Web3 と AI の結合はユーザー主権を強化し、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ます。これによりユーザーは Web2 時代の AI 使用者から参加者へと変わり、誰もが所有できる AI を創造します。同時に、Web3 の世界と AI 技術の融合はさらに多くの革新的なアプリケーションシーンや遊び方を生み出すことができます。
インフラストラクチャレイヤーは 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 チェーン、および開発プラットフォームをインフラストラクチャレイヤーに分類します。これらのインフラストラクチャのサポートによって、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。
開発プラットフォーム：いくつかのプロジェクトは 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。ワンストップのツールは、開発者が AI モデルをより便利に作成、訓練、展開できるよう支援し、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。
Web3-AI分野の全景解析：技術の融合、アプリケーションシーン、そしてトッププロジェクトの分析
Web3-AI スポーツトラック全景レポート：技術ロジック、シナリオアプリケーションとトッププロジェクトのデプス解析
AIのストーリーテリングが続々と注目を集める中、ますます多くの関心がこの分野に集中しています。Web3-AI分野の技術ロジック、応用シーン、代表的なプロジェクトについて深く分析し、この分野の全貌と発展トレンドを包括的に示します。
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 トラックの定義方法
過去一年間、AIナラティブはWeb3業界で異常に盛況であり、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その製品の一部でのみAIを使用しており、基盤となるトークンエコノミクスはAI製品とは実質的な関係がありません。したがって、このようなプロジェクトは本稿においてWeb3-AIプロジェクトの議論には含まれません。
この記事の重点は、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は自ら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ます。両者は相補的な関係にあります。このようなプロジェクトをWeb3-AIトラックに分類します。読者がWeb3-AIトラック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について詳しく説明します。
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シミュレート、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は私たちの生活や仕事の仕方を変えています。
人工知能モデルを開発するプロセスは通常、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、各画像にカテゴリ（猫または犬）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、バリデーションセット、テストセットに分割します。
モデルの選択と調整：適切なモデルを選択します。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。このシンプルな分類の例では、浅いネットワーク層で十分かもしれません。
モデル訓練：GPU、TPU、または高性能計算クラスターを使用してモデルを訓練できます。訓練時間はモデルの複雑さと計算能力の影響を受けます。
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、推論プロセスはトレーニング済みの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、テストセットや新しいデータを使用してモデルの分類性能をテストすることができ、通常、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。
データ収集とデータ前処理、モデル選択と調整、そしてトレーニングを経て、トレーニングされたモデルをテストセットで推論すると、猫と犬の予測値P（確率）が得られます。これは、モデルが猫または犬である確率を推論したものです。
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ており、ユーザーが猫または犬の画像をアップロードすると、分類結果を得ることができます。
しかし、中央集権型のAI開発プロセスには以下のシナリオにおいていくつかの問題があります：
ユーザーのプライバシー：中央集権的なシナリオでは、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、医学データ）を取得する際には、データがオープンソースでない制約に直面する可能性があります。
モデルの選択と調整：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、モデルの調整に多額のコストをかけたりすることは難しい。
算力取得：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レンタル費用は、かなりの経済的負担となる可能性があります。
AI資産収入：データラベリング作業者はしばしば自分の労力に見合った収入を得ることができず、AI開発者の研究成果も需要のある買い手とマッチしにくい。
センター化されたAIシーンに存在する課題は、Web3との結合によって解決できます。Web3は新しい生産関係の一形態として、自然に新しい生産力を代表するAIに適応し、技術と生産能力の同時進歩を促進します。
1.3 Web3とAIのシナジー:役割の変化と革新的なアプリケーション
Web3 と AI の結合はユーザー主権を強化し、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ます。これによりユーザーは Web2 時代の AI 使用者から参加者へと変わり、誰もが所有できる AI を創造します。同時に、Web3 の世界と AI 技術の融合はさらに多くの革新的なアプリケーションシーンや遊び方を生み出すことができます。
Web3技術に基づいて、AIの開発と応用は新たな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は保護され、データクラウドソーシングモデルは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で、共有された計算能力は低コストで取得できます。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が実現され、より多くの人々がAI技術の進歩を推進することが奨励されます。
Web3のシーンでは、AIは複数の分野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ナリオで作業効率を向上させる機能を提供します。市場分析、安全検出、ソーシャルクラスタリングなど、さまざまな機能があります。生成的AIは、ユーザーがAI技術を使用して自分のNFTを作成するなど、「アーティスト」の役割を体験できるだけでなく、GameFiの中で多様なゲームシナリオや面白いインタラクション体験を創造することもできます。豊富なインフラストラクチャ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構造の解読
私たちは主に Web3-AI トラックの 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、インフラ層、中間層、アプリケーション層に分かれており、各層はさらに異なるセクションに分かれています。次の章では、いくつかの代表的なプロジェクトについてデプスな解析を行います。
インフラ層は、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に直接向けた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。
インフラストラクチャ層：
インフラストラクチャレイヤーは 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 チェーン、および開発プラットフォームをインフラストラクチャレイヤーに分類します。これらのインフラストラクチャのサポートによって、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。
分散型コンピューティングネットワーク：AIモデルのトレーニングに分散型の計算力を提供し、高効率かつ経済的な計算リソース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力マーケットを提供しており、ユーザーは低コストで計算力をレンタルしたり、計算力を共有して利益を得たりできます。代表的なプロジェクトにはIO.NETやHyperbolicがあります。さらに、Compute Labsのような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、トークン化されたプロトコルを提案しています。ユーザーはGPU実体を表すNFTを購入することで、さまざまな方法で計算力のレンタルに参加し利益を得ることができます。
AIチェーン：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、オンチェーンとオフチェーンの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と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はSahara AIです。AIチェーンはまた、Bittensorが革新的なサブネット報酬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ように、異なる分野のAI技術の進歩を促進します。
開発プラットフォーム：いくつかのプロジェクトは 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。ワンストップのツールは、開発者が AI モデルをより便利に作成、訓練、展開できるよう支援し、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。
中間：
このレイヤーはAIデータ、モデル、および推論と検証に関係しており、Web3技術を採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できるようにしており、画像ラベリングやデータ分類など、専門知識が必要な金融や法律関連のデータ処理タスクがあります。ユーザーはスキルをトークン化し、データ前処理の協力型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、異なる分野のデータタスクを代表しており、多様なデータシナリオをカバーできます。一方、AIT Protocolは、人間と機械の協調を通じ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共同トレーニングすることをサポートしています。例えば、Sentientはモジュール化設計を通じて、ユーザーが信頼できるモデルデータをストレージ層や配信層に置いてモデル最適化を行えるようにしています。Sahara AIが提供する開発ツールには、高度な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、共同トレーニングの能力も備えています。
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、より面白くて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ターのプロジェクトを整理しました。