TL;DR
1. AI コンセプトの Web3 プロジェクトは、一次市場および二次市場において強力な磁石となっています。
2. AI 業界における Web3 の機会は次の点に反映されています。分散型インセンティブを使用して、データ、ストレージ、コンピューティング全体にわたる潜在的な供給を調整し、同時にオープンソース モデルと分散型市場を確立します。 AIエージェント。
3. AI は主に Web3 業界でオンチェーン金融 (暗号化された支払い、トランザクション、データ分析) および補助開発に使用されています。
4. AI + Web3 の有効性は、この 2 つの補完性に反映されています。Web3 は AI 集中化と戦うことが期待され、AI は Web3 がその輪から抜け出すのを助けることが期待されています。
導入
過去 2 年間で、AI の開発は加速しました。Chatgpt によって引き起こされた蝶の羽は、生成人工知能の新しい世界を切り開いただけでなく、Web3 の向こう側に海流を引き起こしました。
AIの概念のサポートにより、暗号通貨市場での資金調達は低迷に比べて大幅に増加しました。メディアの統計によると、2024 年上半期だけで合計 64 件の Web3+AI プロジェクトが資金調達を完了しました。人工知能ベースのオペレーティング システムである Zyber 365 は、A ラウンドで最高額の 1 億米ドルを達成しました。
流通市場はより繁栄しており、暗号化アグリゲーションウェブサイトCoingeckoのデータによると、わずか1年余りでAIトラックの総市場価値は485億米ドルに達し、24時間の取引量は主流の AI テクノロジーの進歩によってもたらされる利益 明らかに、OpenAI の Sora テキスト動画モデルのリリース後、AI セクターの平均価格は 151% 上昇しました。この効果は、仮想通貨の金を惹きつけるセクターの 1 つであるミーム (初の AI エージェント) にも波及しました。概念的な MemeCoin-GOAT はすぐに人気を博し、14 億米ドルの評価額を獲得し、AI ミーム ブームの火付け役に成功しました。
AI+Depin から AI Memecoin、現在の AI Agent や AI DAO に至るまで、AI+Web3 に関する研究やトピックも同様にホットです。FOMO の感情はもはや新しい物語の回転のスピードに追いつくことができません。
AI+Web3、ホットマネー、トレンド、未来の幻想に満ちたこの用語の組み合わせは、必然的に資本によって結び付けられた見合い結婚と見なされるだろう。この豪華なローブの下にあるものを区別するのは難しいようだ。夜が明ける前に？
この質問に答えるには、双方にとって重要な質問は、相手がいない方が良いでしょうか?ということです。他の人のモデルから恩恵を受けることができますか?この記事では、私たちは先人の肩に立って、このパターンを検証しようとします。Web3 は AI テクノロジー スタックのあらゆる側面でどのような役割を果たすことができるのか、AI は Web3 にどのような新たな活力をもたらすことができるのでしょうか?
Part.1 AI スタックにおける Web3 のチャンスとは何ですか?
このトピックを始める前に、大規模な AI モデルのテクノロジー スタックを理解する必要があります。
出典: Delphi Digital
このプロセス全体をより一般的な言葉で表現すると、「大きなモデル」は人間の脳のようなもので、初期段階では、この脳はこの世に誕生したばかりの赤ちゃんのものであり、そこから膨大な情報を観察して吸収する必要があります。世界を理解するには、データの「収集」段階です。コンピューターには人間の視覚や聴覚などの複数の感覚がないため、トレーニングの前に、外界からの大規模なラベルのない情報をデータに変換する必要があります。コンピュータが「前処理」を通じて理解して使用できる情報形式。
データを入力した後、AI は「トレーニング」を通じて理解力と予測能力を備えたモデルを構築します。これは、赤ちゃんが外界を徐々に理解して学習するプロセスとみなすことができます。モデルのパラメーターは言語能力のようなものです。学習の過程で常に調整される赤ちゃんの動き。学習内容が主題に分割され始めたり、他のユーザーとコミュニケーションをとってフィードバックを得て修正したりすると、大きなモデルの「微調整」フェーズに入ります。
子どもたちは成長して話すことを学ぶにつれて、意味を理解し、新しい会話で自分の感情や考えを表現できるようになります。この段階は、大規模な AI モデルの「推論」に似ており、このモデルは新しい言語とテキストの入力を予測して分析できます。 。赤ちゃんが言語能力を通じて感情を表現し、物体を説明し、さまざまな問題を解決することは、大規模な AI モデルがトレーニングを完了して使用された後の推論段階で、画像分類、音声認識、等
AI エージェントは大規模モデルの次の形態に近く、独立してタスクを実行し、複雑な目標を追求することができます。考える能力だけでなく、記憶し、計画し、世界と対話するためのツールを使用することもできます。
現在、各スタックにおける AI の問題点に対応して、Web3 は当初、AI モデル プロセスのすべての段階をカバーする多層の相互接続されたエコシステムを形成しました。
1. 基本層: コンピューティング能力とデータを備えた Airbnb
▼ 計算能力
現在、AI のコストが最も高いものの 1 つは、モデルのトレーニングと推論に必要なコンピューティング能力とエネルギーです。
一例として、Meta の LLAMA 3 では、トレーニングを 30 日間で完了するには、NVIDIA 製の H100 GPU (人工知能およびハイパフォーマンス コンピューティング ワークロード向けに設計された最高級グラフィックス処理ユニット) 16,000 個が必要でした。後者の 80GB バージョンの単価は 30,000 米ドルから 40,000 米ドルであり、コンピューティング ハードウェア投資 (GPU + ネットワーク チップ) に 4 億米ドルから 7 億米ドルが必要であり、同時に月々のトレーニングに 16 億キロワット時のエネルギー費用が必要です。毎月約2000万ドル。
AI コンピューティング パワーの解凍は、Web3 が AI と交差する最も初期の領域でもあります - DePin (分散型物理インフラストラクチャ ネットワーク)。現在、DePin Ninja データ Web サイトには 1,400 以上のプロジェクトが表示されており、その中には GPU コンピューティング パワー シェアリングの代表的なプロジェクトである io も含まれています。 .net、Aethir、Akash、レンダー ネットワークなど。
その主なロジックは次のとおりです。このプラットフォームにより、アイドル状態の GPU リソースを持つ個人または団体が許可のない分散型の方法でコンピューティング能力を提供できるようになり、Uber や Airbnb と同様の買い手と売り手のためのオンライン マーケットプレイスを通じて、十分に活用されていない GPU リソースが増加します。また、ユーザーは低コストで効率的なコンピューティング リソースを入手できます。同時に、プレッジ メカニズムにより、品質管理メカニズムの違反やネットワークの中断があった場合には、リソース プロバイダーが相応の罰則を受けることも保証されます。
その特徴は次のとおりです。
アイドル状態の GPU リソースの収集: サプライヤーは主に、サードパーティの独立した中小規模のデータ センター、暗号化鉱山やその他の運営者の余剰コンピューティング リソース、および FileCoin や ETH マイニング マシンなどの PoS コンセンサス メカニズムを備えたマイニング ハードウェアです。現在、より低いしきい値のデバイスを起動することに特化したプロジェクトもあります。たとえば、exolab は MacBook、iPhone、iPad などのローカル デバイスを使用して、大規模なモデル推論を実行するためのコンピューティング ネットワークを確立します。
AI コンピューティング能力のロングテール市場に直面:
a. 「技術的な観点から見ると」、分散型コンピューティング市場の方が推論ステップに適しています。トレーニングは超大規模クラスター規模の GPU によってもたらされるデータ処理能力に大きく依存しますが、推論は比較的低い GPU コンピューティング パフォーマンスを備えています。たとえば、Aethir は低遅延のレンダリング作業と AI 推論アプリケーションに重点を置いています。
b. 「需要側」の中小規模のコンピューティング能力需要者は、独自の大規模モデルを個別にトレーニングすることはなく、いくつかの大規模なモデルを中心に最適化および微調整することのみを選択します。これらのシナリオは、分散されたアイドル状態のコンピューティング リソースに当然適しています。 。
分散型所有権: ブロックチェーンの技術的重要性は、リソース所有者が常にリソースに対する制御を保持し、ニーズに応じて柔軟に調整でき、同時に利益を得ることができることです。
▼データ
データは AI の基礎です。データがなければ計算は役に立たず、データとモデルの関係は「ガベージイン、ガベージアウト」のようなもので、データの量と入力の品質が最終的なモデルの出力の品質を決定します。現在の AI モデルのトレーニングでは、データによってモデルの言語能力、理解能力、さらには価値観や人間化されたパフォーマンスが決まります。現在、AI のデータ需要のジレンマは主に次の 4 つの側面に焦点を当てています。
データに飢えた: AI モデルのトレーニングは大量のデータ入力に依存します。公開情報によると、OpenAI が GPT-4 をトレーニングするために使用するパラメーターの数が兆レベルに達しています。
データ品質: AI とさまざまな業界の統合に伴い、データの適時性、データの多様性、垂直データの専門性、ソーシャル メディアのセンチメントなどの新たなデータ ソースの取り込みによって、その品質に対する新たな要件も提示されています。
プライバシーとコンプライアンスの問題: 現在、さまざまな国や企業が高品質のデータ セットの重要性に徐々に気づき始めており、データ セットのクロールを制限しています。
データ処理にはコストがかかります。データ量が多く、処理が複雑です。公開情報によると、AI 企業の研究開発コストの 30% 以上が基本的なデータの収集と処理に費やされています。
現在、Web3 ソリューションは次の 4 つの側面に反映されています。
1. データ収集: 無料で取得できる現実世界のデータは急速に枯渇しており、AI 企業のデータ支出は年々増加しています。しかし同時に、この支出はデータの実際の貢献者に反映されません。たとえば、Reddit は、締結されたデータ ライセンス契約を通じて合計 2 億 300 万ドルの収益を達成しました。 AI企業と。 Web3 のビジョンは、真に貢献するユーザーもデータによってもたらされる価値創造に参加できるようにし、分散ネットワークとインセンティブ メカニズムを通じてユーザーのよりプライベートで価値のあるデータを低コストで取得できるようにすることです。
たとえば、Grass は分散型データ レイヤーおよびネットワークであり、ユーザーは Grass ノードを実行し、アイドル帯域幅と中継トラフィックを提供してインターネット全体のリアルタイム データをキャプチャし、トークン報酬を得ることができます。
Vana は、独自のデータ流動性プール (DLP) の概念を導入しており、ユーザーは自分の個人データ (買い物記録、閲覧習慣、ソーシャル メディア活動など) を特定の DLP にアップロードし、このデータを特定の第三者に許可するかどうかを柔軟に選択できます。パーティーでの使用。
PublicAI では、ユーザーは #AI または #Web3 を X および @PublicAI の分類タグとして使用してデータ収集を実現できます。
2. データの前処理: AI のデータ処理プロセスでは、収集されたデータには通常ノイズが多くエラーが含まれるため、モデルをトレーニングする前にデータをクリーンアップして使用可能な形式に変換する必要があります。これには、標準化、フィルタリング、欠落データの重複の処理が含まれます。値。この段階は AI 業界における数少ない手動ステップの 1 つであり、データ アノテーターの業界が誕生しました。モデルのデータ品質の要件が高まるにつれて、データ アノテーターの閾値も上昇しており、このタスクは当然適しています。 Web3 の分散型インセンティブ メカニズム。
現在、Grass と OpenLayer の両方が、データ アノテーションをキー リンクとして追加することを検討しています。
Synesis は、ユーザーがラベル付きデータ、注釈、その他の形式の入力を提供することで報酬を受け取ることができることを強調し、「Train 2 Earn」という概念を提案しました。
データラベル付けプロジェクト Sapien はラベル付けタスクをゲーム化し、ユーザーがポイントを賭けてより多くのポイントを獲得できるようにします。
3. データ プライバシーとセキュリティ: データ プライバシーとセキュリティは 2 つの異なる概念であることを明確にする必要があります。データ プライバシーには機密データの取り扱いが含まれますが、データ セキュリティには不正なアクセス、破壊、盗難からデータ情報が保護されます。したがって、Web3 プライバシー テクノロジの利点と潜在的なアプリケーション シナリオは、(1) 機密データのトレーニング、(2) データ コラボレーション: 複数のデータ所有者が元のデータを共有せずに共同で AI トレーニングに参加できるという 2 つの側面に反映されています。
現在、Web3 でより一般的なプライバシー テクノロジには次のものがあります。
スーパー プロトコルなどの信頼できる実行環境 (TEE)。
BasedAI、Fhenix.io、Inco Network などの完全準同型暗号化 (FHE)。
Reclaim Protocol などのゼロ知識テクノロジ (zk) は、zkTLS テクノロジを使用して HTTPS トラフィックのゼロ知識証明を生成し、ユーザーが機密情報を公開することなくアクティビティ、評判、および ID データを外部 Web サイトから安全にインポートできるようにします。
ただし、この分野はまだ初期段階にあり、ほとんどのプロジェクトはまだ検討中です。現在のジレンマの 1 つは、計算コストが高すぎることです。
zkML フレームワーク EZKL では、1 M-nanoGPT モデルのプルーフを生成するのに約 80 分かかります。
Modulus Labs によると、zkML のオーバーヘッドは純粋な計算の 1,000 倍以上です。
4. データ ストレージ: データを取得した後も、チェーン上のデータと、そのデータを使用して生成された LLM を保存する場所が必要です。データ可用性 (DA) が中心的な問題であり、イーサリアム Danksharding アップグレード前のスループットは 0.08 MB でした。同時に、AI モデルのトレーニングとリアルタイム推論には、通常、1 秒あたり 50 ～ 10 GB のデータ スループットが必要です。この桁違いのギャップにより、既存のオンチェーン ソリューションは「リソースを大量に消費する AI アプリケーション」に対応できなくなります。
0g.AIはこのカテゴリーの代表的なプロジェクトです。これは、AI の高性能要件に合わせて設計された集中ストレージ ソリューションです。その主な機能には、高度なシャーディングおよび消去スケール データ セットによる高速なアップロードとダウンロードが含まれます。速度は毎秒 5 GB に近づきます。
2. ミドルウェア: モデルのトレーニングと推論
▼オープンソースモデルの分散型市場
AI モデルをクローズドソースにするかオープンソースにするかについての議論は決して消えることはありません。オープンソースによってもたらされる集団的なイノベーションは、クローズド ソース モデルの比類のない利点です。しかし、収益モデルがなければ、オープンソース モデルは開発者の推進力をどうやって向上させることができるのでしょうか。 Baidu の創設者である Robin Li 氏は、今年 4 月に「オープンソース モデルはますます後退するだろう」と断言しました。
この点に関して、Web3 は分散型オープンソース モデル市場の可能性を提案しています。つまり、モデル自体をトークン化し、一定の割合のトークンをチームのために保持し、モデルの将来の収益の一部をトークン所有者に流すというものです。
たとえば、Bittensor プロトコルは、リソース プロバイダー (コンピューティング、データ収集/ストレージ、機械学習人材) が特定のサブネット所有者、個人の目標を達成するために互いに競争する、数十の「サブネット」で構成されるオープン ソース モデルの P2P 市場を確立します。サブネットワークは相互に対話して学習できるため、より優れたインテリジェンスが可能になります。報酬はコミュニティ投票によって分配され、さらに競争パフォーマンスに基づいてサブネット間で分配されます。
ORA は、分散型ネットワークを通じて購入、販売、開発できる AI モデルをトークン化するために、Initial Model Offering (IMO) の概念を導入しています。
分散型 AGI プラットフォームである Sentient は、AI モデルの共同作業、構築、複製、拡張をコントリビューターに奨励し、コントリビューターに報酬を与えます。
Spectral Nova は、AI および ML モデルの作成と適用に焦点を当てています。
▼検証可能な推論
AI の推論プロセスにおける「ブラック ボックス」問題に対する Web3 の標準的な解決策は、複数の検証者に同じ操作を繰り返して結果を比較させることですが、現在ハイエンドの「Nvidia チップ」が不足しているため、このアプローチは明らかな課題に直面しています。 AI 推論にはコストがかかります。
より有望な解決策は、オフチェーン AI 推論計算に対して ZK 証明を実行することです。これは、一方の証明者が「追加情報」以外は何も明らかにすることなく、一方の証明者が他方の検証者に特定のステートメントが正しいことを証明できる暗号プロトコルです。ステートメントが true であること以外は」というメッセージが表示され、チェーン上の AI モデル計算の許可なしの検証が可能になります。これには、すべてのデータの機密性を確保しながら、オフチェーンの計算が正しく完了したこと (データセットが改ざんされていないことなど) をオンチェーンで暗号的に証明する必要があります。
主な利点は次のとおりです。
スケーラビリティ: ゼロ知識証明により、大量のオフチェーン計算を迅速に確認できます。トランザクションの数が増加した場合でも、単一のゼロ知識証明ですべてのトランザクションを検証できます。
プライバシー保護: データと AI モデルの詳細は非公開のままですが、すべての当事者がデータとモデルが侵害されていないことを確認できます。
トラストレス: 中央集権的な関係者に依存せずに計算を確認できます。
Web2 の統合: 定義上、Web2 はオフチェーンに統合されています。つまり、検証可能な推論がデータ セットと AI 計算をオンチェーンに持ち込むのに役立ちます。これは、Web3 の採用を促進するのに役立ちます。
現在、Web3 の検証可能な推論のための検証可能なテクノロジは次のとおりです。
zkML: ゼロ知識証明と機械学習を組み合わせて、データとモデルのプライバシーと機密性を確保し、基礎となる特定のプロパティを明らかにすることなく検証可能な計算を可能にします。たとえば、Modulus Labs は、ZKML に基づいて AI 用に構築された ZK 証明者をリリースしました。プロバイダーの操作アルゴリズムはチェーン上で正しく実行されますが、現在の顧客は基本的にチェーン上の DApps です。
opML: 楽観的集計の原理を利用して、紛争が発生した時点を検証することで ML 計算のスケーラビリティと効率を向上させます。このモデルでは、「検証者」によって生成された結果のごく一部のみを検証する必要がありますが、経済的です。コストは検証者の不正行為のコストを増加させるのに十分なほど削減されるため、冗長な計算が節約されます。
TeeML: 信頼できる実行環境を使用して ML 計算を安全に実行し、データとモデルを改ざんや不正アクセスから保護します。
3. アプリケーション層: AI エージェント
現在の AI の開発では、開発の焦点がモデル機能から AI エージェントに移行していることが示されています。 OpenAI、AI 大型モデルのユニコーン Anthropic、Microsoft などのテクノロジー企業は、現在の LLM テクノロジー プラットフォームの時代を打破するために、AI エージェントの開発に注力しています。
OpenAI による AI エージェントの定義は、認知、計画、記憶、ツールの使用を自律的に理解し、複雑なタスクを自動的に実行できる、頭脳としての LLM によって駆動されるシステムです。 AIがツールを使用する状態から、ツールを使用できる主体に変化するとき、AIエージェントになります。これが、AI エージェントが人間にとって最も理想的な知的アシスタントとなり得る理由です。
そして、Web3 はエージェントに何をもたらすのでしょうか?
1. 分散化
Web3 の分散型の性質により、エージェント システムをより分散型かつ自律的にすることができ、PoS や DPoS などのメカニズムを通じて誓約者と委任者に対するインセンティブと罰のメカニズムを確立することで、エージェント システムの民主化を促進できます。 。
2.コールドスタート
AI エージェントの開発と反復には多額の資金援助が必要になることが多く、Web3 は潜在的な AI エージェント プロジェクトが早期に資金調達し、コールド スタートを行うのに役立ちます。
Virtual Protocol は、AI エージェントの作成およびトークン発行プラットフォームである fun.virtuals を開始し、どのユーザーもワンクリックで AI エージェントをデプロイし、AI エージェント トークンの 100% 公平な発行を実現できます。
Spectral は、チェーン上の AI エージェント資産の発行をサポートする製品コンセプトを提案しました。IAO (Initial Agent Offering) を通じてトークンを発行することで、AI エージェントは投資家から直接資金を取得し、DAO ガバナンスのメンバーになることができ、投資家に参加の機会を提供します。プロジェクト開発と将来の収益を共有する機会。
Part.2 AI は Web3 をどのように強化するのか?
Web3 プロジェクトにおける AI の影響は明らかであり、スマート コントラクトの実行、流動性の最適化、AI 主導のガバナンス決定などのオンチェーン操作を最適化することで、ブロックチェーン テクノロジに利益をもたらします。同時に、より優れたデータ主導型の決定も提供できます。洞察を提供し、オンチェーンのセキュリティを向上させ、新しい Web3 ベースのアプリケーションの基盤を築きます。
1. AIとオンチェーンファイナンス
▼AIと暗号経済学
8月31日、CoinbaseのCEOであるブライアン・アームストロング氏は、Baseネットワーク上で初のAI間暗号化トランザクションの実装を発表し、AIエージェントがBase上でUSDを使用して人間、販売者、または他のAIと取引できるようになったと述べた。トランザクションは即時、グローバル、そして無料です。
Virtuals Protocol の Luna は、支払いに加えて、AI エージェントが次の方法でオンチェーン トランザクションを自律的に実行できることを初めて実証し、環境を認識し、意思決定を行い、アクションを実行できるインテリジェントな存在として AI が注目を集めました。エージェントは金融の未来として考えられています。現時点では、AI エージェントの潜在的なシナリオは次の点に反映されています。
1. 情報収集と予測: 投資家が取引所の発表、公開情報、パニック、世論のリスクやその他の情報を収集し、資産のファンダメンタルズと市場状況をリアルタイムで分析および評価し、傾向とリスクを予測できるようにします。
2. 資産管理：ユーザーに適切な投資対象を提供し、資産ポートフォリオを最適化し、自動的に取引を実行します。
3. 金融経験: 投資家が最速のオンチェーン取引方法を選択し、クロスチェーンやガス料金の調整などの手動操作を自動化し、オンチェーン金融活動のしきい値とコストを削減できるように支援します。
AI エージェントに次の指示を伝えるシナリオを想像してください。「私は 1,000 USDT を持っています。最も収益が高い組み合わせを見つけるのを手伝ってください。ロックアップ時間は 1 週間を超えないようにしてください。」エージェントは次の提案をします: 「推奨される初期割り当ては、A に 50%、B に 20%、X に 20%、10% です。 Yでは、金利を監視し、リスクレベルの変化を監視し、必要に応じてリバランスを行います。「さらに、潜在的なエアドロッププロジェクトや、コミュニティで人気がある兆候のあるMemecoinプロジェクトを探すこともAIによって行われます。エージェントは将来的には達成できるようになるでしょう。
出典: バイコノミー
現在、AI Agent ウォレット Bitte と AI インタラクション プロトコル Wayfinder がそのような試みを行っており、これらはすべて OpenAI のモデル API にアクセスしようとしており、ユーザーは ChatGPT に似たチャット ウィンドウ インターフェイスでさまざまなオンチェーン操作を完了するようエージェントに命令できます。 WayFinder 今年 4 月にリリースされた最初のプロトタイプは、Base、Polygon、Ethereum の 3 つのパブリック チェーン メインネットでのスワップ、送信、ブリッジ、ステークの 4 つの基本操作を実証しました。
現在、分散型エージェント プラットフォーム Morpheus もこのタイプのエージェントの開発をサポートしています。たとえば、Biconomy は、ウォレットの完全な権限を付与せずに AI エージェントが ETH を USDC に交換できる操作も実証しました。
▼ AIとオンチェーントランザクションのセキュリティ
Web3 の世界では、オンチェーン トランザクションのセキュリティが非常に重要です。 AI テクノロジーを使用すると、オンチェーン トランザクションのセキュリティとプライバシー保護を強化できます。次のようなシナリオが考えられます。
トランザクション監視: リアルタイム データ テクノロジは、異常なトランザクション アクティビティ、ユーザーとプラットフォームに対するリアルタイム アラート インフラストラクチャを監視します。
リスク分析: プラットフォームによる顧客の取引行動データの分析とリスク レベルの評価を支援します。
たとえば、Web3 セキュリティ プラットフォーム SeQure は、AI を使用して悪意のある攻撃、詐欺、データ漏洩を検出して防止し、リアルタイムの監視と警告メカニズムを提供して、オンチェーン トランザクションのセキュリティと安定性を確保します。同様のセキュリティ ツールには、AI を活用した Sentinel があります。
2. AIとオンチェーンインフラストラクチャ
▼AIとオンチェーンデータ
AI テクノロジーは、次のようなオンチェーンのデータ収集と分析において重要な役割を果たします。
Web3 Analytics: 機械学習とデータ マイニング アルゴリズムを使用してオンチェーン データを収集、処理、分析する AI ベースの分析プラットフォームです。
MinMax AI: AI ベースのオンチェーン データ分析ツールを提供し、ユーザーが潜在的な市場機会やトレンドを発見できるようにします。
Kaito: LLM 検索エンジンをベースとした Web3 検索プラットフォーム。
Followin: ChatGPT と統合して、さまざまな Web サイトやソーシャル プラットフォームに散在する関連情報を収集、統合、表示します。
もう 1 つのアプリケーション シナリオは、AI が複数のソースから価格を取得して正確な価格データを提供できるオラクルです。たとえば、Upshot は AI を使用して NFT の不安定な価格をターゲットにし、1 時間あたり 1 億件を超える評価を通じて 3 ～ 10% の誤差の割合で NFT 価格を提供します。
▼AIと開発・監査
最近、Web2 AI コード エディターである Cursor が開発者の間で大きな注目を集めています。そのプラットフォームでは、ユーザーは自然言語で記述するだけで、対応する HTML、CSS、JavaScript コードを自動的に生成できます。ソフトウェアの開発プロセスを簡素化するため、Web3 の開発効率の向上にも適しています。
現在、スマート コントラクトと DApps をパブリック チェーンに展開するには、通常、Solidity、Rust、Move などの独自の開発言語が必要です。新しい開発言語のビジョンは、分散型ブロックチェーンの設計領域を拡大し、DApp 開発により適したものにすることです。しかし、Web3 開発者が大幅に不足していることを考えると、開発者教育は常により厄介な問題となっています。
現在、AI が Web3 開発を支援するシナリオとしては、自動コード生成、スマート コントラクトの検証とテスト、DApp の導入とメンテナンス、インテリジェントなコード補完、開発上の問題に答えるための AI 対話などが考えられます。開発効率と精度を向上させるだけでなく、プログラミングの敷居を下げることで、プログラマ以外の人でもアイデアを実際のアプリケーションに変換できるようになり、分散型テクノロジーの開発に新たな活力をもたらします。
現在、最も注目を集めているのは、迅速な DIY トークン展開のために設計された AI 駆動の「トークン ボット」である Clanker などの、ワンクリック トークン起動プラットフォームです。 Warpcast や Supercast などの SocialFi プロトコル Farcaster クライアントで Clanker にタグを付け、トークンのアイデアを伝えるだけで、パブリック チェーン Base 上でトークンがアクティブ化されます。
Spectral などのコントラクト開発プラットフォームもあり、ワンクリックでスマート コントラクトを生成してデプロイできるため、初心者ユーザーでもスマート コントラクトをコンパイルしてデプロイできます。
監査に関しては、Web3 監査プラットフォーム Fuzzland は AI を使用して監査人がコードの脆弱性をチェックできるようにし、監査の専門知識を支援する自然言語の説明を提供します。 Fuzzland は AI を使用して、正式な仕様と契約コードの自然言語説明と、開発者がコード内の潜在的な問題を理解するのに役立ついくつかのサンプル コードも提供します。
3. AIとWeb3の新たな物語
生成 AI の台頭は、Web3 の新しい物語に新たな可能性をもたらしました。
NFT: AI は生成 NFT に創造性を注入します。AI テクノロジーを通じて、これらの生成 NFT は、Binance の Bicasso などのキャラクター、小道具、またはシーン要素になることができます。画像をアップロードし、キーワードを入力して AI 計算を実行し、NFT を生成できます。同様のプロジェクトには、Solvo、Nicho、IgmnAI、CharacterGPT などがあります。
GameFi: AI の自然言語生成、画像生成、インテリジェント NPC 機能を中心とする GameFi は、ゲーム コンテンツ制作の効率と革新を向上させることが期待されています。たとえば、Binaryx の最初のブロックチェーン ゲーム AI Hero では、プレイヤーが AI を通じてさまざまなプロット オプションをランダムに探索できます。また、AIGC と LLM に基づいた仮想コンパニオン ゲーム Sleepless AI もあり、プレイヤーはさまざまなインタラクションを通じてパーソナライズされたゲームプレイを解除できます。
DAO: 現在、AI は DAO に適用されて、コミュニティの交流の追跡、貢献度の記録、貢献度の最も高いメンバーへの報酬、代理投票などを支援することも想定されています。たとえば、ai16z は AI エージェントを使用して、チェーン内外の市場情報を収集し、コミュニティのコンセンサスを分析し、DAO メンバーの推奨に基づいて投資決定を行います。
Part.3 AI+Web3の組み合わせの意義：タワーとスクエア
イタリアのフィレンツェの中心部にある中央広場は、政治活動の最も重要な場所であり、市民や観光客が集まる場所です。ここに高さ 95 メートルの市庁舎の塔が建っています。視覚的なコントラストが相互に補完し合い、劇的な美的効果を生み出すハーバード大学の歴史教授ニール・ファーガソンは、これにインスピレーションを得て、それをネットワークと階層の世界史と関連付けて著書「Square and Towers」を執筆しました。時間の経過とともに、川の潮は満ちたり引いたりします。
今日の AI と Web3 の関係に関して言えば、この素晴らしい比喩は驚くべきことではありません。両者の長期にわたる非直線的な関係の歴史から、広場の方が塔よりも新しいものや創造性を生み出す可能性が高いことがわかりますが、塔には依然としてその正当性と強い生命力が残っています。
テクノロジー企業がエネルギー コンピューティング パワー データを高度にクラスター化できるようになったことで、AI は前例のない想像力で爆発的に発展し、テクノロジー企業はさまざまなチャット ロボットから「基礎となる大規模モデル」GPT-4、GP 4-4 o、および他の反復バージョンも次々に登場し、現実の物理世界を初期シミュレートする機能を備えた自動プログラミングロボット（デビン）やソラがリリースされるなど、AIの想像力は無限に拡大してきました。
同時に、AI は本質的に大規模かつ集中化された産業であり、この技術変化により、「インターネット時代」に徐々に構造的優位性を獲得してきたテクノロジー企業がより狭い頂点に追い込まれることになります。スマート時代を支配するために必要な膨大な電力、独占的なキャッシュフロー、および膨大なデータセットが、スマート時代に対するより高い障壁を生み出しています。
塔がますます高くなるにつれて、舞台裏での意思決定者はますます小さくなり、AI の集中化は多くの隠れた危険をもたらします。広場に集まった人々はどうすれば塔の下の影を避けることができるでしょうか。これが Web3 が解決したいと考えている問題です。
本質的に、ブロックチェーンの固有の特性は人工知能システムを強化し、主に次のような新たな可能性をもたらします。
人工知能の時代における「コードは法」 - スマート コントラクトと暗号検証を通じて、透明なシステムがルールを自動的に実行し、目標に近づいた人々に報酬を提供します。
トークンエコノミクス – トークンのメカニズム、ステーキング、スラッシュ、トークンの報酬とペナルティを通じて参加者の行動を作成および調整します。
分散型ガバナンス – 情報源に疑問を持ち、AI テクノロジーに対するより批判的で洞察力に富んだアプローチを奨励し、偏見、誤った情報、操作を防ぎ、最終的にはより多くの情報に基づいた権限を与えられた社会を促進します。
AI の発展は Web3 にも新たな活力をもたらしました。Web3 が AI に与える影響を証明するには時間がかかるかもしれませんが、Web3 に対する AI の影響はすぐに現れます。Meme のカーニバルであれ、AI エージェントの支援であれ。オンチェーン アプリケーションのコストを削減するために、使用量のしきい値を確認できます。
Web3 が少数の人々の利己的なものとして定義され、従来の業界のコピーに疑問を抱いたとき、AI の追加により Web3 に予見可能な未来がもたらされました。より安定したより大きな Web2 ユーザー グループと、より大きな革新的なビジネスが実現しました。モデルとサービス。
私たちは「塔と広場」が共存する世界に住んでいますが、AI と Web3 は異なるタイムラインと出発点を持っていますが、その終点は、どのようにして機械をより良く人間に提供できるかということです。 AI+Web3の未来。
*Coinspireプラットフォーム上のすべてのコンテンツは参照のみを目的としており、投資戦略の提案や推奨を構成するものではありません。この記事の内容に基づく個人的な決定は投資家の単独の責任であり、コインスパイアはそこから生じるいかなる利益または損失についても責任を負いません。投資にはリスクが伴い、決定は慎重に行う必要があります。
