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にはSahara AIがあります。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技術の進展を促すこともできます。
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。一体型のツールは、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: 技術的ロジック、応用シーンとトッププロジェクトのデプス分析
Web3-AI トラック全景レポート：技術論理、シーンアプリケーションとトッププロジェクトデプス分析
AIのナラティブが継続的に注目を集める中、ますます多くの関心がこの分野に集中しています。Web3-AI分野の技術ロジック、アプリケーションシーン、および代表的なプロジェクトについて徹底的に分析し、この分野の全景と発展動向を皆様に包括的に提示します。
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 トラックをどう定義するか
過去1年間、AIストーリーはWeb3業界で異常に人気を博し、AIプロジェクトが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、基盤のトークンエコノミクスはAI製品とは実質的に関連がないため、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、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、AIの開発プロセスと課題、およびWeb3とAIの融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、モデル訓練と推論。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調整します。一般的に言えば、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。この単純な分類の例では、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：モデルが訓練されたファイルは通常モデルの重みと呼ばれ、推論プロセスは訓練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、精度、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。
図のように、データ収集とデータ前処理、モデル選択と調整、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（確率）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ナリオにおいて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（例えば医療データ）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、多額のコストをかけてモデルを調整することは難しい。
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算力のレンタル費用は、重大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分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ングするのが難しい。
中心化 AI シーンに存在する課題は、Web3 と組み合わせ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、AI という新しい生産力を代表するものに自然に適応し、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、ユーザーの主権を強化し、ユーザーにオープンなAIコラボレーション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使用者から参加者に変わり、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ナリオや遊び方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が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となり、共有の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市場を活用することで、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、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"アーティスト"の役割を体験することを可能にし、AI技術を使用して自分自身のNFTを作成することができるだけでなく、GameFiの中で豊富で多様なゲームシーンや興味深いインタラクション体験を創造することができます。豊富なインフラ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、インフラストラクチャ層、中間層、アプリケーション層に分かれており、それぞれ異なるセクターに分類されています。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分析を行います。
インフラ層は、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含み、中間層はインフラ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：
インフラ層はAIライフサイクルの基盤です。本稿では、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支援により、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。
分散型計算ネットワーク：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 と 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ました。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にはSahara AIがあります。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技術の進展を促すこともできます。
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。一体型のツールは、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。
###中間層:
このレイヤーは、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。例えば、画像のラベリングやデータの分類など、これらのタスクは金融や法律に関する専門知識を必要とするデータ処理を伴うことがあります。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持ち、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は人間と機械の協力によってデータにラベリングを行います。
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方式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。たとえば、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と配布層に置いてモデル最適化を行うことを許可しています。また、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内蔵されており、協力トレーニング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あり、AIとWeb3を組み合わせて、より興味深く革新的な遊び方を創造します。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プロジェクトを整理しました。