すると、AI x Web3は独立した技術であり、それぞれ異なる原理に基づき、異なる機能に役立っているように思えます。しかし、掘り下げて調べてみると、これらの技術はお互いのトレードオフをバランスさせることができ、それぞれの独自の利点が相互補完し、相互に向上させることができることがわかります。Balaji Srinivasan氏はSuperAIカンファレンスでこの相補能力の概念を鮮やかに述べ、これらの技術がどのように相互作用するかについての詳細な比較を刺激しました。
これら2つの技術を比較することで、それぞれの貢献を楽しむだけでなく、それらが共同で技術と経済の新たな道を築いている様子を見ることができます。どの技術も他の技術の不足を補うことができ、より統合された革新的な未来を創造します。このブログ記事では、新興のAI x Web3産業地図を探求し、これらの技術の交差点でいくつかの新興の垂直領域に焦点を当てることを目指しています。
AI x Web3の融合において、データは中心的な構成要素です。データはAI競争における戦略的資産であり、計算リソースと共に重要なリソースを構成しています。しかし、このカテゴリはしばしば無視されており、産業界の関心は主に計算のレベルに集中しています。実際、データ取得の過程で多くの興味深い価値の方向が提供されており、主に以下の2つの高次の方向が含まれています：
AI x Web3の統合は、革新的で潜在的な展望をもたらします。各技術のユニークな利点を活用することで、さまざまな課題を解決し、新たな技術の道を開拓することができます。この新興産業を探求する際、AI x Web3の相互作用は進歩を促進し、私たちの将来のデジタル体験とオンラインでの相互作用方法を再構築することができます。
IOSG:AIとWeb3の融合を示す
一見すると、AI x Web3は独立した技術であり、それぞれ異なる原理に基づき、異なる機能に役立っているように思えます。しかし、掘り下げて調べてみると、これらの技術はお互いのトレードオフをバランスさせることができ、それぞれの独自の利点が相互補完し、相互に向上させることができることがわかります。Balaji Srinivasan氏はSuperAIカンファレンスでこの相補能力の概念を鮮やかに述べ、これらの技術がどのように相互作用するかについての詳細な比較を刺激しました。
Tokenは、匿名のネットワークパンクからの分散化の取り組みによって徐々に台頭し、10年にわたり世界中の独立した実体の協力によって進化してきました。一方、人工知能は少数のテクノロジージャイアントによって主導され、トップダウンのアプローチで開発されています。これらの企業が業界のペースとダイナミクスを決定し、参入の障壁は技術の複雑さではなくリソースの集中度によって決定されています。
また、この2つのテクノロジーは性質が大きく異なります。 基本的に、トークンは、ハッシュ関数の予測可能性やゼロ知識証明など、不変の結果を生成する決定論的なシステムです。 これは、AIの確率的で予測不可能な性質とはまったく対照的です。
同様に、暗号化技術は検証に優れており、取引の真正性と安全性を保証し、信頼性のないプロセスとシステムを構築し、人工知能は豊かなデジタルコンテンツを生成することに集中しています。ただし、豊かなデジタルコンテンツを作成する過程で、コンテンツの出所を保証し、身元の盗用を防ぐことが課題となっています。
幸運なことに、TOKENはデジタルの対立概念であるデジタルの希少性を提供しています。それは比較的成熟したツールを提供し、信頼性のあるコンテンツのソースを確保し、身元盗用の問題を回避するためにAI技術に展開できます。
トークンの顕著な利点の1つは、特定の目標にサービスを提供するために大量のハードウェアと資本を引き付ける能力です。この能力は、多大な計算能力を必要とする人工知能にとって特に有利です。未使用のリソースを動員してより安価な計算能力を提供することは、人工知能の効率を著しく向上させることができます。
これら2つの技術を比較することで、それぞれの貢献を楽しむだけでなく、それらが共同で技術と経済の新たな道を築いている様子を見ることができます。どの技術も他の技術の不足を補うことができ、より統合された革新的な未来を創造します。このブログ記事では、新興のAI x Web3産業地図を探求し、これらの技術の交差点でいくつかの新興の垂直領域に焦点を当てることを目指しています。
ソース: IOSG Ventures
2.1 ネットワークの計算
業界マップではまず、計算ネットワークについて説明され、制約されたGPU供給問題を解決し、さまざまな方法で計算コストをドロップしようとしていることが紹介されています。特に注目すべきは以下の項目です。
2.2トレーニングと推論
計算ネットワークは主にトレーニングと推論の2つの主要な機能に使用されます。これらのネットワークへの需要は、Web 2.0およびWeb 3.0プロジェクトから来ています。Web 3.0フィールドでは、Bittensorのようなプロジェクトが計算リソースを利用してモデル微調整を行っています。推論に関しては、Web 3.0プロジェクトはプロセスの検証可能性を強調しています。この重点は、スマートコントラクトにAI推論を統合する方法を探求しながら、分散化の原則を維持するプロジェクトが、検証可能な推論を促進しました。
2.3スマートエージェントプラットフォーム
次に、スマートエージェントプラットフォームが続き、このカテゴリのスタートアップが解決する必要がある中核的な問題が図で概説されています：
*エージェントの相互運用性と検出および通信機能:エージェントは相互に検出および通信できます。
これらの特徴は、柔軟性とモジュール化されたシステムの重要性を強調しており、これらのシステムはさまざまなブロックチェーンやAIアプリケーションにシームレスに統合することができます。AIエージェントはインフラストラクチャを利用してその操作をサポートすると信じています。私たちはAIエージェントが以下のいくつかの側面でインフラストラクチャに依存していると考えています:
ソース: IOSG Ventures
2.4データレイヤー
AI x Web3の融合において、データは中心的な構成要素です。データはAI競争における戦略的資産であり、計算リソースと共に重要なリソースを構成しています。しかし、このカテゴリはしばしば無視されており、産業界の関心は主に計算のレベルに集中しています。実際、データ取得の過程で多くの興味深い価値の方向が提供されており、主に以下の2つの高次の方向が含まれています：
パブリックインターネットデータへのアクセス：この領域では、分散型のウェブクローラーネットワークを構築し、数日でインターネット全体をクロールし、大量のデータセットを取得したり、非常に具体的なインターネットデータにリアルタイムでアクセスすることが可能です。ただし、インターネット上の大量のデータセットをクロールするには、非常に高いネットワーク要件があり、少なくとも数百のノードが必要です。幸いなことに、Grassという分散型ウェブクローラーノードネットワークは、200万を超えるノードが積極的にインターネット帯域を共有しており、インターネット全体をクロールすることを目指しています。これは、貴重なリソースを引き付けるための経済的なインセンティブの巨大な潜在力を示しています。
Grassは公共データの提供により公正な競争環境を提供していますが、専有データセットへのアクセスの問題が依然として存在しています。具体的には、多くのデータがその機密性のためにプライバシー保護の方法で保存されています。多くのスタートアップ企業は、一部の暗号化ツールを活用して、機密情報を保持しつつ、専有データセットの基本的なデータ構造を利用して大規模な言語モデルを構築および微調整することができるようにしています。
連邦学習、差分プライバシー、信頼できる実行環境、全同型および多者計算などの技術は、異なるレベルのプライバシー保護とバランスを提供します。Bagelの研究論文（）では、これらの技術の優れた概要がまとめられています。これらの技術は、機械学習プロセスでのデータプライバシーを保護するだけでなく、計算レベルで包括的なプライバシー保護AIソリューションを実現することができます。
2.5データとモデルのソース
データとモデルソース技術は、ユーザーが予期されるモデルとデータとのやり取りを行っていることを保証することを目指しています。さらに、これらの技術は信頼性とソースの保証も提供します。ウォーターマーキング技術を例に挙げると、ウォーターマークはモデルソース技術の一つであり、機械学習アルゴリズムに直接署名を埋め込むもので、具体的にはモデルの重みに直接埋め込まれます。これにより、検索時に推論が予期されるモデルから来ているかどうかを検証できます。
2.6アプリケーション
アプリケーションの面では、設計の可能性は無限です。上記の業界マップでは、Web 3.0領域でのAI技術の応用に特に期待される開発事例をいくつか挙げています。これらのユースケースは自己記述的ですので、ここでは追加のコメントはありません。ただし、AIとWeb 3.0が交差することで、領域の特定の垂直領域が再構築される可能性があることに注意する必要があります。なぜなら、これらの新しいプリミティブは、開発者により自由度の高いイノベーションユースケースや既存のユースケースの最適化を提供するからです。
まとめ
AI x Web3の統合は、革新的で潜在的な展望をもたらします。各技術のユニークな利点を活用することで、さまざまな課題を解決し、新たな技術の道を開拓することができます。この新興産業を探求する際、AI x Web3の相互作用は進歩を促進し、私たちの将来のデジタル体験とオンラインでの相互作用方法を再構築することができます。
数字の希少性と豊富さの融合、未利用のリソースの活用、および安全でプライバシー保護されたデータの実践の確立は、次世代の技術進化の時代を定義します。
しかしながら、我々はこの業界がまだ発展途上にあることを認識しなければなりません。現在の業界の地図は、短期間で時代遅れになる可能性があります。急速なイノベーションのペースは、今日の最先端の解決策がすぐに新しいブレイクスルーに置き換えられる可能性を意味しています。それでも、議論された基本的な概念、計算ネットワーク、プロキシプラットフォーム、およびデータプロトコルは、人工知能とWeb 3.0の融合の巨大な可能性を示しています。