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はSahara AIです。AI Chain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ように、異なる分野のAI技術の進歩も促進できます。
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の競技場全景：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デプス解析
Web3-AI スタートアップ全景レポート：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
AIのナラティブが高まる中、ますます多くの関心がこの分野に集まっています。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徹底的に分析し、この分野の全体像と発展トレンド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 トラックをどのように定義するか
過去1年間、AIナラティブは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続々と現れました。多くのプロジェクトがAI技術を取り入れていますが、いくつか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、これらのプロジェクトは本記事の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経済モデルに基づく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トラックとして分類します。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、そしてWeb3とAIの統合がどのように問題を完全に解決し、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へ
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は私たちの生活と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、モデルの選択と調整、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、自分で実際の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。画像をモデルが識別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、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、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。このシンプルな分類の例では、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、推論プロセスは訓練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、テストセットや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、精度、再現率、F1スコアなどの指標を使用し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。
訓練されたAIモデルは、さまざまなアプリケーションにさらに統合され、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ナリオ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、モデルの調整に多大なコストをかけたりすることは困難です。
算力取得：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らの労力に見合った収入を得られず、AI 開発者の研究成果も需要のある買い手とマッチするのが難しい。
中央集権的な AI シーンに存在する課題は、Web3 と結びつく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 の相乗効果：役割の変化と革新アプリケーション
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の使用者から参加者に転換し、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、さらに革新的なアプリケーションシーン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確保され、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が実現され、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のシーンにおいて、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、安全検出、ソーシャルクラスタリングなどのさまざまな機能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の中で豊富で多様なゲームシーンや面白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分野に参入したい初心者でも、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マップ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をデプスに解析します。
! 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
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ます。これらのインフラストラクチャのサポートがあってこそ、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。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、さまざまな方法で計算能力のレンタルに参加し、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はSahara AIです。AI Chain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ように、異なる分野のAI技術の進歩も促進できます。
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。
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。
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、画像ラベル付けやデータ分類が含まれ、金融や法律の専門知識を必要とするデータ処理タスクもあります。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、異なる分野のデータタスクを提供し、多様なデータシナリオをカバーします。一方、AIT Protocoltは人間と機械の協働により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によって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はモジュール型の設計を通じて、ユーザーが信頼できるモデルデータをストレージ層と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：
この層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、より面白く革新的な遊び方を創造します。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を整理します。