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のように、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間の競争を促進することで、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、デプロイできるように支援し、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。
Web3-AI分野の全景：技術融合のロジックと代表プロジェクトのデプス分析
Web3-AI トラック全景レポート：技術ロジック、シナリオ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のナラティブが続々と注目を集める中、この分野に対する関心が高まっています。本稿では、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、この領域の全景と発展トレンドを包括的に示します。
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レースをどう定義するか
昨年、AI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一部でのみAIを使用しており、基盤となるトークン経済学はAI製品とは実質的な関係がないため、こうしたプロジェクトは本記事における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製品を提供すると同時に、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、相互に補完し合っています。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トラックをより良く理解できるように、次に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造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、画像分類から顔認識、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仕方を変えています。
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、実際のデータを自分で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、データセットをトレーニングセット、バリデーションセット、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調整します。一般的に、モデルのネットワークの深さは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レイヤーが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ー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、推論プロセスは既にトレーニングされた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効果をテストすることができ、通常は正確度、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、モデル選択と調整、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、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、猫と犬の分類を行う 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：小規模チームまたは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。
モデルの選択と調整：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することや、大きなコストをかけてモデルを調整することは難しい。
算力取得：個人の開発者や小規模なチームにとって、高額なGPU購入費用やクラウド算力のレンタル費用は、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自分の労力に見合った収入を得られず、またAI開発者の研究成果も需要のある買い手とマッチしづらい。
集中化 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ます。Web3 は新しい生産関係の一形態として、自然に新しい生産力を代表する AI に適合し、技術と生産能力の同時進歩を促進します。
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ます。これにより、ユーザーはWeb2時代のAI利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、より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技術に基づいて、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ります。人々のデータプライバシーは保護され、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、共有された計算能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技術の進歩を推進することを奨励します。
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、マーケット分析、安全検知、ソーシャルクラスタリングなど、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。生成型AIは、ユーザーが"アーティスト"の役割を体験できるだけでなく、AI技術を使用して自分のNFTを作成したり、GameFi内で多様なゲームシーンや面白いインタラクション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地図とアーキテクチャの解読
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、基盤層、中間層、アプリケーション層に分かれています。各層はさらに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レイヤーは、AIライフサイクル全体の運用をサポートする計算リソースと技術アーキテクチャをカバーし、中間レイヤー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、アプリケーションレイヤー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焦点を当てています。
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、この記事では計算力、AIチェーン、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ています。これらのインフラストラクチャの支援によって、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。
非中央集権型コンピュータネットワーク：AIモデルのトレーニングのために分散型の計算能力を提供し、高効率かつ経済的な計算資源の利用を確保します。いくつかのプロジェクトは、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ることができる非中央集権型の計算力市場を提供しています。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たな遊び方を派生させ、Compute Labsはトークン化プロトコルを提案し、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のように、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間の競争を促進することで、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、デプロイできるように支援し、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。
中間：
この層は、AIデータ、モデル、推論および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。
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することを許可しています。これには、画像のラベリングやデータ分類などが含まれ、専門知識を必要とする金融および法律タスクのデータ処理が求められる場合があります。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。例えば、Sahara AIのようなAIマーケットには、異なる分野のデータタスクがあり、多様なデータシナリオをカバーできます。一方、AITプロトコルは、人間と機械の協調によって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の方法で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。例えば、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布層に配置してモデルの最適化を行うことを可能にしています。また、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、共同訓練の能力を備えています。
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ションのプロジェクトについて整理します。