インフラストラクチャ層は AI ライフサイクルの基盤であり、この記事ではコンピューティングパワー、AI チェーン、開発プラットフォームをインフラストラクチャ層として分類します。これらのインフラストラクチャのサポートによって、AI モデルのトレーニングと推論が実現し、強力で実用的な AI アプリケーションがユーザーに提供されます。
AI Chain：ブロックチェーンをAIライフサイクルの基盤として利用し、オンチェーンとオフチェーンのAIリソースのシームレスな相互作用を実現し、業界エコシステムの発展を促進します。チェーン上の分散型AIマーケットでは、データ、モデル、エージェントなどのAI資産を取引し、AI開発フレームワークと関連する開発ツールを提供します。代表的なプロジェクトにはSahara AIがあります。AI Chainは、Bittensorが革新的なサブネット報酬メカニズムを通じて異なるAIタイプのサブネット競争を促進するなど、異なる分野のAI技術の進歩を促進することもできます。
開発プラットフォーム：いくつかのプロジェクトは AI エージェント開発プラットフォームを提供し、Fetch.ai や ChainML などの AI エージェントの取引も実現できます。一つのツールで開発者が AI モデルをより便利に作成、訓練、展開できるように支援するプロジェクトには Nimble があります。これらのインフラは、Web3 エコシステムにおける AI 技術の広範な応用を促進しています。
Web3-AI分野の全景：技術の融合論理とトッププロジェクトのデプス分析
Web3-AI トラック全景レポート：技術ロジック、シーンアプリケーションとトッププロジェクトのデプス解析
AIの物語がますます注目される中、この分野への関心が高まっています。本稿では、Web3-AI分野の技術的論理、応用シーン、および代表的なプロジェクトについて深く分析し、この領域の全景と発展動向を包括的にお届けします。
I. Web3-AI:テクニカルロジックと新興市場の機会分析
1.1 Web3 と AI の融合ロジック：Web-AI トラックの定義方法
ここ一年、AIナラティブはWeb3業界で異常に盛り上がり、AIプロジェクトが雨後の筍のように次々と現れました。多くのプロジェクトがAI技術を取り入れていますが、一部のプロジェクトはその製品の一部でのみAIを使用しており、基盤となるトークン経済学がAI製品と実質的な関連性を持たないため、これらのプロジェクトは本記事のWeb3-AIプロジェクトの議論には含まれません。
本記事の焦点は、ブロックチェーンを利用して生産関係の問題を解決し、AIが生産力の問題を解決するプロジェクトにあります。これらのプロジェクトは、AI製品を提供すると同時に、Web3経済モデルに基づく生産関係のツールとして機能し、相互に補完し合います。このようなプロジェクトをWeb3-AIトラックに分類します。読者がWeb3-AIトラックをより良く理解できるように、この記事ではAIの開発プロセスと課題、そしてWeb3とAIがどのように完璧に問題を解決し、新しいアプリケーションシーンを創造するのかについて詳しく説明します。
1.2 AIの開発プロセスと課題：データ収集からモデル推論まで
AI技術は、コンピュータが人間の知能を模倣、拡張、強化する技術です。これにより、コンピュータは言語翻訳、画像分類、顔認識、自動運転などのさまざまな複雑なタスクを実行できるようになり、AIは私たちの生活や仕事の方法を変えています。
人工知能モデルを開発するプロセスには、通常以下のいくつかの重要なステップが含まれます：データ収集とデータ前処理、モデル選択と調整、モデルのトレーニングと推論。簡単な例を挙げると、猫と犬の画像を分類するモデルを開発するには、次のことが必要です：
データ収集とデータ前処理：猫と犬の画像データセットを収集します。公開データセットを使用するか、実際のデータを自分で収集できます。次に、各画像にカテゴリ（猫または犬）をラベル付けし、ラベルが正確であることを確認します。画像をモデルが認識できる形式に変換し、データセットをトレーニングセット、検証セット、テストセットに分割します。
モデル選択と調整：適切なモデルを選択します。例えば、畳み込みニューラルネットワーク（CNN）は画像分類タスクに適しています。異なるニーズに基づいてモデルのパラメータやアーキテクチャを調整します。一般的に、モデルのネットワークの層はAIタスクの複雑さに応じて調整可能です。この単純な分類の例では、浅いネットワークの層で十分かもしれません。
モデル訓練：GPU、TPU または高性能計算クラスターを使用してモデルを訓練できます。訓練時間はモデルの複雑さと計算能力の影響を受けます。
モデル推論：モデルのトレーニングが完了したファイルは通常モデルの重みと呼ばれ、推論プロセスはトレーニング済みのモデルを使用して新しいデータに対して予測または分類を行うプロセスを指します。このプロセスでは、テストセットや新しいデータを使用してモデルの分類性能をテストすることができ、通常は正確率、再現率、F1スコアなどの指標を用いてモデルの有効性を評価します。
図のように、データ収集とデータ前処理、モデル選択と調整、そしてトレーニングを経て、トレーニングされたモデルをテストセットで推論すると、猫と犬の予測値 P（probability）が得られます。これは、モデルが猫または犬である確率を推論したものです。
トレーニングされたAIモデルは、さまざまなアプリケーションに統合され、異なるタスクを実行できます。この例では、猫と犬の分類AIモデルをモバイルアプリに統合することができ、ユーザーが猫または犬の画像をアップロードすると、分類結果を得ることができます。
しかし、中央集権的なAI開発プロセスは以下のシナリオでいくつかの問題を抱えています：
ユーザープライバシー：中央集権的なシーンでは、AIの開発プロセスは通常不透明です。ユーザーデータは知らないうちに盗まれ、AIのトレーニングに使用される可能性があります。
データソースの取得：小規模チームや個人が特定の分野のデータ（例えば医学データ）を取得する際、データがオープンソースでない制限に直面する可能性があります。
モデルの選択とチューニング：小規模なチームにとって、特定の分野のモデルリソースを取得したり、モデルのチューニングに多大なコストをかけたりするのは難しい。
計算力の取得：個人開発者や小規模チームにとって、高額なGPU購入コストやクラウド計算力レンタル費用は、重要な経済的負担となる可能性があります。
AI資産収入：データラベリング作業者はしばしば自らの労力に見合った収入を得ることができず、AI開発者の研究成果も需要のある買い手とマッチングしにくい。
中心化 AI シーンで存在する課題は、Web3 と組み合わせることで解決できます。Web3 は新しい生産関係の一形態として、自然に新型生産力を代表する AI に適合し、技術と生産能力の同時進歩を促進します。
1.3 Web3とAIのシナジー:役割の変化と革新的なアプリケーション
Web3とAIの融合は、ユーザーの主権を強化し、ユーザーにオープンなAI協力プラットフォームを提供します。これにより、ユーザーはWeb2時代のAI使用者から参加者に転換し、誰もが所有できるAIを創造します。同時に、Web3の世界とAI技術の融合は、さらなる革新的なアプリケーションシーンやプレイスタイルを生み出すことができます。
Web3技術に基づいて、AIの開発と応用は新しい協力経済システムを迎えることになります。人々のデータプライバシーが保護され、データのクラウドソーシングモデルがAIモデルの進歩を促進し、多くのオープンソースのAIリソースがユーザーに利用可能となり、共有された計算能力を低コストで入手できます。分散型の協力クラウドソーシングメカニズムとオープンなAI市場を利用することで、公平な所得分配システムを実現し、より多くの人々をAI技術の進歩を推進するために刺激することができます。
Web3のシーンにおいて、AIは複数の分野で積極的な影響を与えることができます。例えば、AIモデルはスマートコントラクトに統合され、さまざまなアプリケーションシーンにおいて作業効率を向上させることができます。市場分析、安全検査、ソーシャルクラスタリングなどの多様な機能を提供します。生成型AIは、ユーザーが"アーティスト"の役割を体験できるだけでなく、AI技術を使用して独自のNFTを作成することも可能です。また、GameFiでは多様なゲームシーンや興味深いインタラクティブ体験を創造することができます。豊富なインフラストラクチャーはスムーズな開発体験を提供し、AIの専門家であれAIの分野に入りたい初心者であれ、この世界で適切な入口を見つけることができます。
二、Web3-AI エコシステムプロジェクトの地図と構造の解読
私たちは主にWeb3-AI分野の41のプロジェクトを研究し、これらのプロジェクトを異なるレベルに分類しました。各レベルの分類ロジックは以下の図に示されており、インフラストラクチャレイヤー、中間レイヤー、アプリケーションレイヤーが含まれており、各レイヤーはさらに異なるセクションに分かれています。次の章では、いくつかの代表的なプロジェクトについてデプス解析を行います。
インフラストラクチャ層は、AIライフサイクル全体の運用をサポートする計算リソースと技術アーキテクチャを含み、中間層はインフラストラクチャとアプリケーションを接続するデータ管理、モデル開発、検証推論サービスを含み、アプリケーション層はユーザー向けのさまざまなアプリケーションとソリューションに焦点を当てています。
インフラ層：
インフラストラクチャ層は AI ライフサイクルの基盤であり、この記事ではコンピューティングパワー、AI チェーン、開発プラットフォームをインフラストラクチャ層として分類します。これらのインフラストラクチャのサポートによって、AI モデルのトレーニングと推論が実現し、強力で実用的な AI アプリケーションがユーザーに提供されます。
分散型コンピューティングネットワーク：AIモデルのトレーニングに分散型の計算能力を提供し、高効率かつ経済的な計算資源の利用を確保します。一部のプロジェクトは分散型の計算市場を提供しており、ユーザーは低コストで計算能力をレンタルしたり、計算能力を共有して収益を得たりできます。代表的なプロジェクトにはIO.NETやHyperbolicがあります。さらに、一部のプロジェクトは新しい遊び方を派生させており、Compute Labsはトークン化プロトコルを提案しています。ユーザーはGPU実体を表すNFTを購入することで、さまざまな方法で計算能力のレンタルに参加し、収益を得ることができます。
AI Chain：ブロックチェーンをAIライフサイクルの基盤として利用し、オンチェーンとオフチェーンのAIリソースのシームレスな相互作用を実現し、業界エコシステムの発展を促進します。チェーン上の分散型AIマーケットでは、データ、モデル、エージェントなどのAI資産を取引し、AI開発フレームワークと関連する開発ツールを提供します。代表的なプロジェクトにはSahara AIがあります。AI Chainは、Bittensorが革新的なサブネット報酬メカニズムを通じて異なるAIタイプのサブネット競争を促進するなど、異なる分野のAI技術の進歩を促進することもできます。
開発プラットフォーム：いくつかのプロジェクトは AI エージェント開発プラットフォームを提供し、Fetch.ai や ChainML などの AI エージェントの取引も実現できます。一つのツールで開発者が AI モデルをより便利に作成、訓練、展開できるように支援するプロジェクトには Nimble があります。これらのインフラは、Web3 エコシステムにおける AI 技術の広範な応用を促進しています。
中間：
このレイヤーは、AIデータ、モデル、推論および検証に関わっており、Web3技術を採用することでより高い作業効率を実現できます。
さらに、一部のプラットフォームでは、分野の専門家や一般ユーザーがデータ前処理タスクを実行できるようになっています。これには、画像ラベリングやデータ分類などが含まれ、これらのタスクは金融や法律などの専門知識を必要とするデータ処理を伴う場合があります。ユーザーはスキルをトークン化することで、データ前処理の協力的なクラウドソーシングを実現できます。例えば、Sahara AIのAIマーケットは、異なる分野のデータタスクを持ち、多様なデータシナリオをカバーすることができます。一方、AIT Protocolは人間と機械の協力によりデータをラベリングします。
いくつかのプロジェクトは、ユーザーが異なるタイプのモデルを提供したり、クラウドソーシング方式でモデルを共同訓練することをサポートしています。例えば、Sentientはモジュール式の設計を通じて、ユーザーが信頼できるモデルデータをストレージ層や配信層に置いてモデルを最適化することを可能にしています。Sahara AIが提供する開発ツールには、先進的なAIアルゴリズムと計算フレームワークが組み込まれており、共同訓練の能力も備えています。
アプリケーション層：
このレイヤーは主にユーザー向けのアプリケーションであり、AIとWeb3を組み合わせて、より興味深く革新的な遊び方を創造します。本記事では、AIGC（AI生成コンテンツ）、AIエージェント、およびデータ分析のいくつかのセクションのプロジェクトについて整理します。