AIとWeb3の衝突:今後の展開と課題

I. はじめに:AI+Web3の開発状況

近年、人工知能(AI)とWeb3技術の急速な発展が世界中で広く注目されています。AIは顔認識、自然言語処理、機械学習などの分野で重大な突破口を開き、あらゆる業界に大きな変革と革新をもたらしました。2023年には、AI業界の市場規模が2000億ドルに達し、OpenAI、Character.AI、Midjourneyなどの業界の巨頭や優れたプレーヤーが続々と登場し、AIブームを牽引しています。

一方で、Web3は新興のネットワークモデルとして、人々のインターネットに対する認識と使用方法を変えつつあります。Web3は分散型のブロックチェーン技術に基づき、スマートコントラクト、分散ストレージ、分散型アイデンティティ認証などの機能を通じて、データの共有と制御、ユーザーの自治、信頼メカニズムの構築を実現しています。Web3の核心的な理念は、データを中央集権的な権威機関から解放し、ユーザーにデータの制御権と価値の共有権を与えることです。現在、Web3業界の市場価値は25兆に達し、Bitcoin、Ethereum、Solanaなどのプロジェクトや、アプリケーション層のUniswap、Stepnなどが次々と登場し、ますます多くの人々がWeb3業界に参加しています。

AIとWeb3の融合は、東西の開発者や投資家が非常に注目している分野であり、二者をどのようにうまく統合するかは探求すべき問題です。本稿では、AI+Web3の発展状況に焦点を当て、現在のプロジェクトが直面している限界や課題を分析し、投資家や業界関係者に参考と洞察を提供します。

! 新参者科学の普及丨詳細分析:AIとWeb3はどんな火花と衝突できるのか?

Ⅱ、AIとWeb3のインタラクションの方法

AIとWeb3の発展はまるで天秤の両側のようで、AIは生産性の向上をもたらし、Web3は生産関係の変革をもたらします。それでは、AIとWeb3はどのような火花を散らすことができるのでしょうか？次に、私たちはまずAIとWeb3業界がそれぞれ直面している困難と改善の余地を分析し、その後、互いにどのようにこれらの困難を解決する手助けができるかを探っていきます。

2.1 AI業界が直面している困難

AI業界が直面している困難を探るために、まずAI業界の本質を見てみましょう。AI業界の核心は、計算能力、アルゴリズム、データという三つの要素から離れることはできません。

1. 計算能力: 大規模な計算と処理を行う能力を指します。AIのタスクは通常、大量のデータを処理し、深層神経ネットワークモデルのトレーニングなど、複雑な計算を必要とします。高強度の計算能力は、モデルのトレーニングと推論プロセスを加速し、AIシステムの性能と効率を向上させることができます。近年、GPUや専用のAIチップ(、TPU)の発展に伴い、計算能力の向上はAI業界の発展に重要な推進力をもたらしました。

2. アルゴリズム: AIシステムの核心要素であり、問題を解決しタスクを実現するための数学的および統計的手法です。AIアルゴリズムは、従来の機械学習アルゴリズムと深層学習アルゴリズムに分けられ、特に深層学習アルゴリズムは近年重要なブレークスルーを達成しました。アルゴリズムの選択と設計は、AIシステムの性能と効果にとって非常に重要です。絶え間ない改善と革新のアルゴリズムは、AIシステムの正確性、堅牢性、および一般化能力を向上させることができます。

3. データ：AIシステムの核心的なタスクは、学習と訓練を通じてデータのパターンや法則を抽出することです。データはモデルの訓練と最適化の基礎であり、大規模なデータサンプルを通じて、AIシステムはより正確で、より賢いモデルを学ぶことができます。豊富なデータセットは、より包括的で多様な情報を提供し、モデルが未見のデータに対してより良く一般化できるようにし、AIシステムが現実世界の問題をよりよく理解し解決するのを助けます。

AIの核心となる三つの要素を理解した後、これらの三つの側面でAIが直面している困難と挑戦を見てみましょう:

計算能力の面では、AIタスクは通常、モデルのトレーニングと推論に大量の計算リソースを必要とします。特に深層学習モデルにとってはそうです。大規模な計算能力を取得し管理することは、高価で複雑な課題です。高性能計算機器のコスト、エネルギー消費、メンテナンスはすべて問題です。特にスタートアップ企業や個人開発者にとっては、十分な計算能力を得ることが困難な場合があります。

アルゴリズムの観点から見ると、深層学習アルゴリズムは多くの分野で大きな成功を収めていますが、依然としていくつかの困難や課題が存在します。例えば、深層神経ネットワークの訓練には大量のデータと計算リソースが必要であり、特定のタスクにおいてはモデルの解釈可能性や説明可能性が不足している場合があります。また、アルゴリズムの堅牢性や一般化能力も重要な問題であり、モデルが見たことのないデータでのパフォーマンスは不安定である可能性があります。多くのアルゴリズムの中で、最良のアルゴリズムを見つけ、最良のサービスを提供する方法は、絶えず探求し続ける必要があります。

データに関しては、データがAIの推進力ですが、高品質で多様なデータを取得することは依然として課題です。医療分野のセンシティブな健康データなど、一部の分野のデータは入手が難しい場合があります。さらに、データの質、正確性、ラベル付けも問題であり、不完全または偏ったデータはモデルの誤った動作や偏りを引き起こす可能性があります。同時に、データのプライバシーとセキュリティを保護することも重要な考慮事項です。

さらに、説明可能性や透明性といった問題も存在し、AIモデルのブラックボックス特性は公共の関心事項です。金融、医療、司法などの特定のアプリケーションでは、モデルの意思決定プロセスが説明可能で追跡可能である必要がありますが、既存の深層学習モデルはしばしば透明性に欠けています。モデルの意思決定プロセスを説明し、信頼できる説明を提供することは依然として挑戦です。

そのほか、多くのAIプロジェクトの起業におけるビジネスモデルが明確でないため、多くのAI起業家が戸惑いを感じています。

! 新参者科学の普及丨詳細分析:AIとWeb3はどんな火花と衝突できるのか?

2.2 Web3業界が直面している困難

Web3業界においては、現在、Web3のデータ分析やWeb3製品のユーザー体験の悪さ、スマートコントラクトのコードの脆弱性やハッキング攻撃の問題など、解決が必要なさまざまな困難が存在しています。AIは生産性を向上させるツールとして、これらの分野でも多くの潜在的な活用の余地があります。

まずは、データ分析と予測能力の向上です: AI技術のデータ分析と予測への応用は、Web3業界に巨大な影響をもたらしました。AIアルゴリズムによるスマートな分析と掘り起こしを通じて、Web3プラットフォームは膨大なデータから価値のある情報を抽出し、より正確な予測と意思決定を行うことができます。これは、分散型金融(DeFi)分野におけるリスク評価、市場予測、資産管理などにおいて重要な意味を持ちます。

さらに、ユーザーエクスペリエンスとパーソナライズサービスの改善を実現することもできます：AI技術の応用により、Web3プラットフォームはより良いユーザーエクスペリエンスとパーソナライズされたサービスを提供できるようになります。ユーザーデータの分析とモデリングを通じて、Web3プラットフォームはユーザーに対してパーソナライズされた推奨、カスタマイズされたサービス、そしてインテリジェントなインタラクションエクスペリエンスを提供することができます。これは、ユーザーの参加度と満足度を向上させ、Web3エコシステムの発展を促進するのに役立ちます。例えば、多くのWeb3プロトコルがChatGPTなどのAIツールに接続してユーザーにより良いサービスを提供しています。

安全性とプライバシー保護の観点から、AIの応用はWeb3業界にも深遠な影響を与えています。AI技術は、ネットワーク攻撃の検出や防御、異常行動の識別、そしてより強力なセキュリティの保証を提供するために使用できます。同時に、AIはデータプライバシー保護にも応用され、データ暗号化やプライバシー計算などの技術を通じて、Web3プラットフォーム上でのユーザーの個人情報を保護します。スマートコントラクトの監査においては、スマートコントラクトの作成と監査プロセスにおいて脆弱性やセキュリティ上のリスクが存在する可能性があるため、AI技術を使用して契約監査や脆弱性検出を自動化し、契約の安全性と信頼性を向上させることができます。

Web3業界が直面している困難と潜在的な改善の余地に対して、AIは多くの面で関与し、助けを提供できることがわかります。

! 新参者科学の普及丨詳細分析:AIとWeb3はどんな火花と衝突できるのか?

三、AI+Web3プロジェクトの現状分析

AIとWeb3を組み合わせたプロジェクトは、主に2つの大きな側面からアプローチしています。1つは、ブロックチェーン技術を利用してAIプロジェクトのパフォーマンスを向上させること、もう1つは、AI技術を利用してWeb3プロジェクトの向上に貢献することです。

2つの側面を中心に、多くのプロジェクトがこの道を探索しています。Io.net、Gensyn、Ritualなど、さまざまなプロジェクトが含まれています。次に、この記事では、AIがWeb3を支援することとWeb3がAIを支援することの異なるサブトラックの現状と発展状況を分析します。

3.1 Web3がAIを支援する

3.1.1 分散型コンピューティング

あるプラットフォームが2022年末にChatGPTを発表すると、AIブームが引き起こされ、発表から5日でユーザー数が100万に達しました。それに対して、別のプラットフォームは100万ダウンロードに達するのに約2ヶ月半かかりました。その後、ChatGPTの成長も非常に急速で、2ヶ月以内に月間アクティブユーザー数が1億に達し、2023年11月には週間アクティブユーザー数が1億に達しました。ChatGPTの登場に伴い、AI分野もすぐにニッチな市場から注目される産業へと爆発的に成長しました。

ある報告によると、ChatGPTはあるブランドのGPUを30000個必要とし、将来的なGPT-5はさらに多くの計算能力を必要とするとのことです。これにより、AI企業間で軍拡競争が始まり、十分な計算能力を掌握した者だけがAI戦争で十分な推進力と優位性を確保できるため、GPUの不足が発生しています。

AIの台頭前、GPUの最大の提供者の顧客は三大クラウドサービスに集中していました。人工知能の台頭に伴い、大手テクノロジー企業や他のデータプラットフォーム、人工知能スタートアップなど、新しい買い手が多数現れ、人工知能モデルのトレーニングのためにGPUを蓄積する競争に参加しました。一部の大手テクノロジー企業は、カスタマイズされたAIモデルや内部研究の購入量を大幅に増加させました。一部の基盤モデル企業やデータプラットフォームも、顧客に人工知能サービスを提供するためにより多くのGPUを購入しました。

昨年のある分析が指摘したように、「GPUの富者とGPUの貧者」と呼ばれる少数の企業が2万を超える高性能GPUを保有しており、チームメンバーはプロジェクトのために100から1000のGPUを使用できます。これらの企業は、クラウドプロバイダーであるか、独自のLLMを構築しているものであり、大手AI企業などが含まれます。

しかし、ほとんどの企業はGPUの貧乏人であり、はるかに少ない数量のGPUで苦労し、生態系の発展を促進することが難しいことに多くの時間と労力を費やしています。この状況はスタートアップ企業に限ったことではありません。最も有名な人工知能企業の中には、高級GPUの数が2万未満のところもあります。これらの企業は世界トップクラスの技術者を抱えていますが、GPUの供給量に制約されており、大企業との人工知能競争において不利な立場にあります。

この不足は「GPU貧乏者」に限らず、2023年末に向けてAI分野のリーダーたちは十分なGPUを確保できず、数週間の有料登録を停止せざるを得ず、同時により多くのGPU供給を調達しなければなりません。

AIの急速な発展に伴い、GPUの需要側と供給側に深刻なミスマッチが生じており、供給不足の問題が差し迫っています。

この問題を解決するために、一部のWeb3プロジェクトはWeb3の技術的特徴を組み合わせて、Akash、Render、Gensynなどの分散型コンピューティングサービスを提供し始めました。これらのプロジェクトの共通点は、トークンを通じて広範なユーザーに余剰GPUコンピューティングパワーを提供するよう促し、コンピューティングリソースの供給側となってAI顧客にコンピューティングサポートを提供することです。

供給側の画像は主に3つの側面に分けられます: クラウドサービスプロバイダー、暗号通貨マイナー、企業。

クラウドサービスプロバイダーには、大手クラウドサービスプロバイダーやGPUクラウドサービスプロバイダーが含まれ、ユーザーは余剰のクラウドサービスプロバイダーの計算能力を転売して収入を得ることができます。あるブロックチェーンがPoWからPoSに移行するにつれて、暗号マイナーは余剰のGPU計算能力も重要な潜在的供給側となりました。また、一部の大企業は戦略的な配置のために大量のGPUを購入しており、余剰のGPU計算能力を供給側として利用することもできます。

現在のトラックのプレイヤーは大きく二つのクラスに分かれています。一つは去中心化された計算能力をAIの推論に使用するクラス、もう一つは去中心化された計算能力をAIのトレーニングに使用するクラスです。前者の例として、Render(はレンダリングに焦点を当てていますが、AI計算能力の提供にも使用できます)、Akash、Aethirなどがあります。後者の例としては、io.net(が挙げられ、推論とトレーニングの両方をサポートできます)、Gensyn。両者の最大の違いは、計算能力の要求が異なることです。

まずは前者のAI推論プロジェクトについて話しましょう。この種のプロジェクトは、トークンによるインセンティブを通じてユーザーを算力の提供に引き付け、次に算力ネットワークサービスを需要側に提供することで、余剰算力の供給と需要のマッチングを実現します。

最も重要な点は、トークンインセンティブメカニズムを通じて、プロジェクトがまず供給者を引き付け、次にユーザーを使用するように引き付けることによって、プロジェクトのコールドスタートとコア運営メカニズムを実現し、進むことができるということです。