センタライズされた 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 は新しい生産関係として、自然に新しい生産力を代表する AI に適応しており、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 の組み合わせは、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 を作成します。同時に、Web3 世界と AI 技術の融合は、さらなる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。
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。一元的なツールは開発者が 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し、代表的なプロジェクトは Nimble です。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全景レポート：技術の融合、アプリケーションシーンおよびトッププロジェクトのデプス分析
Web3-AI プラットフォーム全景レポート：技術的論理、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のナラティブが高まる中、この分野に対する関心がますます集まっています。Web3-AI分野の技術的論理、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呈示します。
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 トラックをどのように定義するか
過去1年間、AIのナarrティブは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製品とは実質的な関係がないため、この記事ではそ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。
この記事の重点は、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出するのかを紹介します。
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。それは、言語翻訳、画像分類、顔認識、自動運転などの複雑なタスクを実行できるようにコンピュータをすることができ、AIは私たちの生活と仕事の方法を変えています。
人工知能モデルの開発プロセスには通常、以下のいくつかの重要なステップが含まれます：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。シンプルな例を挙げると、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、自分でリアルな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、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深さが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。
図に示すように、データ収集とデータ前処理、モデル選択と調整、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（確率）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。
! 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、ユーザーが猫や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の訓練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、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、モデル調整に大量のコストをかけたり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：データアノテーターはしばしば自分の労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バイヤーとマッチングするのが難しい。
センタライズされた 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 は新しい生産関係として、自然に新しい生産力を代表する AI に適応しており、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 の組み合わせは、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 を作成します。同時に、Web3 世界と AI 技術の融合は、さらなる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体系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障され、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、公平な収入配分システムを実現し、より多くの人々がAI技術の進歩を推進するように奨励することができます。
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組み込まれ、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、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のNFTを作成したり、GameFiで多様なゲームシーンや興味深いインタラクティブ体験を創出することもできます。豊富なインフラストラクチャーが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、インフラ層、中間層、アプリケーション層に分かれ、それぞれが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に解析します。
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支える計算リソースと技術アーキテクチャを含んでいます。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、ユーザーに直接向けられ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、および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ています。これらのインフラストラクチャの支援があるからこそ、AIモデルのトレーニングと推論を実現し、強力で実用的なAIアプリケーションをユーザーに提供することができます。
分散型計算ネットワーク：AIモデルのトレーニングに分散型の計算能力を提供し、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。さらに、一部のプロジェクトは新しい遊び方を派生させており、Compute Labsはトークン化プロトコルを提案しています。ユーザーはGPU実体を表すNFTを購入することで、計算能力のレンタルに異なる方法で参加して収益を得ることができます。
AIチェーン：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。オンチェーンの分散型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や付属の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チェーンは、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、異なる分野における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。一元的なツールは開発者が 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し、代表的なプロジェクトは Nimble です。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するものであり、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なっており、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、金融や法律の専門知識を必要とするデータ処理を含む可能性があり、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するか、クラウドソーシング方式で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くことでモデルの最適化を行うことを許可します。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、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あり、AIとWeb3を組み合わせて、より多くの興味深いものを創造します。