著者: @chenyangjamie, @GryphsisAcademy### TL; 博士：1. 2022年、ジェネレーティブAIの商用化が世界を席巻したが、その目新しさが薄れるにつれ、ジェネレーティブAIの現在の問題点が顕在化している。 成熟したWeb3分野は、ブロックチェーンの完全に透明で検証可能で分散化された性質を持ち、生成AIの問題を解決するための新しいアイデアを提供します。2.ジェネレーティブAIは、ディープラーニングのニューラルネットワークフレームワークに基づく近年の新興技術であり、画像生成用のスプレッドモデルとChatGPT用の大規模言語モデルが商用化の大きな可能性を示しています。3. Web3における生成AIの実装アーキテクチャには、インフラ、モデル、アプリケーション、データが含まれ、その中でもWeb3と組み合わせた場合、データ部分が特に重要であり、特にオンチェーンデータモデル、AIプロキシプロジェクト、バーティカルアプリケーションなど、将来の重要な開発の方向性となる可能性を秘めた開発余地が大きい。4.現在、市場のWeb3のAIトラックで人気のあるプロジェクトは、ファンダメンタルズが不十分でトークン価値の獲得能力が弱いという特徴を示しており、主に将来のトークンエコノミーの新たな熱や更新を楽しみにしています。5. ジェネレーティブAIはWeb3空間で大きな可能性を秘めており、将来的に期待できる新しい物語がたくさんあります。### 1. ジェネレーティブAIとWeb3はなぜお互いを必要とするのか?2022年は、ジェネレーティブAI(人工知能)が世界を席巻した年といえるでしょうが、それ以前はジェネレーティブAIはプロの労働者の補助ツールに限定され、Dalle-2、Stable Diffusion、Imagen、Midjourneyが相次いで登場した後、**AI生成コンテンツ**(略称)です。 AIGCは、最新のテクノロジーアプリケーションとして、ソーシャルメディア上でトレンディなコンテンツの大きな波を生み出しています。 そして、その直後にリリースされたChatGPTは爆弾であり、このトレンドをピークに押し上げました。 ChatGPT は、単純なテキスト コマンド (つまり、) の入力でほぼすべての質問に答えることができる最初の AI ツールとして、多くの人にとって日常の作業アシスタントになって久しいです。 文書作成、宿題の手伝い、メールアシスタント、小論文の添削、さらには感情的な家庭教師など、日常のさまざまなタスクを処理できるため、人々は初めて人工知能の「知性」を感じることができ、インターネットはChatGPTによって生成された結果を最適化するために使用されるさまざまな謎を熱心に研究しています。 ゴールドマン・サックスのマクロチームのレポートによると、ジェネレーティブAIは米国の労働生産性の伸びを後押しし、ジェネレーティブAIの開発から10年以内に世界のGDP成長率を7%(約7兆ドル)押し上げ、生産性の伸びを1.5%ポイント向上させる可能性がある。** **Web3分野もAIGCの春風を感じており、2023年1月にはAI分野が軒並み上昇していますソース： しかし、当初の目新しさが薄れた後、ChatGPTのグローバルトラフィックは2023年6月のリリース以来初めて減少し(出典:SimilarWeb)、生成AIの意味とその限界を再考する時期に来ています。 現在の状況から、ジェネレーティブAIが直面するジレンマには、第一に、ソーシャルメディアは無許可で追跡不可能なAIGCコンテンツでいっぱいであること、第二に、ChatGPTの高いメンテナンスコストにより、OpenAIはコストを削減し、効率を高めるために生成の品質を下げることを選択せざるを得なくなったこと、そして最後に、世界最大のモデルでさえ、生成された結果のいくつかの側面で依然として偏っていることが含まれます(ただし、これらに限定されません)。** **ChatGPTのグローバルデスクトップおよびモバイルトラフィック出典:シミラーウェブ同時に、徐々に成熟しつつあるWeb3は、分散化され、完全に透明で、検証可能な特性を持ち、現在のジェネレーティブAIのジレンマに対する新しいソリューションを提供します。1. Web3の完全な透明性とトレーサビリティは、生成AIがもたらすデータの著作権とプライバシーの課題を解決することができます。 Web3 のこれら 2 つの機能により、コンテンツのソースと信憑性を効果的に検証できるため、著作権を混乱させる短いリミックスや、他人のプライバシーを侵害するディープフェイクの顔交換動画など、AI が生成した偽物や侵害コンテンツのコストが大幅に増加します。 さらに、コンテンツ管理にスマートコントラクトを適用することで、著作権の問題を解決し、コンテンツ作成者が作成したコンテンツに対してより公正な報酬を得ることができるようになることが期待されています。** **ディープフェイク動画:これはモーガン・フリーマンではない 出典:ユーチューブ2. Web3の分散化により、AIの計算能力が集中化するリスクを軽減できる。 **ジェネレーティブAIには膨大なコンピューティングリソースが必要であり、GPT-3ベースのChatGPTのトレーニングには少なくとも200万ドル、電気には1日あたり約4万7000ドルかかると推定されており、この数字はテクノロジーとスケールの進化とともに指数関数的に上昇します。 コンピューティング・リソースは依然として大企業の手に集中しており、研究開発、保守、運用に多大なコストがかかるだけでなく、中央集権化のリスクもあり、中小企業が競争することを困難にしています。 大規模モデルのトレーニングには多くのコンピューティングリソースが必要なため、短期的には大規模モデルのトレーニングを中央集権的な環境で行う必要があるかもしれませんが、Web3では、ブロックチェーン技術により、分散モデル推論、コミュニティ投票ガバナンス、モデルのトークン化などが可能になります。 既存の分散型取引所を成熟したケースとして用いることで、大規模モデルの所有権がコミュニティに属し、コミュニティによって統治される、コミュニティ主導の分散型AI大規模モデル推論システムを設計することができます。 GPT-3をトレーニングするための最新のH100を使用しても、FLOPsあたりのコストは依然として高いです出典:substake.com3. Web3の機能を活用して、AIデータセットの多様性とAIモデルの解釈可能性を最適化します。 **従来のデータ収集方法は、基本的に公開データセットまたはモデル作成者自身に基づいており、収集されるデータは多くの場合、地理や文化によって制限されます。 これにより、AIGCプログラムによって生成されたコンテンツとChatGPTによって生成された回答が、ターゲットタスクの肌の色を変更するなど、特定の民族グループの主観的なバイアスにつながる可能性があります。 また、Web3のトークンインセンティブモデルにより、データ収集方法を最適化し、世界中のあらゆる場所からデータを収集し、重み付けすることができます。 同時に、Web3の完全な透明性とトレーサビリティは、モデルの解釈可能性をさらに高め、多様な背景のアウトプットを促進してモデルを豊かにすることができます。 解像度を上げるために設計されたAIは、オバマを白人に変えるだろう出典:ツイッター4. **Web3の膨大なオンチェーンデータを使用して、独自のAIモデルをトレーニングできます。 **現在のAIモデルの設計とトレーニング方法は、多くの場合、ターゲットデータ構造(テキスト、音声、画像、またはビデオ)の構築に基づいています。 Web3とAIの組み合わせの今後のユニークな開発の方向性は、自然言語の大規模モデルの構築と学習方法を参照し、Web3オンチェーンデータの独自のデータ構造を使用して**オンチェーンデータ大規模モデル**を確立することです。 これにより、他のデータ分析では到達できない独自の視点(スマートマネートラッキング、プロジェクト資金調達の傾向など)をユーザーに提供し、AIには、手動のオンチェーン分析と比較して、膨大な量のデータを同時に処理できるという利点があります。 自動化されたオンチェーン分析、オンチェーン情報の監視により、直接情報を取得できます出典:nansen.ai5. ジェネレーティブAIは、人々がWeb3の世界に参加するための参入障壁を下げる強力な力となる可能性を秘めています。 **Web3プロジェクトの現在の主流の参加モデルでは、参加者はさまざまな複雑なオンチェーンの概念とウォレット操作ロジックをかなり理解している必要があり、ユーザーの学習コストと誤操作のリスクが大幅に増加しますが、Web2の同様のアプリケーションは、ユーザーが簡単かつリスクなく開始できるように、製品設計の「怠惰な男の原則」の原則を長年にわたって実装しています。 ジェネレーティブAIは、Web3のユーザーとプロトコルの間の「スマートアシスタント」として機能することで、Web3製品のユーザーエクスペリエンスを劇的に向上させるインテント中心のプロジェクトを強化することが期待されています。 6. また、Web3はコンテンツに対する大きな需要を生み出しており、ジェネレーティブAIはその需要を満たすための重要な手段となっています。 ジェネレーティブAIは、Web3向けの記事、画像、音声、動画コンテンツを大量に作成することができ、NFTマーケットプレイスからスマートコントラクトのドキュメントまで、分散型アプリケーションの開発を推進し、AIが生成する多様なコンテンツの恩恵を受けることができます。ジェネレーティブAIとWeb3にはそれぞれ課題がありますが、相互のニーズと協調的なソリューションがデジタル世界の未来を形作ることが期待されます。 このコラボレーションにより、コンテンツ制作の品質と信頼性が向上し、デジタルエコシステムのさらなる発展が促進され、ユーザーにはより価値のあるデジタル体験が提供されます。 ジェネレーティブAIとWeb3の共進化は、デジタル時代にエキサイティングな新しい章を生み出します。### 第二に、ジェネレーティブAIの技術的なまとめ#### 2.1 ジェネレーティブAIの技術的背景20世紀の50年代にAIの概念が導入されて以来、いくつかの浮き沈みがあり、それぞれの重要な技術革新が新しい波をもたらしますが、今回は生成AIも例外ではありません。 ジェネレーティブAIは、ここ10年で提唱されたばかりの新しい概念として、最近の技術や製品の目を見張るような性能により、AIの多くの研究サブディレクションから際立っており、一夜にして世界の注目を集めています。 ジェネレーティブAIの技術アーキテクチャについてさらに詳しく説明する前に、まず本稿で取り上げたジェネレーティブAIの具体的な意味を説明し、最近爆発的に普及したジェネレーティブAIのコア技術コンポーネントを簡単に確認する必要があります。ジェネレーティブAIとは、会話やストーリー、画像、動画、音楽など、新しいコンテンツやアイデアを生み出すために利用できるAIの一種で、ディープラーニングをベースにニューラルネットワークのフレームワーク上に構築され、大量のデータで学習され、膨大な数のパラメータが詰め込まれたモデルです。 最近注目されているジェネレーティブAIプロダクトは、簡単に言うと、テキストやスタイル入力の画像(動画)生成プロダクトと、テキスト入力のChatGPTプロダクトの2つに分けられます。 これら 2 つのタイプの製品には、同じコア テクノロジ、つまり Transformer アーキテクチャに基づく事前学習済み言語モデル (LLM) があります。 その上で、前者ではテキスト入力を組み合わせて高画質な画像や動画を生成する拡散モデルを追加し、後者では人間フィードバックからの強化学習(**RLHF**)を加えることで、人間に近い論理レベルの出力結果を実現しています。#### 2.2 ジェネレーティブAIの現在の技術アーキテクチャ:過去の優れた記事の多くは、既存の技術アーキテクチャに対するジェネレーティブAIの重要性をさまざまな視点から議論しており、A16zの記事「ジェネレーティブAIプラットフォームの所有者は誰ですか?」は、ジェネレーティブAIの現在の技術アーキテクチャを包括的に要約しています。** **ジェネレーティブAIの主な技術アーキテクチャ出典:ジェネレーティブAIプラットフォームの所有者は誰ですか?本研究論文では、Web2生成AIの現在のアーキテクチャを、インフラ(コンピューティングパワー)、モデル、アプリケーションの3つのレベルに分け、これら3つのレベルの現在の発展について考察します。**インフラ**については、Web2におけるインフラ構築のロジックが依然として主流ですが、Web3とAIを真に組み合わせたインフラプロジェクトはまだ非常に少ないです。 同時に、インフラはこの段階で最も価値を捉える部分でもあり、Web2テクノロジーのオリガルヒは、ストレージとコンピューティングの分野で何十年にもわたって深く培ってきたおかげで、現在のAI探索段階で「シャベルを売る」ことでかなりの利益を上げています。モデルの場合、AIの真の創造者であり所有者であるはずですが、現段階では、モデルの作成者が対応するビジネス価値を得ることをサポートできるビジネスモデルはほとんどありません。アプリケーションについては、いくつかの業種が数億ドル以上の収益を上げていますが、高いメンテナンスコストと低いユーザー維持率では、長期的なビジネスモデルをサポートするのに十分ではありません。#### 2.3 ジェネレーティブAIとWeb3の活用例**2.3.1 Web3の膨大なデータをAIで分析する****データは、AI開発の将来において技術的な障壁を構築する上で中心的な役割を果たします。 なぜそれが重要なのかを理解するために、大規模なモデルのパフォーマンスの要因に関する調査を見てみましょう。 この研究は、大規模なAIモデルが、モデルのサイズを大きくすることで、ある閾値を超えるとモデルの精度が一気に爆発的に向上するという、ユニークな出現能力を示すことを示しています。 下図に示すように、各グラフは学習タスクを表しており、各線は大規模モデルのパフォーマンス(精度)を満たしています。 さまざまな大規模モデルでの実験では、モデルサイズが特定のしきい値を超えると、さまざまなタスクのパフォーマンスが飛躍的な成長を示すという同じ結論に達しました。 モデルサイズとモデル性能の関係出典: Emergent Analogical Reasoning in Large Language Models簡単に言えば、モデルのスケールの量的な変化は、モデルの性能の質的な変化につながります。 **モデルのサイズは、モデルパラメータの数、トレーニング時間、およびトレーニングデータの品質に関連しています。 この段階では、モデルパラメータの数(大手企業には設計を担当するトップR&Dチームがある)とトレーニング時間(コンピューティングハードウェアはNVIDIAに買収されている)でギャップを埋めることができない場合、競合他社をリードする製品を構築したい場合、1つの方法は、細分化分野で最適な需要の問題点を見つけてキラーアプリケーションを作成することですが、これにはターゲット分野の深い理解と優れた洞察が必要ですが、もう一方の方法は、競合他社よりも多くの包括的なデータを収集する、より実用的で実現可能です。 **これは、生成AIモデルがWeb3空間に参入するための良いエントリーポイントでもあります。 既存のAI大規模モデルやベーシックモデルは、異なる分野の膨大なデータに基づいてトレーニングされており、Web3におけるオンチェーンデータの独自性により、オンチェーンデータモデルは期待に値する実現可能な道筋となっています。 現在、Web3 のデータ階層には 2 つの製品ロジックがあり、1 つ目は、データ所有者のプライバシーと所有権を保護するためのインセンティブをデータプロバイダーに提供し、ユーザーがデータを使用する権利を互いに共有することを奨励することです。 Ocean Protocolは、データを共有するための優れた方法を提供します。 2つ目は、プロジェクトチームによってデータとアプリケーションを統合し、特定のタスクに対するサービスをユーザーに提供することです。 **例えば、Trusta Labは、ユーザーのオンチェーンデータを収集・分析し、独自のMEDIAスコアリングシステムを通じて、魔女アカウント分析やオンチェーン資産リスク分析などのサービスを提供することができます。**2.3.2 Web3 向け AI プロキシ アプリケーション****前述のオンチェーンAIエージェントアプリケーションも脚光を浴びており、大規模言語モデルの助けを借りて、ユーザーのプライバシーを確保することを前提に、定量化可能なオンチェーンサービスをユーザーに提供します。 **OpenAIのAIリサーチ責任者であるLilian Weng氏のブログ記事によると、AIエージェントは、エージェント=LLM+プランニング+メモリ+ツール使用の4つのコンポーネントに分けることができます。 LLMは、AIエージェントの中核として、外界と対話し、膨大な量のデータを学習し、それを自然言語で論理的に表現する役割を担っています。 「計画+記憶」の部分は、AlphaGoの強化学習技法のトレーニングにおける行動、方針、報酬の概念に似ています。 タスク目標を各小さなターゲットに分解し、複数回繰り返した学習の結果とフィードバックからタスク目標の最適解を段階的に学習し、得られた情報を機能ごとに異なる種類のメモリに格納します。 ツールの使用に関しては、モジュラーツールの呼び出し、インターネット情報の取得、独自の情報源やAPIへの接続などのツールの使用を指し、これらの情報のほとんどは事前トレーニング後に変更することが困難であることは注目に値します。 AI エージェントのグローバル図ソース: LLM Powered Autonomous AgentsAI Agentの具体的な実装ロジックと組み合わせることで、Web3 + AI Agentの組み合わせは、以下のような無限の想像力をもたらすことが大胆に想像できます。1. **AIエージェントモードを現在の取引アプリケーションに追加することができ、価格予測、取引戦略、ストップロス戦略、レバレッジの動的調整、インフルエンサーインテリジェントコピー、レンディングなどを含むがこれらに限定されない自然言語レベルのインタラクティブインターフェースを顧客に提供できます。2.定量的戦略を実行する際、戦略をさらに**各サブタスクに分解し、異なるAIエージェントに引き渡して実装**し、各AIエージェントが相互に連携することで、プライバシー保護のセキュリティを向上させるだけでなく、カウンターパーティが脆弱性を悪用してロボットを逆転させるのを防ぐためにリアルタイムで監視することもできます。3. **チェーンゲームにおける多数のNPC**もAIエージェントに自然にフィットし、現在、GPTを適用してゲームキャラクターの会話コンテンツを動的に生成するプロジェクトがあり、将来的には、プリセットテキストにとどまらず、プレイヤーの介入なしに自己対話を実現できる、よりリアルなリアルタイムゲームNPC(またはデジタルヒューマン)インタラクションにアップグレードされることが期待されています。 スタンフォード大学の「バーチャルタウン」は、その好例です。現在のWeb3+AIエージェントのプロジェクトセンターは、まだプライマリーマーケットやAIインフラ側に集中しており、To Cのキラーアプリケーションはまだありませんが、分散型オンチェーンガバナンス、ゼロ知識証明推論、モデル分散、解釈可能性の向上など、ブロックチェーンのさまざまな特性を組み合わせることで、今後のゲームチェンジャーとなるWeb3+AIプロジェクトは期待に値すると考えられています。**2.3.3 Web3 + AIの潜在的な垂直アプリケーション**A. 教育分野での応用Web3 と AI の組み合わせは、ジェネレーティブ バーチャル リアリティの教室が魅力的なイノベーションである教育に革命をもたらしました。 オンライン学習プラットフォームにAI技術を組み込むことで、学生は学習履歴や興味に基づいてカスタマイズされた教育コンテンツを生成するパーソナライズされた学習体験を得ることができます。 このパーソナライズされたアプローチにより、学生の学習に対するモチベーションと効果が高まり、教育が個々のニーズに近づくことが期待されます。 学生は、没入型VRデバイスを介して仮想現実のクラスに参加しますソース: V-SENSEチームさらに、トークンモデルのクレジットインセンティブは、教育の分野でも革新的な実践です。 ブロックチェーン技術により、学生の単位と成果をトークンにエンコードして、デジタルクレジットシステムを形成できます。 このようなインセンティブは、学生が学習活動に積極的に参加することを奨励し、より参加型でやる気を起こさせる学習環境を作り出します。**同時に、最近人気を博したSocialFiプロジェクト「FriendTech」に触発され、IDに紐づく同様の主要な価格設定ロジックを使用して相互評価システムを構築することもできます**。 ブロックチェーンの不変性の助けを借りて、学生間の評価はより公正で透明になります。 この相互評価の仕組みは、生徒のチームワークや社会性を養うだけでなく、生徒の成績をより包括的かつ多角的に評価し、より多様で包括的な評価方法を教育システムに導入します。B.医療用途ヘルスケア分野では、Web3とAIの組み合わせにより、連合学習と分散推論の開発が進んでいます。 分散コンピューティングと機械学習を連携させることで、医療従事者はデータを大規模に共有し、より深く、より包括的なグループ学習を行うことができます。 この集合知のアプローチは、病気の診断と治療の選択肢の開発を加速し、医療分野を前進させることができます。プライバシー保護は、医療用途において無視できない重要な問題です。 Web3の分散化とブロックチェーンの不変性により、患者の医療データをより安全に保存および送信できます。 スマートコントラクトは、医療データの正確な制御と権限管理を実現し、許可された担当者のみが患者の機密情報にアクセスできるようにすることで、医療データのプライバシーを維持することができます。C. 保険分野での応用保険分野では、Web3とAIの統合により、従来のビジネスにより効率的でインテリジェントなソリューションがもたらされることが期待されています。 たとえば、自動車保険や住宅保険では、コンピュータービジョン技術を使用することで、保険会社は画像分析と評価を通じて、資産の価値とリスクレベルをより効率的に評価できます。 これにより、保険会社はより洗練されたパーソナライズされた価格戦略を提供し、保険業界のリスク管理のレベルを向上させます。 保険金請求評価にAI技術を活用ソース: Tractable Inc同時に、オンチェーンの自動請求決済は、保険業界におけるイノベーションでもあります。 スマートコントラクトとブロックチェーン技術に基づいて、請求プロセスはより透明で効率的になり、煩雑な手続きや人間の介入の可能性を減らすことができます。 これにより、保険金請求の処理速度が向上するだけでなく、運用コストも削減され、保険会社と顧客のエクスペリエンスが向上します。また、リアルタイムのデータ分析と機械学習アルゴリズムにより、保険会社はより正確かつタイムリーに保険料を調整し、被保険者の実際のリスクプロファイルに応じて価格設定をパーソナライズすることができます。 これにより、保険料の公平性が高まるだけでなく、被保険者がより健康的で安全な行動をとるインセンティブとなり、社会全体のリスク管理と予防策が促進されます。D. 著作権分野への出願著作権の分野では、Web3とAIの組み合わせにより、デジタルコンテンツの作成、キュレーションの提案、コード開発にまったく新しいパラダイムがもたらされました。 スマートコントラクトと分散型ストレージにより、デジタルコンテンツの著作権情報をより適切に保護し、作品の作成者は知的財産をより簡単に追跡および管理できます。 同時に、ブロックチェーン技術を通じて、透明で改ざん防止されたクリエイティブ記録を確立し、作品のトレーサビリティと認証のためのより信頼性の高い手段を提供することができます。作業モデルの革新は、著作権の分野における重要な変化でもあります。 トークンインセンティブによる作業コラボレーションは、作業の貢献とトークンのインセンティブを組み合わせることで、クリエイター、プランナー、開発者がプロジェクトに参加することを奨励します。 これにより、クリエイティブチーム間のコラボレーションが促進されるだけでなく、参加者がプロジェクトの成功から直接利益を得る機会が提供され、より優れた作品につながります。一方、著作権の証明としてトークンを適用することで、利益分配のモデルが再構築されます。 スマートコントラクトによって自動的に実行される配当メカニズムを通じて、作品の各参加者は、作品が使用、販売、または譲渡されたときに対応する利益分配をリアルタイムで得ることができます。 この分散型配当モデルは、従来の著作権モデルにおける不透明性とラグの問題を効果的に解決し、クリエイターにより公平で効率的な利益分配メカニズムを提供します。E. メタバースアプリケーションメタバースの分野では、Web3とAIの融合により、AIGCを多用したチェーンゲームコンテンツを低コストで制作する新たな可能性が生まれます。 AIアルゴリズムによって生成された仮想環境とキャラクターは、チェーンゲームのコンテンツを充実させ、より鮮やかで多様なゲーム体験をユーザーに提供し、制作プロセスの人的資源と時間コストを削減できます。デジタルヒューマン生産は、メタバースアプリケーションにおけるイノベーションです。 生成されたデジタルヒューマンは、髪の毛に至るまでの外見生成や、大規模言語モデルに基づく思考構築と組み合わせることで、メタバースでさまざまな役割を果たし、ユーザーと対話し、さらには現実世界のシナリオのデジタルツインに参加することができます。 これにより、バーチャルリアリティの開発によりリアルで深遠な体験を提供し、エンターテインメント、教育、その他の分野でのデジタルバーチャルヒューマン技術の幅広い応用を促進します。**オンチェーンのユーザーポートレートに応じて広告コンテンツを自動生成**メタバース分野のインテリジェントな広告クリエイティブアプリケーションです。 メタバースにおけるユーザーの行動や嗜好を分析することで、AIアルゴリズムはよりパーソナライズされた魅力的な広告コンテンツを生成し、広告のクリックスルー率とユーザーエンゲージメントを向上させることができます。 この広告生成方法は、ユーザーの興味に沿ったものであるだけでなく、広告主に宣伝のためのより効率的な方法を提供します。ジェネレーティブ・インタラクティブNFTは、メタバース空間における魅力的な技術です。 NFTとジェネレーティブデザインを組み合わせることで、ユーザーはメタバースで独自のNFTアートワークの作成に参加することができ、インタラクティブ性と独自性を与えることができます。 これにより、デジタル資産の作成と取引に新たな可能性が開かれ、メタバースにおけるデジタルアートと仮想経済の発展が促進されます。### III. Web3関連ターゲットここでは、Web3分野におけるジェネレーティブAIプロジェクトの現状を垣間見るために、一般的なAIインフラストラクチャとAIトラックのベテランリーダーとして**Render Network**と**Akash Network**、モデルカテゴリで人気のあるプロジェクトとして**Bittensor**、生成AIの強力なアプリケーションプロジェクトとして**Alethea.ai**、AIエージェンシーの分野で画期的なプロジェクトとして**Fetch.ai**の5つのプロジェクトを選択しました。#### 3.1 レンダーネットワーク($RNDR)Render Networkは、2017年に親会社であるOTOYの創設者であるJules Urbachによって設立されました。 OTOYのコアビジネスはクラウド上でのグラフィックレンダリングであり、GoogleとMozillaの共同創業者をアドバイザーとして、オスカーを受賞した映画やテレビのプロジェクトに取り組み、Appleといくつかのプロジェクトに取り組んできました。 OTOYからWeb3分野にまで及ぶRender Networkの目的は、ブロックチェーン技術の分散性を利用して、小規模なレンダリングとAIの需要とリソースを分散型プラットフォームに接続し、小規模なワークショップが高価な集中型コンピューティングリソース(AWS、MS Azure、Alibaba Cloudなど)をリースするコストを節約し、アイドル状態のコンピューティングリソースを持つ人々に収入を生み出すことです。Renderは、高性能レンダラーOctane Renderを独自に開発したOTOYの会社であり、明確なビジネスロジックと相まって、立ち上げ当初は独自のニーズと基盤を持つWeb3プロジェクトと見なされていました。 ジェネレーティブAIが大流行した当時、分散検証と分散推論タスクの需要は、Renderの技術アーキテクチャに完全に適合しており、将来の有望な開発方向性の1つと見なされていました。 同時に、Renderは近年、Web3分野のAIトラックで長年にわたって主導的な地位を占めており、ある程度のミーム性を導き出しています。2023年2月、Render Networkは、新しい価格帯の今後のアップデートと、コミュニティ投票によるRNDRドルの価格安定化メカニズム(ただし、いつ稼働するかはまだ確認されていません)を発表し、同時に、プロジェクトがPolygonからSolanaに移管されることを発表しました(2023年11月にすでに完了しているSolana SPL標準に基づいて、$RNDRトークンから$RENDERトークンへのアップグレードとともに)。Render Networkがリリースした新しい価格評価システムは、オンチェーンサービスを高から低までの3つの層に分け、レンダリングデマンダーが選択できるレンダリングサービスの価格と品質の違いに対応しています。 Render Networkの新しい価格帯の3段階コミュニティによって投票されたRNDRドルの価格安定化メカニズムは、以前の不規則な買い戻しから「バーンアンドミント均衡(BME)」モデルの使用に変更され、資産を長期間保有するのではなく、価格安定の支払いトークンとしてのRNDRドルの位置付けがより明確になりました。 BME エポックの特定のビジネス プロセスを次の図に示します。1. 製品の作成。 Render の "製品作成者" 、つまりレンダリング リソース プロバイダーは、アイドル状態のレンダリング リソースを製品 (ノード) にパッケージ化し、ネットワーク上で使用されるのを待機します。2. 「商品の購入」。 レンダリングが必要な顧客は、$RNDRトークンを持っている場合はサービスの支払いとしてトークンを直接燃やし、持っていない場合は、最初にDEXで不換紙幣で$RNDRトークンを購入します。 サービスに支払われた価格は、オンチェーンで公開されています。3.トークン「Mint Token」をミントします。 事前設定されたルールに従って、新しいトークンが割り当てられます。注:Render Networkは、プロジェクトの運営のために各取引から製品の購入者が支払った料金の5%を徴収します。 バーン&ミント均衡エポック情報提供:Petar Atanasovski ソース: Mediumプリセットルールに従って、BMEによって実行される各エポックで、プリセットされた数の新しいトークンが鋳造されます(プリセット数は時間の経過とともに徐々に減少します)。 新しく鋳造されたトークンは、3つの当事者に配布されます。1. プロダクトクリエーター。 製品の作成者は、次の 2 つの方法で取得します。1.ミッションを完了するための報酬。 各製品ノードは、完了したレンダリングタスクの数に応じて報酬が与えられることが簡単に理解できます。2. オンラインリワード。 報酬は、各製品ノードのオンラインスタンバイ市場に応じて付与され、リソースを制限するためにより多くのオンライン作業が奨励されます。3. 製品購入者。 モール製品のリベートと同様に、購入者はRNDRドルのトークンリベートの最大100%を受け取ることができ、今後もレンダーネットワークの継続的な使用を促進することができます。4. DEX(分散型取引所)流動性プロバイダー。 協同組合DEXの流動性プロバイダーは、RNDRドルを燃やす必要があるときに、十分な量のRNDRドルをリーズナブルな価格で購入できるようにすることで、ステーキングしたRNDRドルに応じて報酬を得ることができます。** **出典:coingecko.com 過去1年間のRNDRドルの価格動向から、長年のWeb3におけるAIトラックのリーディングプロジェクトとして、2022年後半から2023年初頭にかけてChatGPTが牽引したAIブームの波の配当をRNDRが食いつぶし、同時に、新しいトークンメカニズムのリリースにより、RNDRドルの価格は2023年上半期に高値に達したことがわかります。 下半期は横ばいでしたが、OpenAIの新しい記者会見によるAIの回復、Render NetworkのSolanaへの移行、新しいトークンメカニズムの実装が間近に迫ったことで、RNDRドルの価格は近年高値に達しています。 RNDRドルの根本的な変化は最小限であるため、投資家にとって、RNDRドルの将来の投資は、ポジション管理とリスク管理においてより慎重である必要があります。 月ごとのレンダーネットワークノードの数** **レンダー ネットワーク(Render Network) 月ごとにレンダリングされるシーンの数出典:Dune.com同時に、Duneダッシュボードからわかるように、2023年初頭からレンダリングジョブの総数は増加していますが、レンダリングノードの数は増加していません。 2022年末のジェネレーティブAIブームと相まって、追加されるレンダリングタスクはすべてジェネレーティブAI関連のタスクであると推測するのが妥当です。 現時点では、需要のこの部分が長期的な需要であるかどうかを判断することは困難であり、観察するために追跡する必要があります。#### 3.2 Akash ネットワーク ($AKT)Akash Networkは、開発者や企業に、より柔軟で効率的、かつ費用対効果の高いクラウドコンピューティングソリューションを提供することを目的とした分散型クラウドコンピューティングプラットフォームです。 本プロジェクトが構築する「スーパークラウド」プラットフォームは、分散型ブロックチェーン技術に基づいて構築されており、ブロックチェーンの非中央集権的な性質を利用して、CPU、GPU、ストレージなどの多様なコンピューティングリソースを含むアプリケーションを世界規模で展開および実行できる分散型クラウドインフラストラクチャをユーザーに提供します。Akash Network の創設者である Greg Osuri と Adam Bozanich は、長年にわたって一緒に仕事をしてきたシリアルアントレプレナーであり、それぞれが長年のプロジェクト経験を持ち、現在も Akash Network のコア参加者である Overclock Labs プロジェクトを共同設立しました。 創業チームは、クラウドコンピューティングのコストを削減し、可用性を高め、コンピューティングリソースに対するユーザー制御を強化するというAkash Networkの主な使命について明確なビジョンを持っていました。 Akash Networkは、リソースプロバイダーがネットワーク内のアイドル状態のコンピューティングリソースを開放することを奨励するオープンビッディングを通じて、リソースのより効率的な使用を可能にし、リソース需要者により競争力のある価格を提供します。Akash Network は、2023 年 1 月に Akash Network Economics 2.0 アップデート プログラムを開始し、現在のトークン エコノミーの欠点の多くに対処することを目標としています。1. AKTドルトークンの市場価格が変動し、長期契約の価格が価値と一致しない2. リソースプロバイダーに対するインセンティブは、手中にある大量のコンピューティングパワーを解き放つのに十分ではありません3. コミュニティのインセンティブが不十分であることは、Akashプロジェクトの長期的な発展に悪影響を及ぼします4. $AKTトークンの価値のキャプチャが不十分な場合、プロジェクトの安定性に影響を与えるリスクがあります公式サイトで提供されている情報によると、Akash Network Economics 2.0計画が提案する解決策には、ステーブルコイン決済の導入、プロトコル収益を増やすためのメーカー注文と卵食手数料の追加、リソースプロバイダーへのインセンティブの増加、コミュニティインセンティブの額の増加などが含まれ、その中で**ステーブルコイン決済機能**と**メーカーテイカーフィー機能**が開始され、実装されています。Akash Networkのネイティブトークンである$AKTは、ステーキング検証(セキュリティ)、インセンティブ、ネットワークガバナンス、取引手数料の支払いなど、プロトコルでさまざまな用途があります。 公式サイトで提供されているデータによると、$AKTの総供給量は3億8800万で、2023年11月現在、これまでに2億2900万がアンロックされており、約59%を占めています。 プロジェクトの立ち上げ時に配布された創設トークンは、2023年3月に完全にアンロックされ、流通市場に参入します。 ジェネシストークンの分配比率は以下の通りです。 特に、価値の獲得という点では、$AKTが実装を提案しているが、まだ実装されていないが、ホワイトペーパーで言及されている機能の1つは、Akashが成功したリースごとに「料金」を請求することを計画していることだ。 その後、これらの手数料をTake Income Poolに送信し、保有者に分配できるようにします。 このプログラムでは、AKTドルの取引には10%の手数料がかかり、他の暗号通貨を使用した取引には20%の手数料がかかります。 さらに、Akashは、AKTドルの保有を長期間ロックした保有者に報酬を与えることも計画しています。 その結果、より長い期間保有する投資家は、より寛大な報酬を受け取る資格があります。 このプロジェクトが将来的に首尾よく立ち上げられれば、それは間違いなく通貨価格の主要な原動力になり、プロジェクトの価値をよりよく見積もるのにも役立ちます。** **出典:coingecko.com coingecko.com に示された価格動向からわかるように、AKTドルの価格も2023年8月中旬と11月下旬にそれぞれ上昇しましたが、それでもAIトラックの他のプロジェクトの同時期の上昇には及ばず、現在のキャピタルセンチメントの傾向に関連している可能性があります。 全体として、Akash のプロジェクトは、AI トラックのいくつかの高品質プロジェクトの 1 つとして、AI トラックのほとんどの競合他社よりも優れたファンダメンタルズを備えています。 AI産業の発展とクラウドコンピューティングリソースの強化により、Akash Networkは将来のAIの次の波で急上昇することができると考えられています。#### 3.3 Bittensor ($TAO)読者が $BTC の技術的なアーキテクチャに精通していれば、Bittensor の設計を理解するのは非常に簡単です。 実際、Bittensorを設計する際に、その作成者は、合計2,100万トークン、約4年ごとの生産量の半減、PoWを含むコンセンサスメカニズムなど、BTCドルの暗号のベテランの特徴の多くを借用しました。 具体的には、最初のBTC生産プロセスを想像し、真の価値を生み出せない乱数を計算する「マイニング」のプロセスを、AIモデルのトレーニングと検証に置き換え、Bittensor(TAOドル)のプロジェクトアーキテクチャを簡単にまとめたAIモデルのパフォーマンスと信頼性に基づいてマイナーが作業するようにインセンティブを与えましょう。Bittensorプロジェクトは、2019年にJacob Steves氏とAla Shaabana氏の2人のAI研究者によって最初に設立され、その主なフレームワークは、謎の著者であるYuma Rao氏が書いたホワイトペーパーの内容に基づいています。 要約すると、パーミッションレスなオープンソースプロトコルを設計し、さまざまなタスク(機械翻訳、画像認識と生成、大規模言語モデルなど)を担当するさまざまなサブネットによって接続された多くのサブネットで構成されるネットワークアーキテクチャを構築し、サブネットが相互に相互作用して学習できるようにしながら、優れたタスクの完了が奨励されます。現在市場に出回っている大規模なAIモデルを振り返ってみると、例外なく、それらはすべてテクノロジーの巨人が投資した膨大な量のコンピューティングリソースとデータから来ています。 この方法でトレーニングされたAI製品が印象的なパフォーマンスを発揮するのは事実ですが、集中力が悪になるリスクも高くなります。 Bittensorのインフラストラクチャは、コミュニケーションをとる専門家のネットワークが互いにコミュニケーションを取り、互いに学習できるように設計されており、大規模なモデルの分散型トレーニングの基盤となります。 Bittensorの長期的なビジョンは、OpenAI、Meta、Googleなどの巨人のクローズドソースモデルと競争し、モデルの分散性を維持しながら、一致する推論パフォーマンスを実現することです。Bittensorネットワークの技術的な核となるのは、PoWとPoSを組み合わせたコンセンサスメカニズムであるYuma Raoが独自に設計したコンセンサスメカニズム(Yumaコンセンサスとも呼ばれる)です。 供給側の主な参加者は「サーバー」(つまりマイナー)と「バリデーター」に分けられ、需要側の参加者はネットワーク内のモデルを使用する「クライアント」(つまり顧客)です。 マイナーは、現在のサブネットタスクに対して事前トレーニング済みのモデルを提供する責任があり、受け取るインセンティブは提供されたモデルの品質に依存し、バリデーターはモデルのパフォーマンスを検証し、マイナーと顧客の前で仲介者として行動する責任があります。 具体的なプロセスは次のとおりです。** **1. クライアントは、サブネットでモデルを使用するための要件と、計算する必要があるデータをバリデーターに送信します2. バリデーターは、サブネットの下の各マイナーにデータを割り当てます3.マイナーは、独自のモデルと受け入れられたデータを使用して、モデル推論後に結果を返します4. バリデーターは、受け取った推論結果をその品質に従ってソートし、ソート結果はチェーンに保存されます5.最適な推論結果がユーザーに返され、マイナーは順序に従ってソートされ、バリデーターはワークロードに応じて報酬を受け取りますなお、大多数のサブネットでは、Bittensor自体はモデルをトレーニングせず、その役割はモデルプロバイダーとモデルデマンダーをリンクするようなものであり、これに基づいて、小さなモデル間の相互作用をさらに使用して、さまざまなタスクのパフォーマンスを向上させることに注意してください。 現在、オンライン(またはオンライン)になっているサブネットは30個あり、さまざまなタスクモデルに対応しています。 Bittensorのネイティブトークンである$TAOは、サブネットの作成、サブネットへの登録、サービスの支払い、バリデータのステーキングなど、エコシステムにおいて極めて重要な役割を果たします。 同時に、BTCの精神に敬意を表するというBittensorプロジェクトの実践により、$TAOは公正なスタート、つまりすべてのトークンがネットワークに貢献することによって生成されることを選択しました。 現在、TAOドルの毎日の生産量は約7200ドルで、マイナーとバリデーターの間で均等に分配されています。 プロジェクトの開始以来、総量2,100万の約26.3%が生成され、そのうちトークンの87.21%がステーキングと検証に使用されています。 同時に、このプロジェクトは4年ごとに生産を半減(BTCと同じ)するように設計されており、直近では2025年9月20日に発生し、これも価格上昇の大きな要因になります。 クレジット:taostats.io** **価格動向を見ると、2023年10月末からTAOドルの価格が急騰していることが分かり、OpenAIの記者会見がもたらした新たなAIブームが主な原動力となり、資本セクターがAIセクターにシフトしたことが推察されます。 同時に、TAOドル Web3 + AIトラックの新興プロジェクトとして、その優れたプロジェクト品質と長期的なプロジェクトビジョンも、資金を引き付ける大きな理由です。 しかし、他のAIプロジェクトと同様に、Web3+AIの組み合わせは大きな可能性を秘めていますが、実際のビジネスへの応用は、長期的に収益性の高いプロジェクトをサポートするには十分ではないことを認めざるを得ません。#### 3.4 Alethea.ai($ALI)2020年に設立された Alethea.ai は、ブロックチェーン技術を使用して、分散型所有権と分散型ガバナンスを生成コンテンツにもたらすことを目的としたプロジェクトです。 Alethea.ai の創業者たちは、ジェネレーティブAIは、ジェネレーティブコンテンツが情報の冗長化につながり、大量の電子コンテンツをワンクリックでコピー&ペーストしたり生成したりするだけで、そもそも価値を創造した人がその恩恵を受けられなくなる時代になると考えています。 オンチェーンプリミティブ(NFTなど)と生成AIを連携させることで、生成AIとそのコンテンツの所有権を確保し、それに基づいてコミュニティガバナンスを行うことができます。この哲学に基づき、Early Alethea.ai は、Intelligence Podを活用して埋め込みAIアニメーション、音声合成、さらには画像への生成AIを作成する新しいNFT規格であるiNFTを導入しました。 さらに Alethea.ai アーティストと提携してアートワークをiNFT化し、サザビーズで478,000ドルを獲得しました。 NFTに魂を吹き込む出典:Alethea.aiその後、Alethea.ai は、ジェネレーティブAIの開発者や作成者がiNFT規格を使用してパーミッションレスで作成できるようにするAIプロトコルを発表しました。 同時に、独自のAIプロトコルで他のプロジェクトのサンプルを作成するために、Alethea.ai はGPTの大規模モデルの理論を借りて、インタラクティブなNFTを作成するためのツールであるCharacterGPTを立ち上げました。 さらに、Alethea.ai は最近、市場に出回っているERC-721 NFTをインテリジェンスと組み合わせてAIプロトコルにリリースできるOpen Fusionもリリースしました。Alethea.aiのネイティブトークンはALIドルで、その主な用途は4つあります。1. 一定額のALIドルをロックアップしてiNFTを作成する2. ロックが多ければ多いほど、インテリジェンスポッドのレベルが高くなります3. ALIドルの保有者がコミュニティガバナンスに参加する4. ALIドルは、iNFT間の相互作用に参加するためのクレデンシャルとして使用できます(実際のユースケースはまだありません) 出典:coingecko.com ALIドルのユースケースからわかるように、このトークンの現在価値の獲得はまだナラティブレベルであり、この推論は1年以内の通貨価格の変化からも確認できます:ALIドルは2022年12月以降、ChatGPTが主導する生成AIブームの配当を享受しています。 同時に、今年6月、Alethea.ai が最新のOpen Fusion機能のリリースを発表し、成長の波も押し寄せました。 その上、ALIドルの価格は下落傾向にあり、2023年後半のAIブームでさえ、同じ軌道上のプロジェクトの平均レベルまで価格を押し上げることができませんでした。ネイティブトークンに加えて、NFTプロジェクト、Alethea.aiのiNFT(公式にリリースされたコレクションを含む)のNFT市場におけるパフォーマンスを見てみましょう。 OpenseaでのIntelligence Podsの日次販売** **OpenseaでのRevenants Collectionの毎日の売上出典:Dune.comDuneのダッシュボードの統計から、サードパーティに売却されたインテリジェンスポッドと、Alethea.ai ファーストパーティによってリリースされたRevenantsコレクションの両方が、最初のリリースからしばらくすると徐々に姿を消していることがわかります。 この主な理由は、最初の目新しさが薄れた後、ユーザーを維持するための実際の価値やコミュニティの人気がないからだと著者は考えています。#### 3.5 Fetch.ai($FET)Fetch.ai は、人工知能とブロックチェーン技術の融合を促進することを目的としたプロジェクトです。 同社の目標は、機械学習、ブロックチェーン、分散型台帳技術の組み合わせを通じて、インテリジェントエージェント間の経済活動を強化する分散型のインテリジェント経済を構築することです。Fetch.ai は、英国の科学者であるフマユーン・シェイク、トビー・シンプソン、トーマス・ヘインによって2019年に設立されました。 3人の創業者は、Deepmindの初期投資家であるフマユーン・シェイク氏、複数の企業の幹部であるトビー・シンプソン氏、シェフィールド大学の人工知能教授であるトーマス・ヘイン氏など、幅広い経歴を持っています。 Fetch.ai 創業チームの深いバックグラウンドは、従来のIT企業、ブロックチェーンスタープロジェクト、医療およびスーパーコンピューティングプロジェクト、およびその他の分野をカバーする豊富な業界リソースを会社にもたらしました。Fetch.aiの使命は、自律型経済エージェントとAIアプリケーションで構成される分散型Webプラットフォームを構築し、開発者が自律型エージェントを作成することで、あらかじめ設定されたターゲットタスクを達成できるようにすることです。 このプラットフォームのコアテクノロジーは、独自の3層アーキテクチャです。* 基盤となるもの:PoS-uD(パーミッションレスなプルーフ・オブ・ステーク・コンセンサス・メカニズム)に基づく基盤となるスマートコントラクト・ネットワークで、マイナー間のコラボレーションと基本的な機械学習のトレーニングと推論をサポートします。*中間層:OEF(Open Economic Framework)は、AEAが相互に対話するための共有スペースを提供し、AEAが基盤となるプロトコルと対話できるようにし、AEAが相互に検索、発見、および取引することをサポートします※上:Fetch.ai の中核をなすAEA(Autonomous Economic Agent)。 各AEAは、さまざまなスキルモジュールを介してさまざまな機能を有効にし、ユーザーに代わって事前定義されたタスクを完了するスマートエージェントソフトウェアです。 エージェントソフトウェアは、ブロックチェーン上で直接実行されるのではなく、中間レイヤーOEFを介してブロックチェーンおよびスマートコントラクトと対話します。 この種のインテリジェント・エージェント・ソフトウェアは、純粋なソフトウェアである場合もあれば、携帯電話、コンピューター、自動車などの実際のハードウェアにバインドすることもできます。 公式には、Pythonベースの開発キットであるAEAフレームワークが利用可能であり、これは構成可能であり、開発者はそれを使用して独自のインテリジェントエージェントソフトウェアを構築できます。Fetch.ai は、このアーキテクチャに基づいて、Co-Learn(エージェント間で共有される機械学習モデル)やMetaverse(スマートエージェントクラウドホスティングサービス)など、いくつかのフォローアップ製品とサービスも開始し、ユーザーがプラットフォーム上で独自のスマートエージェントを開発できるようにしました。トークンに関しては、Fetch.ai のネイティブトークンであるFETドルは、ネットワーク内のガソリンの支払い、ステーキング検証、サービスの購入などの通常の役割をカバーしています。 トークンの90%以上がこれまでにFETドルでロック解除されており、次のように配布されています。 プロジェクトの開始以来、Fetch.ai は希薄化トークンの保有という形で複数回の資金調達を受けており、直近では2023年3月29日に Fetch.ai DWF Labから3,000万ドルの資金を受け取りました。 FETドルトークンは収益の観点からプロジェクトの価値を捉えていないため、価格上昇の原動力は主にプロジェクトの更新とAIトラックに対する市場のセンチメントによるものです。 Fetch.ai の価格は、2023年初頭と2023年末に100%以上高騰していることがわかります。 出典:coingecko.com ブロックチェーンプロジェクトが発展して注目を集める他の方法と比較して、Fetch.aiの開発パスはWeb2.0のAIスタートアッププロジェクトに似ており、技術レベルを磨き、名を上げ、継続的な資金調達と広範な協力を通じて利益ポイントを見つけることに重点を置いています。 このアプローチは、Fetch.ai に基づいて将来のアプリケーションを開発する余地を多く残しますが、開発モデルは、エコシステムを活性化する他のブロックチェーンプロジェクトにとって魅力的ではありません(Fetch.ai の創設者の1人は、Fetch.aiベースのDEXプロジェクトMettalex DEXを個人的に設立しましたが、最終的には失敗しました)。 インフラ指向のプロジェクトとして、エコロジーの枯死により、Fetch.ai プロジェクトの本質的な価値を向上させることは困難です。### 第四に、ジェネレーティブAIには有望な未来があるエヌビディアのジェンスン・フアンCEOは、ジェネレーティブモデルのリリースをAIの「iPhone」の瞬間と呼んでおり、現段階でAIを生み出すための希少なリソースは、高性能コンピューティングチップを中心としたインフラです。 Web3で最も多くの資金を固定するAIのサブトラックとして、AIインフラストラクチャプロジェクトは常に投資家の長期的な投資と調査の焦点となってきました。 チップの巨人による計算能力機器の段階的なアップグレード、AIの計算能力の段階的な向上、AI能力の解放により、Web3の細分化された分野でのAIインフラストラクチャプロジェクトが今後さらに出現することが予想され、将来的にはWeb3でのAIトレーニング用に特別に設計および製造されたチップが登場することさえ期待できます。 **ToCのジェネレーティブAI製品の開発はまだ実験段階にありますが、ToBの産業グレード製品の中には大きな可能性を秘めたものもあります。 その1つが、現実世界のシナリオをデジタル領域に移行する「デジタルツイン」技術であり、NVIDIAがメタバースビジョンのためにリリースしたデジタルツイン科学計算プラットフォームと組み合わせることで、業界にはまだリリースされていない膨大な量のデータ価値があることを考えると、生成AIは産業シナリオのデジタルツインの重要な助けとなるでしょう。 メタバース、デジタルコンテンツ制作、現実世界の資産など、Web3分野へのさらなる進出は、AIを活用したデジタルツイン技術の影響を受けます。新しいインタラクティブハードウェアの開発も無視できないリンクです。 歴史的に見ると、コンピュータの世界におけるすべてのハードウェアの革新は、今日当たり前になっているコンピュータマウスや、マルチタッチ静電容量式スクリーンを備えたiPhone 4など、劇的な変化と新しい開発の機会をもたらしてきました。 2024年第1四半期の発売が発表されているApple Vision Proは、その見事なデモですでに世界中で大きな注目を集めており、実際に発売されれば、さまざまな業界に予期せぬ変化と機会をもたらすはずです。 迅速なコンテンツ制作、迅速な普及、幅広い範囲という利点により、エンターテインメント分野は、ハードウェア技術の更新のたびに最初に恩恵を受けることがよくあります。 もちろん、メタバース、チェーンゲーム、Web3のNFTなど、さまざまなビジュアルエンターテインメントトラックも含まれており、読者の長期的な注目と研究に値します。長い目で見れば、ジェネレーティブAIの開発は、量的な変化が質的な変化につながるプロセスです。 ChatGPTの本質は、古くからアカデミアで広く注目され、研究されてきた問題である推論Q&Aの問題に対する解決策です。 データとモデルを長期間繰り返した後、ついにGPT-4のレベルに到達し、世界を驚かせました。 Web3におけるAIアプリケーションも同様で、Web2からWeb3へのモデル導入の段階であり、Web3のデータのみに基づいて開発されたモデルはまだ登場していません。 将来的には、Web3独自のChatGPTレベルのキラーアプリが徐々に近づくことができるように、Web3の実用的な問題の研究に先見の明のあるプロジェクトパーティーと多くのリソースを投資する必要があります。現段階では、ジェネレーティブAIの技術的背景の下に探求する価値のある多くの方向性があり、その1つがロジックの実装に依存する思考の連鎖技術です。 簡単に言うと、思考技術の連鎖を通じて、大規模言語モデルは多段階推論において質的な飛躍を遂げることができました。 しかし、思考の連鎖の利用は解決されていないか、ある程度、複雑論理における大規模モデルの推論能力が不十分であるという問題につながっています。 この側面に関心のある読者は、思考の連鎖の原著者の論文を読む必要があります。ChatGPTの成功により、Web3ではさまざまな人気のあるGPTチェーンが出現しましたが、GPTとスマートコントラクトの単純で粗雑な組み合わせでは、ユーザーのニーズを本当に解決することはできません。 ChatGPTのリリースから約1年が経ちましたが、長い目で見れば指をフリックするだけであり、今後のプロダクトもWeb3ユーザー自身のリアルなニーズからスタートすべきであり、Web3技術がますます成熟する中、Web3における生成AIの応用は無限の可能性を秘めていると考えており、楽しみに値します。#### 参考文献Google Cloud Tech - ジェネレーティブAIの紹介AWS - ジェネレーティブAIとは大規模言語モデルの経済学拡散モデルが強制されるとすぐに、GANは時代遅れになります???人間のフィードバックからの強化学習(RLHF)の図解ジェネレーティブAIとWeb3ジェネレーティブAIプラットフォームの所有者は誰ですか?Apple Vision Pro Full Moonが再考:XR、RNDR、そして空間コンピューティングの未来AIはどのようにしてNFTとして鋳造されるのですか?大規模言語モデルにおける創発的類推推論Akash Network Token (AKT) Genesis Unlock Schedule and Supply Estimates
ChatGPTアニバーサリー ポストアニバーサリートーク:ジェネレーティブAIのボトルネックとWeb3の可能性
著者: @chenyangjamie, @GryphsisAcademy
TL; 博士：
1. ジェネレーティブAIとWeb3はなぜお互いを必要とするのか?
2022年は、ジェネレーティブAI(人工知能)が世界を席巻した年といえるでしょうが、それ以前はジェネレーティブAIはプロの労働者の補助ツールに限定され、Dalle-2、Stable Diffusion、Imagen、Midjourneyが相次いで登場した後、AI生成コンテンツ(略称)です。 AIGCは、最新のテクノロジーアプリケーションとして、ソーシャルメディア上でトレンディなコンテンツの大きな波を生み出しています。 そして、その直後にリリースされたChatGPTは爆弾であり、このトレンドをピークに押し上げました。 ChatGPT は、単純なテキスト コマンド (つまり、) の入力でほぼすべての質問に答えることができる最初の AI ツールとして、多くの人にとって日常の作業アシスタントになって久しいです。 文書作成、宿題の手伝い、メールアシスタント、小論文の添削、さらには感情的な家庭教師など、日常のさまざまなタスクを処理できるため、人々は初めて人工知能の「知性」を感じることができ、インターネットはChatGPTによって生成された結果を最適化するために使用されるさまざまな謎を熱心に研究しています。 ゴールドマン・サックスのマクロチームのレポートによると、ジェネレーティブAIは米国の労働生産性の伸びを後押しし、ジェネレーティブAIの開発から10年以内に世界のGDP成長率を7%(約7兆ドル)押し上げ、生産性の伸びを1.5%ポイント向上させる可能性がある。
**
**
Web3分野もAIGCの春風を感じており、2023年1月にはAI分野が軒並み上昇しています
ソース：
しかし、当初の目新しさが薄れた後、ChatGPTのグローバルトラフィックは2023年6月のリリース以来初めて減少し(出典:SimilarWeb)、生成AIの意味とその限界を再考する時期に来ています。 現在の状況から、ジェネレーティブAIが直面するジレンマには、第一に、ソーシャルメディアは無許可で追跡不可能なAIGCコンテンツでいっぱいであること、第二に、ChatGPTの高いメンテナンスコストにより、OpenAIはコストを削減し、効率を高めるために生成の品質を下げることを選択せざるを得なくなったこと、そして最後に、世界最大のモデルでさえ、生成された結果のいくつかの側面で依然として偏っていることが含まれます(ただし、これらに限定されません)。
**
**
ChatGPTのグローバルデスクトップおよびモバイルトラフィック
出典:シミラーウェブ
同時に、徐々に成熟しつつあるWeb3は、分散化され、完全に透明で、検証可能な特性を持ち、現在のジェネレーティブAIのジレンマに対する新しいソリューションを提供します。
**
**
ディープフェイク動画:これはモーガン・フリーマンではない
出典:ユーチューブ
GPT-3をトレーニングするための最新のH100を使用しても、FLOPsあたりのコストは依然として高いです
出典:substake.com
解像度を上げるために設計されたAIは、オバマを白人に変えるだろう
出典:ツイッター
自動化されたオンチェーン分析、オンチェーン情報の監視により、直接情報を取得できます
出典:nansen.ai
ジェネレーティブAIとWeb3にはそれぞれ課題がありますが、相互のニーズと協調的なソリューションがデジタル世界の未来を形作ることが期待されます。 このコラボレーションにより、コンテンツ制作の品質と信頼性が向上し、デジタルエコシステムのさらなる発展が促進され、ユーザーにはより価値のあるデジタル体験が提供されます。 ジェネレーティブAIとWeb3の共進化は、デジタル時代にエキサイティングな新しい章を生み出します。
第二に、ジェネレーティブAIの技術的なまとめ
2.1 ジェネレーティブAIの技術的背景
20世紀の50年代にAIの概念が導入されて以来、いくつかの浮き沈みがあり、それぞれの重要な技術革新が新しい波をもたらしますが、今回は生成AIも例外ではありません。 ジェネレーティブAIは、ここ10年で提唱されたばかりの新しい概念として、最近の技術や製品の目を見張るような性能により、AIの多くの研究サブディレクションから際立っており、一夜にして世界の注目を集めています。 ジェネレーティブAIの技術アーキテクチャについてさらに詳しく説明する前に、まず本稿で取り上げたジェネレーティブAIの具体的な意味を説明し、最近爆発的に普及したジェネレーティブAIのコア技術コンポーネントを簡単に確認する必要があります。
ジェネレーティブAIとは、会話やストーリー、画像、動画、音楽など、新しいコンテンツやアイデアを生み出すために利用できるAIの一種で、ディープラーニングをベースにニューラルネットワークのフレームワーク上に構築され、大量のデータで学習され、膨大な数のパラメータが詰め込まれたモデルです。 最近注目されているジェネレーティブAIプロダクトは、簡単に言うと、テキストやスタイル入力の画像(動画)生成プロダクトと、テキスト入力のChatGPTプロダクトの2つに分けられます。 これら 2 つのタイプの製品には、同じコア テクノロジ、つまり Transformer アーキテクチャに基づく事前学習済み言語モデル (LLM) があります。 その上で、前者ではテキスト入力を組み合わせて高画質な画像や動画を生成する拡散モデルを追加し、後者では人間フィードバックからの強化学習(RLHF)を加えることで、人間に近い論理レベルの出力結果を実現しています。
2.2 ジェネレーティブAIの現在の技術アーキテクチャ:
過去の優れた記事の多くは、既存の技術アーキテクチャに対するジェネレーティブAIの重要性をさまざまな視点から議論しており、A16zの記事「ジェネレーティブAIプラットフォームの所有者は誰ですか?」は、ジェネレーティブAIの現在の技術アーキテクチャを包括的に要約しています。
**
**
ジェネレーティブAIの主な技術アーキテクチャ
出典:ジェネレーティブAIプラットフォームの所有者は誰ですか?
本研究論文では、Web2生成AIの現在のアーキテクチャを、インフラ(コンピューティングパワー)、モデル、アプリケーションの3つのレベルに分け、これら3つのレベルの現在の発展について考察します。
インフラについては、Web2におけるインフラ構築のロジックが依然として主流ですが、Web3とAIを真に組み合わせたインフラプロジェクトはまだ非常に少ないです。 同時に、インフラはこの段階で最も価値を捉える部分でもあり、Web2テクノロジーのオリガルヒは、ストレージとコンピューティングの分野で何十年にもわたって深く培ってきたおかげで、現在のAI探索段階で「シャベルを売る」ことでかなりの利益を上げています。
モデルの場合、AIの真の創造者であり所有者であるはずですが、現段階では、モデルの作成者が対応するビジネス価値を得ることをサポートできるビジネスモデルはほとんどありません。
アプリケーションについては、いくつかの業種が数億ドル以上の収益を上げていますが、高いメンテナンスコストと低いユーザー維持率では、長期的なビジネスモデルをサポートするのに十分ではありません。
2.3 ジェネレーティブAIとWeb3の活用例
2.3.1 Web3の膨大なデータをAIで分析する
**データは、AI開発の将来において技術的な障壁を構築する上で中心的な役割を果たします。 なぜそれが重要なのかを理解するために、大規模なモデルのパフォーマンスの要因に関する調査を見てみましょう。 この研究は、大規模なAIモデルが、モデルのサイズを大きくすることで、ある閾値を超えるとモデルの精度が一気に爆発的に向上するという、ユニークな出現能力を示すことを示しています。 下図に示すように、各グラフは学習タスクを表しており、各線は大規模モデルのパフォーマンス(精度)を満たしています。 さまざまな大規模モデルでの実験では、モデルサイズが特定のしきい値を超えると、さまざまなタスクのパフォーマンスが飛躍的な成長を示すという同じ結論に達しました。
モデルサイズとモデル性能の関係
出典: Emergent Analogical Reasoning in Large Language Models
簡単に言えば、モデルのスケールの量的な変化は、モデルの性能の質的な変化につながります。 **モデルのサイズは、モデルパラメータの数、トレーニング時間、およびトレーニングデータの品質に関連しています。 この段階では、モデルパラメータの数(大手企業には設計を担当するトップR&Dチームがある)とトレーニング時間(コンピューティングハードウェアはNVIDIAに買収されている)でギャップを埋めることができない場合、競合他社をリードする製品を構築したい場合、1つの方法は、細分化分野で最適な需要の問題点を見つけてキラーアプリケーションを作成することですが、これにはターゲット分野の深い理解と優れた洞察が必要ですが、もう一方の方法は、競合他社よりも多くの包括的なデータを収集する、より実用的で実現可能です。 **
これは、生成AIモデルがWeb3空間に参入するための良いエントリーポイントでもあります。 既存のAI大規模モデルやベーシックモデルは、異なる分野の膨大なデータに基づいてトレーニングされており、Web3におけるオンチェーンデータの独自性により、オンチェーンデータモデルは期待に値する実現可能な道筋となっています。 現在、Web3 のデータ階層には 2 つの製品ロジックがあり、1 つ目は、データ所有者のプライバシーと所有権を保護するためのインセンティブをデータプロバイダーに提供し、ユーザーがデータを使用する権利を互いに共有することを奨励することです。 Ocean Protocolは、データを共有するための優れた方法を提供します。 2つ目は、プロジェクトチームによってデータとアプリケーションを統合し、特定のタスクに対するサービスをユーザーに提供することです。 **例えば、Trusta Labは、ユーザーのオンチェーンデータを収集・分析し、独自のMEDIAスコアリングシステムを通じて、魔女アカウント分析やオンチェーン資産リスク分析などのサービスを提供することができます。
2.3.2 Web3 向け AI プロキシ アプリケーション
**前述のオンチェーンAIエージェントアプリケーションも脚光を浴びており、大規模言語モデルの助けを借りて、ユーザーのプライバシーを確保することを前提に、定量化可能なオンチェーンサービスをユーザーに提供します。 **OpenAIのAIリサーチ責任者であるLilian Weng氏のブログ記事によると、AIエージェントは、エージェント=LLM+プランニング+メモリ+ツール使用の4つのコンポーネントに分けることができます。 LLMは、AIエージェントの中核として、外界と対話し、膨大な量のデータを学習し、それを自然言語で論理的に表現する役割を担っています。 「計画+記憶」の部分は、AlphaGoの強化学習技法のトレーニングにおける行動、方針、報酬の概念に似ています。 タスク目標を各小さなターゲットに分解し、複数回繰り返した学習の結果とフィードバックからタスク目標の最適解を段階的に学習し、得られた情報を機能ごとに異なる種類のメモリに格納します。 ツールの使用に関しては、モジュラーツールの呼び出し、インターネット情報の取得、独自の情報源やAPIへの接続などのツールの使用を指し、これらの情報のほとんどは事前トレーニング後に変更することが困難であることは注目に値します。
AI エージェントのグローバル図
ソース: LLM Powered Autonomous Agents
AI Agentの具体的な実装ロジックと組み合わせることで、Web3 + AI Agentの組み合わせは、以下のような無限の想像力をもたらすことが大胆に想像できます。
現在のWeb3+AIエージェントのプロジェクトセンターは、まだプライマリーマーケットやAIインフラ側に集中しており、To Cのキラーアプリケーションはまだありませんが、分散型オンチェーンガバナンス、ゼロ知識証明推論、モデル分散、解釈可能性の向上など、ブロックチェーンのさまざまな特性を組み合わせることで、今後のゲームチェンジャーとなるWeb3+AIプロジェクトは期待に値すると考えられています。
2.3.3 Web3 + AIの潜在的な垂直アプリケーション
A. 教育分野での応用
Web3 と AI の組み合わせは、ジェネレーティブ バーチャル リアリティの教室が魅力的なイノベーションである教育に革命をもたらしました。 オンライン学習プラットフォームにAI技術を組み込むことで、学生は学習履歴や興味に基づいてカスタマイズされた教育コンテンツを生成するパーソナライズされた学習体験を得ることができます。 このパーソナライズされたアプローチにより、学生の学習に対するモチベーションと効果が高まり、教育が個々のニーズに近づくことが期待されます。
学生は、没入型VRデバイスを介して仮想現実のクラスに参加します
ソース: V-SENSEチーム
さらに、トークンモデルのクレジットインセンティブは、教育の分野でも革新的な実践です。 ブロックチェーン技術により、学生の単位と成果をトークンにエンコードして、デジタルクレジットシステムを形成できます。 このようなインセンティブは、学生が学習活動に積極的に参加することを奨励し、より参加型でやる気を起こさせる学習環境を作り出します。
同時に、最近人気を博したSocialFiプロジェクト「FriendTech」に触発され、IDに紐づく同様の主要な価格設定ロジックを使用して相互評価システムを構築することもできます。 ブロックチェーンの不変性の助けを借りて、学生間の評価はより公正で透明になります。 この相互評価の仕組みは、生徒のチームワークや社会性を養うだけでなく、生徒の成績をより包括的かつ多角的に評価し、より多様で包括的な評価方法を教育システムに導入します。
B.医療用途
ヘルスケア分野では、Web3とAIの組み合わせにより、連合学習と分散推論の開発が進んでいます。 分散コンピューティングと機械学習を連携させることで、医療従事者はデータを大規模に共有し、より深く、より包括的なグループ学習を行うことができます。 この集合知のアプローチは、病気の診断と治療の選択肢の開発を加速し、医療分野を前進させることができます。
プライバシー保護は、医療用途において無視できない重要な問題です。 Web3の分散化とブロックチェーンの不変性により、患者の医療データをより安全に保存および送信できます。 スマートコントラクトは、医療データの正確な制御と権限管理を実現し、許可された担当者のみが患者の機密情報にアクセスできるようにすることで、医療データのプライバシーを維持することができます。
C. 保険分野での応用
保険分野では、Web3とAIの統合により、従来のビジネスにより効率的でインテリジェントなソリューションがもたらされることが期待されています。 たとえば、自動車保険や住宅保険では、コンピュータービジョン技術を使用することで、保険会社は画像分析と評価を通じて、資産の価値とリスクレベルをより効率的に評価できます。 これにより、保険会社はより洗練されたパーソナライズされた価格戦略を提供し、保険業界のリスク管理のレベルを向上させます。
保険金請求評価にAI技術を活用
ソース: Tractable Inc
同時に、オンチェーンの自動請求決済は、保険業界におけるイノベーションでもあります。 スマートコントラクトとブロックチェーン技術に基づいて、請求プロセスはより透明で効率的になり、煩雑な手続きや人間の介入の可能性を減らすことができます。 これにより、保険金請求の処理速度が向上するだけでなく、運用コストも削減され、保険会社と顧客のエクスペリエンスが向上します。
また、リアルタイムのデータ分析と機械学習アルゴリズムにより、保険会社はより正確かつタイムリーに保険料を調整し、被保険者の実際のリスクプロファイルに応じて価格設定をパーソナライズすることができます。 これにより、保険料の公平性が高まるだけでなく、被保険者がより健康的で安全な行動をとるインセンティブとなり、社会全体のリスク管理と予防策が促進されます。
D. 著作権分野への出願
著作権の分野では、Web3とAIの組み合わせにより、デジタルコンテンツの作成、キュレーションの提案、コード開発にまったく新しいパラダイムがもたらされました。 スマートコントラクトと分散型ストレージにより、デジタルコンテンツの著作権情報をより適切に保護し、作品の作成者は知的財産をより簡単に追跡および管理できます。 同時に、ブロックチェーン技術を通じて、透明で改ざん防止されたクリエイティブ記録を確立し、作品のトレーサビリティと認証のためのより信頼性の高い手段を提供することができます。
作業モデルの革新は、著作権の分野における重要な変化でもあります。 トークンインセンティブによる作業コラボレーションは、作業の貢献とトークンのインセンティブを組み合わせることで、クリエイター、プランナー、開発者がプロジェクトに参加することを奨励します。 これにより、クリエイティブチーム間のコラボレーションが促進されるだけでなく、参加者がプロジェクトの成功から直接利益を得る機会が提供され、より優れた作品につながります。
一方、著作権の証明としてトークンを適用することで、利益分配のモデルが再構築されます。 スマートコントラクトによって自動的に実行される配当メカニズムを通じて、作品の各参加者は、作品が使用、販売、または譲渡されたときに対応する利益分配をリアルタイムで得ることができます。 この分散型配当モデルは、従来の著作権モデルにおける不透明性とラグの問題を効果的に解決し、クリエイターにより公平で効率的な利益分配メカニズムを提供します。
E. メタバースアプリケーション
メタバースの分野では、Web3とAIの融合により、AIGCを多用したチェーンゲームコンテンツを低コストで制作する新たな可能性が生まれます。 AIアルゴリズムによって生成された仮想環境とキャラクターは、チェーンゲームのコンテンツを充実させ、より鮮やかで多様なゲーム体験をユーザーに提供し、制作プロセスの人的資源と時間コストを削減できます。
デジタルヒューマン生産は、メタバースアプリケーションにおけるイノベーションです。 生成されたデジタルヒューマンは、髪の毛に至るまでの外見生成や、大規模言語モデルに基づく思考構築と組み合わせることで、メタバースでさまざまな役割を果たし、ユーザーと対話し、さらには現実世界のシナリオのデジタルツインに参加することができます。 これにより、バーチャルリアリティの開発によりリアルで深遠な体験を提供し、エンターテインメント、教育、その他の分野でのデジタルバーチャルヒューマン技術の幅広い応用を促進します。
オンチェーンのユーザーポートレートに応じて広告コンテンツを自動生成メタバース分野のインテリジェントな広告クリエイティブアプリケーションです。 メタバースにおけるユーザーの行動や嗜好を分析することで、AIアルゴリズムはよりパーソナライズされた魅力的な広告コンテンツを生成し、広告のクリックスルー率とユーザーエンゲージメントを向上させることができます。 この広告生成方法は、ユーザーの興味に沿ったものであるだけでなく、広告主に宣伝のためのより効率的な方法を提供します。
ジェネレーティブ・インタラクティブNFTは、メタバース空間における魅力的な技術です。 NFTとジェネレーティブデザインを組み合わせることで、ユーザーはメタバースで独自のNFTアートワークの作成に参加することができ、インタラクティブ性と独自性を与えることができます。 これにより、デジタル資産の作成と取引に新たな可能性が開かれ、メタバースにおけるデジタルアートと仮想経済の発展が促進されます。
III. Web3関連ターゲット
ここでは、Web3分野におけるジェネレーティブAIプロジェクトの現状を垣間見るために、一般的なAIインフラストラクチャとAIトラックのベテランリーダーとしてRender NetworkとAkash Network、モデルカテゴリで人気のあるプロジェクトとしてBittensor、生成AIの強力なアプリケーションプロジェクトとしてAlethea.ai、AIエージェンシーの分野で画期的なプロジェクトとしてFetch.aiの5つのプロジェクトを選択しました。
3.1 レンダーネットワーク($RNDR)
Render Networkは、2017年に親会社であるOTOYの創設者であるJules Urbachによって設立されました。 OTOYのコアビジネスはクラウド上でのグラフィックレンダリングであり、GoogleとMozillaの共同創業者をアドバイザーとして、オスカーを受賞した映画やテレビのプロジェクトに取り組み、Appleといくつかのプロジェクトに取り組んできました。 OTOYからWeb3分野にまで及ぶRender Networkの目的は、ブロックチェーン技術の分散性を利用して、小規模なレンダリングとAIの需要とリソースを分散型プラットフォームに接続し、小規模なワークショップが高価な集中型コンピューティングリソース(AWS、MS Azure、Alibaba Cloudなど)をリースするコストを節約し、アイドル状態のコンピューティングリソースを持つ人々に収入を生み出すことです。
Renderは、高性能レンダラーOctane Renderを独自に開発したOTOYの会社であり、明確なビジネスロジックと相まって、立ち上げ当初は独自のニーズと基盤を持つWeb3プロジェクトと見なされていました。 ジェネレーティブAIが大流行した当時、分散検証と分散推論タスクの需要は、Renderの技術アーキテクチャに完全に適合しており、将来の有望な開発方向性の1つと見なされていました。 同時に、Renderは近年、Web3分野のAIトラックで長年にわたって主導的な地位を占めており、ある程度のミーム性を導き出しています。
2023年2月、Render Networkは、新しい価格帯の今後のアップデートと、コミュニティ投票によるRNDRドルの価格安定化メカニズム(ただし、いつ稼働するかはまだ確認されていません)を発表し、同時に、プロジェクトがPolygonからSolanaに移管されることを発表しました(2023年11月にすでに完了しているSolana SPL標準に基づいて、$RNDRトークンから$RENDERトークンへのアップグレードとともに)。
Render Networkがリリースした新しい価格評価システムは、オンチェーンサービスを高から低までの3つの層に分け、レンダリングデマンダーが選択できるレンダリングサービスの価格と品質の違いに対応しています。
Render Networkの新しい価格帯の3段階
コミュニティによって投票されたRNDRドルの価格安定化メカニズムは、以前の不規則な買い戻しから「バーンアンドミント均衡(BME)」モデルの使用に変更され、資産を長期間保有するのではなく、価格安定の支払いトークンとしてのRNDRドルの位置付けがより明確になりました。 BME エポックの特定のビジネス プロセスを次の図に示します。
注:Render Networkは、プロジェクトの運営のために各取引から製品の購入者が支払った料金の5%を徴収します。
バーン&ミント均衡エポック
情報提供:Petar Atanasovski
ソース: Medium
プリセットルールに従って、BMEによって実行される各エポックで、プリセットされた数の新しいトークンが鋳造されます(プリセット数は時間の経過とともに徐々に減少します)。 新しく鋳造されたトークンは、3つの当事者に配布されます。
プロダクトクリエーター。 製品の作成者は、次の 2 つの方法で取得します。 1.ミッションを完了するための報酬。 各製品ノードは、完了したレンダリングタスクの数に応じて報酬が与えられることが簡単に理解できます。
オンラインリワード。 報酬は、各製品ノードのオンラインスタンバイ市場に応じて付与され、リソースを制限するためにより多くのオンライン作業が奨励されます。
製品購入者。 モール製品のリベートと同様に、購入者はRNDRドルのトークンリベートの最大100%を受け取ることができ、今後もレンダーネットワークの継続的な使用を促進することができます。
DEX(分散型取引所)流動性プロバイダー。 協同組合DEXの流動性プロバイダーは、RNDRドルを燃やす必要があるときに、十分な量のRNDRドルをリーズナブルな価格で購入できるようにすることで、ステーキングしたRNDRドルに応じて報酬を得ることができます。
**
**
出典:coingecko.com
過去1年間のRNDRドルの価格動向から、長年のWeb3におけるAIトラックのリーディングプロジェクトとして、2022年後半から2023年初頭にかけてChatGPTが牽引したAIブームの波の配当をRNDRが食いつぶし、同時に、新しいトークンメカニズムのリリースにより、RNDRドルの価格は2023年上半期に高値に達したことがわかります。 下半期は横ばいでしたが、OpenAIの新しい記者会見によるAIの回復、Render NetworkのSolanaへの移行、新しいトークンメカニズムの実装が間近に迫ったことで、RNDRドルの価格は近年高値に達しています。 RNDRドルの根本的な変化は最小限であるため、投資家にとって、RNDRドルの将来の投資は、ポジション管理とリスク管理においてより慎重である必要があります。
月ごとのレンダーネットワークノードの数
**
**
レンダー ネットワーク(Render Network) 月ごとにレンダリングされるシーンの数
出典:Dune.com
同時に、Duneダッシュボードからわかるように、2023年初頭からレンダリングジョブの総数は増加していますが、レンダリングノードの数は増加していません。 2022年末のジェネレーティブAIブームと相まって、追加されるレンダリングタスクはすべてジェネレーティブAI関連のタスクであると推測するのが妥当です。 現時点では、需要のこの部分が長期的な需要であるかどうかを判断することは困難であり、観察するために追跡する必要があります。
3.2 Akash ネットワーク ($AKT)
Akash Networkは、開発者や企業に、より柔軟で効率的、かつ費用対効果の高いクラウドコンピューティングソリューションを提供することを目的とした分散型クラウドコンピューティングプラットフォームです。 本プロジェクトが構築する「スーパークラウド」プラットフォームは、分散型ブロックチェーン技術に基づいて構築されており、ブロックチェーンの非中央集権的な性質を利用して、CPU、GPU、ストレージなどの多様なコンピューティングリソースを含むアプリケーションを世界規模で展開および実行できる分散型クラウドインフラストラクチャをユーザーに提供します。
Akash Network の創設者である Greg Osuri と Adam Bozanich は、長年にわたって一緒に仕事をしてきたシリアルアントレプレナーであり、それぞれが長年のプロジェクト経験を持ち、現在も Akash Network のコア参加者である Overclock Labs プロジェクトを共同設立しました。 創業チームは、クラウドコンピューティングのコストを削減し、可用性を高め、コンピューティングリソースに対するユーザー制御を強化するというAkash Networkの主な使命について明確なビジョンを持っていました。 Akash Networkは、リソースプロバイダーがネットワーク内のアイドル状態のコンピューティングリソースを開放することを奨励するオープンビッディングを通じて、リソースのより効率的な使用を可能にし、リソース需要者により競争力のある価格を提供します。
Akash Network は、2023 年 1 月に Akash Network Economics 2.0 アップデート プログラムを開始し、現在のトークン エコノミーの欠点の多くに対処することを目標としています。
公式サイトで提供されている情報によると、Akash Network Economics 2.0計画が提案する解決策には、ステーブルコイン決済の導入、プロトコル収益を増やすためのメーカー注文と卵食手数料の追加、リソースプロバイダーへのインセンティブの増加、コミュニティインセンティブの額の増加などが含まれ、その中でステーブルコイン決済機能とメーカーテイカーフィー機能が開始され、実装されています。
Akash Networkのネイティブトークンである$AKTは、ステーキング検証(セキュリティ)、インセンティブ、ネットワークガバナンス、取引手数料の支払いなど、プロトコルでさまざまな用途があります。 公式サイトで提供されているデータによると、$AKTの総供給量は3億8800万で、2023年11月現在、これまでに2億2900万がアンロックされており、約59%を占めています。 プロジェクトの立ち上げ時に配布された創設トークンは、2023年3月に完全にアンロックされ、流通市場に参入します。 ジェネシストークンの分配比率は以下の通りです。
特に、価値の獲得という点では、$AKTが実装を提案しているが、まだ実装されていないが、ホワイトペーパーで言及されている機能の1つは、Akashが成功したリースごとに「料金」を請求することを計画していることだ。 その後、これらの手数料をTake Income Poolに送信し、保有者に分配できるようにします。 このプログラムでは、AKTドルの取引には10%の手数料がかかり、他の暗号通貨を使用した取引には20%の手数料がかかります。 さらに、Akashは、AKTドルの保有を長期間ロックした保有者に報酬を与えることも計画しています。 その結果、より長い期間保有する投資家は、より寛大な報酬を受け取る資格があります。 このプロジェクトが将来的に首尾よく立ち上げられれば、それは間違いなく通貨価格の主要な原動力になり、プロジェクトの価値をよりよく見積もるのにも役立ちます。
**
**
出典:coingecko.com
coingecko.com に示された価格動向からわかるように、AKTドルの価格も2023年8月中旬と11月下旬にそれぞれ上昇しましたが、それでもAIトラックの他のプロジェクトの同時期の上昇には及ばず、現在のキャピタルセンチメントの傾向に関連している可能性があります。 全体として、Akash のプロジェクトは、AI トラックのいくつかの高品質プロジェクトの 1 つとして、AI トラックのほとんどの競合他社よりも優れたファンダメンタルズを備えています。 AI産業の発展とクラウドコンピューティングリソースの強化により、Akash Networkは将来のAIの次の波で急上昇することができると考えられています。
3.3 Bittensor ($TAO)
読者が $BTC の技術的なアーキテクチャに精通していれば、Bittensor の設計を理解するのは非常に簡単です。 実際、Bittensorを設計する際に、その作成者は、合計2,100万トークン、約4年ごとの生産量の半減、PoWを含むコンセンサスメカニズムなど、BTCドルの暗号のベテランの特徴の多くを借用しました。 具体的には、最初のBTC生産プロセスを想像し、真の価値を生み出せない乱数を計算する「マイニング」のプロセスを、AIモデルのトレーニングと検証に置き換え、Bittensor(TAOドル)のプロジェクトアーキテクチャを簡単にまとめたAIモデルのパフォーマンスと信頼性に基づいてマイナーが作業するようにインセンティブを与えましょう。
Bittensorプロジェクトは、2019年にJacob Steves氏とAla Shaabana氏の2人のAI研究者によって最初に設立され、その主なフレームワークは、謎の著者であるYuma Rao氏が書いたホワイトペーパーの内容に基づいています。 要約すると、パーミッションレスなオープンソースプロトコルを設計し、さまざまなタスク(機械翻訳、画像認識と生成、大規模言語モデルなど)を担当するさまざまなサブネットによって接続された多くのサブネットで構成されるネットワークアーキテクチャを構築し、サブネットが相互に相互作用して学習できるようにしながら、優れたタスクの完了が奨励されます。
現在市場に出回っている大規模なAIモデルを振り返ってみると、例外なく、それらはすべてテクノロジーの巨人が投資した膨大な量のコンピューティングリソースとデータから来ています。 この方法でトレーニングされたAI製品が印象的なパフォーマンスを発揮するのは事実ですが、集中力が悪になるリスクも高くなります。 Bittensorのインフラストラクチャは、コミュニケーションをとる専門家のネットワークが互いにコミュニケーションを取り、互いに学習できるように設計されており、大規模なモデルの分散型トレーニングの基盤となります。 Bittensorの長期的なビジョンは、OpenAI、Meta、Googleなどの巨人のクローズドソースモデルと競争し、モデルの分散性を維持しながら、一致する推論パフォーマンスを実現することです。
Bittensorネットワークの技術的な核となるのは、PoWとPoSを組み合わせたコンセンサスメカニズムであるYuma Raoが独自に設計したコンセンサスメカニズム(Yumaコンセンサスとも呼ばれる)です。 供給側の主な参加者は「サーバー」(つまりマイナー)と「バリデーター」に分けられ、需要側の参加者はネットワーク内のモデルを使用する「クライアント」(つまり顧客)です。 マイナーは、現在のサブネットタスクに対して事前トレーニング済みのモデルを提供する責任があり、受け取るインセンティブは提供されたモデルの品質に依存し、バリデーターはモデルのパフォーマンスを検証し、マイナーと顧客の前で仲介者として行動する責任があります。 具体的なプロセスは次のとおりです。
**
**
なお、大多数のサブネットでは、Bittensor自体はモデルをトレーニングせず、その役割はモデルプロバイダーとモデルデマンダーをリンクするようなものであり、これに基づいて、小さなモデル間の相互作用をさらに使用して、さまざまなタスクのパフォーマンスを向上させることに注意してください。 現在、オンライン(またはオンライン)になっているサブネットは30個あり、さまざまなタスクモデルに対応しています。
Bittensorのネイティブトークンである$TAOは、サブネットの作成、サブネットへの登録、サービスの支払い、バリデータのステーキングなど、エコシステムにおいて極めて重要な役割を果たします。 同時に、BTCの精神に敬意を表するというBittensorプロジェクトの実践により、$TAOは公正なスタート、つまりすべてのトークンがネットワークに貢献することによって生成されることを選択しました。 現在、TAOドルの毎日の生産量は約7200ドルで、マイナーとバリデーターの間で均等に分配されています。 プロジェクトの開始以来、総量2,100万の約26.3%が生成され、そのうちトークンの87.21%がステーキングと検証に使用されています。 同時に、このプロジェクトは4年ごとに生産を半減(BTCと同じ)するように設計されており、直近では2025年9月20日に発生し、これも価格上昇の大きな要因になります。
クレジット:taostats.io
**
**
価格動向を見ると、2023年10月末からTAOドルの価格が急騰していることが分かり、OpenAIの記者会見がもたらした新たなAIブームが主な原動力となり、資本セクターがAIセクターにシフトしたことが推察されます。 同時に、TAOドル Web3 + AIトラックの新興プロジェクトとして、その優れたプロジェクト品質と長期的なプロジェクトビジョンも、資金を引き付ける大きな理由です。 しかし、他のAIプロジェクトと同様に、Web3+AIの組み合わせは大きな可能性を秘めていますが、実際のビジネスへの応用は、長期的に収益性の高いプロジェクトをサポートするには十分ではないことを認めざるを得ません。
3.4 Alethea.ai($ALI)
2020年に設立された Alethea.ai は、ブロックチェーン技術を使用して、分散型所有権と分散型ガバナンスを生成コンテンツにもたらすことを目的としたプロジェクトです。 Alethea.ai の創業者たちは、ジェネレーティブAIは、ジェネレーティブコンテンツが情報の冗長化につながり、大量の電子コンテンツをワンクリックでコピー&ペーストしたり生成したりするだけで、そもそも価値を創造した人がその恩恵を受けられなくなる時代になると考えています。 オンチェーンプリミティブ(NFTなど)と生成AIを連携させることで、生成AIとそのコンテンツの所有権を確保し、それに基づいてコミュニティガバナンスを行うことができます。
この哲学に基づき、Early Alethea.ai は、Intelligence Podを活用して埋め込みAIアニメーション、音声合成、さらには画像への生成AIを作成する新しいNFT規格であるiNFTを導入しました。 さらに Alethea.ai アーティストと提携してアートワークをiNFT化し、サザビーズで478,000ドルを獲得しました。
NFTに魂を吹き込む
出典:Alethea.ai
その後、Alethea.ai は、ジェネレーティブAIの開発者や作成者がiNFT規格を使用してパーミッションレスで作成できるようにするAIプロトコルを発表しました。 同時に、独自のAIプロトコルで他のプロジェクトのサンプルを作成するために、Alethea.ai はGPTの大規模モデルの理論を借りて、インタラクティブなNFTを作成するためのツールであるCharacterGPTを立ち上げました。 さらに、Alethea.ai は最近、市場に出回っているERC-721 NFTをインテリジェンスと組み合わせてAIプロトコルにリリースできるOpen Fusionもリリースしました。
Alethea.aiのネイティブトークンはALIドルで、その主な用途は4つあります。
出典:coingecko.com
ALIドルのユースケースからわかるように、このトークンの現在価値の獲得はまだナラティブレベルであり、この推論は1年以内の通貨価格の変化からも確認できます:ALIドルは2022年12月以降、ChatGPTが主導する生成AIブームの配当を享受しています。 同時に、今年6月、Alethea.ai が最新のOpen Fusion機能のリリースを発表し、成長の波も押し寄せました。 その上、ALIドルの価格は下落傾向にあり、2023年後半のAIブームでさえ、同じ軌道上のプロジェクトの平均レベルまで価格を押し上げることができませんでした。
ネイティブトークンに加えて、NFTプロジェクト、Alethea.aiのiNFT(公式にリリースされたコレクションを含む)のNFT市場におけるパフォーマンスを見てみましょう。
OpenseaでのIntelligence Podsの日次販売
**
**
OpenseaでのRevenants Collectionの毎日の売上
出典:Dune.com
Duneのダッシュボードの統計から、サードパーティに売却されたインテリジェンスポッドと、Alethea.ai ファーストパーティによってリリースされたRevenantsコレクションの両方が、最初のリリースからしばらくすると徐々に姿を消していることがわかります。 この主な理由は、最初の目新しさが薄れた後、ユーザーを維持するための実際の価値やコミュニティの人気がないからだと著者は考えています。
3.5 Fetch.ai($FET)
Fetch.ai は、人工知能とブロックチェーン技術の融合を促進することを目的としたプロジェクトです。 同社の目標は、機械学習、ブロックチェーン、分散型台帳技術の組み合わせを通じて、インテリジェントエージェント間の経済活動を強化する分散型のインテリジェント経済を構築することです。
Fetch.ai は、英国の科学者であるフマユーン・シェイク、トビー・シンプソン、トーマス・ヘインによって2019年に設立されました。 3人の創業者は、Deepmindの初期投資家であるフマユーン・シェイク氏、複数の企業の幹部であるトビー・シンプソン氏、シェフィールド大学の人工知能教授であるトーマス・ヘイン氏など、幅広い経歴を持っています。 Fetch.ai 創業チームの深いバックグラウンドは、従来のIT企業、ブロックチェーンスタープロジェクト、医療およびスーパーコンピューティングプロジェクト、およびその他の分野をカバーする豊富な業界リソースを会社にもたらしました。
Fetch.aiの使命は、自律型経済エージェントとAIアプリケーションで構成される分散型Webプラットフォームを構築し、開発者が自律型エージェントを作成することで、あらかじめ設定されたターゲットタスクを達成できるようにすることです。 このプラットフォームのコアテクノロジーは、独自の3層アーキテクチャです。
Fetch.ai は、このアーキテクチャに基づいて、Co-Learn(エージェント間で共有される機械学習モデル)やMetaverse(スマートエージェントクラウドホスティングサービス)など、いくつかのフォローアップ製品とサービスも開始し、ユーザーがプラットフォーム上で独自のスマートエージェントを開発できるようにしました。
トークンに関しては、Fetch.ai のネイティブトークンであるFETドルは、ネットワーク内のガソリンの支払い、ステーキング検証、サービスの購入などの通常の役割をカバーしています。 トークンの90%以上がこれまでにFETドルでロック解除されており、次のように配布されています。
プロジェクトの開始以来、Fetch.ai は希薄化トークンの保有という形で複数回の資金調達を受けており、直近では2023年3月29日に Fetch.ai DWF Labから3,000万ドルの資金を受け取りました。 FETドルトークンは収益の観点からプロジェクトの価値を捉えていないため、価格上昇の原動力は主にプロジェクトの更新とAIトラックに対する市場のセンチメントによるものです。 Fetch.ai の価格は、2023年初頭と2023年末に100%以上高騰していることがわかります。
出典:coingecko.com
ブロックチェーンプロジェクトが発展して注目を集める他の方法と比較して、Fetch.aiの開発パスはWeb2.0のAIスタートアッププロジェクトに似ており、技術レベルを磨き、名を上げ、継続的な資金調達と広範な協力を通じて利益ポイントを見つけることに重点を置いています。 このアプローチは、Fetch.ai に基づいて将来のアプリケーションを開発する余地を多く残しますが、開発モデルは、エコシステムを活性化する他のブロックチェーンプロジェクトにとって魅力的ではありません(Fetch.ai の創設者の1人は、Fetch.aiベースのDEXプロジェクトMettalex DEXを個人的に設立しましたが、最終的には失敗しました)。 インフラ指向のプロジェクトとして、エコロジーの枯死により、Fetch.ai プロジェクトの本質的な価値を向上させることは困難です。
第四に、ジェネレーティブAIには有望な未来がある
エヌビディアのジェンスン・フアンCEOは、ジェネレーティブモデルのリリースをAIの「iPhone」の瞬間と呼んでおり、現段階でAIを生み出すための希少なリソースは、高性能コンピューティングチップを中心としたインフラです。 Web3で最も多くの資金を固定するAIのサブトラックとして、AIインフラストラクチャプロジェクトは常に投資家の長期的な投資と調査の焦点となってきました。 チップの巨人による計算能力機器の段階的なアップグレード、AIの計算能力の段階的な向上、AI能力の解放により、Web3の細分化された分野でのAIインフラストラクチャプロジェクトが今後さらに出現することが予想され、将来的にはWeb3でのAIトレーニング用に特別に設計および製造されたチップが登場することさえ期待できます。 **
ToCのジェネレーティブAI製品の開発はまだ実験段階にありますが、ToBの産業グレード製品の中には大きな可能性を秘めたものもあります。 その1つが、現実世界のシナリオをデジタル領域に移行する「デジタルツイン」技術であり、NVIDIAがメタバースビジョンのためにリリースしたデジタルツイン科学計算プラットフォームと組み合わせることで、業界にはまだリリースされていない膨大な量のデータ価値があることを考えると、生成AIは産業シナリオのデジタルツインの重要な助けとなるでしょう。 メタバース、デジタルコンテンツ制作、現実世界の資産など、Web3分野へのさらなる進出は、AIを活用したデジタルツイン技術の影響を受けます。
新しいインタラクティブハードウェアの開発も無視できないリンクです。 歴史的に見ると、コンピュータの世界におけるすべてのハードウェアの革新は、今日当たり前になっているコンピュータマウスや、マルチタッチ静電容量式スクリーンを備えたiPhone 4など、劇的な変化と新しい開発の機会をもたらしてきました。 2024年第1四半期の発売が発表されているApple Vision Proは、その見事なデモですでに世界中で大きな注目を集めており、実際に発売されれば、さまざまな業界に予期せぬ変化と機会をもたらすはずです。 迅速なコンテンツ制作、迅速な普及、幅広い範囲という利点により、エンターテインメント分野は、ハードウェア技術の更新のたびに最初に恩恵を受けることがよくあります。 もちろん、メタバース、チェーンゲーム、Web3のNFTなど、さまざまなビジュアルエンターテインメントトラックも含まれており、読者の長期的な注目と研究に値します。
長い目で見れば、ジェネレーティブAIの開発は、量的な変化が質的な変化につながるプロセスです。 ChatGPTの本質は、古くからアカデミアで広く注目され、研究されてきた問題である推論Q&Aの問題に対する解決策です。 データとモデルを長期間繰り返した後、ついにGPT-4のレベルに到達し、世界を驚かせました。 Web3におけるAIアプリケーションも同様で、Web2からWeb3へのモデル導入の段階であり、Web3のデータのみに基づいて開発されたモデルはまだ登場していません。 将来的には、Web3独自のChatGPTレベルのキラーアプリが徐々に近づくことができるように、Web3の実用的な問題の研究に先見の明のあるプロジェクトパーティーと多くのリソースを投資する必要があります。
現段階では、ジェネレーティブAIの技術的背景の下に探求する価値のある多くの方向性があり、その1つがロジックの実装に依存する思考の連鎖技術です。 簡単に言うと、思考技術の連鎖を通じて、大規模言語モデルは多段階推論において質的な飛躍を遂げることができました。 しかし、思考の連鎖の利用は解決されていないか、ある程度、複雑論理における大規模モデルの推論能力が不十分であるという問題につながっています。 この側面に関心のある読者は、思考の連鎖の原著者の論文を読む必要があります。
ChatGPTの成功により、Web3ではさまざまな人気のあるGPTチェーンが出現しましたが、GPTとスマートコントラクトの単純で粗雑な組み合わせでは、ユーザーのニーズを本当に解決することはできません。 ChatGPTのリリースから約1年が経ちましたが、長い目で見れば指をフリックするだけであり、今後のプロダクトもWeb3ユーザー自身のリアルなニーズからスタートすべきであり、Web3技術がますます成熟する中、Web3における生成AIの応用は無限の可能性を秘めていると考えており、楽しみに値します。
参考文献
Google Cloud Tech - ジェネレーティブAIの紹介
AWS - ジェネレーティブAIとは
大規模言語モデルの経済学
拡散モデルが強制されるとすぐに、GANは時代遅れになります???
人間のフィードバックからの強化学習(RLHF)の図解
ジェネレーティブAIとWeb3
ジェネレーティブAIプラットフォームの所有者は誰ですか?
Apple Vision Pro Full Moonが再考:XR、RNDR、そして空間コンピューティングの未来
AIはどのようにしてNFTとして鋳造されるのですか?
大規模言語モデルにおける創発的類推推論
Akash Network Token (AKT) Genesis Unlock Schedule and Supply Estimates