Web3-AI分野の全景レポート：技術論理、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のストーリーテリングが続々と注目を集める中、ますます多くの関心がこの分野に集中しています。Web3-AI分野の技術的ロジック、アプリケーションシーン、代表的なプロジェクトについて深く分析し、この分野の全体像と発展のトレンドを包括的にお届けします。

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競技をどのように定義するか

過去1年間、AIのナラティブはWeb3業界で異常に盛り上がり、AIプロジェクトが雨後の竹の子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とAI製品には実質的な関連性がないため、このようなプロジェクトは本記事での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AI製品を提供し、同時にWeb3経済モデルに基づいて生産関係のツールとして機能し、相互に補完し合います。このようなプロジェクトはWeb3-AIトラックに分類されます。読者がWeb3-AIトラックをよりよく理解できるように、AIの開発プロセスと課題、そしてWeb3とAIの組み合わせ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造するかについて詳しく紹介します。

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は私たちの生活や働き方を変えています。

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、モデルの選択と調整、モデルのトレーニングと推論。簡単な例として、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：

1. 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、自分でリアルデータを収集できます。その後、各画像にクラス(猫または犬)のラベルを付け、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。

2. モデル選択とチューニング：適切なモデルを選択します。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。異なるニーズに応じてモデルのパラメータやアーキテクチャをチューニングします。一般的に、モデルのネットワークの階層はAIタスクの複雑さに応じて調整できます。この簡単な分類の例では、浅いネットワークの階層で十分かもしれません。

3. 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に影響されます。

4. モデル推論：モデルがトレーニングされたファイルは通常モデルの重みと呼ばれ、推論プロセスはトレーニング済みのモデルを使用して新しいデータに対して予測または分類を行う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性能をテストすることができ、通常は精度、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。

図に示すように、データ収集とデータ前処理、モデル選択とチューニング、そして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。

トレーニングされたAIモデルは、さまざまなアプリケーションにさらに統合されて、異なるタスクを実行できます。この例では、猫と犬を分類する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ことで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：中央集権的なシーンでは、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。

データソース取得：小規模なチームや個人が特定の分野のデータ(、例えば医療データ)を取得する際、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。

モデル選択と調整：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、モデルの調整に多大なコストをかけたりすることは困難です。

計算力の取得：個人開発者や小規模チームにとって、高額なGPU購入コストやクラウド計算力のレンタル費用は重要な経済的負担となる可能性があります。

AI資産収入：データアノテーション作業者はしばしば自らの努力に見合った収入を得ることができず、AI開発者の研究成果も需要のある買い手とマッチすることが難しい。

中心化AIシーンに存在する課題はWeb3との結合によって解決できる。Web3は新しい生産関係の一形態であり、新しい生産力を代表するAIに自然に適応しているため、技術と生産能力の同時進歩を促進する。

1.3 Web3とAIのシナジー:役割の変化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、ユーザーがWeb2時代のAI使用者から参加者に変わり、誰もが所有できるAIを創造することを可能にします。同時に、Web3の世界とAI技術の融合は、さらに多くの革新的なアプリケーションシーンやプレイスタイルを生み出すことができます。

Web3技術に基づき、AIの開発と応用は新しい協力経済システムを迎えることになる。人々のデータプライバシーは保障され、データクラウドソーシングモデルはAIモデルの進歩を促進し、多くのオープンソースのAIリソースがユーザーに利用可能で、共有されたコンピューティングパワーは低コストで取得できる。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市場を利用することで、公平な収入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する。

Web3のシーンでは、AIは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、さまざまな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。市場分析、安全検出、ソーシャルクラスタリングなど、さまざまな機能があります。生成的AIは、ユーザーに「アーティスト」の役割を体験させるだけでなく、AI技術を使用して自分自身のNFTを作成することもでき、GameFiでは多様なゲームシーンや興味深いインタラクティブな体験を創造することができます。豊富なインフラストラクチャはスムーズな開発体験を提供し、AIの専門家でもAI分野に足を踏み入れたい初心者でも、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地図とアーキテクチャの解読

私たちは主にWeb3-AI分野の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層に分類しました。各層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が含まれ、それぞれの層は異なるセクションに分かれています。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解析を行います。

インフラストラクチャ層は、AIライフサイクル全体の運用をサポートする計算資源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。

! 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

インフラ層：

インフラストラクチャ層は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 Chain、開発プラットフォームをインフラストラクチャ層に分類します。これらのインフラストラクチャのサポートがあって初めて、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計算力を提供し、高効率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力市場を提供しており、ユーザーは低コストで計算力をレンタルしたり、計算力を共有して収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。また、一部のプロジェクトは新しいプレイスタイルを生み出しており、Compute Labsはトークン化プロトコルを提案しています。ユーザーはGPU実体を表すNFTを購入することで、さまざまな方法で計算力のレンタルに参加し、収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マーケットでは、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関連する開発ツールを提供します。代表的なプロジェクトはSahara AIです。AI Chainは、Bittensorの革新的なサブネットインセンティブメカニズムのように、異なる分野のAI技術の進歩を促進することもできます。

• 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エージェントによる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、展開できるよう支援し、代表的なプロジェクトはNimbleです。これらのインフラストラクチャは、Web3エコシステムにおけるAI技術の広範な適用を促進しています。

中間：

この層はAIデータ、モデル、および推論と検証に関係しており、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。

• データ：データの質と量はモデルのトレーニング効果に影響を与える重要な要素です。Web3の世界では、クラウドソーシングデータと協力型データ処理を通じて、リソースの利用を最適化し、データコストを削減できます。ユーザーはデータの自主権を持ち、プライバシーを保護する条件の下で自分のデータを販売でき、不正な業者にデータを盗まれ、高額な利益を得られるのを避けることができます。データの需要者にとって、これらのプラットフォームは幅広い選択肢と非常に低コストを提供しています。代表的なプロジェクトには、Grassがユーザーの帯域幅を利用してWebデータを収集するものや、xDataがユーザーフレンドリーなプラグインを通じてメディア情報を収集し、ユーザーによるツイート情報のアップロードをサポートするものがあります。

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ユーザーがデータ前処理タスクを実行できるようにしており、例えば画像ラベリングやデータ分類などがあります。これらのタスクは、金融や法律関連の専門知識を必要とするデータ処理を含む場合があります。ユーザーはスキルをトークン化することで、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マーケットは、異なる分野のデータタスクを提供し、多様なデータシナリオをカバーすることができます。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。

• 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。画像タスクで一般的に使用されるモデルにはCNNやGANがあり、物体検出タスクではYoloシリーズを選択できます。テキスト関連のタスクではRNNやTransformerなどのモデルが一般的で、もちろん特定または汎用の大きなモデルもあります。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、時にはモデルのチューニングが必要です。

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によってモデルを共同訓練することをサポートしています。例えば、Sentientはモジュール化された設計を通じて、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布層に置き、モデルの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、高度な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、共同訓練の能力を備えています。

• 推論と検証：モデルが訓練された後、モデルの重みファイルが生成され、分類、予測、または他の特定のタスクを直接行うために使用できます。このプロセスは推論と呼ばれます。推論プロセスは通常、推論モデルの出所が正しいかどうか、悪意のある行動がないかなどを検証するための検証メカニズムを伴います。Web3の推論は通常、スマートコントラクトに統合でき、モデルを呼び出して推論を行います。一般的な検証方法にはZKML、OPML、TEEなどの技術が含まれます。代表的なプロジェクトとしてORAチェーン上のAIオラクル(OAO)があり、AIオラクルの検証可能な層としてOPMLを導入しています。ORAの公式サイトでは、彼らのZKMLおよびopp/ai(の研究と、ZKMLとOPML)の組み合わせについても言及されています。

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あり、AIとWeb3を組み合わせて、より興味深く、革新的なプレイ方法を生み出しています。本稿では、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セクターのプロジェクトを整理しています。

• AIGC：AIGCを通じてWeb3のNFTやゲームなどの分野に拡張できます。ユーザーはPrompt(から提供されたプロンプト)を使って、テキスト、画像、音声を生成し、自分の好みに応じてゲーム内でカスタマイズされたプレイスタイルを生成することもできます。NFTプロジェクトであるNFPromptでは、ユーザーはAIを使ってNFTを生成し、市場で取引できます；ゲームであるSleeplessでは、ユーザーは対話を通じて仮想パートナーの性格を形成し、自分の好みにマッチさせます；

• AIエージェント：自律的にタスクを実行し、意思決定を行う人工知能システムを指します。AIエージェントは通常、感知、推論、学習、行動の能力を備えており、さまざまな環境で複雑なタスクを実行できます。一般的なAIエージェントには、言語翻訳、言語学習などがあります。