原作者: @charlotte 0211 z、@BlazingKevin_、Metrics Ventures
ヴィタリック 1 月 30 日に投稿The promise and challenges of crypto + AI applicationsこの記事では、ブロックチェーンと人工知能をどのように組み合わせる必要があるか、またその過程で生じる潜在的な課題について説明します。この記事が公開されてから 1 か月後、記事内で言及されている NMR、Near、および WLD はすべて良好な利益を達成し、価値発見のラウンドを完了しました。本稿では、Vitalik氏が提案するCryptoとAIの4つの組み合わせ方に基づいて、既存のAI路線の細分化の方向性を整理し、それぞれの方向性における代表的なプロジェクトを簡単に紹介する。
1 はじめに: 暗号通貨と AI を組み合わせる 4 つの方法
分散化はブロックチェーンによって維持されるコンセンサスであり、セキュリティの確保が中心的な考え方であり、オープンソースはオンチェーンの動作に暗号の観点から上記の特性を持たせるための重要な基盤です。過去数年間、このアプローチはブロックチェーンの変更のいくつかのラウンドに適用されてきましたが、人工知能が関与すると状況は変わります。
人工知能を使用してブロックチェーンやアプリケーションのアーキテクチャを設計することを想像してください。その場合、モデルをオープンソースにする必要があります。ただし、これにより、敵対的な機械学習に対する脆弱性が露呈し、そうしないと分散化が失われます。したがって、人工知能を現在のブロックチェーンやアプリケーションにどのように、どの程度深く統合するかを考える必要があります。
出典: DE イーサリアム大学
存在するDE UNIVERSITY OF ETHEREUMのWhen Giants Collide: Exploring the Convergence of Crypto x AIこの記事では、人工知能とブロックチェーンの中核的な特性の違いについて説明します。上の図に示すように、人工知能の特徴は次のとおりです。
集中化
透明度が低い
エネルギー消費
独占
弱い収益化属性
ブロックチェーンはこの5つの点で人工知能とは真逆です。これは Vitalik の記事の本当の主張でもあり、人工知能とブロックチェーンを組み合わせる場合、データの所有権、透明性、収益化能力、エネルギー消費コストなどの点でどのようなトレードオフを行うべきか、またインフラストラクチャにはどのようなバランスが必要か、という点が挙げられます。 2 つの効果的な組み合わせを確認してください。
上記の原則と独自の考え方に従って、Vitalik は人工知能とブロックチェーンを組み合わせたアプリケーションを 4 つの主要なカテゴリに分類します。
ゲームのプレイヤーとしての AI
ゲームへのインターフェースとしての AI
ゲームのルールとしての AI
ゲームの目的としての AI
このうち、最初の 3 つは主に暗号世界に AI が導入される 3 つの方法であり、浅いところから深いところまでの 3 つのレベルを表しており、著者の理解によれば、この区分は人間の意思決定に対する AI の影響度を表しています。したがって、暗号通貨全体がさまざまな程度のシステミック リスクを導入する基盤となります。
アプリケーションへの参加者としての人工知能: 人工知能自体は人間の意思決定や行動に影響を与えないため、現実の人間世界にリスクをもたらすことはなく、したがって現時点で最も高いレベルで実装されています。
アプリケーションインターフェイスとしての人工知能: 人工知能は、人間の意思決定や行動に補助情報や補助ツールを提供するため、ユーザーと開発者のエクスペリエンスが向上し、参入障壁が低くなりますが、誤った情報や操作は現実世界に一定のリスクをもたらします。 。
人工知能の適用ルール: 人工知能は意思決定と運用において人間に完全に置き換わります。したがって、人工知能の悪事や失敗は現実世界の混乱に直結します。Web2 であろうと Web3 であろうと、人工知能は現時点では不可能です。人間に代わって信頼されること。意思決定。
最後に、プロジェクトの 4 番目のカテゴリーは、より優れた人工知能を作成するために暗号通貨の特性を使用することに専念しています。前述したように、集中化、透明性の低さ、エネルギー消費、独占、通貨の弱さの属性はすべて、暗号通貨の属性を通じて自然に排除できます。 。 Crypto が人工知能の発展に影響を与えることができるかどうかについては多くの人が疑問を抱いていますが、分散化の力を通じて現実世界に影響を与えることは常に Crypto の最も魅力的な物語であり、このトラックはその壮大なアイデアを備えた AI コンテストにもなりました。最も誇大宣伝された部分。
2 参加者としての AI
AI 参加のメカニズムでは、最終的なインセンティブの源は人間の入力の同意から得られます。 AI がインターフェイスになる前、あるいはルールになる前に、AI がメカニズムに参加し、最終的にオンチェーン メカニズムを通じて報酬や罰を受けることができるように、さまざまな AI のパフォーマンスを評価する必要があることがよくあります。
参加者として、ユーザーやシステム全体に対する AI のリスクは、インターフェイスやルールとしての役割に比べて基本的に無視できるものであり、AI がユーザーの意思決定や行動に深い影響を与え始める前に必要な段階であると言えます。差別化 このレベルでのブロックチェーンの統合に必要なコストとトレードオフは比較的小さく、また、これは実装可能性が高いとブテリン氏が信じているタイプの製品でもあります。
広い観点と実装レベルで見ると、AI を活用したトレーディング ボットやチャットボットなど、現在の AI アプリケーションのほとんどがこのカテゴリに分類されますが、現在の実装レベルでは、AI の役割をインターフェースとして、あるいはルールとして実現することさえまだ困難です。異なる比較を使用しており、ボット内で段階的な最適化が実行されており、暗号通貨ユーザーは AI アプリケーションを使用する行動習慣をまだ身につけていません。 V神の記事では自律エージェントもこのカテゴリに分類されます。
ただし、狭義かつ長期的な観点からは、AI アプリケーションまたは AI エージェントをより詳細なカテゴリに分割する傾向があるため、このカテゴリの下での代表的な細分化トラックは次のとおりであると考えられます。
2.1 AI ゲーム
ある程度、AI ゲームはこのカテゴリに分類できます。プレイヤーは AI と対話し、AI キャラクターをトレーニングして、AI キャラクターを個人のニーズに合わせて作成します。ゲームの仕組み：中国はより戦闘的で競争力があります。ゲームは AI が現実世界に参入する前の過渡期であり、現在実装のリスクが低く、一般ユーザーにとって最も理解しやすいトラックでもあります AI Arena、Echelon Prime、Altered State Machine などの象徴的なプロジェクト
AI アリーナ: AI アリーナは、プレーヤーが AI を通じて学習および訓練し、ゲーム キャラクターを継続的に進化させることができる PVP 格闘ゲームです。より多くの一般ユーザーがゲームの形で AI に触れ、理解し、体験できるようにすると同時に、AI を利用できるようにすることを望んでいます。 AI Arena に基づいた人工知能エンジニアは、収益を増やすためにさまざまな AI アルゴリズムを提供します。各ゲームキャラクターは AI によって強化された NFT であり、コアは AI モデルを含むコアであり、IPFS に保存されるアーキテクチャとパラメータの 2 つの部分を含みます。新しい NFT のパラメータはランダムに生成されます。ランダムなアクションを実行し、ユーザーは模倣学習 (IL) のプロセスを通じてキャラクターの戦略的能力を向上させる必要があります。ユーザーがキャラクターを訓練し、進行状況を保存するたびに、パラメーターは IPFS 上で更新されます。
Altered State Machine: ASM は AI ゲームではなく、AI エージェントの権利確認と取引のためのプロトコルであり、メタバース AI プロトコルとして位置付けられており、現在 FIFA を含む複数のゲームと統合され、ゲームやメタバースに AI を導入しています。エージェント。 ASMはNFTを使用してAIエージェントの確認と取引を行います。各エージェントには、脳（エージェント自身の特性）、記憶（エージェントとモデルトレーニングによって学習された行動戦略を保存し、脳にバインドされている部分）の3つの部分が含まれます。形式（キャラクターの外観など）。 ASM には、分散型 GPU クラウド プロバイダーを含む Gym モジュールがあり、エージェントにコンピューティング能力のサポートを提供できます。現在 ASM を基盤として使用しているプロジェクトには、AIFA (AI フットボール ゲーム)、モハメド アリ (AI ボクシング ゲーム)、AI リーグ (FIFA と提携したストリート フットボール ゲーム)、Raicers (AI 主導のレーシング ゲーム)、および FLUF Worlds Thingies (生成NFT）。
Parallel Colony (PRIME): Echelon Prime は、プレイヤーが記憶と人生の軌跡に基づいて自律的に行動する AI アバターと対話し、影響を与えることができる AI LLM ベースのゲームである Parallel Colony を開発しています。 Colony は現在最も期待されている AI ゲームの 1 つであり、最近公式がホワイト ペーパーをリリースし、Solana への移行を発表し、PRIME に新たな利益の波をもたらしました。
2.2 予測市場/コンテスト
予測能力はAIの将来の意思決定や行動の基礎であり、AIモデルが実際の予測に使用される前に、予測コンテストではAIモデルの性能をより高いレベルで比較し、データサイエンティスト/AIモデルにインセンティブを提供します。これは、Crypto×AI 全体の開発にとって前向きな意味を持ちます。より効率的でパフォーマンスが高く、暗号通貨の世界により適したモデルとアプリケーションの継続的な開発を刺激することで、AI よりも優れた、より安全な製品を作成します。意思決定と行動により大きな影響を与える可能性があります。 Vとして
神が言ったように、予測市場は他の多くの種類の問題に拡張できる強力な原始的要素です。このサーキットの象徴的なプロジェクトには、Numerai と Ocean Protocol が含まれます。
Numerai: Numerai は、長期間にわたって実施されているデータ サイエンス コンテストです。データ サイエンティストは、過去の市場データ (Numerai によって提供) に基づいて株式市場を予測する機械学習モデルをトレーニングし、モデルと NMR トークンを優勝に賭けます。より良いパフォーマンスを持つモデルは NMR トークンのインセンティブを獲得し、悪いモデルの誓約されたトークンは破棄されます。 2024 年 3 月 7 日の時点で、合計 6,433 のモデルがステーキングされており、このプロトコルはデータ サイエンティストに総額 7,5760,979 ドルのインセンティブを提供しています。 Numerai は、世界中のデータ サイエンティストに新しいヘッジ ファンドの構築に協力するよう促しており、これまでに Numerai One や Numerai Supreme などのファンドが立ち上げられています。 Numerai の道筋: 市場予測競争 → クラウドソーシング予測モデル → クラウドソーシング モデルに基づく新しいヘッジファンド。
Ocean Protocol: Ocean Predictoor は、仮想通貨トレンドのクラウドソース予測から始めて、予測に注目しています。プレーヤーは、Predictoor ボットまたは Trader ボットを実行することを選択できます。Predictoor ボットは、AI モデルを使用して、次の時点 (5 分後など) での暗号通貨 (BTC/USDT など) の価格を予測し、一定額の $ を約束します。 OCEAN. 協定は OCEAN に基づいて行われます 世界的な予測は誓約金額に重み付けして計算されます トレーダーは予測結果を購入し、それに基づいて取引することができます 予測結果の精度が高ければ、トレーダーはそこから利益を得ることができます 予測する人間違った場合は罰せられますが、正しく予測した場合は、トークンのこの部分とトレーダーの購入手数料を報酬として受け取ることができます。 3 月 2 日、Ocean Predictor は最新の方向性である World-World Model (WWM) をメディアで発表し、天気やエネルギーなどの現実世界の予測の調査を開始しました。
3 インターフェースとしてのAI
AI は、ユーザーがシンプルでわかりやすい言語で何が起こっているのかを理解できるように支援し、暗号通貨の世界でユーザーの指導者として機能し、暗号通貨の使用しきい値とユーザーのリスクを軽減し、ユーザー エクスペリエンスを向上させるための潜在的なリスクに関するヒントを提供します。導入可能な具体的な製品には、ウォレットインタラクション中のリスクリマインダー、AI主導のインテントトランザクション、一般ユーザーからの仮想通貨に関する質問に答えるAIチャットボットなど、豊富な機能が備わっています。対象者層を拡大することで、一般ユーザー、開発者、アナリストなど、ほぼすべての層がAIのサービス対象となる。
これらのプロジェクトの共通点をもう一度繰り返してみましょう。これらのプロジェクトはまだ人間に代わって特定の意思決定や行動を行うわけではありませんが、AI モデルを活用して人間に意思決定や行動を支援する情報とツールを提供しています。このレベルから、誤った情報を提供することで人間の最終判断を妨害する可能性があるという、AI の悪のリスクがシステム内で露呈し始めており、これについてはブテリン氏の記事でも詳しく分析されています。
AI チャットボット、AI スマート コントラクト監査、AI コード作成、AI 取引ボットなど、このカテゴリに分類できる複雑なプロジェクトは数多くあります。現在、AI アプリケーションの大部分がこのカテゴリに分類されると言えます。ジュニアレベルでは、代表的なプロジェクトには次のようなものがあります。
PaaL: PaaL は現在 AI チャットボットの主要なプロジェクトです. 暗号関連の知識で訓練された ChatGPT とみなすことができます. TG と Discord を統合することで, ユーザーに次の機能を提供できます: トークンデータ分析, トークンファンダメンタルズとトークンエコノミクス分析, その他テキスト生成や画像などの機能により、PaaL Bot をグループチャットに統合して、一部の情報に自動的に返信できます。 PaaL はパーソナル ボットのカスタマイズをサポートしており、ユーザーはデータ セットをフィードすることで独自の AI ナレッジ ベースとカスタム ボットを構築できます。 PaalはAIトレーディングボットへの移行を進めており、2月29日、AIをサポートした仮想通貨リサーチ＆トレーディングターミナルPaalXのリリースを発表、紹介によると、AIスマートコントラクト監査、Twitterベースのニュース統合とトレーディング、仮想通貨を実現できるという。研究と取引のサポート 人工知能アシスタントは、ユーザーが使用する敷居を下げることができます。
ChainGPT：ChainGPTは人工知能に依存して、チャットボット、NFTジェネレーター、ニュース収集、スマートコントラクトの生成と監査、トランザクションアシスタント、プロンプトマーケット、AIクロスチェーン交換などの一連の暗号ツールを開発します。ただし、ChainGPT は現在、プロジェクトのインキュベーションと Launchpad に重点を置いており、24 のプロジェクトと 4 つの無料プレゼントの IDO を完了しました。
Arkham: Ultra は、Arkham の専用 AI エンジンであり、そのユースケースは、アドレスを現実世界のエンティティとアルゴリズム的に照合することで、暗号通貨業界の透明性を高めることです。 Ultra は、ユーザーが提供し、独自に収集したオンチェーンとオフチェーンのデータを結合し、スケーラブルなデータベースに出力し、最終的にチャートの形式で表示します。ただし、Arkham の文書では Ultra システムについては詳しく説明されていませんが、今回 Arkham が注目された理由は、OpenAI の創設者である Sam Altman 氏の個人投資が過去 30 日間で 5 倍に増加したためです。
GraphLinq: GraphLinq は、Coingecko のビットコインの価格を 5 分ごとに TG Bot にプッシュするなど、ユーザーがプログラミングを行わずにさまざまなタイプの自動化機能を展開および管理できるように設計された自動プロセス管理ソリューションです。 GraphLinq のソリューションは、Graph を使用して自動化プロセスを視覚化することであり、ユーザーはノードをドラッグすることで自動化されたタスクを作成し、GraphLinq エンジンを使用してそれらを実行できます。コードは必要ありませんが、Graph を作成するプロセスには、適切なテンプレートを選択し、数百の論理ブロックの中から適切なものを選択し、それらを接続するなど、一般ユーザーにとって一定の敷居が依然としてあります。したがって、GraphLinq は AI を導入し、ユーザーが会話型人工知能と自然言語を使用して自動化されたタスクの構築と管理を完了できるようにします。
0x 0.ai:**0x 0 AI 関連の主なビジネスは、AI スマート コントラクト監査、AI アンチラグ検出、AI 開発者センターの 3 つです。その中で、AIアンチラグ検出は、ユーザーが騙されることを防ぐために、過剰な税金や流動性の流出などの不審な行動を検出し、AI開発センターは機械学習テクノロジーを使用してスマートコントラクトを生成し、ノーコードデプロイメントコントラクトを実装します。ただし、AI スマート コントラクト監査は初期段階で開始されたばかりで、他の 2 つの機能はまだ開発されていません。
Zignaly: Zignaly は、コピー取引のロジックと同様に、個人投資家が自分で暗号資産を管理するファンドマネージャーを選択できるようにするために 2018 年に誕生しました。 Zignaly は、機械学習と人工知能技術を使用して、ファンド マネージャーを体系的に評価するための指標システムを確立しています。現在発売されている最初の製品は Z-Score ですが、人工知能製品としてはまだ比較的初歩的です。
4 ゲームのルールとしての AI
これが最もエキサイティングな部分であり、意思決定と行動において AI が人間に取って代わることを可能にし、AI があなたのウォレットを直接制御し、あなたに代わって取引の決定と行動を行います。この分類では、著者は主に AI アプリケーション (特に AI 自動取引ボット、AI DeFi インカム ボットなどの自律的意思決定のビジョンを持つアプリケーション)、自律エージェント プロトコル、および zkml の 3 つのレベルに分類できると考えています。 /opml.
AI アプリケーションは、特定の分野の問題について具体的な意思決定を行うためのツールであり、さまざまな細分化された知識とデータを蓄積し、細分化された問題に応じて調整された AI モデルに依存して意思決定を行います。この記事では、AI アプリケーションをインターフェースとルールの 2 つのカテゴリに分類していることに注意してください。開発ビジョンの観点から、AI アプリケーションは独立した意思決定エージェントになる必要があります。しかし、現時点では、どちらも AI の有効性を保証するものではありません。モデルも統合 AI のセキュリティも、この要件を満たすことができず、インターフェイスとしても少し抵抗があります。AI アプリケーションは非常に初期段階にあります。具体的なプロジェクトについては以前に紹介したので、ここでは詳しく説明しません。
Buterin 氏は Autonomous Agent を最初のカテゴリ (参加者としての AI) として取り上げましたが、この記事では長期的な観点から 3 番目のカテゴリに分類します。自律エージェントは、大量のデータとアルゴリズムを活用して人間の思考と意思決定のプロセスをシミュレートし、さまざまなタスクと対話を実行します。この記事では、主にエージェントの通信層、ネットワーク層、その他のインフラストラクチャに焦点を当てます。これらのプロトコルは、エージェントの所有権を定義し、エージェントの ID、通信標準と通信方法を確立し、複数のエージェント アプリケーションを接続し、協調的な意思決定と動作を可能にします。
zkML/opML: 暗号化または経済学の手法を通じて、正しいモデル推論プロセスを通じて信頼できる出力を提供することが保証されます。セキュリティの問題は、スマート コントラクトへの AI の導入にとって非常に致命的です。スマート コントラクトは、入力に依存して出力を生成し、一連の機能を自動的に実行します。AI が悪さをして誤った入力を与えると、システムに大きなシステムリスクをもたらすことになります。したがって、zkML /opML とさまざまな潜在的なソリューションは、AI が独立して動作し、意思決定できるようにするための基盤となります。
最後に、これら 3 つは動作ルールとして AI の 3 つの基本レベルを構成します: zkml/opml はプロトコルのセキュリティを確保するための最低のインフラストラクチャとして機能します。エージェント プロトコルはエージェント エコシステムを確立し、協力して意思決定と動作を行うことができます。AI アプリケーションも同様です。特定の AI エージェントは、特定の分野で能力を継続的に向上させ、実際に意思決定と行動を行います。
4.1 Autonomous Agent
暗号通貨の世界における AI エージェントの適用は自然であり、スマート コントラクトから TG ボット、AI エージェントに至るまで、暗号通貨の世界はより高度な自動化とより低いユーザーしきい値に向かって進んでいます。スマート コントラクトは改ざん不可能なコードを通じて機能を自動的に実行しますが、起動するには外部トリガーに依存する必要があり、自律的かつ継続的に実行することはできません。TG ボットはユーザーのしきい値を下げます。ユーザーは暗号化フロントと直接対話する必要はありません。最後に、自然言語を通じてオンチェーンの対話を完了しますが、非常に単純で特殊なタスクしか完了できず、ユーザーの意図を中心としたトランザクションを実現することはできません。AI エージェントは特定の独立した意思決定能力を持ち、ユーザーの自然言語を理解し、また、他のエージェントやオンチェーン ツールを独自に見つけて組み合わせて、ユーザーが指定した目標を達成します。
AI エージェントは、暗号化製品の使用エクスペリエンスを大幅に向上させるために取り組んでおり、ブロックチェーンは AI エージェントの運用をより分散化、透明性、安全にするのにも役立ちます。
より多くの開発者にトークンを通じてエージェントを提供するよう奨励する
NFT確認により、エージェントベースのチャージとトランザクションが促進されます
チェーン上にエージェント ID と登録メカニズムを提供する
改ざんできないエージェントのアクティビティ ログを提供し、エージェントのアクションに対するタイムリーな追跡と説明責任を実施します。
このトラックの主なプロジェクトは次のとおりです。
Autonolas: Autonolas は、オンチェーン プロトコルを通じてエージェントと関連コンポーネントの資産所有権と構成可能性をサポートし、コード コンポーネント、エージェント、サービスをチェーン上で検出して再利用できるようにし、開発者が金銭的報酬を受け取るよう奨励します。開発者が完全なエージェントまたはコンポーネントを開発した後、コードをチェーンに登録し、コードの所有権を表す NFT を取得します。サービス所有者は複数のエージェントを統合してサービスを作成し、チェーンに登録し、エージェントを引き付けます。オペレーターからサービスが実際に実行され、ユーザーはサービスの使用料を支払います。
Fetch.ai: Fetch.ai は AI 分野での強力なチーム背景と開発経験を持ち、現在は AI エージェント トラックに注力しています。このプロトコルは、AI エージェント、Agentverse、AI エンジン、フェッチ ネットワークという 4 つの主要なレイヤーで構成されています。 AI エージェントはシステムの中核であり、その他はエージェント サービスの構築を支援するフレームワークやツールです。 Agentverse は、主に AI エージェントの作成と登録に使用される Software-as-a-Service プラットフォームです。 AI エンジンの目標は、ユーザーの自然言語入力を読み取り、それを実行可能な文字に変換し、Agentverse に登録されている最も適切な AI エージェントを選択することによってタスクを実行することです。 Fetch Network はプロトコルのブロックチェーン層であり、AI エージェントは他のエージェントとの連携サービスを開始する前に、チェーン上の Almanac コントラクトに登録する必要があります。 Autonolas が現在、暗号通貨の世界でのエージェントの構築に注力し、チェーンにオフチェーンのエージェント操作を導入していることは注目に値します; Fetch.ai の焦点には、旅行予約、天気予報などの Web2 の世界が含まれます。
Delysium: Delysium はゲームから AI エージェント プロトコルに変換されました。これには主に通信層とブロックチェーン層の 2 つの層が含まれます。通信層は Delysium のバックボーンであり、相互間の高速かつ効率的な通信を可能にする安全でスケーラブルなインフラストラクチャを提供します。 AI エージェント: 通信の場合、ブロックチェーン層はエージェントを認証し、スマート コントラクトを通じてエージェントの動作の改ざん不可能な記録を実現します。具体的には、通信層は、エージェント間の統一通信プロトコルを確立し、エージェントが共通の言語を通じて相互に通信できるように標準化されたメッセージング システムを使用するとともに、ユーザーと他のエージェントが迅速に通信できるようにサービス ディスカバリ プロトコルと API を確立します。利用可能なエージェントを検出して接続します。ブロックチェーン レイヤーは主に 2 つの部分で構成されます: エージェント ID と Chronicle スマート コントラクト。エージェント ID により、正当なエージェントのみがネットワークにアクセスできるようになります。クロニクルは、エージェントによって行われたすべての重要な決定と動作のログ リポジトリです。後で改ざんすることはできませんエージェントの動作の信頼できる追跡可能性を確保するために、チェーンにアップロードされます。
Altered State Machine: NFT を介したエージェントの資産所有権とトランザクションの基準を設定します。具体的な分析はパート 1 に記載されています。ASM は現在主にゲームに関連していますが、基本的な仕様として、他のエージェント分野にも拡張する可能性もあります。
Morpheous: AI エージェントのエコロジカル ネットワークが構築されています。この契約は、コーダー、コンピューター プロバイダー、コミュニティ ビルダー、キャピタルの 4 つの役割を結びつけるように設計されており、それぞれ AI エージェント、コンピューティング パワー、フロントエンドおよび開発ツール、および資金をサポートする資金を提供します。 MOR は、コンピューティングパワーを提供するマイナー、stETH 誓約者、エージェントまたはスマートコントラクトの開発貢献者、およびコミュニティ開発貢献者にインセンティブを提供するために公正な立ち上げの形式をとります。
4.2 zkML/opML
ゼロ知識証明には現在、次の 2 つの主な応用方向があります。
オペレーションが低コストで正しく実行されていることをオンチェーンで証明します (ZK-Rollup および ZKP クロスチェーン ブリッジは ZK のこの機能を利用しています)。
プライバシー保護: 計算が正しく実行されたことを証明するために、計算の詳細を知る必要はありません。
同様に、機械学習における ZKP の適用も 2 つのカテゴリに分類できます。
推論検証：ZK-proofにより、AIモデル推論の集中的な計算プロセスがオフチェーンで正しく実行されていることをチェーン上で低コストで証明します。
プライバシー保護: 2 つのカテゴリに分類できます。1 つはデータ プライバシーの保護、つまりパブリック モデルでの推論にプライベート データを使用し、プライベート データを保護するために ZKML を使用できます。もう 1 つはモデルのプライバシーの保護です。 、モデルを非表示にしたい 公開入力から重みなどの特定の情報が計算され、出力結果が得られます。
現在 Crypto にとってより重要なのは推論検証であると著者は考えており、ここでは推論検証シナリオについてさらに詳しく説明します。参加者としての AI から始まり、世界のルールとしての AI へ、私たちは AI をオンチェーン プロセスの一部にしたいと考えていますが、AI モデル推論の計算コストはチェーン上で直接実行するには高すぎます。このプロセスはオフチェーンです。これは、このブラック ボックスによって引き起こされる信頼性の問題と共存する必要があることを意味します。AI モデル ランナーは私の入力を改ざんしましたか?指定したモデルは推論に使用されましたか? ML モデルを ZK 回路に変換することで、(1) より小さなモデルをチェーンにアップロードし、小さな zkML モデルをスマート コントラクトに保存し、それらをチェーンに直接アップロードして不透明性の問題を解決する、(2) 完全な推論が可能になります。チェーン上で ZK 証明を実行して推論プロセスの正しさを証明することで、インフラストラクチャにはメイン コントラクト (ML モデルを使用して結果を出力する) という 2 つのコントラクトが含まれるようになります。および ZK-Proof 検証契約。
zkML はまだ非常に初期段階にあり、ML モデルを ZK 回路に変換する際の技術的問題と、非常に高い計算および暗号化のオーバーヘッド コストに直面しています。 Rollup の開発パスと同様に、opML は経済的な観点から別のソリューションになりました。opML は Arbitrum の AnyTrust 仮定を使用します。つまり、各クレームには送信者または少なくとも 1 人の検証者が正直であることを保証するために、少なくとも 1 つの正直なノードがあります。ただし、OPML は推論検証の代替手段にすぎず、プライバシー保護を実現することはできません。
現在のプロジェクトは、zkMLのインフラストラクチャを構築し、そのアプリケーションの探索に懸命に取り組んでいますが、仮想通貨ユーザーにzkMLの重要な役割を明確に示し、最終的な価値が莫大なコストを相殺できることを証明する必要があるため、アプリケーションの確立も同様に重要です。これらのプロジェクトの中には、機械学習に関連する ZK テクノロジーの研究開発 (Modulus Labs など) に焦点を当てているものもありますが、より一般的な ZK インフラストラクチャの構築に重点を置いているものもあります。
Modulus は zkML を使用して、オンチェーン推論プロセスに人工知能を適用しています。 Modulus は 2 月 27 日に zkML 証明者 Remainder をリリースし、同等のハードウェアでの従来の AI 推論と比較して 180 倍の効率向上を達成しました。さらに、Modulus は、Upshot と協力して複雑な市場データを収集し、NFT 価格を評価し、ZK プルーフを備えた人工知能を使用して価格をチェーンに送信するなど、zkML の実用的なユースケースを探求するために複数のプロジェクトと協力しています。戦っているアバターがプレイヤーによって訓練されたものと同じであることを証明するため。
Risc Zero はモデルをオンチェーンに置き、RISC Zero の ZKVM で機械学習モデルを実行することで、モデルに含まれる正確な計算が正しく実行されたことを証明できます。
Ingonyama は、ZK テクノロジー専用のハードウェアを開発しています。これにより、ZK テクノロジー分野への参入障壁が低くなる可能性があり、zkML はモデルのトレーニング プロセスでも使用される可能性があります。
5 目標としての AI
最初の 3 つのカテゴリが、AI がどのように Crypto に力を与えるかに重点を置く場合、「目標としての AI」は、Crypto の AI への支援、つまり、Crypto を使用してより良い AI モデルと製品を作成する方法を強調します。これには、複数の評価基準が含まれる場合があります。 より効率的、より正確、より分散化など。
AI にはデータ、コンピューティング能力、アルゴリズムという 3 つのコアが含まれており、Crypto はあらゆる次元で AI に対するより効果的な支援を提供することに取り組んでいます。
データ: データはモデル トレーニングの基礎です。分散型データ プロトコルは、暗号化を使用してデータ プライバシーを保護し、機密性の高い個人データの漏洩を回避しながら、個人または企業がより多くのプライベート ドメイン データを提供することを奨励します。
コンピューティング能力: 分散型コンピューティング能力トラックは、現在最も注目されている AI トラックであり、この協定は、モデルのトレーニングと推論の需要と供給の間のマッチング市場を提供することにより、ロングテール コンピューティング能力と AI 企業のマッチングを促進します。
アルゴリズム: Crypto によるアルゴリズムの強化は、分散型 AI の実現における中心的なリンクです。これは、Vitalik の記事の「目標としての AI」の物語の主要な内容でもあります。分散型で信頼できるブラック ボックス AI を作成するには、前述したように、敵対的な機械学習は解決されるでしょうが、非常に高い暗号オーバーヘッドなどの一連の障害に直面するでしょう。さらに、「暗号化インセンティブを使用して、より優れた AI の作成を奨励する」ことも、完全暗号化という暗号化のウサギの穴に完全に落ちずに達成できます。
大手テクノロジー企業によるデータとコンピューティング能力の独占により、モデルのトレーニング プロセスが独占され、クローズドソース モデルが大企業の利益の鍵となっています。インフラストラクチャの観点から見ると、Crypto は、経済的手段を通じてデータとコンピューティング能力の分散型供給を奨励するとともに、その過程で暗号化手法を通じてデータのプライバシーを確保し、これに基づいて、より透明性の高い分散型 AI を実現するための分散型モデルのトレーニングを促進します。
5.1 分散型データプロトコル
分散型データ プロトコルは主にデータ クラウドソーシングの形で実行され、企業がモデル トレーニングを行うためにデータ セットやデータ サービス (データ アノテーションなど) を提供するようユーザーを動機付けたり、需要と供給のマッチングを促進するためにデータ マーケットプレイスをオープンしたりするなどの形で行われます。プロトコルは、DePIN インセンティブ プロトコルを通じて探索したり、ユーザーの閲覧データを取得したり、ユーザーのデバイス/帯域幅を使用してネットワーク データ クローリングを完了したりすることもできます。
Ocean Protocol: データの確認とトークン化 ユーザーは、コード不要の方法で Ocean Protocol でデータ/アルゴリズムの NFT を作成し、対応するデータトークンを作成してデータ NFT へのアクセスを制御できます。 Ocean Protocol は、Compute To Data (C 2D) を通じてデータのプライバシーを確保します。ユーザーはデータ/アルゴリズムに基づいた出力結果のみを取得できますが、完全にダウンロードすることはできません。 Ocean Protocol は 2017 年に設立されました。データ市場として、このブームの中で AI トレーニングに追いつくのは自然なことです。
Synesis One: このプロジェクトは、Solana 上の Train 2 Earn プラットフォームです。ユーザーは自然言語データとデータ注釈を提供することで $SNS 報酬を獲得します。ユーザーはデータを提供することでマイニングをサポートします。データは検証後に保存され、チェーンにアップロードされます。使用者は次のとおりです。トレーニングと推論を行う AI 企業。具体的には、マイナーは Architect/Builder/Validator の 3 つのカテゴリに分類されます。Architect は新しいデータ タスクの作成を担当し、Builder は対応するデータ タスクにコーパスを提供し、Validator は Builder によって提供されたデータ セットを検証します。完成したデータセットはIPFSに保存され、データソースとIPFSアドレスはチェーン上に保存され、AI企業（現Mind AI）が使用するためにオフチェーンデータベースにも保存されます。
Grass: AI の分散データ レイヤーとして知られており、本質的には Web をスクレイピングし、AI モデルのトレーニング用のデータを取得するための分散マーケットプレイスです。インターネット Web サイトは AI トレーニング データの重要なソースです。Twitter、Google、Reddit を含む多くの Web サイトのデータは非常に価値がありますが、これらの Web サイトはデータ クローリングを常に制限しています。 Grass は、パーソナル ネットワークの未使用の帯域幅を使用して、異なる IP アドレスを使用して公開 Web サイトからデータをクロールし、予備的なデータ クリーニングを完了し、AI モデル トレーニング会社やプロジェクトのデータ ソースになることでデータ ブロックの影響を軽減します。 Grass は現在ベータテスト段階にあり、ユーザーは帯域幅を提供してポイントを獲得し、潜在的なエアドロップを受け取ることができます。
AIT プロトコル: AIT プロトコルは、開発者にモデル トレーニング用の高品質のデータ セットを提供するように設計された分散型データ アノテーション プロトコルです。 Web3 を使用すると、世界中の従業員がネットワークに迅速にアクセスし、データ アノテーションを通じてインセンティブを得ることができます。AIT のデータ サイエンティストはデータに事前にアノテーションを付け、その後ユーザーによってさらに処理されます。データ サイエンティストによる検査後、基準を通過したデータは、品質検査は開発者に提供されます。
前述のデータ提供およびデータ注釈プロトコルに加えて、Filecoin、Arweave などの以前の分散ストレージ インフラストラクチャも、より分散化されたデータの支援を提供します。
5.2 分散型コンピューティング能力
AI 時代において、コンピューティング能力の重要性は自明の理であり、Nvidia の株価が最高値に達しているだけでなく、暗号通貨の世界では、分散型コンピューティング能力が AI の最も誇大広告のセグメントであると言えます。トラック - 時価総額上位 200 社に入る 11 の AI プロジェクトのうち、分散型コンピューティング能力に焦点を当てた 5 つのプロジェクト (Render/Akash/AIOZ Network/Golem/Nosana) があり、高倍の成長を遂げていますここ数ヶ月で。また、時価総額が小さいプロジェクトで多くの分散型コンピューティング パワー プラットフォームが出現しているのを見てきましたが、NVIDIA カンファレンスの波を受けて、まだ始まったばかりではありますが、GPU に関連するものであれば、急速に勢いを増しています。
トラックの特性から判断すると、この方向のプロジェクトの基本ロジックは非常に均質です。トークン インセンティブを通じて、アイドル状態のコンピューティング リソースを持つ個人または企業がリソースを提供することで、使用コストが大幅に削減され、コンピューティング パワーの需要と供給が確立されます。現在、市場におけるコンピューティングパワーの主な供給源は、データセンター、マイナー（特にイーサリアムがPoSに切り替わった後）、コンシューマーコンピューティングパワー、および他のプロジェクトとの協力によるものです。同質ではありますが、これは主要プロジェクトへの高い堀を備えたトラックであり、このプロジェクトの主な競争上の利点は、コンピューティング電源リソース、コンピューティング電源レンタル価格、コンピューティング電源利用率、およびその他の技術的利点によってもたらされます。このトラックの主要プロジェクトには、Akash、Render、io.net、Gensyn などがあります。
具体的な事業の方向性に応じて、プロジェクトは大きく「AIモデル推論」と「AIモデルトレーニング」の2つに分類されます。 AI モデルのトレーニングは推論よりもはるかに高い計算能力と帯域幅を必要とし、分散推論よりも実装が難しく、モデル推論の市場は急速に拡大しているため、予測可能な収入は将来モデル トレーニングよりも大幅に高くなるでしょう。ほとんどのプロジェクトは推論に焦点を当てています (Akash、Render、io.net）、トレーニングのリーダーはGensynです。このうち、Akash と Render は先に誕生したものであり、AI コンピューティングのために生まれたものではなく、Akash は当初一般的なコンピューティングに使用され、Render は主にビデオや画像のレンダリングに使用され、io.net は AI コンピューティングに特化して設計されましたが、AI では、コンピューティング能力の需要がより高いレベルに引き上げられた後、これらのプロジェクトは AI で開発される傾向があります。
2 つの最も重要な競争指標は、依然として供給側 (コンピューティング電力リソース) と需要側 (コンピューティング電力利用率) から得られます。 Akash には 282 個の GPU と 20,000 個を超える CPU があり、160,000 のリースが完了しており、GPU ネットワークの使用率は 50 ～ 70% と、このトラックでは良好な数字です。 io.net には 40272 個の GPU と 5958 個の CPU に加え、Render の 4318 GPU と 159 個の CPU、および Filecoin の 1024 GPU (現在完了している約 200 個の H 100 ブロックと数千個の A 100 ブロックを含む) のライセンスがあります。 .net は、非常に高いエアドロップの期待でコンピューティング リソースを引き付けています。GPU データは急速に増加しているため、トークンの発行後にリソースを引き付ける能力を再評価する必要があります。 RenderとGensynは具体的なデータを公開しなかった。さらに、多くのプロジェクトは、環境協力を通じて需要と供給の面での競争力を向上させています。たとえば、io.net は、Render と Filecoin のコンピューティング能力を利用して、リソースの埋蔵量を向上させています。Render は、コンピューティング クライアント プラン (RNP-004) を確立しています。 ). ユーザーがクライアントを計算できるようにします。io.net、Nosana、FedMl、Beam は、Render のコンピューティング リソースに間接的にアクセスすることで、レンダリング分野から人工知能コンピューティングに迅速に移行します。
さらに、分散コンピューティングの検証には、コンピューティング リソースを持つ作業者がコンピューティング タスクを正しく実行したことをどのように証明するかという問題が残されています。 Gensyn は、確率的学習証明、グラフベースの正確な位置決めプロトコル、インセンティブを通じて計算の正しさを保証するための検証レイヤーの構築を試みており、検証者と内部告発者が共同で計算をチェックするため、Gensyn は分散化のためのトレーニングに加えて提供しますコンピューティング能力のサポートと、それが確立する検証メカニズムにも独自の価値があります。 Solana 上にあるコンピューティング プロトコルである Fluence には、コンピューティング タスクの検証も追加されており、開発者は、オンチェーン プロバイダーによって公開されたプルーフをチェックすることで、アプリケーションが期待どおりに実行されていること、および計算が正しく実行されていることを検証できます。ただし、実際の需要は依然として「信頼できる」よりも「実行可能」の方が大きいです。コンピューティング プラットフォームには、まず競争の可能性がある十分なコンピューティング能力が必要です。もちろん、優れた検証プロトコルの場合は、コンピューティング パワーにアクセスすることを選択できます。他のプラットフォームの認証層とプロトコル層は独自の役割を果たします。
5.3 分散型モデル
Vitalik が説明する究極のシナリオ (下図に示す) からはまだかなり遠いですが、現時点では、敵対的な機械学習の問題を解決し、データを訓練するために、ブロックチェーンと暗号化技術を通じて信頼できるブラック ボックス AI を作成することはできません。クエリ出力までの AI 実行プロセス全体に非常に大きな費用がかかります。しかし、現在、インセンティブ メカニズムを通じてより良い AI モデルを作成しようとするプロジェクトが存在しており、まず、異なるモデル間の閉鎖状態を開放し、モデル間の相互学習、コラボレーション、健全な競争のパターンを作成しました。Bittensor はその最も代表的なものです。 。 プロジェクト。
Bittensor: Bittensor はさまざまな AI モデルの組み合わせを推進していますが、Bittensor 自体はモデルをトレーニングせず、主に AI 推論サービスを提供していることに注意してください。 Bittensor の 32 のサブネットは、データ キャプチャ、テキスト生成、テキスト 2 画像などのさまざまなサービスの方向に焦点を当てています。タスクを完了するとき、さまざまな方向に属する AI モデルは相互に連携できます。インセンティブメカニズムにより、サブネット間およびサブネット内の競争が促進されます。現在、報酬はブロックあたり 1 TAO のレートで発行されます。毎日合計約 7,200 TAO トークンが発行され、SN 0 (ルート ネットワーク) で 64 回の検証が行われます。サブネットのパフォーマンスに基づいて、これらの報酬を異なるサブネット間で分配します。分配率、サブネットバリデーターは、マイナーの作業を評価することによって、異なるマイナー間の配分比率を決定します。これにより、より良いサービスとより優れたパフォーマンスのモデルがより多くのインセンティブを受け取り、システム全体の推論品質の向上が促進されます。
6 結論: MEME の誇大宣伝か、それとも技術革命か?
サム アルトマンの動きによって引き起こされた ARKM と WLD の価格の高騰から、一連の参加プロジェクトにつながった NVIDIA カンファレンスまで、多くの人が AI トラックでの投資哲学を調整しています。技術革命？
いくつかの有名人のトピック (ARKM や WLD など) を除いて、AI トラック全体は「技術的な物語が支配する MEME」に似ています。
一方で、Crypto AI トラック全体の盛り上がりは Web2 AI の進歩と密接に関連している必要があり、OpenAI が主導する外部の盛り上がりが Crypto AI トラックのトリガーとなるでしょう。一方で、AIトラックのストーリーは依然として技術的なナラティブが支配的ですが、もちろん、ここで強調するのは「テクノロジー」ではなく「技術的なナラティブ」であり、それによってAIの細分化の方向性が選択されます。 AI トラックとプロジェクトの基礎 注意力は依然として重要であり、宣伝価値のある物語の方向性を見つける必要があり、また中長期的な競争力と堀を備えたプロジェクトを見つける必要もあります。
Vitalik が提案した 4 つの可能な組み合わせから、物語の魅力と実装の可能性の間のトレードオフがわかります。 AI アプリケーションに代表される 1 番目と 2 番目のカテゴリでは、GPT Wrapper が多く見られますが、製品のリリースは早いですが、ビジネスの同質性も高く、先行者利益、エコシステム、ユーザー数、製品収益がストーリーになります。均質な競争。 3 番目と 4 番目のカテゴリーは、エージェントのオンチェーン コラボレーション ネットワーク、zkML、AI の分散型再構築など、AI と暗号の組み合わせの壮大な物語を表しています。これらはすべて初期段階にあり、技術革新を伴うプロジェクトはすぐに注目を集めるでしょう。たとえそれがごく初期の実装であっても。
私たちについて
Metrics Ventures は、経験豊富な暗号通貨専門家チームが率いる、データとリサーチ主導の暗号資産流通市場流動性ファンドです。このチームは、プライマリー市場のインキュベーションとセカンダリー市場の取引に関する専門知識を有しており、オンチェーン/オフチェーンの詳細なデータ分析を通じて業界の発展に積極的な役割を果たしています。 MVC は、暗号化コミュニティの上級影響力のある人物と協力して、メディアおよび KOL リソース、エコロジー コラボレーション リソース、プロジェクト戦略、経済モデル コンサルティング機能など、プロジェクトを長期的に可能にする機能を提供します。
暗号資産の市場と投資に関する洞察やアイデアを共有し、議論するために、DM への皆さんを歓迎します。
研究内容はTwitterとNotionで同時公開していきますので、ぜひフォローしてください。
Twitter: https://twitter.com/MetricsVentures
Notion: https://www.notion.so/metricsventures/Metrics-Ventures-475803b4407946b1ae6e0eeaa8708fa2?pvs=4
募集中! 給与が高く、勤務地が柔軟なトレーダーを探しています。
以下の場合: 購入したソルが 40 ordi 未満 / 25 inj 未満 / 3.2 rndr 未満 / 10 tia 未満 上記のいずれか 2 つを満たす場合は、admin@metrics.ventures、ops@metrics.ventures までご連絡ください。
