「A Rational Look at DecentralizationComputing Power Network」では、Computing Powerが将来最も価値のあるリソースになるという論理に基づいて、暗号がComputing Powerネットワークに与えることができる価値を分析しています。
「The Best Attempt to Decentralization AI Marketplace」では、分散型AIマーケットプレイスを成功させるには、AIとWeb3の利点を緊密に組み合わせ、流通、資産エクイティの確認、収益分配、分散化コンピューティングパワーの付加価値を利用して、AIアプリケーションの敷居を下げ、開発者にモデルのアップロードと共有を奨励し、ユーザーのデータプライバシー権を保護して、ユーザーのニーズを満たす開発者に優しいAIリソース取引および共有プラットフォームを構築する必要があると述べています。
AI+Cryptoトラックの最新の思考と探求
著者: Ian@Foresight Ventures
Tl; 博士
AIと暗号資産が組み合わされた分野を何ヶ月も掘り下げた後、この方向性の理解はより深くなっています。 本記事では、初期の展望と現在の線路の方向性を比較分析しており、線路に詳しい方は第2部から始められる。 **
*分散化コンピューティングパワーネットワーク:市場の需要の課題に直面して、分散化の究極の目的はコストを削減することです。 Web3のコミュニティ属性とトークンは無視できない価値をもたらしますが、それでも破壊的な変化ではなく、コンピューティングパワートラック自体の付加価値であり、焦点は、中央集権的なコンピューティングパワーの欠如を補完するものとしてDecentralizationComputing Powerネットワークを盲目的に使用するのではなく、ユーザーのニーズと組み合わせる方法を見つけることです。
まずはAIトラックの復習
ここ数ヶ月、AI+クリプトをテーマに深度調査を行い、数ヶ月の沈殿を経て、比較的早い段階でいくつかのトラックの方向性についての洞察を得たことを嬉しく思いますが、今は正確ではないと思われる意見もあることもわかります。
この記事はあくまでも意見であり、イントロではありませんweb3におけるAIの一般的な方向性をいくつか取り上げ、以前と現在のトラックに関する私の見解と分析を紹介します。 視点が異なれば、インスピレーションも異なり、弁証法的に見ることができます。
まず、今年上半期に設定されたAI+暗号の主な方向性を確認しましょう。
1.1 分散コンピューティング能力
「A Rational Look at DecentralizationComputing Power Network」では、Computing Powerが将来最も価値のあるリソースになるという論理に基づいて、暗号がComputing Powerネットワークに与えることができる価値を分析しています。
分散型分散コンピューティングパワーネットワークは、AIの大規模モデルトレーニングに対する最大の需要がありますが、最大の課題と技術的なボトルネックにも直面しています。 これには、複雑なデータ同期やネットワーク最適化の問題が含まれます。 さらに、データのプライバシーとセキュリティも重要な制約です。 初期ソリューションを提供できる既存のテクノロジーはいくつかありますが、計算と通信のオーバーヘッドが膨大であるため、大規模な分散トレーニングタスクにはまだ適用できません。 明らかに、分散型分散コンピューティングパワーネットワークは、モデル推論に着地する機会が多く、将来を予測できるインクリメンタルスペースも十分に大きいです。 ただし、通信の遅延、データのプライバシー、モデルのセキュリティなどの課題にも直面しています。 推論は、モデルトレーニングと比較して、計算量とデータの対話性が低く、分散環境での実施に適しています。
1.2 分散化AIマーケットプレイス
「The Best Attempt to Decentralization AI Marketplace」では、分散型AIマーケットプレイスを成功させるには、AIとWeb3の利点を緊密に組み合わせ、流通、資産エクイティの確認、収益分配、分散化コンピューティングパワーの付加価値を利用して、AIアプリケーションの敷居を下げ、開発者にモデルのアップロードと共有を奨励し、ユーザーのデータプライバシー権を保護して、ユーザーのニーズを満たす開発者に優しいAIリソース取引および共有プラットフォームを構築する必要があると述べています。
当時の考え方は(おそらく今となっては完全に正確ではないでしょうが)、データに基づくAIマーケットプレイスの方がはるかに大きな可能性を秘めているというものでした。 死んだモデルの市場は、多数の高品質のモデルのサポートを必要としていますが、初期のプラットフォームにはユーザーベースと高品質のリソースが不足しており、優れたモデルプロバイダーに対するインセンティブが不十分であるため、高品質のモデルを引き付けることが困難です。 一方、データベースの市場は、分散化、分散収集、インセンティブレイヤー設計、データ所有権の保証を通じて、大量の貴重なデータとリソース、特にプライベートドメインデータを蓄積できます。
分散化AI市場の成功は、ユーザーリソースの蓄積と強力なネットワーク効果に依存しており、ユーザーや開発者は市場外で得られるよりも多くの価値を市場から得ることができます。 市場の初期には、高品質のモデルを蓄積してユーザーを引き付けて維持することに重点が置かれており、高品質のモデルとデータバリアのライブラリを確立した後、より多くのエンドユーザーを引き付けて維持することに重点が置かれています。
1.3 ZKML
ZKMLの話題が広く議論される前は、オンチェーンAIの価値は「AI+Web3=?」で議論されていました。
分散化と信頼性を犠牲にすることなく、オンチェーンAIはWeb3の世界を「次のレベル」に導く機会があります。 現在のWeb3はWeb2の初期段階のようなもので、より広く普及したり、より大きな価値を創造したりする能力をまだ備えていません。 オンチェーンAIは、透明でトラストレスなソリューションを提供するように設計されています。
1.4 AIアプリケーション
「AI + Crypto Starts to Talk about Web3 Women’s Game-HIM」では、ポートフォリオプロジェクト「HIM」と組み合わせて、web3アプリケーションにおける大規模モデルの価値を分析しています。 インフラからアルゴリズムまでのハードコア、チェーン上でのトラストレスLLMの開発に加えて、製品における推論の過程でブラックボックスの影響を希釈し、大規模モデルの強力な推論能力を実装するための適切なシナリオを見つけることも方向性です。
次に、現在のAIトラック分析
2.1 コンピューティングパワーネットワーク:想像力の余地はたくさんあるが、敷居は高い
コンピューティングパワーネットワークの大きなロジックは変わりませんが、効率と安定性の低いソリューションを必要とするのは誰なのかという市場の需要という課題に直面しています。 したがって、次の点を理解する必要があると思います。
**分散化とは何ですか?
今、DecentralizationComputing Powerネットワークの創設者に尋ねると、当社のComputing Powerネットワークは、セキュリティと攻撃に対する耐性を強化し、透明性と信頼性を高め、リソースの使用を最適化し、データプライバシーとユーザーコントロールを向上させ、検閲と干渉に抵抗できると答えるでしょう。
これらは常識であり、どのWeb3プロジェクトも検閲耐性、トラストレス、プライバシーなどに関与する可能性がありますが、私が言いたいのは、これらのどれも重要ではないということです。 分散化コンピューティングパワーネットワークは、プライバシーの問題を本質的に解決するものではなく、セキュリティなど多くの矛盾があります。 したがって、コンピューティングパワーネットワークの分散化の究極の目的は、コストを下げることです。 分散化の度合いが高ければ高いほど、コンピューティングパワーの使用コストは低くなります。
したがって、根本的には、「アイドル状態のコンピューティングパワーを使用する」ことは、より長期的な物語であり、分散化コンピューティングパワーネットワークを構築できるかどうかは、彼が次の点を理解しているかどうかに大きく依存します。
Web3がもたらす価値
巧妙なトークン設計と、それに伴うインセンティブ/罰のメカニズムは、明らかに分散化コミュニティが提供する強力な付加価値です。 従来のインターネットと比較して、トークンは交換媒体として機能するだけでなく、スマートコントラクトを補完して、プロトコルがより複雑なインセンティブとガバナンスメカニズムを実現できるようにします。 同時に、取引のオープン性と透明性、コストの削減、効率の向上はすべて、暗号がもたらす価値の恩恵を受けています。 このユニークな価値は、コントリビューターのモチベーションを高めるための柔軟性とイノベーションの余地を提供します。
しかし同時に、この一見合理的な「適合」を合理的にとらえることができればと願っていますが、DecentralizationComputing Powerネットワークにとって、Web3とブロックチェーン技術がもたらす価値は、根本的な破壊ではなく、別の観点からの「付加価値」にすぎず、ネットワーク全体の基本的な動作モードを変えて、現在の技術的なボトルネックを突破することはできません。
要するに、これらのweb3の価値は、分散化ネットワークの魅力を高めることですが、そのコア構造や運用モデルを完全に変えるわけではなく、分散化ネットワークが本当にAIの波の中で位置を占めるのであれば、web3の価値だけでは十分ではありません。 したがって、後述するように、適切なテクノロジーは適切な問題を解決し、DecentralizationComputing Powerネットワークのゲームプレイは、単にAIコンピューティングパワーの不足の問題を解決することではなく、この長い間休眠していたトラックに新しい遊び方と考え方を与えることです。
これは、パウマイニングやストレージマイニングのようなもので、コンピューティングパワーを資産として収益化しているのかもしれません。 このモデルでは、コンピューティングパワーのプロバイダーは、独自のコンピューティングリソースを提供することにより、報酬としてトークンを獲得できます。 その魅力は、コンピューティングリソースを経済的利益に直接変換する方法を提供し、それによってより多くの参加者がネットワークに参加するインセンティブを与えることです。 また、web3をベースとして、計算能力を消費する市場を創出し、計算能力の上流(モデルなど)を金融化することで、不安定で遅い計算能力を許容できる需要点を開拓する可能性もあります。
結局のところ、ユーザーと参加者のニーズは必ずしも効率的なコンピューティングパワーではなく、ユーザーの実際のニーズと組み合わせる方法を理解したい、「お金を稼ぐことができる」ことは常に最も説得力のある動機の1つです。
DecentralizationComputing Powerネットワークのコアコンピタンスは価格
DecentralizationComputing Powerを実際の価値の観点から議論しなければならない場合、web3がもたらす最大の想像力の空間は、さらに圧縮される可能性のあるコンピューティングパワーのコストです。
コンピューティングパワーノードの分散化が高ければ高いほど、ユニットコンピューティングパワーあたりの価格は低くなります。 これは、次の方向から推測できます。
1.トークンの導入、NodeComputing Powerプロバイダーへの現金からプロトコルのネイティブトークンへの支払いにより、運用コストが根本的に低下します。 2. web3のパーミッションレスアクセスと強力なコミュニティ効果は、市場主導のコスト最適化に直接貢献し、より多くの個人ユーザーや中小企業が既存のハードウェアリソースを使用してネットワークに参加でき、コンピューティングパワーの供給が増加し、市場におけるコンピューティングパワーの供給価格が低下します。 自治とコミュニティ管理のモデルの下で。 3.プロトコルによって生み出されたオープンなコンピューティングパワー市場は、コンピューティングパワープロバイダーの価格競争を落とし、それによってコストをさらに削減します。
ケース: ChainML
簡単に言えば、ChainMLは、推論と微調整のためのコンピューティングパワーを提供する分散化プラットフォームです。 短期的には、chainmlはオープンソースのAIプロキシフレームワークであるCouncilを実装し、Councilの試み(さまざまなアプリケーションに統合できるチャットボット)を通じて、分散型コンピューティングネットワークの需要拡大をもたらします。 長い目で見れば、chainmlはモデル市場とコンピューティングパワー市場を含む完全なAI+web3プラットフォーム(詳細は後述)となるでしょう。
ChainMLの技術的な道筋計画は非常に合理的であり、前述の問題について非常に明確に考えていると思いますが、分散化コンピューティングパワーの目的は、中央集権的なコンピューティングパワーと同等にAI業界に十分なコンピューティングパワーを供給することではなく、適切な需要者がこの低品質のコンピューティングパワーソースを受け入れることができるようにコストを徐々に下げることです。 したがって、コンピューティングパワーの分散化コンピューティングパワーノードの製品パスの観点から、中央集権的な方法から始めて、初期段階で製品リンクを実行し、強力なBD機能を通じて顧客を蓄積し始め、市場を拡大および基盤化し、中央集権的なコンピューティングパワーのプロバイダーをより高いコストで中小企業に徐々に分散させ、最終的にコンピューティングパワーノードを大規模に展開する必要があります。 これがチェインMLの分割統治の考え方です。
需要側のレイアウトの観点から、ChainMLは集中型インフラストラクチャプロトコルのMVPを構築しており、設計コンセプトは移植可能です。 今年の2月からお客様と一緒にシステムを運用し、今年の4月から本番環境で使用しています。 現在はGoogle Cloudで稼働していますが、Kubernetesやその他のオープンソーステクノロジーに基づいているため、他の環境(AWS、Azure、Coreweaveなど)に簡単に移植できます。 プロトコルの分散化が続き、ニッチなクラウドへの分散化が続き、最後にコンピューティングパワーを提供するマイナーが続きます。
2.2 AI市場:想像力の余地
このセクターはAIマーカープレイスと呼ばれ、想像力の空間をいくらか制限します。 厳密に言えば、真の想像力の余地を持つ「AI市場」は、基盤となるコンピューティングパワーとデータからモデル自体と関連アプリケーションまでをカバーする、モデルのリンク全体を金融化する中間プラットフォームであるべきです。 前述したように、分散化コンピューティングパワー、初期段階の主な矛盾は需要をいかに創出するかであり、AIのリンク全体を金融化するクローズドループ市場は、この種の需要を生み出す機会があります。
このようなもの:**
web3がサポートするAI市場は、コンピューティングパワーとデータに基づいており、開発者はより価値のあるデータを使用してモデルを構築または微調整し、対応するモデルベースのアプリケーションを開発し、これらのアプリケーションやモデルを開発および使用しながらコンピューティングパワーの需要を生み出します。 トークンとコミュニティのインセンティブの下で、データを提供するための報奨金または正規化されたインセンティブに基づくリアルタイムのデータ収集タスクは、この市場におけるデータレイヤーの独自の利点を拡大および拡張する機会があります。 同時に、アプリケーションの普及により、より価値のあるデータがデータレイヤーに返されます。
コミュニティ
前述のトークンがもたらす価値に加えて、コミュニティは間違いなくweb3によってもたらされる最大の利益の1つであり、プラットフォームの開発の中核的な原動力です。 例えば、データの多様性の実現は、正確で偏りのないAIモデルを構築するために不可欠なプラットフォームの利点であり、現在のデータの方向性のボトルネックでもあります。
プラットフォーム全体の核となるのはモデルであり、AIマーケットプレイスの成功は高品質のモデルの存在にかかっていることに早くから気づいていましたが、開発者は分散型プラットフォームでモデルを提供するインセンティブは何でしょうか? しかし、スペリングインフラは従来のプラットフォームほど難しくなく、スペリング開発者コミュニティは従来のプラットフォームほど成熟しておらず、スペリングの評判には従来のプラットフォームのような先行者利益がないため、従来のAIプラットフォームの巨大なユーザーベースと成熟したインフラと比較すると、Web3プロジェクトは追い越すことしかできません。
その答えは、AIモデルの金融化にあるかもしれません。
*モデルはコモディティとして扱うことができ、AIモデルを投資可能な資産として扱うことは、Web3および分散化市場における興味深いイノベーションになる可能性があります。 このマーケットプレイスでは、ユーザーはAIモデルの価値創造プロセスに直接参加し、その恩恵を受けることができます。 また、このメカニズムは、ユーザーの利益がモデルのパフォーマンスとアプリケーションに直接関連しているため、より高品質のモデルの追求とコミュニティへの貢献を促進します。 *ユーザーはモデルをステーキングすることで投資することができ、収益分配メカニズムが導入されて、ユーザーが潜在的なモデルを選択してサポートするように動機付ける一方で、モデル開発者がより良いモデルを作成するための経済的インセンティブを提供します。 一方、ステーカーがモデル(特に画像生成モデル)を判断するための最も直感的な基準は、複数の測定を行うことであり、これはプラットフォームの分散化コンピューティングパワーに対する要求を提供し、これは前述の「効率が悪く、より不安定なコンピューティングパワーを使いたい人はいないか」から抜け出す方法の1つでもあります。
**2.3 オンチェーンAI:OPMLがコーナーで追い越し?
ZKML: 需要と供給の両端
確かなのは、オンチェーンAIは想像力にあふれ、綿密な研究に値する方向性でなければならないということです。 オンチェーンAIのブレークスルーは、web3に前例のない価値をもたらすことができます。 しかし同時に、ZKMLの非常に高い学問的敷居と基盤となるインフラストラクチャの要件は、実際にはほとんどのスタートアップには適していません。 ほとんどのプロジェクトは、独自の価値のブレークスルーを達成するために、必ずしもトラストレスLLMのサポートを組み込む必要はありません。
しかし、ほとんどの人がチャットボットがクエリを推測して結果を与える方法を気にせず、使用される安定した拡散がモデルアーキテクチャの特定のバージョンであるか、特定のパラメータ設定であるかを気にしないのと同じように、トラストレスにZKを使用するためにすべてのAIモデルをオンチェーンに移動する必要はありません。 ほとんどのシナリオでは、ほとんどのユーザーは、推論プロセスが信頼できないか透過的であるかではなく、モデルが満足のいく出力を提供できるかどうかに焦点を当てます。
証明が100倍のオーバーヘッドや高い推論コストをもたらさないのであれば、おそらくZKMLはまだ戦う力を持っていますが、高いオンチェーン推論コストと高いコストに直面して、需要者はオンチェーンAIの必要性に疑問を抱く理由があります。
需要側から
ユーザーが気にするのは、モデルによって与えられた結果が理にかなっているかどうかであり、結果が合理的である限り、ZKMLによってもたらされるトラストレスは価値がないと言えます。
*ニューラルネットワークベースの取引ボットがサイクルごとにユーザーに100倍の利益をもたらす場合、アルゴリズムが中央集権的か検証可能かを疑問視する人はいますか? *同様に、取引ボットがユーザーにお金を失い始めた場合、プロジェクトチームは、モデルを検証可能にするためにエネルギーと資本を費やすのではなく、モデルの機能を改善する方法についてもっと考える必要があります。 これはZKMLの要件の矛盾であり、言い換えれば、モデルの検証可能性は、多くのシナリオでAIに対する人々の疑問を根本的に解決するものではなく、少し矛盾しています。
供給側から
ビッグ・オラクル・モデルをサポートするのに十分な実証モデルの開発には長い道のりがあり、現在のヘッド・プロジェクトの試みから判断すると、ビッグ・モデルがチェーンに乗せられる日が来ることはほとんど不可能です。
ZKMLに関する以前の記事を参照すると、技術的な観点から、ZKMLの目標はニューラルネットワークをZK回路に変換することであり、難しさは次のとおりです。
現在の進捗状況から:
1.最新のZKMLライブラリは、基本的な線形回帰モデルを連鎖させることができると言われているいくつかの単純なニューラルネットワークZKをサポートしています。 しかし、現存するデモはほとんどありません。 2.理論的には、最大**は~100Mのパラメータをサポートできますが、理論上のみ存在します。 **
ZKMLの開発の進捗は期待に応えられていません、トラックヘッドプロジェクトモジュラスラボの現在の進捗状況とEZKLがリリースした証明の証明から判断すると、いくつかの単純なモデルをZK回路に変換して、チェーン上でモデルオンチェーンまたは推論証明を行うことができます。 しかし、これはZKMLの価値からはほど遠いものであり、テクノロジーのボトルネックには突破する核心的な動機があるようには見えず、深刻な需要不足のトラックは根本的に学術界の注目を集めることができず、残りの需要を引き付け/満たすための優れたPOCを作成することがより困難であることを意味し、ZKMLを殺す死のスパイラルでもあります。
OPML:トランジションまたはエンドゲーム?
OPMLとZKMLの違いは、ZKMLが完全な推論プロセスを証明するのに対し、OPMLは推論に異議が唱えられたときに推論プロセスの一部を再実行することです。 明らかに、OPMLが解決する最大の問題は、非常に実用的な最適化である高いコスト/オーバーヘッドです。
OPMLのパイオニアとして、HyperOracleチームは「opML is All You Need: Run a 13B ML Model in Ethereum」で、1フェーズからマルチフェーズへのopMLのアーキテクチャと進行プロセスを紹介しました。
*オフチェーン実行とオンチェーン検証用の仮想マシンを構築し、オフラインVMとオンチェーンスマートコントラクトに実装されたVMの同等性を確保します。
ただし、この設計の主な欠陥は、すべての計算を仮想マシンで実行する必要があるため、GPU/TPUアクセラレーションと並列処理の使用が妨げられ、効率が制限されることであることは明らかです。 そのため、マルチフェーズopMLが導入されました。
※最終フェーズのみ、VM内で計算を行います。
参照：
本物になろう
OPMLは完全なZKMLが実現する前の移行であるという見方がありますが、コスト構造とトレードオフのランディング期待に基づいて、一種のオンチェーンAIと見なす方が良いと言う方が現実的です、おそらくZKMLの完全な実現の日は決して来ないでしょう、少なくとも私はこれについて悲観的です、そしてオンチェーンAIの誇大広告は最終的に最も現実的なランディングとコストに直面する必要があります、そしてOPMLはオンチェーンかもしれません AIのベストプラクティスは、OPやZKの生態学と同様に、決して代替的な関係ではありませんでした。
忘れてはならないのは、以前の要件の欠点はまだ存在し、OPMLのコストと効率に基づく最適化は、「ユーザーは結果の合理性を気にするのに、なぜAIをチェーンに移してトラストレスにするのか」という問題を根本的に解決するものではありません。 透明性、オーナーシップ、トラストレス、これらのバフは本当にベルとホイッスルに満ちていますが、ユーザーは本当に気にしているのでしょうか? 対照的に、価値の具現化はモデルの推論能力にあるべきです。
この種のコスト最適化は、技術的には革新的で堅実な試みだと思いますが、価値の面ではどちらかというと悪循環です。
おそらく、オンチェーンAIトラック自体が釘を見つけるためにハンマーを握っているのでしょうが、これも事実であり、初期の産業の発展は、クロスドメインテクノロジーの革新的な組み合わせを模索し続け、継続的な慣らし運転の中で最適なフィットポイントを見つけることです。
2.4 アプリケーション層:ステッチモンスターの99%
AIのweb3アプリケーション層への試みは、あたかも誰もがfomoであるかのように進んでいると言わざるを得ませんが、統合の99%は依然として統合にとどまっており、gptの推論能力によってプロジェクト自体の価値をマッピングする必要はありません。
アプリケーション層からは、大まかに 2 つの方法があります。
AI機能の助けを借りてユーザーエクスペリエンスと開発効率を向上させる:この場合、AIは中心的なハイライトではなく、舞台裏の労働者として、あるいはユーザーに無関心であることが多くなります。 暗号の組み合わせは非常にサトシになりたい、高い適合性のポイントを把握し、最も価値のあるポイントは、一方ではAIを生産価値ツールとして使用し、効率と品質を向上させることであり、他方では、AIの推論能力を通じてユーザーのゲーム体験を向上させ、AIと暗号は非常に重要な価値をもたらしますが、根本的にはまだテクノロジーを道具化する手段を使用しており、プロジェクトの本当の利点と核心は依然としてゲームを開発するチームの能力です
AIマーケットプレイスと組み合わせることで、ユーザーにとってエコシステム全体の重要な部分となっています。
3つ、ついに…
強調したり要約したりする必要があることが本当にあるとすれば、AIは依然としてWeb3で最も注目され、最も有望なトラックの1つであり、この一般的なロジックは変わりません。
しかし、最も注目すべきはAIマーケットプレイスのゲームプレイであり、基本的にこのプラットフォームまたはインフラの設計は、価値創造のニーズに沿っており、すべての関係者の利益を満たすために、巨視的に、モデルまたはコンピューティングパワー自体に加えて、web3価値キャプチャのユニークな方法を作成することは十分に魅力的であり、同時に、これはユーザーが独自の方法でAIの波に直接参加することも可能にします。
もしかしたら、3ヶ月後にまた今の考えを覆すかもしれないので、
上記は、このトラックに関する私の意見であり、非常に現実的であり、実際には投資アドバイスを構成するものではありません。
参照
“opML is All You Need: Run a 13B ML Model in Ethereum”: __Ui5I9gFOy7-da_jI1lgEqtnzSIKcwuBIrk-6YM0Y