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.
AIとブロックチェーンの融合: 技術探索から産業チェーンの再構築へ
AIとブロックチェーン技術の融合:インフラからアプリケーションへ
人工知能(AI)業界は近年急速に発展しており、新たな産業革命の重要な推進力と見なされています。大規模言語モデルの登場は、各業界の作業効率を著しく向上させ、ボストンコンサルティングは、GPTが米国全体の作業効率に約20%の向上をもたらしたと推定しています。同時に、大規模モデルの一般化能力は新しいソフトウェア設計のパラダイムと見なされており、従来の正確なコードに比べて、現在のソフトウェア設計はより広範なモダリティの入力と出力をサポートするために、一般化された大規模モデルのフレームワークを多く採用しています。深層学習技術はAI業界に新たな繁栄をもたらし、この波は暗号通貨業界にも広がっています。
本稿では、AI業界の発展の歴史、技術の分類、および深層学習が業界に与える影響について詳しく探討します。私たちは、GPU、クラウドコンピューティング、データソース、エッジデバイスなど、深層学習の産業チェーンの上下流を深く分析し、その発展の現状と傾向を整理します。その後、暗号通貨とAI業界の関係について本質的に探討し、暗号通貨に関連するAI産業チェーンの構造を整理します。
! 新人科学丨AI×暗号:ゼロからピークまで
AI業界の歴史
AI業界は20世紀50年代に始まりました。人工知能のビジョンを実現するために、学界と産業界は異なる時代背景の下で様々な流派を発展させてきました。現代の人工知能技術は主に「機械学習」手法を採用しており、その核心理念は、機械がデータ駆動で、タスクの中でシステム性能を改善するために継続的に反復することです。主なステップには、データをアルゴリズムに入力し、モデルを訓練し、テストとデプロイを行い、最終的に自動化予測を実現することが含まれます。
現在、機械学習には主に三つの流派があります: 結合主義、記号主義、行動主義で、それぞれ人間の神経系、思考、行動を模倣しています。その中で、神経ネットワークを代表とする結合主義が主導的な地位を占めており、深層学習とも呼ばれています。神経ネットワークのアーキテクチャは、入力層、出力層、そして複数の隠れ層を含み、層数と神経元(のパラメータ)の数が増加することで、より複雑な汎用タスクをフィットさせることができます。データを継続的に入力してパラメータを調整することで、最終的に最適な状態に達することができ、これが「深さ」の由来でもあります。
! 新参者科学人気丨AI×暗号:ゼロからピークまで
深層学習技術は何度も進化を遂げ、初期の神経ネットワークからフィードフォワード神経ネットワーク、RNN、CNN、GANへと進化し、最終的にはGPTなどの現代の大規模モデルで使用されるTransformer技術に発展しました。Transformerは変換器を追加することで、音声、動画、画像などのマルチモーダルデータ(を対応する数値表現にエンコードし、あらゆるタイプのデータに対するフィッティングを実現します。
AIの発展は3回の技術的波浪を経てきた:
1960年代: 第一次の波は、シンボリズム技術によって引き起こされ、一般的な自然言語処理と人間とコンピュータの対話の問題を解決しました。同時期に、エキスパートシステムが誕生しました。
1997年:IBMのディープブルーがチェスのチャンピオンを打ち負かし、AI技術の第二の高潮を迎えたことを示しています。
2006年から現在: 深層学習の三大巨頭が深層学習の概念を提唱し、アルゴリズムが徐々に進化して第三の技術波が形成され、結合主義の最盛期でもある。
近年、AI分野ではいくつかの象徴的な出来事が登場しました。
! 【新人科学丨AI×暗号:ゼロからピークまで])https://img-cdn.gateio.im/webp-social/moments-0c9bdea33a39a2c07d1f06760ed7e804.webp(
ディープラーニング産業チェーン
現在の大規模言語モデルは、主に神経ネットワークに基づく深層学習手法を採用しています。GPTを代表とする大規模モデルは、新たなAIブームを引き起こし、市場におけるデータと計算能力の需要が大幅に増加しています。私たちは、深層学習アルゴリズムの産業チェーンの構成、上流および下流の現状、供給と需要の関係、そして将来の発展動向について重点的に探討します。
Transformer技術に基づく大規模言語モデル)LLMs(の訓練は主に3つのステップに分かれています:
プレトレーニング: 大量のデータペアを入力し、ニューロンの最適なパラメータを探します。この段階では計算能力が最も必要であり、さまざまなパラメータを反復して試す必要があります。
微調整:少量だが高品質なデータを使用して訓練し、モデルの出力品質を向上させる。
強化学習: 出力結果をランキングするための報酬モデルを構築し、大規模モデルのパラメータを自動的に反復します。時には人間の判断が必要です。
モデルの性能は主にパラメータの数、データの量と質、計算能力の3つの要因によって決まります。パラメータが多いほど、モデルの汎化能力の上限は高くなります。経験則によれば、大規模モデルを1回プリトレーニングするにはおおよそ6np Flopsの計算量が必要で、)nはトークン数、pはパラメータ数(です。
初期のAIトレーニングは主にCPUを使用して計算能力を提供していましたが、その後、NVIDIAのA100、H100チップなどのGPUに徐々に移行しました。GPUはTensor Coreモジュールを通じて浮動小数点演算を行い、そのFP16/FP32精度におけるFlopsデータはチップ性能を測る重要な指標です。
GPT-3を例に取ると、1750億のパラメータと1800億のトークンのトレーニングデータがあります。一度の事前トレーニングには約3.15*10^22 Flopsが必要で、最先端のGPUチップを使用しても数百日かかります。モデルの規模が拡大するにつれて、計算能力の需要は指数関数的に増加します。
モデルのトレーニングプロセスでは、データストレージも課題に直面します。GPUのメモリが限られているため、ハードディスクとメモリ間でデータを頻繁に転送する必要があり、チップの帯域幅が重要な要素となります。複数のGPUでの並列トレーニング時には、チップ間のデータ転送速度も重要です。したがって、チップの計算能力だけがボトルネックではなく、メモリ帯域幅がより重要な場合が多いです。
深層学習産業チェーンは主に以下のいくつかの段階を含みます:
ハードウェアGPUプロバイダー:NVIDIAは高性能AIチップ市場で独占的地位にあります。GoogleやIntelなどの企業も自社のAIチップを開発しています。
クラウドサービスプロバイダー: 主に三つのカテゴリに分かれます: 伝統的なクラウド事業者)、例えばAWS、Google Cloud(、垂直AIクラウドサービスプロバイダー)、例えばCoreWeave(、推論サービスプロバイダー)、例えばTogether.ai(。
トレーニングデータソースプロバイダー: 大規模モデルと垂直分野モデルに対して、大量で高品質、特定のデータを提供します。
データベースプロバイダー: 主にベクトルデータベースで、非構造化データの効率的な保存と処理に使用されます。
エッジデバイス: 大規模な計算クラスターの運用をサポートするためのエネルギー供給と冷却システムを含む。
アプリケーション: 大規模モデルに基づいて開発された各種AIアプリケーション、例えば対話システム、創作ツールなど。
! [新人科学丨AI×暗号:ゼロからピークまで])https://img-cdn.gateio.im/webp-social/moments-609c5dd6ee0abcec6bf9c118d7741867.webp(
暗号通貨とAIの関係
ブロックチェーン技術の核心は去中心化と去信任化です。ビットコインは去信任の価値移転システムを創造し、イーサリアムはさらに去中心化、去信任のスマートコントラクトプラットフォームを実現しました。本質的に、ブロックチェーンネットワークは価値ネットワークであり、各取引は基盤となるトークンの価値変換に基づいています。
従来のインターネットにおいて、企業の価値は主にキャッシュフローとPERによって示されます。しかし、ブロックチェーンエコシステムでは、ネイティブトークン)はETH(のようにネットワークの多次元的な価値を担い、ステーキング収益を得るだけでなく、価値交換の媒介、保存手段、ネットワーク活動の消費財としても使用されます。トークンエコノミクスはエコシステムの決済物の相対的価値を定義しますが、各次元ごとに個別に価格を設定することは難しいものの、トークンの価格は多次元的な価値を総合的に反映しています。
トークンの魅力は、あらゆる機能やアイデアに価値を与えることができる点にあります。トークンエコノミクスは、価値の再定義と発見の方法を変革しており、AIを含むさまざまな業界にとって重要です。AI産業において、トークンの発行は産業チェーンの各段階の価値を再構築し、より多くの参加者がニッチな分野に深く関与することを促します。トークンはキャッシュフローをもたらすだけでなく、協調効果を通じてインフラの価値を向上させ、「太いプロトコルと細いアプリケーション」というパラダイムを形成します。
ブロックチェーン技術の不可篡改性と信頼不要の特性は、AI業界にも実際的な意義をもたらします。それは、ユーザーデータを使用する際にプライバシーを漏洩しないことを保証するなど、信頼を必要とするアプリケーションを実現することができます。GPUの供給が不足しているときには、ブロックチェーンネットワークを通じて計算能力を分配できます。また、GPUのイテレーションが更新されるとき、使われていない古いデバイスも引き続き価値を提供することができます。これらは、グローバルな価値ネットワークに固有の利点です。
! [新人科学丨AI×暗号:ゼロからピークまで])https://img-cdn.gateio.im/webp-social/moments-f37fb0100218188368f4d31940aab2a3.webp(
暗号通貨業界AI産業チェーンプロジェクト概要
主要プロジェクトにはRender、Golemなどがあります。Renderは比較的成熟した分散型インフラプロジェクトとして、主に動画レンダリングなどの非大モデルタスクを対象としています。AIの需要が増加し、GPUのイテレーションが進むにつれて、共有GPU計算能力の需要が増加する可能性があり、余剰GPUに価値発見の機会を提供するでしょう。
典型的なプロジェクトにはMeson Networkがあり、グローバルな帯域幅共有ネットワークの構築を目指しています。しかし、帯域幅の共有は偽の需要である可能性があります。なぜなら、高性能計算クラスターにとって、ローカルデータストレージの遅延は分散ストレージよりもはるかに低いためです。
EpiK Protocol、Synesis One、Masaなどのプロジェクトは、AIトレーニングデータサービスを提供しています。その中でMasaはゼロ知識証明技術に基づいており、プライバシーデータの収集をサポートしています。このようなプロジェクトの利点は、広範なデータ収集を実現でき、トークンによってユーザーにデータ提供を促すことができる点です。
ゼロ知識証明技術を使用してプライバシー計算とトレーニングを実現します。主なプロジェクトにはModulus Labs、Gizaなどがあります。一部の汎用ZKプロジェクトとしてAxiom、Risc Zeroも注目に値します。
主にAIの能力を従来のブロックチェーンアプリケーションと組み合わせること、例えばAIエージェントなどです。Fetch.AIは代表的なプロジェクトで、スマートエージェントを通じてユーザーが複雑なチェーン上の意思決定を行うのに役立ちます。
Tensor、Allora、Hypertensorなど、AIモデルやエージェントのために構築された適応ネットワーク。この種のプロジェクトは通常、強化学習に似たメカニズムを採用し、オンチェーン評価者を通じてモデルのパラメータを改善します。
! [新人科学丨AI×暗号:ゼロからピークまで])https://img-cdn.gateio.im/webp-social/moments-8848582a34ba293d15afae15d90e3c95.webp(
まとめ
現在のAIの発展は主に深層学習技術に焦点を当てていますが、他にも注目すべき潜在的なAI技術の道があります。深層学習は汎用人工知能を実現できないかもしれませんが、推薦システムなどの分野で広く応用されており、実際の価値を持っています。
ブロックチェーン技術とトークンエコノミーはAI業界に新しい価値の定義と発見のメカニズムをもたらしました。それらはAI産業チェーンの各段階の価値を再構築し、より多くの参加者を奨励し、グローバルな価値ネットワークを通じて資源の効率的な配置を実現します。
しかし、分散型GPUネットワークは、帯域幅と開発者ツールの面で依然として劣位にあり、現在は主に緊急性のない小規模モデルのトレーニングに適しています。大企業や重要なタスクに対しては、従来のクラウドサービスプラットフォームが依然として優位です。
総じて、AIとブロックチェーンの結合は実際的な有用性と長期的な潜在能力を持っています。トークン経済学はより広範な価値を再形成し発見することができ、非中央集権型の帳簿は信頼の問題を解決し、世界的な価値の流動と余剰価値の発見を促進します。技術の進展とエコシステムの整備に伴い、AIとブロックチェーンの融合はさらに多くの革新と機会をもたらすことが期待されています。