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の融合による次世代インターネットインフラの構築
Web3とAIの融合:次世代インターネットインフラの構築
Web3は、分散型でオープンかつ透明な新しいインターネットのパラダイムとして、AIとの自然な融合の機会を持っています。従来の集中型アーキテクチャの下では、AIの計算とデータリソースは厳しく制御され、計算力のボトルネック、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多くの課題が存在します。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、オープンデータ市場、プライバシー計算などの手段を通じて、AIの発展に新たな推進力を注入することができます。同時に、AIもWeb3に多くの能力をもたらし、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、エコシステムの構築を支援します。したがって、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、データと計算力の価値を解放するために非常に重要です。
データドリブン:AIとWeb3の強固な基盤
データはAIの発展を促進する核心的な原動力であり、エンジンにとっての燃料のようなものです。AIモデルは、大量の高品質データを消化することで、深い理解と強力な推論能力を獲得する必要があります。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も決定します。
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用いて従来のモデルの痛点を解決することができます:
それにもかかわらず、実世界のデータ取得にはいくつかの問題が存在します。たとえば、データの質が一様でないこと、処理が難しいこと、多様性と代表性が不足していることなどです。合成データはWeb3データトラック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いて、合成データは実データの特性を模倣し、実データの有効な補完として機能し、データ使用の効率を向上させることができます。自動運転、金融市場取引、ゲーム開発などの分野では、合成データがその成熟した応用の潜在能力を示しています。
プライバシー保護:FHEのWeb3における役割
データ駆動時代において、プライバシー保護は世界的な関心の焦点となっています。EUの一般データ保護規則(GDPR)などの法規の制定は、個人のプライバシーを厳格に守ることを反映しています。しかし、これは同時に課題をもたらしました: 一部のセンシティブ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、これは間違いなくAIモデルの可能性と推論能力を制限しています。
FHEは完全同型暗号を指し、暗号化されたデータ上で直接計算操作を行うことを可能にし、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計算能力が原データに触れることなくモデルのトレーニングおよび推論タスクを実行できる環境を実現します。これにより、AI企業は巨大な利点を得ることができます。彼らは商業機密を保護しながら、安全にAPIサービスをオープンにすることができます。
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することをサポートし、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の補完です。ZKMLは機械学習の正しい実行を証明し、FHEMLはデータプライバシーを維持するために暗号化データで計算を行うことを強調します。
計算力革命: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、計算能力の需要が急増し、既存の計算リソースの供給を大幅に超えています。例えば、ある有名なAI企業の大規模言語モデルの訓練には膨大な計算能力が必要で、単一のデバイスで355年の訓練時間に相当します。このような計算能力の不足は、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います。
同時に、世界のGPUの稼働率は40%未満であり、マイクロプロセッサの性能向上が鈍化していること、さらにはサプライチェーンや地政学的要因によるチップ不足が、計算力供給の問題をさらに深刻にしています。AIに従事する人々は二者択一に直面しています: 自らハードウェアを購入するか、クラウドリソースをレンタルするかです。彼らは、オンデマンドで経済的に効率的な計算サービスの方法を切実に必要としています。
ある分散型AIコンピューティングネットワークは、世界中の余剰GPUリソースを集約し、AI企業にとって経済的かつアクセスしやすいコンピューティング市場を提供しています。コンピューティング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、検証されると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コンピューティングのボトルネック問題を解決する助けとなります。
一般的な分散型コンピューティングネットワークの他に、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コンピューティングネットワークも存在します。
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リソース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Edge AIのパワーアップ
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、さらには家庭のスマートデバイスがAIを実行する能力を備えていること——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、同時にユーザーのプライバシーが保護されます。Edge AI技術は自動運転などの重要な分野に応用されています。
Web3の分野では、私たちがより馴染みのある名前であるDePINがあります。Web3は去中心化とユーザーデータの主権を強調しており、DePINはローカルでデータを処理することにより、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ことを奨励し、持続可能なエコシステムを構築します。
現在、DePINはあるパブリックチェーンエコシステムの中で急速に成長しており、プロジェクト展開のための選択肢の一つとなっています。このパブリックチェーンの高TPS、低取引手数料、そして技術革新はDePINプロジェクトに強力なサポートを提供しています。現在、こ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、いくつかの著名なプロジェクトが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の発表
IMOの概念は、あるプロトコルによって最初に提案され、AIモデルをトークン化します。
従来のモデルでは、収益共有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収益を得ることが難しいことが多い。特にモデルが他の製品やサービスに統合されると、元の創作者は使用状況を追跡することが難しく、収益を得ることは言うまでもない。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ユーザー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度や商業的潜在能力を制限している。
IMOはオープンソースAIモデルに対して新しい資金提供と価値共有の方法を提供し、投資家はIMOトークンを購入することで、モデルが生成する将来的な収益を共有することができます。あるプロトコルは2つの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ています。
IMOモードは透明性と信頼を強化し、オープンソースの協力を促進し、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は現在まだ初期の試行段階にありますが、市場の受容度が高まり、参加の範囲が拡大するにつれて、その革新性と潜在的な価値が期待されます。
AIエージェント:インタラクティブ体験の新しい時代
AIエージェントは環境を認識し、独立して考え、設定さ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を受けて、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ができます。彼らは仮想アシスタントとして機能し、ユーザーとの対話を通じてその好みを学び、個別化された解決策を提供します。明確な指示がない場合でも、AIエージェントは自主的に問題を解決し、効率を向上させ、新しい価値を創造することができます。
ある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います。このプラットフォームは、公正でオープンなAIコンテンツエコシステムの構築に努めており、生成的AI技術を利用して、個人がスーパクリエイターになる力を与えています。専用の大規模言語モデルを訓練し、キャラクター演技をより人間らしくしています。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99%削減し、音声クローンはわずか1分で実現できます。こ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おり、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力の効率的な利用の向上、大規模言語モデルの検証などの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、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。