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：分散化されたデータとコンピューティングパワーインフラの構築
Web3とAIの融合：次世代インターネット基盤の構築
Web3は、分散型、オープン、透明な新しいインターネットパラダイムとして、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の発展に新たな活力を注入することができます。同時に、AIはWeb3にも多くの能力をもたらすことができ、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を通じて、その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原動力であり、エンジンの燃料のようなものです。AIモデルは膨大な高品質の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獲得します。データは機械学習モデルにトレーニングの基礎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、従来のモデルの痛点を解決することができます。
それにもかかわらず、現実世界のデータ取得には、データの質のばらつき、処理の難しさ、多様性と代表性の不足など、いくつかの問題が依然として存在します。合成データはWeb3データトラックの将来のスターと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し、リアルデータの有効な補足として、データの使用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、合成データが成熟した応用の可能性を示しています。
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）などの法規制の導入は、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、これには課題も伴います。プライバシーリスクのために一部のセンシティブなデータが十分に活用できないということは、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は完全同型暗号を意味し、暗号化されたデータに直接計算操作を行うことを許可し、データを復号する必要がなく、計算結果は平文データ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堅固な保護を提供し、GPUの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と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企業は大き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サービスを開放することができます。
FHEMLは、機械学習の全期間にわたってデータとモデルの暗号化処理をサポートし、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データに対して計算を行うことを強調しています。
コンピューティング革命：非中央集権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ヶ月ごとに倍増しており、計算能力の需要が急増し、既存の計算資源の供給を大きく超えています。例えば、ある大型言語モデルのトレーニングには膨大な計算能力が必要で、単一のデバイスで355年のトレーニング時間に相当します。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存在になっています。
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、サプライチェーンや地政学的要因によるチップ不足が重なり、算力供給の問題がさらに深刻化しています。AI業界の関係者は二者択一に直面しています：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、彼らはオンデマンドで経済的な計算サービスの方法を切実に求めています。
ある去中心化AI計算力ネットワークは、世界中の余剰GPUリソースを集約することにより、AI企業にとって経済的かつアクセスしやすい計算力市場を提供しています。計算力を必要とする側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。このような仕組み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もあります。
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敷居を下げ、コンピューティング能力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を引き付け、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へのエンパワーメント
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を実行する能力を持っているとしたら——これがエッジAIの魅力です。エッジAIはデータ生成の源で計算を行い、低遅延でリアルタイム処理を実現し、ユーザーのプライバシーを保護します。エッジ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分野では、私たちがより馴染みのある名前——DePINがあります。Web3は分散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はある公链エコシステムの中で急速に発展しており、プロジェクト展開のための最初の公链プラットフォームの一つとなっています。この公链の高TPS、低取引手数料、および技術革新が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、この公链上のDePINプロジェクトの時価総額は100億ドルを超え、一部の有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を発表
IMOの概念は、特定の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、収益分配メカニズムが欠如しているため、一旦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場合が多い。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、ましてやそこから収益を得ることはできない。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、潜在的な投資家や利用者はその真の価値を評価することが難しいため、モデルの市場での認知度や商業的潜在能力が制限される。
IMOはオープンソースのAIモデルに対して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、モデルが将来生み出す収益を共有できます。あるプロトコルは2つのERC基準を使用し、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、トークン保持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は現在初期の試行段階にありますが、市場の受け入れの高まりと参加範囲の拡大に伴い、その革新性と潜在的な価値は私たちの期待に値します。
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サポートを受けて、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もできます。彼らは仮想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することができます。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、および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。公平でオープンなAIコンテンツエコシステムの構築を目指しており、生成AI技術を活用して個人をスーパクリエイターに変身させます。このプラットフォームは、キャラクターの役割をより人間的にするために特別に訓練された大規模言語モデルを使用しています。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させ、音声合成のコストを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進んでおり、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能力の効率的な利用、そして大規模言語モデルの検証などの重要な問題が議論されています。これらのインフラが徐々に整備される中で、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ことが期待されます。