分散型 AI シーンに存在する課題は Web3 と結びつけることで解決できる。Web3 は新しい生産関係の一形態であり、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する。
1.3 Web3とAIの相乗効果:役割のシフトと革新的なアプリケーション
Web3 と AI の融合は、ユーザーの主権を強化し、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、ユーザーを Web2 時代の AI 使用者から参加者へと変えることができ、誰もが所有できる AI を創造します。同時に、Web3 の世界と AI 技術の統合は、さらに多くの革新的なアプリケーションシナリオやプレイ方法を生み出すことができます。
AI Chain：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それに伴う開発ツールを提供します。代表的なプロジェクトにはSahara AIがあります。AI Chainは、Bittensorが革新的なサブネットインセンティブ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など、異なる分野のAI技術の進歩も促進できます。
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。ワンストップツールは開発者が AI モデルをより便利に作成、トレーニング、デプロイできるのを助け、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。
モデル：以前に言及した AI 開発プロセスでは、異なるタイプの要求に適したモデルをマッチさせる必要があります。画像タスクでよく使用されるモデルには CNN、GAN があり、物体検出タスクでは Yolo シリーズを選択することができます。テキスト関連のタスクでは RNN、Transformer などのモデルが一般的であり、もちろん特定のまたは汎用の大規模モデルもあります。異なる複雑さのタスクに必要なモデルのデプスも異なり、時にはモデルの調整が必要です。
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を通じてモデルを共同訓練したりすることをサポートしています。たとえば、Sentient はモジュール式の設計を通じて、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配置してモデル最適化を行うことを可能にしています。Sahara AI が提供する開発ツールには、先進的な 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、共同訓練の機能も備えています。
Web3-AI分野の全景：技術的論理、応用シーンとトッププロジェクトの分析
Web3-AI スタートアップ全景レポート：技術ロジック、シーンアプリケーションとトッププロジェクトのデプス分析
AIのナラティブの高まりに伴い、ますます多くの関心がこの分野に集まっています。Web3-AI分野の技術論理、応用シーン、代表的なプロジェクトについて深く分析し、この分野の全景と発展トレンドを包括的に示しています。
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 トラックをどのように定義するか
過去一年において、AIのナラティブはWeb3業界で異常に人気を博し、AIプロジェクトは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技術を取り入れていますが、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製品と実質的な関連がないため、この記事ではこのようなプロジェクトはWeb3-AIプロジェクトの議論には含まれません。
この記事の焦点は、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、Web3経済モデルに基づいた生産関係ツールとして機能し、両者は相互に補完し合います。この種のプロジェクトをWeb3-AIトラックと分類します。読者がWeb3-AIトラックをより良く理解できるように、AIの開発プロセスと課題、さらにはWeb3とAIの統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出するかを紹介します。
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模倣、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は私たちの生活と仕事のスタイルを変えています。
人工知能モデルの開発プロセスは通常、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、モデル選択とチューニング、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、検証セット、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する。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。異なるニーズに基づい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の層はAIタスクの複雑さに応じて調整できます。この単純な分類の例では、浅いネットワークの層で十分かもしれません。
モデルのトレーニング：GPU、TPU、または高性能計算クラスターを使用してモデルをトレーニングできます。トレーニング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、推論プロセスはすでにトレーニングされたモデルを使用して新しいデータを予測または分類するプロセスを指します。このプロセスではテストセットまたは新しいデータを使用してモデルの分類効果をテストすることができ、通常は正確率、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。
図のように、データ収集とデータ前処理、モデル選択とチューニング、および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（probability）が得られます。つまり、モデルが猫または犬である確率を推論します。
! Web3-AIトラックパノラマレポート:テクニカルロジック、シナリオアプリケーション、トッププロジェクトの詳細な分析
訓練された AI モデルは、さまざまなアプリケーションに統合され、異なるタスクを実行できます。この例では、猫と犬の分類 AI モデルは、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るモバイルアプリに統合できます。
しかし、中央集権的なAI開発プロセスには以下のシーンで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：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。
モデル選択とチューニング：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、大規模なコストをかけてモデルをチューニングすることは困難です。
算力の取得：個人開発者や小規模チームにとって、高額なGPUの購入コストやクラウドのデプスレンタル料金は、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その労力に見合った収入を得ることができず、またAI開発者の研究成果も需要のある買い手とマッチングすることが難しい。
分散型 AI シーンに存在する課題は Web3 と結びつけることで解決できる。Web3 は新しい生産関係の一形態であり、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する。
1.3 Web3とAIの相乗効果:役割のシフトと革新的なアプリケーション
Web3 と AI の融合は、ユーザーの主権を強化し、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、ユーザーを Web2 時代の AI 使用者から参加者へと変えることができ、誰もが所有できる AI を創造します。同時に、Web3 の世界と AI 技術の統合は、さらに多くの革新的なアプリケーションシナリオやプレイ方法を生み出すことができます。
Web3技術に基づいて、AIの開発と応用は新しい協力経済システムを迎えます。人々のデータプライバシーは保護され、データのクラウドソーシングモデルはAIモデルの進歩を促進し、数多くのオープンソースのAIリソースがユーザーに提供され、共有された計算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、公平な所得分配システムを実現し、より多くの人々がAI技術の進歩を促進することを奨励します。
Web3のシーンでは、AIが複数のトラック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、マーケット分析、安全検出、ソーシャルクラスタリングなどのさまざまな機能を通じて、異なるアプリケーションシーンで作業効率を向上させることができます。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"アーティスト"の役割を体験できるだけでなく、GameFiの中で豊かで多様なゲームシーンや面白いインタラクティブな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ー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全体像とアーキテクチャの解説
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、各層はさらに異なるセクターに分かれています。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に解析します。
インフラストラクチャ層は、全AIライフサイクルの実行を支える計算リソースと技術アーキテクチャをカバーし、中間層はインフラストラクチャ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。
インフラ層：
インフラ層は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、開発プラットフォームをインフラ層に分類しています。これらのインフラ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能力を提供し、効率的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能力市場を提供しており、ユーザーは低コストで計算能力をレンタルしたり、計算能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、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ており、Compute Labsはトークン化プロトコルを提案しており、ユーザーはGPU実体を表すNFTを購入することで、異なる方法で計算能力のレンタルに参加して利益を得ることができます。
AI Chain：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それに伴う開発ツールを提供します。代表的なプロジェクトにはSahara AIがあります。AI Chainは、Bittensorが革新的なサブネットインセンティブ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など、異なる分野のAI技術の進歩も促進できます。
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。ワンストップツールは開発者が AI モデルをより便利に作成、トレーニング、デプロイできるのを助け、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。
ミドルレイヤー：
この層はAIデータ、モデル、推論および検証に関わり、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のユーザーがデータ前処理タスクを実行できるようになっています。これには、画像のラベリングやデータの分類などが含まれ、専門的な知識が必要な金融および法律関連のデータ処理タスクもあります。ユーザーはスキルをトークン化し、データ前処理の協力的なクラウドソーシングを実現できます。Sahara AIのようなAI市場は、異なる分野のデータタスクを持ち、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によりデータをラベリングします。
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を通じてモデルを共同訓練したりすることをサポートしています。たとえば、Sentient はモジュール式の設計を通じて、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配置してモデル最適化を行うことを可能にしています。Sahara AI が提供する開発ツールには、先進的な 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、共同訓練の機能も備えています。
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、AIとWeb3を組み合わせて、より多くの面白くて革新的な遊び方を創造します。本記事では、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プロジェクトを整理しています。