This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Web3とAIの融合：新しい世代のインターネット基盤の構築
Web3とAIの融合：次世代インターネット基盤の構築
Web3は、分散化され、オープンで透明性のある新しいインターネットのパラダイムとして、AIと自然に融合する可能性を秘めています。従来の集中型アーキテクチャの下では、AIの計算およびデータリソースは、計算能力のボトルネック、プライバシーの漏洩、アルゴリズムのブラックボックスなど、数多くの課題に直面しています。一方、Web3は分散型技術に基づいており、共有計算ネットワーク、オープンデータマーケット、プライバシー計算などの方法を通じて、AIの発展に新たな動力を注入できます。同時に、AIはWeb3に対して、スマートコントラクトの最適化や不正防止アルゴリズムなど、多くの力をもたらし、エコシステムの構築を支援します。このため、Web3とAIの統合を探求することは、次世代のインターネットインフラを構築し、データと計算能力の価値を解放するために極めて重要です。
データドリブン:AIとWeb3の強固な基盤
データはAIの発展を推進する核心的な力であり、エンジンにとっての燃料のようなものです。AIモデルは、大量の高品質なデータを消化する必要があり、そうすることで深い理解と強力な推論能力を得ることができます。データは機械学習モデルにトレーニングの基盤を提供するだけでなく、モデルの正確性と信頼性を決定します。
従来の中央集権的なAIデータ取得と利用のモデルには、以下のいくつかの主要な問題があります：
Web3は新しい分散型データパラダイムを通じて、従来のモデルの課題を解決することができます：
それにもかかわらず、リアルワールドデータの取得には、データの質の不均一性、処理の難しさ、多様性と代表性の不足など、いくつかの問題があります。合成データは、Web3データ分野の未来のスターになる可能性があります。生成AI技術とシミュレーションに基づく合成データは、リアルデータの特性を模倣することができ、リアルデータの有効な補完として機能し、データの使用効率を向上させます。自動運転、金融市場取引、ゲーム開発などの分野で、合成データはすでにその成熟した応用ポテンシャルを示しています。
プライバシー保護：Web3におけるFHEの役割
データ駆動の時代において、プライバシー保護は世界的な関心の焦点となっており、EUの一般データ保護規則（GDPR）などの法律の制定は、個人のプライバシーの厳格な保護を反映しています。しかし、これは挑戦ももたらします：一部のセンシティブなデータはプライバシーリスクのために十分に活用できず、これはAIモデルの潜在能力と推論能力を制限することは間違いありません。
FHEは完全同型暗号を指し、暗号化データ上で直接計算操作を行うことを許可し、データを復号化する必要がなく、計算結果は平文データ上で同じ計算を行った結果と一致します。
FHEはAIプライバシー計算に対して堅固な保護を提供し、GPUの計算能力が原データに触れない環境でモデルのトレーニングや推論タスクを実行できるようにします。これにより、AI企業には大きな利点がもたらされます。企業はビジネス機密を保護しながら、安全にAPIサービスを公開できます。
FHEMLは、機械学習の全周期にわたってデータとモデルを暗号化処理し、機密情報の安全性を確保し、データ漏洩のリスクを防ぎます。この方法により、FHEMLはデータプライバシーを強化し、AIアプリケーションに安全な計算フレームワークを提供します。
FHEMLはZKMLの補完であり、ZKMLは機械学習の正しい実行を証明しますが、FHEMLはデータプライバシーを維持するために暗号化されたデータに対して計算を行うことを強調します。
ハッシュパワー革命：分散型ネットワークにおけるAI計算
現在のAIシステムの計算複雑性は3ヶ月ごとに倍増し、計算力の需要が急増しています。これは既存の計算資源の供給をはるかに上回っています。例えば、ある大規模な言語モデルの訓練には膨大な計算力が必要で、単一のデバイス上で355年の訓練時間に相当します。このような計算力の不足は、AI技術の進歩を制限するだけでなく、ほとんどの研究者や開発者にとって、高度なAIモデルが手の届かないものになってしまっています。
同時に、世界のGPUの利用率は40%未満であり、マイクロプロセッサの性能向上の鈍化、供給チェーンや地政学的要因によるチップの不足が、計算能力の供給問題をさらに深刻にしています。AI業界の人々は二択に直面しています：自分でハードウェアを購入するか、クラウドリソースを借りるか、彼らは需要に応じた、経済的かつ効率的な計算サービスの方法を急務としています。
分散型AI計算力ネットワークは、世界中の未使用のGPUリソースを集約することで、AI企業に対して経済的かつアクセスしやすい計算力市場を提供します。計算力の需要者はネットワーク上で計算タスクを公開し、スマートコントラクトがタスクを計算力を提供するマイナーのノードに割り当てます。マイナーはタスクを実行し、結果を提出し、検証後にポイント報酬を得ます。このようなソリューションはリソースの利用効率を向上させ、AIなどの分野における計算力のボトルネック問題を解決するのに役立ちます。
一般的な分散型コンピューティングネットワークに加えて、AIトレーニングに特化したプラットフォームや、AI推論に特化した専用のコンピューティングネットワークがあります。
分散型コンピューティングネットワークは、公平で透明なコンピューティング市場を提供し、独占を打破し、アプリケーションのハードルを下げ、コンピューティングの利用効率を向上させます。web3エコシステムにおいて、分散型コンピューティングネットワークは重要な役割を果たし、より多くの革新的なdappの参加を引き寄せ、AI技術の発展と応用を共に推進します。
DePIN：Web3によるエッジAIの強化
想像してみてください。あなたのスマートフォン、スマートウォッチ、さらには自宅のスマートデバイスがすべてAIを実行する能力を持っているとしたら——これがEdge AIの魅力です。データが生成されるソースで計算が行われ、低遅延でリアルタイム処理が実現され、ユーザーのプライバシーも保護されます。Edge AI技術は自動運転などの重要な分野で既に応用されています。
Web3の分野では、私たちにはもっと馴染みのある名前があります——DePIN。Web3は分散化とユーザーデータの主権を強調し、DePINはローカルでデータを処理することでユーザーのプライバシー保護を強化し、データ漏洩のリスクを減少させることができます。Web3ネイティブのトークン経済メカニズムは、DePINノードが計算リソースを提供するように奨励し、持続可能なエコシステムを構築します。
現在、DePINは特定のパブリックチェーンエコシステムで急速に発展しており、プロジェクトの展開における主要なプラットフォームの1つとなっています。高いTPS、低い取引手数料、および技術革新はDePINプロジェクトに強力な支持を提供しています。現在、特定のパブリックチェーン上のDePINプロジェクトの時価総額は100億ドルを超えており、一部の著名なプロジェクトは顕著な進展を遂げています。
IMO：AIモデルの新しいパラダイムを発表
IMOの概念は、最初にブロックチェーンプロトコルによって提案され、AIモデルをトークン化します。
従来のモデルでは、利益分配メカニズムが欠如しているため、一度AIモデルが開発され市場に投入されると、開発者はモデルのその後の使用から持続的な利益を得ることが難しいことが多いです。特にモデルが他の製品やサービスに統合された場合、元の創造者は使用状況を追跡することが難しく、ましてやそこから利益を得ることはできません。また、AIモデルの性能や効果は透明性に欠けることが多く、これが潜在的な投資家や利用者がその真の価値を評価することを難しくし、モデルの市場での認知や商業的潜在能力を制限しています。
IMOはオープンソースAIモデルに新しい資金調達と価値共有の方法を提供します。投資家はIMOトークンを購入して、モデルが生成する収益を共有することができます。特定のブロックチェーンプロトコルは特定のERC標準を使用し、AIオラクルとOPML技術を組み合わせてAIモデルの真実性を確保し、トークン保有者が収益を共有できるようにします。
IMOモデルは透明性と信頼を高め、オープンソースのコラボレーションを促進し、暗号市場のトレンドに適応し、AI技術の持続可能な発展に力を注いでいます。IMOは現在初期の試行段階にありますが、市場の受け入れが進み、参加範囲が広がるにつれて、その革新性と潜在的な価値に期待が寄せられています。
AIエージェント：インタラクティブ体験の新時代
AIエージェントは環境を感知し、独立して考え、定められた目標を達成するために適切な行動を取ることができます。大規模言語モデルの支援により、AIエージェントは自然言語を理解するだけでなく、意思決定を計画し、複雑なタスクを実行することもできます。彼らはバーチャルアシスタントとして、ユーザーとのインタラクションを通じて好みを学び、個別化されたソリューションを提供します。明確な指示がない場合でも、AIエージェントは自律的に問題を解決し、効率を高め、新たな価値を創造することができます。
いくつかのオープンなAIネイティブアプリケーションプラットフォームは、ユーザーがロボットの機能、外観、声、外部知識ベースへの接続を設定できる、包括的で使いやすい創作ツールセットを提供しており、公平でオープンなAIコンテンツエコシステムの構築に努めています。生成AI技術を活用し、個人がスーパクリエイターになることを可能にします。これらのプラットフォームは、特別にトレーニングされた大規模言語モデルを使用して、キャラクターの演技をより人間的にしています。音声クローン技術は、AI製品のパーソナライズされたインタラクションを加速し、音声合成コストを大幅に削減し、音声クローンはわずか1分で実現できます。これらのプラットフォームでカスタマイズされたAIエージェントは、現在、ビデオチャット、語学学習、画像生成などの多くの分野で応用可能です。
Web3とAIの融合において、現在は主にインフラ層の探求が行われています。高品質なデータの取得、データプライバシーの保護、チェーン上でのモデルのホスティング、分散型コンピューティングパワーの効率的な利用、大規模言語モデルの検証といった重要な問題があります。これらのインフラが徐々に整備されるにつれて、Web3とAIの融合が一連の革新的なビジネスモデルやサービスを生み出すと信じる理由があります。