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のネットワークを構築する
Web3とAIの融合：次世代のインターネットインフラを構築する
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パラダイムであり、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では、AIの計算とデータリソースは厳しく制御されており、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の多くの課題が存在しています。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方法を通じて、AIの発展に新たな推進力を注入することができます。また、AIはWeb3に対しても多くの力を与えることができ、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、エコシステムの構築をサポートします。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、データと計算能力の価値を解放するために重要です。
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も決定します。
従来の中央集権的なAIデータ取得および利用モデルには、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、リアルワールドのデータ取得には、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、リアルデータの属性を模擬し、リアルデータの有効な補完物として機能し、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、合成データがすでに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：FHEのWeb3における役割
データ主導の時代において、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）などの法律の施行は、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、これはまた、課題をもたらしています：プライバシーリスクのためにいくつかのセンシティブなデータが十分に活用できず、これは間違いなくAIモデルの潜在能力と推論能力を制限しています。
FHEは完全同態暗号を指し、暗号化されたデータに対して直接計算操作を行うことを可能にし、データを復号する必要がなく、計算結果はプレーンテキスト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強固な保護を提供し、GPU計算能力が原始データに触れることなくモデルのトレーニングや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。彼らはビジネス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、機械学習の全周期にわたってデータとモデルの暗号処理をサポートし、敏感な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で計算を行うことを強調します。
コンピューティング革命：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か月ごとに倍増しており、計算能力の需要が急増し、既存の計算リソースの供給を大幅に超えています。例えば、GPT-3モデルのトレーニングには膨大な計算能力が必要で、単一のデバイス上で355年分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、微処理器の性能向上の鈍化や、サプライチェーンおよび地政学的要因によるチップ不足が、計算能力の供給問題をより深刻にしています。AIの専門家たち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レンタルするか、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必要としています。
あるブロックチェーンプラットフォーム上の分散型AI計算ネットワークは、世界中の未使用のGPUリソースを集約することで、AI企業にとって経済的でアクセスしやすい計算市場を提供しています。計算リソースを必要とする側はネットワーク上で計算タスクを発表し、スマートコントラクトがタスクを計算リソースを提供するマイナー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などの分野での計算能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があります。
分散型計算力ネットワークは、公平で透明な計算力市場を提供し、独占を打破し、アプリケーションの敷居を下げ、計算力の利用効率を高めます。web3エコシステムにおいて、分散型計算力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のエンパワーメント
想像してみてください。あなたの携帯電話、スマートウォッチ、さらには家庭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こと——これがEdge AIの魅力です。それは、データが生成される源で計算が行われ、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。Edge AI技術は、自動運転などの重要な分野にすでに応用されています。
Web3領域では、私たちにとって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って、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発展しており、プロジェクトの展開における最初の選択肢のパブリックチェーンプラットフォームの一つとなっています。このパブリックチェーンの高いTPS、低い取引手数料、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、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、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困難です。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、さらにそこから利益を得ることは言うまでもありません。また、AIモデルの性能や効果はしばしば透明性に欠けるため、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く、モデルの市場での認知や商業的潜在能力が制限されます。
IMOはオープンソースAIモデルに新しい資金提供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、モデルが今後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入しています。IMOは現在、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認識し、独立して考え、設定された目標を達成するための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ができます。彼らはバーチャルアシスタントとして機能し、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エージェントは自立して問題を解決し、効率を向上させ、新たな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機能、外観、声、外部知識ベースと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を構築することを目指し、生成的AI技術を利用して、個人がスーパークリエイターになることを可能にします。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らしくするために特別にトレーニングされた大規模言語モデルを持っています。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分で実現可能です。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利用できます。
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、非中央集中型コンピューティングパワーの効率的な利用、そして大規模言語モデルの検証など、重要な問題が浮上しています。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ことが期待できます。