Web3-AI 分野は、暗号通貨分野で最もホットな分野の 1 つであり、大きな期待と大きな誇大宣伝が組み合わされています。従来の AI 市場の代理物語のみによって推進され、時価総額が数十億ドルにも達しながらも実用的なユースケースのない Web3-AI プロジェクトの数を指摘するのは、ほとんど異端のように感じられます。一方、Web2 と Web3 間の AI 機能のギャップは、驚くほど拡大し続けています。ただし、Web3-AI はすべて誇大宣伝ではありません。生成 AI 市場の最近の開発は、より分散化されたアプローチの価値提案を浮き彫りにしています。
これらすべての要素を考慮すると、私たちは、生成 AI 業界の現状とは切り離された、過剰に宣伝され、過剰に資金が投入された市場に身を置いていますが、生成 AI の次の波に向けて莫大な価値を引き出す可能性を秘めています。混乱を感じるのは当然です。誇大宣伝から一歩引いて、現在の要件の観点から Web3-AI 領域を分析すると、Web3 が大きな価値を提供できる領域が明確に浮かび上がります。ただし、そのためには、密集した現実歪曲フィールドを切り抜ける必要があります。
Web3-AI現実歪曲
暗号通貨のネイティブである私たちは、あらゆるものに分散化の価値を見出す傾向があります。しかし、AI はデータと計算の面でますます集中化が進む力として進化しているため、分散型 AI の価値提案は、その自然な集中化の力に対抗することから始める必要があります。
AI に関しては、Web3 で生み出されていると私たちが認識している価値と AI 市場のニーズとの間に、ますます不一致が生じています。懸念される現実は、Web2 と Web3 AI のギャップが縮まるどころか拡大しており、その主な要因は次の 3 つです。
限られたAI研究人材
Web3 で研究している AI 研究者の数は 1 桁台前半です。これは、Web3 が AI の未来であると主張する人々にとって、決して励みにはなりません。
制約のあるインフラストラクチャ
Web アプリを Web3 バックエンドで適切に動作させることにはまだ成功していないため、AI について考えるのは控えめに言っても無理があります。Web3 インフラストラクチャは、生成 AI ソリューションのライフサイクルには実用的ではない計算上の制約を課します。
限られたモデル、データ、計算リソース
生成 AI は、モデル、データ、コンピューティングの 3 つに依存しています。大規模な最先端モデルはいずれも Web3 インフラストラクチャで実行できる状態ではなく、大規模なトレーニング データセットの基盤もありません。また、Web3 GPU クラスターと、基礎モデルの事前トレーニングと微調整に必要なクラスターとの間には、品質に大きなギャップがあります。
難しい現実は、Web3 が「貧乏人向け」の AI を構築しており、本質的には Web2 AI の機能に匹敵しようとして劣ったバージョンを作成しているということです。この現実は、AI のいくつかの領域における分散化の大きな価値提案とはまったく対照的です。
この分析を抽象的な論文にしないために、さまざまな分散型 AI のトレンドを詳しく調べ、AI 市場の可能性と比較して評価してみましょう。
続きを読む: ヘスス・ロドリゲス - 暗号通貨でオープンソース生成AIに資金提供
Web3-AI における現実の歪みにより、イノベーションと資金提供の最初の波は、AI 市場の現実とはかけ離れた価値提案を持つプロジェクトに集中するようになりました。同時に、Web3-AI には大きな可能性を秘めた新たな分野が他にもあります。
過大評価されているWeb3-AIトレンド
トレーニングと微調整のための分散型 GPU インフラストラクチャ
ここ数年、基盤モデルの事前トレーニングと微調整を民主化することを約束する分散型 GPU インフラストラクチャが爆発的に増加しています。そのアイデアは、既存の AI ラボによって確立された GPU 独占に代わるものを実現することです。現実には、大規模な基盤モデルの事前トレーニングと微調整には、超高速通信バスで接続された大規模な GPU クラスターが必要です。分散型 AI インフラストラクチャで 500 億～ 1,000 億の基盤モデルの事前トレーニング サイクルを実行するには、うまく機能するとしても 1 年以上かかる可能性があります。
ZK-AI フレームワーク
ゼロ知識 (ZK) 計算と AI を組み合わせるというアイデアは、基盤モデルでプライバシー メカニズムを有効にする興味深い概念を生み出しました。Web3 での ZK インフラストラクチャの重要性を考えると、いくつかのフレームワークが基盤モデルに ZK 計算を埋め込むことを約束しています。理論的には魅力的ですが、ZK-AI モデルは、大規模なモデルに適用すると、計算の観点から法外に高価になるという課題にすぐに直面します。さらに、ZK は、生成 AI で最も有望な分野の 1 つである解釈可能性などの側面を制限します。
推論の証明
暗号は暗号証明に関するもので、時にはそれが必要のないものに付加されることがあります。Web3-AI の分野では、特定のモデル出力の暗号証明を発行するフレームワークの例が見られます。これらのシナリオの課題は技術的なものではなく、市場に関連したものです。基本的に、推論証明は問題を探すソリューションのようなもので、現在、実際の使用例はありません。
潜在力の高いWeb3-AIトレンド
財布を持つエージェント
エージェントワークフローは、生成 AI の最も興味深いトレンドの 1 つであり、暗号に大きな可能性を秘めています。エージェントとは、入力に基づいて受動的に質問に答えるだけでなく、特定の環境に対してアクションを実行できる AI プログラムを指します。ほとんどの自律エージェントは独立したユースケース向けに作成されていますが、マルチエージェント環境とコラボレーションが急速に登場しています。
これは、暗号が大きな価値を引き出すことができる領域です。たとえば、エージェントがタスクを完了するために他のエージェントを雇ったり、出力の品質を保証するために何らかの価値を賭けたりする必要があるシナリオを想像してください。暗号レールの形で金融プリミティブをエージェントにプロビジョニングすると、エージェントコラボレーションの多くのユースケースが実現します。
AIのための暗号通貨資金調達
生成 AI の最もよく知られた秘密の 1 つは、オープンソース AI の分野が途方もない資金難に陥っていることです。ほとんどのオープンソース AI ラボは、大規模なモデルに取り組む余裕がなくなり、代わりに大量のコンピューティング アクセスとデータを必要としない他の分野に注力しています。暗号通貨は、エアドロップ、インセンティブ、さらにはポイントなどのメカニズムを使用して、資本形成に非常に効率的です。オープンソース生成 AI のための暗号通貨資金調達レールの概念は、これら 2 つのトレンドが交差する最も有望な分野の 1 つです。
小型基礎モデル
昨年、Microsoft は、20 億未満のパラメータでコンピューター サイエンスと数学のタスクではるかに大規模な LLM を上回るパフォーマンスを発揮した Phi モデルをリリースした後、SLM (Small Language Model) という用語を作り出した。10 億～50 億のパラメータを想定する小規模な基礎モデルは、分散型 AI の実現可能性にとって重要な要件であり、デバイス上の AI の有望なシナリオを実現する。数千億のパラメータを持つモデルを分散化することは、現在ほぼ不可能であり、当分の間不可能なままだろう。しかし、小規模な基礎モデルは、今日の Web3 インフラストラクチャの多くで実行できるはずだ。SLM アジェンダを推進することは、Web3 と AI で真の価値を構築する上で不可欠である。
合成データ生成
最新世代の基盤モデルにおける最大の課題の 1 つは、データの不足です。その結果、現実世界のデータセットを補完できる基盤モデルを使用した合成データ生成メカニズムに焦点を当てた研究がますます増えています。暗号ネットワークとトークン インセンティブのメカニズムは、理想的には多数の関係者を調整して、新しい合成データセットの作成に協力することができます。
その他の関連するWeb3-AIトレンド
他にも、大きな可能性を秘めた興味深い Web3-AI トレンドがいくつかあります。AI 生成コンテンツの課題を考えると、人間による証明の出力の重要性が高まっています。評価とベンチマークは、Web3 の信頼性と透明性の機能が発揮できる AI セグメントです。人間のフィードバックによる強化学習 (RLHF) などの人間中心の微調整も、Web3 ネットワークの興味深いシナリオです。生成 AI が進化し続け、Web3-AI 機能が成熟するにつれて、他のシナリオも出現する可能性があります。
より分散化された AI 機能の必要性は、非常に現実的です。Web3 業界はまだ AI メガモデルによって生み出される価値に匹敵する立場にはないかもしれませんが、生成 AI の領域に真の価値をもたらすことはできます。Web3-AI の進化における最大の課題は、その現実歪曲フィールドを克服することかもしれません。Web3-AI には多くの価値があります。私たちは、本物のものを構築することに集中する必要があります。
注: このコラムで述べられている見解は著者のものであり、必ずしも CoinDesk, Inc. またはその所有者や関連会社の見解を反映するものではありません。