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にはSahara AIがあります。AI Chainは、Bittensorが革新的なサブネット報酬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 エージェントの取引も実現できます。ワンストップのツールは、開発者が AI モデルをより便利に作成、訓練、展開するのを支援します。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ます。
Web3-AIサーキット全景:技術論理とトッププロジェクトデプス剖析
Web3-AI スポーツトラック全景レポート：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のストーリーが高まる中、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 トラックをどのように定義するか
過去1年間、AIナarrativeはWeb3業界で異常に人気があり、AIプロジェクトが雨後の筍のように次々と登場しました。多くのプロジェクトがAI技術に関与していますが、一部のプロジェクトはその製品の特定の部分でのみ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。
本記事のポイントは、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た生産関係のツールとして機能し、両者は相互に補完し合います。このようなプロジェクトをWeb3-AIトラックに分類します。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の結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は私たちの生活や仕事の方法を変えています。
人工知能モデルを開発するプロセスは通常、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、モデル選択と調整、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、自分で実データを収集することができます。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、データセットを訓練セット、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こと、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調整しますが、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。
モデル訓練：GPU、TPU、または高性能計算クラスタを使用してモデルを訓練できます。訓練時間はモデルの複雑さと計算能力に影響されます。
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、推論プロセスはトレーニング済みの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用いてモデルの有効性を評価します。
データ収集とデータ前処理、モデル選択とチューニング、トレーニングを経て、トレーニング済みの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。これは、モデルが猫または犬である確率を推論したものです。
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、猫と犬を分類するAIモデルがモバイルアプリに統合され、ユーザーが猫または犬の画像をアップロードすると、分類結果が得られます。
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（例えば医学データ）を取得する際、データがオープンソースでない制限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、モデルを調整するために多額のコストをかけたりするのは難しい。
算力の獲得：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することが難しい。
中心化 AI シーンで存在する課題は、Web3 と組み合わせることで解決できる。Web3 は新しい生産関係の一種として、AI という新しい生産力を自然に適応させ、技術と生産能力の同時の進歩を促進する。
1.3 Web3 と AI の相乗効果：役割の変化と革新アプリケーション
Web3とAIの結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使用者から参加者へと変わり、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証され、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、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、共有された計算能力は低コストで取得できる。分散型の協力的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、公平な収入分配システムが実現され、より多くの人々がAI技術の進歩を推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ポジティブ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ー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ナリオ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を作成することで「アーティスト」の役割を体験できるだけでなく、GameFiの中で豊富で多様なゲームシナリオと面白いインタラクティブ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の分野に入りたい初心者でも、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全体像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、インフラストラクチャーレイヤー、中間レイヤー、アプリケーションレイヤーに分かれており、それぞれのレイヤー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な解析を行います。
! 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
インフラストラクチャ層は、AIライフサイクル全体をサポートする計算リソースと技術アーキテクチャを含み、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んでいます。アプリケーション層は、ユーザー向けのさまざまなアプリケーションとソリューションに直接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、および開発プラットフォームをインフラ層に分類します。これらのインフラのサポートにより、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コンピューティングリソースを提供し、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コンピューティングマーケットを提供しており、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ることができます。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遊び方を派生させ、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の実体を表すNFTを購入することで、さまざまな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にはSahara AIがあります。AI Chainは、Bittensorが革新的なサブネット報酬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 エージェントの取引も実現できます。ワンストップのツールは、開発者が AI モデルをより便利に作成、訓練、展開するのを支援します。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ます。
中間：
このレイヤーは、AIデータ、モデル、推論と検証に関与しており、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。
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います。これには、画像のラベル付けやデータの分類が含まれ、これらのタスクは専門知識を必要とする金融および法的タスクの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マーケットは、さまざまな分野のデータタスクを代表し、多領域のデータシナリオをカバーすることができます。一方、AITプロトコルは、人間と機械の協調的な方法でデータにラベルを付けます。
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で協力してモデルをトレーニングすることをサポートしています。例えば、Sentientはモジュラー設計を通じて、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置いてモデルを最適化できるようにしています。Sahara AIが提供する開発ツールは、高度なAIアルゴリズムと計算フレームワークを内蔵しており、協力トレーニングの能力も備えています。
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あり、AIとWeb3を組み合わせて、より多くの興味深く革新的なプレイスタイルを創出します。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セクターにおけるプロジェクトを主に整理します。