Web3-AIの全景解析:技術の融合、アプリケーションシーンとトッププロジェクトの分析

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のデプス分析

AIのナラティブが持続的に注目される中、ますます多くの関心がこの分野に集中しています。本稿では、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傾向を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競技をどのように定義するか

過去1年間、AIストーリーテリングは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、基盤となるトークン経済学はAI製品と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製品を提供するだけでなく、Web3経済モデルに基づく生産関係のツールとしても機能し、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説明します。

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、モデルの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、次のようにする必要があります:

  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、自分で実際のデータを収集できます。その後、各画像に(猫または犬)のカテゴリーをラベル付けし、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。

  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層はAIタスクの複雑さに応じて調整できます。このシンプルな分類の例では、浅いネットワークの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の影響を受けます。

  4. モデル推論:モデルの学習済みファイルは通常モデルウェイトと呼ばれ、推論プロセスは、既に学習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(probability)、つまりモデルが猫または犬である確率が得られます。

Web3-AI トラック全景レポート:技術ロジック、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

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)を取得する際には、データがオープンソースでないという制限に直面する可能性があります。

モデル選択とチューニング:小規模チームにとって、特定の分野のモデルリソースを取得したり、モデルのチューニングに多大な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、著しい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シーンにおける課題は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形態であり、新型生産力を代表するAIに自然に適合し、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使用者から参加者へと変わり、誰もが所有できるAIを作成します。同時に、Web3の世界と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システムを迎えます。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利用可能で、共有された計算能力を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よう奨励します。

Web3のシーンでは、AIは複数のトラックで積極的な影響を生み出すことができます。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ナリオ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のさまざまな機能が含まれています。生成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面白いインタラクティブな体験を創出したり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の専門家だけでなく、AI分野に入りたい初心者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に解析します。

Web3-AI トラック全景レポート:技術ロジック、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

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み、ミドル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、および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。

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、開発プラットフォームをインフラ層に分類しています。これらのインフラのサポートによってこそ、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るのです。

  • 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、高効率で経済的な計算資源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実体を表すNFTを購入することによって、さまざまな方法で計算能力のレンタルに参加し、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資産を取引可能で、AI開発フレームワークや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、Fetch.aiやChainMLなどのように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、展開するのを助け、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。

ミドルレイヤー:

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。

  • 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因です。Web3の世界では、クラウドソーシングデータと協力的な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した状態で自分のデータを販売することができ、不正な業者によるデータの盗用や高額な利益の追求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いコストを提供します。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データを取得し、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、ユーザーがツイート情報をアップロードできるようにサポートしています。

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。例えば、画像ラベリングやデータ分類など、これらのタスクは専門知識を必要とする金融や法律関連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提供し、多様なデータシーンをカバーできます。一方、AIT Protocolは、人間と機械の協調によってデータにラベル付けを行います。

  • モデル:以前に言及したAI開発プロセスでは、異なるタイプのニーズに適したモデルをマッチさせる必要があります。画像タスクでよく使用されるモデルにはCNNやGANがあります。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す。また、特定の大規模モデルや汎用モデルもあります。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。Sentientはモジュール化設計を通じて、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最適化を行うことを許可しています。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、共同訓練の能力を持っています。

  • 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、またはその他の特定のタスクを直接実行する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、悪意のある行動がないか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、およびTEEなどの技術が含まれます。代表的なプロジェクトには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レイヤーとしてOPMLを導入しています。ORAの公式ウェブサイトでは、ZKMLとopp/ai(の組み合わせによる研究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、AIとWeb3を組み合わせて、より面白く革新的な遊び方を生み出します。本稿では、AIGC)AI生成コンテンツ(、AIエージェント、データ分析の各セクションのプロジェクトを整理しました。

  • 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)で提供されたヒントを直接使用して、テキスト、画像、音声を生成することができ、さらにはゲーム内で自分の好みに応じたカスタムプレイを生成することができます。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、市場で取引することができます;ゲームであるSleeplessでは、ユーザーが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ることができます;

  • AIエージェント:自律的にタスクを実行し、意思決定を行うことができる人工知能システムを指します。AIエージェントは、通常、知覚、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、言語翻訳などがあります。

原文表示
このページには第三者のコンテンツが含まれている場合があり、情報提供のみを目的としております(表明・保証をするものではありません)。Gateによる見解の支持や、金融・専門的な助言とみなされるべきものではありません。詳細については免責事項をご覧ください。
  • 報酬
  • 8
  • 共有
コメント
0/400
SelfCustodyBrovip
· 13時間前
また一つの水増しレポート、物語はもう飽き飽きしているでしょう。
原文表示返信0
MissedAirdropBrovip
· 07-19 18:14
本当に寝てしまった。まさかまたこのチャンスを逃すとは。
原文表示返信0
SilentAlphavip
· 07-19 18:14
また羊の頭を掲げて犬の肉を売る、いくつかのAI概念を出してカモにされる
原文表示返信0
rekt_but_not_brokevip
· 07-19 18:11
ああ、これ毎日AI毎日AIが低価格になってしまった
原文表示返信0
FOMOmonstervip
· 07-19 18:03
現在のプロジェクトはすべてAIの旗を掲げてカモにされる
原文表示返信0
AirdropHunterWangvip
· 07-19 17:58
おすすめのプロジェクトはありますか?クイックマネーを稼ぎたいです。
原文表示返信0
SchrodingerAirdropvip
· 07-19 17:57
理解できませんが、私は大きな衝撃を受けました
原文表示返信0
Blockblindvip
· 07-19 17:50
AIを利用したプロジェクトがあちこちで盛り上がっていますが、どれが信頼できるのでしょうか。
原文表示返信0
いつでもどこでも暗号資産取引
qrCode
スキャンしてGateアプリをダウンロード
コミュニティ
日本語
  • 简体中文
  • English
  • Tiếng Việt
  • 繁體中文
  • Español
  • Русский
  • Français (Afrique)
  • Português (Portugal)
  • Bahasa Indonesia
  • 日本語
  • بالعربية
  • Українська
  • Português (Brasil)