著者：Grayscale Research
編集者: Felix、PANews
Grayscale は昨日、分散型 AI に焦点を当てた新しいファンドである Grayscale Decentralized AI Fund LLC の立ち上げを発表しました。ファンドのプロジェクトの最初のバッチには、Bittensor (TAO)、Filecoin (FIL)、Livepeer (LPT)、Near (NEAR)、Render (RNDR) が含まれており、このうち Near、Filecoin、Render がファンド内で最も比重の高い資産です。このニュースの影響を受けて、関連トークンが急騰した。その後、GrayscaleはAIと分散型AIについて説明し、それを重視する理由を説明する記事を公開しました。以下、その内容の全文です。
人工知能 (AI) は今世紀で最も有望な新興テクノロジーの 1 つであり、人間の生産性を飛躍的に向上させ、医療の進歩を促進する可能性があります。 AI は今日では重要かもしれませんが、その影響は今後も増大する一方です。 PwC は、AI が 2030 年までに 15 兆ドル相当の産業に成長すると予測しています。
ただし、この有望なテクノロジーには課題もあります。 AI テクノロジーがますます強力になるにつれて、AI 業界の力は少数の企業の手に集中しており、それが社会に害を及ぼす可能性があります。これにより、ディープフェイク、埋め込まれたバイアス、データプライバシーのリスクについての深刻な懸念も生じています。幸いなことに、暗号化は、その分散化と透明性の特性により、これらの問題のいくつかに対する潜在的な解決策を提供します。
この記事では、集中化によって引き起こされる問題と、分散型 AI がこれらの欠点のいくつかを解決するのにどのように役立つかを検討します。暗号と AI の交差点についても議論され、早期採用の兆しを見せているこの分野の暗号アプリケーションに焦点が当てられます。
集中型AIの問題点
現在の AI の開発は、特定のリスクと課題に直面しています。 AI のネットワーク効果と集中的な資本要件は非常に重大であるため、中小企業や学術研究者など、大手テクノロジー企業以外の多くの AI 開発者は、AI 開発に必要なリソースを入手するのに苦労しているか、自分の仕事を収益化することができません。これにより、AI における全体的な競争とイノベーションが制限されます。
その結果、この主要テクノロジーに対する影響力は OpenAI や Google などの少数の企業の手に集中しており、AI ガバナンスについて深刻な疑問が生じています。たとえば、今年 2 月には、Google の AI 画像生成装置 Gemini が人種差別と歴史的誤りにさらされ、モデルを操作した疑いがかけられました。さらに、昨年11月には6人からなる取締役会がOpenAIの最高経営責任者（CEO）サム・アルトマン氏の解任を決定し、これらのモデルを開発する会社が少数の人物によって支配されているという事実が暴露された。
AI の影響力と重要性が高まるにつれ、社会に多大な影響を与える可能性のある AI モデルに対する意思決定権を 1 つの企業が獲得する可能性があることを多くの人が懸念しています。彼らは、他者を犠牲にして密室で作業するための障壁を設けたり、個人的な利益のためにモデルを操作したりする場合もあります。
分散型 AI がどのように役立つか
分散型 AI は、ブロックチェーン テクノロジーを利用して、透明性とアクセシビリティを向上させる方法で AI の所有権とガバナンスを分散する AI サービスを指します。 Grayscale Research は、分散型 AI には、これらの重要な決定を閉鎖された環境から解放し、一般に公開できる可能性があると考えています。
ブロックチェーン テクノロジーは、開発者が AI へのアクセスを増やし、独立した開発者が作品を構築して収益化するための敷居を下げるのに役立ちます。これは、AI 全体のイノベーションと競争を促進し、ハイテク大手が開発したモデルとのバランスを維持するのに役立ちます。
さらに、分散型 AI は AI 投資の民主化に役立ちます。現在、AI開発に関連して利益を得る方法は、いくつかのハイテク株を通じて以外にほとんどありません。同時に、多額の民間資本がAIスタートアップや民間企業に配分されている（2022年に470億ドル、2023年に420億ドル）。その結果、これらの企業からの収益にアクセスできるのは、ベンチャーキャピタルと認定投資家の少数のグループだけです。対照的に、分散型 AI 暗号資産は誰にでも開かれており、誰もが AI の未来に参加できます。
現在、交差点分野はどのように発展していますか?
暗号通貨と AI の融合は、成熟度という点ではまだ初期段階にありますが、市場の反応は心強いものです。 2024年5月の時点で、暗号資産のAI分野における収益率は20%で、これは大多数の暗号資産トラックよりも優れています。さらに、Kaitoのデータによると、DeFi、Layer2、Meme、RWAなどの他のトラックと比較して、AIトラックは現在、ソーシャルプラットフォーム上で最も高い「ナラティブマインドシェア」（市場の注目度が最も高い）を持っています。
最近、一部の大手企業がこの新興分野を採用し、集中型 AI の欠点の解決に取り組み始めています。今年3月、AI企業Stability AIの創設者エマド・モスタク氏は分散型AIを追求するために同社を退社し、「今こそAIがオープンで分散型であり続けることを保証する時だ」と述べた。さらに、ShapeShift の創設者 Erik Vorhees は最近、エンドツーエンド暗号化を備えたプライバシー重視の AI サービスである Venice.ai を立ち上げました。
図 1: AI Universe は今年これまでのところ、ほぼすべての暗号通貨トラックを上回っています
暗号通貨と AI の交差点は、次の 3 つの主要なサブカテゴリーに分類できます。
インフラ層：AI開発のプラットフォームを提供するネットワーク（例：NEAR、TAO、FET）
AI に必要なリソース: AI 開発に必要な主要なリソース (コンピューティング、ストレージ、データ) を提供する資産 (RNDR、AKT、LPT、FIL、AR、MASA など)
AI の問題の解決: ボットやディープフェイクの台頭、モデル検証などの AI 関連の問題を解決しようとするアセット (WLD、TRAC、NUM など)
図 2: AI と暗号通貨の市場マップ
出典: Grayscale Investments。含まれているプロトコルは例示的なものです
AI開発のインフラを提供するネットワーク
1 つ目のカテゴリは、AI サービスの開発全体のために特別に構築されたパーミッションレスのオープン アーキテクチャを提供するネットワークです。これらの資産は、特定の AI 製品やサービスに焦点を当てているのではなく、さまざまな AI アプリケーションの基礎となるインフラストラクチャとインセンティブ メカニズムの作成に焦点を当てています。
NEAR は、ChatGPT のような AI システムを強化する「Transformer」アーキテクチャの共同作成者である創設者として、このカテゴリで際立っています。今年5月、NEARはユーザー所有のAIエコシステムの構築に注力し、ユーザーのプライバシーと主権の最適化に努めると発表した。 6 月下旬、NEAR は、NEAR ネイティブのベース モデル、AI アプリケーション用のデータ プラットフォーム、AI エージェント フレームワーク、およびコンピューティング市場の開発を目的とした AI インキュベーター プログラムを開始しました。
Bittensor は、TAO トークンを使用して AI の開発を経済的に促進するプラットフォームです。 Bittensor は、チャットボット、画像生成、財務予測、言語翻訳、モデル トレーニング、ストレージ、コンピューティングなど、それぞれに異なるユースケースを持つ 38 のサブネットの基盤となるプラットフォームとして機能します。 Bittensor ネットワークは、各サブネット内で最もパフォーマンスの高いマイナーとバリデーターに TAO トークンを与え、Bittensor サブネット内のマイナーにクエリを実行することで特定の AI アプリケーションを構築するためのパーミッションレス API を開発者に提供します。
このカテゴリには、Fetch.ai や Allora Network などの他のプロトコルも含まれます。開発者が複雑な AI アシスタント (つまり「AI エージェント」) を作成するためのプラットフォームである Fetch.ai は、最近 AGIX および OCEAN と合併し、合計時価総額は約 75 億ドルになりました。もう 1 つは Allora Network です。これは、DEX および予測市場の自動取引戦略を含む金融アプリケーションへの AI の適用に焦点を当てたプラットフォームです。アローラはまだトークンを発行しておらず、6月に戦略的資金調達ラウンドを実施し、私募資金の総額は3,500万ドルとなった。
AI開発に必要なリソース
2 番目のカテゴリには、コンピューティング、ストレージ、またはデータの形式で AI 開発に必要なリソースを提供する資産が含まれます。
AI の台頭により、GPU の形のコンピューティング リソースに対する膨大な需要が生じています。 Render (RNDR)、Akash (AKT)、Livepeer (LPT) などの分散型 GPU マーケットは、モデル トレーニング、モデル推論、または 3D 生成 AI のレンダリングのために開発者にアイドル状態の GPU を供給します。 Render はアーティストや生成 AI に重点を置いて約 10,000 GPU を提供し、Akash は AI 開発者や研究者に重点を置いて 400 GPU を提供すると推定されています。一方、Livepeer は最近、新しい AI サブネットの計画を発表し、2024 年 8 月までにテキストから画像、テキストからビデオ、画像からビデオなどの AI 推論タスクを実行することを目指しています。
AI モデルは大量のコンピューティング リソースを必要とするだけでなく、大量のデータも必要とします。その結果、データストレージの需要が大幅に増加しました。 Filecoin (FIL) や Arweave (AR) などのデータ ストレージ ソリューションは、AI データを集中管理された AWS サーバーに保存するための分散型で安全な Web の代替手段として機能します。これらのソリューションは、コスト効率が高く拡張性の高いストレージを提供するだけでなく、単一障害点を排除し、データ侵害のリスクを軽減することで、データのセキュリティと整合性を強化します。
最後に、OpenAI や Gemini などの既存の AI サービスは、それぞれ Bing や Google 検索を通じてリアルタイム データへの継続的なアクセスを提供します。これにより、テクノロジー企業を除く他のすべての AI モデル開発者が不利な立場に置かれます。ただし、Grass やmasa のようなデータ スクレイピング サービスは、個人データの制御とプライバシーを維持しながら、AI モデル トレーニング用のアプリケーション データを提供することで個人が収益化できるようにすることで、競争条件を平等にするのに役立ちます。
AI 関連の問題を解決しようとするアセット
3 番目のカテゴリには、ボットの台頭、ディープフェイク、コンテンツの出自など、AI 関連の問題を解決しようとするアセットが含まれます。
AI に関するもう 1 つの重大な問題は、ボットと誤った情報の蔓延です。 AIが生成したディープフェイクはすでにインドやヨーロッパの大統領選挙に影響を及ぼしており、専門家らは今後の米国大統領選でディープフェイクに大きく動かされた「偽情報」が氾濫することを「非常に恐れている」としている。検証可能なコンテンツ ソースを確立することでディープフェイクに関連する問題の解決に役立つように設計されたアセットには、Origin Trail (TRAC)、Numbers Protocol (NUM)、Story Protocol などがあります。さらに、Worldcoin (WLD) は、固有の生体認証識別子を使用してボットの問題を検証することで、ボットの問題を解決しようとしています。
AI に関するもう 1 つのリスクは、モデル自体への信頼を確保することです。受け取った AI の結果が改ざんまたは操作されていないとどうやって信頼できるのでしょうか?現在、暗号化、ゼロ知識証明、完全準同型暗号化 (FHE) を通じてこの問題の解決に役立つプロトコルがいくつかあります (Modulus Labs や Zama など)。
結論は
これらの分散型 AI 資産は初期の成果を上げていますが、まだ初期段階にあります。今年の初め、ベンチャーキャピタリストのフレッド・ウィルソン氏は、AI と暗号は「表裏の関係」であり、「Web3 は AI を信頼するのに役立つ」と述べました。 AI 業界が成熟し続けるにつれて、Grayscale Research は、これらの AI 関連の暗号化のユースケースがますます重要になり、急速に発展しているこれら 2 つのテクノロジーが相互に補完する可能性があると考えています。
AI 時代が到来し、プラスとマイナスの両方で広範囲に影響を与えることを示す多くの兆候があります。ブロックチェーン技術の特性を活用することで、Crypto は最終的に AI の危険性の一部を軽減できると考えられています。
関連記事: VC が仮想通貨 x AI に大きく賭けている理由
