元のタイトルを転送する：’Metrics Ventures研究レポート | ビタリックスの記事から出発して、暗号資産×AIにはどのような注目すべきサブセクターがありますか？’

1 イントロダクション：暗号資産とAIを組み合わせる4つの方法

ブロックチェーンによって維持されるコンセンサスは、分散化であり、セキュリティが中心の原則であり、開放性が鍵となる基礎であることを、暗号の観点からオンチェーンの行動が前述の特性を持つようにする。このアプローチは、過去数年間のいくつかのラウンドのブロックチェーン革命で適用されてきました。しかし、人工知能が関与すると、状況はいくつか変化します。

ブロックチェーンやアプリケーションの設計を人工知能を通じて行うことを想像してみてください。この場合、モデルはオープンソースである必要がありますが、それを行うと敵対的な機械学習に対する脆弱性が露呈されます。逆に、オープンソースでないと、分散化が失われる結果になります。したがって、人工知能を現行のブロックチェーンやアプリケーションに導入する際には、統合をどのような方法とどの程度で行うべきかを検討する必要があります。

出典：DE UNIVERSITY OF ETHEREUM

記事『巨人が衝突するとき：暗号資産×AIの収束を探るfrom@uethイーサリアム大学では、人工知能とブロックチェーンの主な特性の違いが説明されています。上の図に示されているように、人工知能の特性は次のとおりです。

• 中央集権化
• 低い透明度
• エネルギー消費
• モノポリー
• 収益化属性が弱い

上記の特性は、人工知能とブロックチェーンを比較すると完全に対照的です。これはVitalikの記事の真の議論です。人工知能とブロックチェーンが組み合わされると、それから生まれるアプリケーションは、データの所有権、透明性、収益化能力、エネルギーコストなどの点でトレードオフを行う必要があります。さらに、両者の効果的な統合を確保するためにどのようなインフラが作成される必要があるかも考慮する必要があります。

上記の基準と彼自身の考えに従って、Vitalikは人工知能とブロックチェーンの組み合わせによって形成されるアプリケーションを、主に4つのタイプに分類しています。

• ゲーム内のプレイヤーとしてのAI
• ゲームへのインターフェースとしてのAI
• ゲームのルールとしてのAI
• ゲームの目的としてのAI

その中で、最初の3つは主にAIが暗号資産の世界に導入される3つの方法を表しており、浅いものから深いものまでの3つの深さのレベルを表しています。著者の理解によると、この分類はAIが人間の意思決定に与える影響の程度を表し、それにより暗号資産の世界全体に異なるレベルのシステムリスクを導入しています。

• アプリケーションの参加者としての人工知能：人工知能自体は人間の意思決定や行動に影響を与えないため、現実の人間世界にリスクをもたらしません。そのため、現在、最も実用的な度合いを持っています。
• アプリケーションのインタフェースとしての人工知能：人工知能は、人間の意思決定や行動の補助情報やツールを提供し、ユーザーや開発者のエクスペリエンスを向上させ、障壁を低くします。ただし、不正確な情報や操作は、現実世界に一定のリスクをもたらす可能性があります。
• アプリケーションのルールとしての人工知能: 人工知能は完全に人間を置き換えて意思決定や操作を行います。したがって、人工知能の悪意ある行動や失敗は直接現実世界で混乱を引き起こす可能性があります。現在、Web2とWeb3の両方において、人工知能に人間を置き換えて意思決定を行うことに信頼することはできません。

最後に、プロジェクトの4番目のカテゴリは、暗号資産の特性を活用してより良い人工知能を作成することを目指しています。前述のように、中央集権化、低透明性、エネルギー消費、独占的傾向、そして貨幣属性の弱さは、暗号資産の特性によって自然に緩和される可能性があります。多くの人々が暗号資産が人工知能の開発に影響を与えることができるかどうかに懐疑的な考えを持っていますが、暗号資産の最も魅力的な物語は常にその分散化を通じて現実世界に影響を与える能力です。このトラックは、その壮大なビジョンからAIトラックの中でも最も熱心に推測されている部分にもなりました。

2 AI 参加者として

AIが参加するメカニズムでは、インセンティブの究極の源泉はしばしば人間によって入力されたプロトコルから来る。AIがインターフェースまたはルールになる前に、通常は異なるAIのパフォーマンスを評価し、AIがメカニズムに参加し、最終的にオンチェーンのメカニズムを通じて報酬やペナルティを受け取ることができるようにする必要があります。

AIが参加者として行動する場合、インターフェースやルールである場合と比べて、ユーザーやシステム全体へのリスクは一般的に無視できるものです。これは、AIがユーザーの意思決定や行動に深く影響を与える前の必要な段階と考えることができます。したがって、このレベルでの人工知能とブロックチェーンの融合に必要なコストやトレードオフは比較的小さいものとされます。これは、Vitalikが現在実用的だと考えている製品カテゴリーでもあります。

幅広さと実装の観点から、現在の多くのAIアプリケーションは、AIを活用した取引ボットやチャットボットなど、このカテゴリに該当します。現在の実装レベルは、AIがインターフェースとしてさえ機能するのが難しい状況です。ユーザーはさまざまなボットを比較し、徐々に最適化していますが、暗号資産のユーザーはまだAIアプリケーションを使用する習慣を身につけていません。Vitalikの記事では、自律エージェントもこのカテゴリに分類されています。

ただし、より狭い意味で、長期的なビジョンの観点からは、AIアプリケーションやAIエージェントに対してより詳細な区別をする傾向があります。したがって、このカテゴリーには、代表的なサブカテゴリとして、次のようなものがあります:

2.1 AIゲーム

ある程度、AIゲームは確かにこのカテゴリに分類されることができます。プレイヤーはAIとやり取りし、AIキャラクターをトレーニングして個人の好みにより適合させることができます。例えば、個々の好みにより密接に一致させるか、ゲームメカニクス内でより競争力を持たせることができます。ゲームはAIが現実世界に入る前の移行段階として機能します。また、一般ユーザーが理解しやすい実装リスクが比較的低いトラックを表しています。このカテゴリの象徴的なプロジェクトには、AIアリーナ、エシュロン・プライム、およびオルタード・ステート・マシンが含まれます。

• AI Arena：プレイヤー同士の対戦（PVP）格闘ゲームで、プレイヤーはAIを使ってゲーム内のキャラクターを育成・進化させることができます。このゲームは、一般のユーザーがゲームを通じてAIと関わり、理解し、体験する機会を提供すると同時に、AIエンジニアにさまざまなAIアルゴリズムを提供して収入を増やすことを目指しています。ゲーム内の各キャラクターは、AI対応のNFTで動作しており、そのコアにはIPFSに格納されたAIモデルの構造とパラメータが含まれています。新しいNFTのパラメータはランダムに生成されるため、ランダムな行動をします。ユーザーは模倣学習（IL）を通じてキャラクターの戦略能力を向上させる必要があります。ユーザーがキャラクターをトレーニングして進捗状況を保存するたびに、パラメータがIPFS上で更新されます。
  

• 変更されたステートマシン：.ASMはAIゲームではなく、AIエージェントの権利確認と取引のためのプロトコルです。これはメタバースAIプロトコルとして位置付けられており、現在、FIFAを含む複数のゲームと統合されており、AIエージェントをゲームやメタバースに導入しています。ASMはNFTを使用してAIエージェントを確認および取引し、各エージェントは3つの部分から構成されています：Brain（エージェントの固有の特性）、Memories（エージェントの学習行動戦略とモデルトレーニングを格納し、Brainにリンクされています）、Form（キャラクターの外観など）。ASMにはエージェントに計算サポートを提供するための分散GPUクラウドプロバイダーを含むGymモジュールがあります。ASMに現在組み込まれているプロジェクトには、AIFA（AIサッカーゲーム）、Muhammed Ali（AIボクシングゲーム）、AIリーグ（FIFAと提携したストリートサッカーゲーム）、Raicers（AI駆動のレーシングゲーム）、およびFLUF WorldのThingies（生成NFT）があります。
  

• Parallel Colony (PRIME): Echelon Primeは、AI LLM（Large Language Models）に基づいたゲームであるParallel Colonyを開発しています。プレイヤーはAIアバターと対話し、それらに影響を与えることができ、アバターは記憶と人生の軌跡に基づいて自律的に行動します。Colonyは現在、最も期待されているAIゲームの1つであり、公式ホワイトペーパーが最近公開されました。さらに、Solanaへの移行の発表が、PRIMEの価値を高め、別の興奮の波を巻き起こしました。

2.2 市場/コンテストの予測

予測能力は、AIが将来の意思決定や行動を行うための基盤です。AIモデルが実用的な予測に使用される前に、予測コンペティションはAIモデルのパフォーマンスを高次元で比較します。データサイエンティスト/AIモデルにトークンの形でインセンティブを提供することで、このアプローチは暗号資産×AI分野全体の発展にプラスの影響を与えます。これにより、より効率的で高性能なモデルや暗号世界に適したアプリケーションの開発が継続的に促進されます。AIが意思決定や行動に深く影響を与える前に、これはより高品質で安全な製品を生み出します。Vitalikの述べたように、予測市場は多くの他の問題に拡張できる強力な原始です。この分野の象徴的なプロジェクトには、NumeraiやOcean Protocolがあります。

• Numerai: Numeraiは、データサイエンティストがNumeraiに提供された歴史的な市場データに基づいて株式市場を予測するために機械学習モデルをトレーニングする長期にわたるデータサイエンスコンペティションです。その後、彼らはモデルとNMRトークンをトーナメントに賭け、性能の良いモデルはNMRトークンの報酬を受け取り、性能の悪いモデルに賭けられたトークンは燃やされます。2024年3月7日現在、6,433のモデルが賭けられ、プロトコルはデータサイエンティストに合計$75,760,979の報酬を提供しています。Numeraiは、データサイエンティストの間で世界的な協力を促進し、新しいタイプのヘッジファンドを構築するよう奨励しています。これまでにリリースされたファンドにはNumerai OneとNumerai Supremeがあります。Numeraiの道筋には、市場予測コンペ→クラウドソーシングされた予測モデル→クラウドソーシングされたモデルに基づく新しいヘッジファンドの創設が含まれます。
• Ocean Protocol：Ocean Predictorは、暗号通貨トレンドの予測から始まる予測に焦点を当てています。プレイヤーはPredictoorボットまたはTraderボットを実行することを選択できます。PredictorボットはAIモデルを使用して、次の時間点（例えば、5分後）での暗号通貨（例：BTC/USDT）の価格を予測し、一定量の$OCEANトークンを賭けます。プロトコルは、賭けられた金額に基づいてグローバルな予測を算出します。トレーダーは予測結果を購入し、それに基づいて取引を行うことができます。予測の精度が高い場合、トレーダーはそれから利益を得ることができます。不正確な予測を行ったPredictorsは罰せられ、正しい予測を行ったPredictorsは賭けられたトークンの一部とトレーダーからの購入手数料を報酬として受け取ります。3月2日、Ocean Predictoorは最新方針であるWorld-World Model（WWM）を発表し、天候やエネルギーなどの実世界シナリオの予測を開始します。
  

3 AI As An Interface

AIは、シンプルでわかりやすい言語を使って、暗号資産の世界で何が起こっているのかを理解するのを支援し、ユーザーのメンターとして機能し、潜在的なリスクに対するアラートを提供して、暗号資産の参入障壁とユーザーリスクを軽減し、ユーザーエクスペリエンスを向上させることができます。実現できる製品の機能は多岐にわたり、ウォレットのやり取り中のリスクアラート、AI駆動の意図取引、暗号資産に関する一般的なユーザーの質問に答えることができるAIチャットボットなどがあります。これらのサービスの対象は、一般ユーザーだけでなく、開発者、アナリスト、ほかのほとんどのグループも含まれ、AIサービスの潜在的な受益者となる可能性があります。

これらのプロジェクトの共通点を繰り返しましょう：人間に代わって特定の意思決定や行動を実行していませんが、AIモデルを利用して情報やツールを提供し、人間の意思決定や行動を支援しています。このレベルでは、AIの悪事のリスクがシステム内で露出し始めており、人間の判断を妨げるために間違った情報を提供しています。この側面は、Vitalikの記事で詳細に分析されています。

このカテゴリに分類される多様なプロジェクトがあります。AIチャットボット、AIスマートコントラクト監査、AIコード生成、AI取引ボットなどが含まれます。現在、ほとんどのAIアプリケーションがこの基本レベルにあると言えます。代表的なプロジェクトには、

• Paal: PaaLは現在、AIチャットボットのリーディングプロジェクトであり、暗号資産に関する知識をもとにトレーニングされたChatGPTと見なすことができます。Telegram（TG）やDiscordなどのプラットフォームと統合され、PaaLはトークンデータ分析やトークンの基本分析、トークン経済分析、さらにはテキストから画像生成などの機能をユーザーに提供します。PaaL Botはグループチャットに統合され、特定の情報に自動応答することができます。PaaLはカスタマイズされた個人用ボットもサポートしており、ユーザーはデータセットをフィードして独自のAI知識ベースやカスタムボットを構築することができます。PaaLはAI取引ボットに向けて進化しており、2月29日にAIサポートの暗号資産調査＆取引ターミナルであるPaalXを発表しました。紹介によれば、AIスマートコントラクトの監査を実行し、Twitterに基づくニュースを統合して取引し、暗号資産の調査と取引をサポートすることができます。AIアシスタントはユーザーの参入障壁を低くすることができます。

ChainGPT：ChainGPTは、チャットボット、NFTジェネレータ、ニュース収集、スマートコントラクト生成および監査、取引アシスタント、Prompt市場、AIクロスチェーン取引などの一連の暗号資産ツールを開発するために人工知能に依存しています。ただし、ChainGPTの現在の焦点はプロジェクトの育成とLaunchpadにあり、24のプロジェクトと4回の無料プレゼントのIDOを完了しています。

• Arkham: Ultraは、アルゴリズムを使用してアドレスを実世界のエンティティと一致させるために設計されたArkhamの専用AIエンジンであり、これにより暗号資産業界の透明性が向上します。 Ultraは、ユーザーによって提供されたオンチェーンおよびオフチェーンデータを統合し、それ自体が収集し、拡張可能なデータベースに出力し、最終的にチャート形式で表示します。ただし、ArkhamのドキュメントにはUltraシステムに関する詳細な議論が提供されていません。 Arkhamは最近、OpenAIの創設者であるSam Altmanからの個人投資により注目を集め、過去30日間で5倍の価値の増加を経験しています。
• GraphLinq：GraphLinqは、プログラミングを必要とせずにさまざまな種類の自動化機能を展開および管理することを可能にする自動ワークフロー管理ソリューションです。たとえば、CoingeckoからBitcoinの価格をTG Botに5分ごとにプッシュすることができます。GraphLinqのソリューションは、ユーザーがノードをドラッグして自動化タスクを作成し、GraphLinq Engineを使用して実行することを可能にするグラフを使用して自動化プロセスを視覚化します。コーディングは不要ですが、グラフを作成するプロセスは、適切なテンプレートの選択や、数百のオプションから適切なロジックブロックを選択および接続するなど、一般ユーザーにはある程度の学習曲線があります。これに対処するために、GraphLinqは、AIを導入して、会話型人工知能および自然言語を使用して自動化タスクを構築および管理することを可能にし、技術的側面に精通していないユーザー向けにプロセスを簡素化します。
• 0x0.ai:0x0のAI関連事業は主に3つの側面を含んでいます：AIスマートコントラクト監査、AIによるラグ防止、AI開発者センター。その中で、AIによるラグ防止は、過度な税金や流動性の排出などの疑わしい行動を検出し、ユーザーが騙されるのを防ぐことを目指しています。AI開発者センターは機械学習技術を活用してスマートコントラクトを生成し、コード不要で契約を展開することが可能です。ただし、AIスマートコントラクト監査のみが予備的に開始されており、他の2つの機能はまだ完全に開発されていません。
• Zignaly（ジグナリー）：Zignalyは2018年に設立され、個人投資家がコピートレードのロジックに類似して、ファンドマネージャーを選択し、仮想通貨資産を管理できるようにすることを目的としています。Zignalyは機械学習と人工知能技術を使用して、ファンドマネージャーを評価するシステムを構築しています。最初にローンチされた製品はZ-Scoreと呼ばれます。ただし、人工知能製品として、現在の形ではまだ比較的基本的です。
  

4 AIがゲームのルールとして

これは最もエキサイティングな部分であり、AIが人間の意思決定と行動を置き換えることが可能になります。あなたのAIは直接あなたのウォレットを制御し、取引の意思決定や行動を代わりに行います。このカテゴリーでは、著者は主にAIアプリケーション（特に自律的な意思決定を持つビジョンを持つもの、例えばAI自動取引ボット、AI DeFi収益ボット）、自律エージェントプロトコル、zkML/opMLの3つのレベルに分類できると考えています。

AIアプリケーションは、特定の分野での具体的な意思決定を行うためのツールです。異なるセクターからの知識とデータを蓄積し、特定の問題に適したAIモデルに依存して意思決定を行います。この記事では、AIアプリケーションはインターフェースとルールの両方に分類されています。開発のビジョンに関しては、AIアプリケーションは独立した意思決定エージェントとなるはずですが、現時点ではAIモデルの効果のみならず、統合されたAIのセキュリティもこの要件を満たすことができません。インターフェースとしても、ある程度強制されています。AIアプリケーションはまだ非常に初期の段階にあり、以前に導入された具体的なプロジェクトがあります。

Vitalikによって言及された自律エージェントは、最初のカテゴリ（参加者としてのAI）に分類されていますが、この記事では、彼らの長期的なビジョンに基づいて、それらを第三のカテゴリに分類しています。自律エージェントは、多量のデータとアルゴリズムを使用して人間の思考と意思決定プロセスをシミュレートし、さまざまなタスクや相互作用を実行します。この記事は、エージェントのインフラストラクチャに焦点を当てており、通信レイヤーやネットワークレイヤーなどが含まれています。これらは、エージェントの所有権を定義し、彼らのアイデンティティを確立し、通信規格や方法を決定し、複数のエージェントアプリケーションを接続し、彼らが意思決定や行動に協力することを可能にします。

zkML/opML：正しいモデル推論プロセスを通じて提供される出力が、暗号化または経済的手法を通じて信頼性のあるものであることを確認します。セキュリティ問題は、AIをスマート契約に導入する際に致命的です。スマート契約は、出力を生成し、一連の機能を自動化するために入力に依存しています。AIが誤った入力を提供した場合、これは暗号システム全体に重大なシステムリスクを導入します。したがって、zkML/opMLと一連の潜在的な解決策は、AIが独立して行動し意思決定を行うための基盤となります。

最終的に、3つはルールオペレーターとしてのAIの3つの基本レベルを構成します：zkml/opmlはプロトコルのセキュリティを確保する最も低いレベルのインフラストラクチャです。エージェントプロトコルはエージェントエコシステムを確立し、協力的な意思決定と行動を可能にします。AIアプリケーション、また特定のAIエージェントも、特定の領域で能力を継続的に向上させ、実際に意思決定を行い、行動を起こします。

4.1 自律エージェント

暗号資産世界でのAIエージェントの応用は自然です。スマートコントラクトからTGボット、AIエージェントまで、暗号空間はより高度な自動化とユーザー障壁の低下に向かっています。スマートコントラクトは不変のコードを通じて自動的に機能を実行しますが、それらはまだ外部トリガーに依存してアクティブ化し、自律的にまたは連続的に実行することはできません。TGボットはユーザーが自然な言語を通じてブロックチェーンとやり取りできるようにしてユーザー障壁を減らしますが、単純で特定のタスクのみを実行し、ユーザー中心の取引を達成することはできません。一方、AIエージェントは一定の独立した意思決定能力を持っています。彼らは自然言語を理解し、他のエージェントやブロックチェーンツールを自律的に組み合わせて、ユーザーが指定した目標を達成します。

AIエージェントは、暗号資産製品のユーザーエクスペリエンスを大幅に向上させることに専念しています。一方、ブロックチェーン技術はAIエージェントの運用の分散化、透明性、セキュリティをさらに高めることができます。具体的な支援内容は次のとおりです:

• トークンを開発者にインセンティブを与えて、より多くのエージェントを提供することを促進することで。
• NFT認証は手数料と取引ベースのエージェント活動を容易にします。
• オンチェーンエージェントのアイデンティティと登録メカニズムを提供します。
• 彼らの行動を追跡して責任を果たすために、タイムリーなトレーシングと説明責任のための不変のエージェントアクティビティログを提供しています。

このトラックの主要なプロジェクトは次のとおりです:

• Autonolas：Autonolasは、オンチェーンプロトコルを介してエージェントと関連するコンポーネントの資産所有権と合成性をサポートし、コードコンポーネント、エージェント、およびサービスをオンチェーンで発見および再利用し、開発者に経済的補償を提供します。開発者は、コードをオンチェーンに登録し、完成したエージェントまたはコンポーネントの所有権を表すNFTを受け取ります。サービス所有者は複数のエージェントと協力してサービスを作成し、それをオンチェーンに登録し、エージェントオペレーターを引き付け、ユーザーが利用料を支払ってアクセスします。
• Fetch.ai: Fetch.aiは、AIの分野で強力なチームバックグラウンドと開発経験を持ち、現在はAIエージェントトラックに焦点を当てています。このプロトコルは、AIエージェント、Agentverse、AI Engine、Fetch Networkの4つの主要レイヤーで構成されています。AIエージェントはシステムの中核を形成し、他のレイヤーはエージェントサービスの構築を支援するフレームワークやツールを提供しています。Agentverseは、主にAIエージェントを作成して登録するためのソフトウェアサービスプラットフォームです。AI Engineはユーザーの自然言語入力を解釈し、行動可能なタスクに変換し、Agentverseから最適な登録済みAIエージェントを選択してタスクを実行することを目指しています。Fetch Networkはプロトコルのブロックチェーンレイヤーであり、AIエージェントは他のエージェントと協力するためにオンチェーンのAlmanac契約に登録する必要があります。Autonolasは現在、暗号世界でエージェントを構築し、オフラインエージェントオペレーションをブロックチェーンにもたらしていますが、Fetch.aiのスコープには旅行予約や天気予報などのWeb2世界も含まれています。
• Delysium:Delysiumは、ゲームからAIエージェントプロトコルに移行し、主に通信層とブロックチェーン層の2つの層で構成されています。通信レイヤーはDelysiumのバックボーンとして機能し、AIエージェント間の効率的な通信のための安全でスケーラブルなインフラストラクチャを提供します。ブロックチェーン層は、エージェントのIDを検証し、スマートコントラクトを通じてエージェントの行動を不変に記録します。具体的には、通信層はエージェント間で統一された通信プロトコルを確立し、標準化されたメッセージングシステムを使用してシームレスな通信を促進します。さらに、サービス検出プロトコルとAPIを確立し、ユーザーや他のエージェントが利用可能なエージェントをすばやく検出して接続できるようにします。ブロックチェーン層は、主にエージェントIDとChronicleスマートコントラクトの2つの部分で構成されています。Agent IDは、正当なエージェントのみがネットワークにアクセスできるようにし、Chronicleは、エージェントによるすべての重要な決定とアクションの不変のログリポジトリとして機能し、エージェントの動作の信頼できるトレーサビリティを確保します。
• Altered State Machine: Altered State Machineは、NFTを介してエージェントの資産所有権と取引の標準を確立します。ASMは現在主にゲームと統合されていますが、その基本的な仕様は他のエージェント領域への拡張の可能性も秘めています。
• Morpheous: Morpheousは、AIエージェントのエコシステムネットワークを構築し、それぞれAIエージェント、エージェント操作をサポートするコンピューティングパワー、フロントエンドおよび開発ツール、資金を提供するコーダー、コンピュータープロバイダー、コミュニティビルダー、資本提供者を結びつけることを目指しています。MORは、コンピューティングパワーを提供するマイナー、stETHステーカー、エージェントまたはスマートコントラクトの開発に貢献する者、コミュニティ開発の貢献者をインセンティブ付けするフェアローンチモデルを採用します。

4.2 zkML/opML

ゼロ知識証明には現在、主に2つの主要な適用方向があります:

• ZKを利用したコスト削減による正しい計算の証明（ZK-RollupとZKPクロスチェーンブリッジがこのZKの機能を活用しています）;
• プライバシー保護：計算の詳細を知る必要はありませんが、計算が正しく実行されたことを証明することができます。

同様に、機械学習におけるZKPの適用も2つのカテゴリに分けることができます:

• 推論検証：すなわち、ZK-証明を通じて、AIモデルの推論の高密度計算プロセスがオフチェーンで正しく実行されたことを、より低コストでチェーン上に証明する。
• プライバシー保護：2つのカテゴリに分けることができます。1つはデータプライバシーの保護で、これは公開モデルでの推論にプライベートデータを使用することを含み、ZKMLを使用してデータのプライバシーを保護することができます。 もう1つはモデルプライバシーの保護で、モデルの重みなどの特定の情報を隠すことを目指し、公開入力からの出力結果を計算および導出することを目指しています。

著者は、現在、暗号資産にとって最も重要な側面は推論検証であり、ここでは推論検証のシナリオについてさらに詳しく説明します。 AIが参加者として始まり、AIが世界の規則となるまで、AIをオンチェーンプロセスに統合したいと考えています。ただし、AIモデル推論の高い計算コストは、直接オンチェーンでの実行を阻止します。このプロセスをオフチェーンに移動することは、このブラックボックスによってもたらされる信頼の問題を許容しなければなりません。AIモデルオペレーターが私の入力を改ざんしたのか？私が指定したモデルを推論に使用したのか？MLモデルをZK回路に変換することで、次のことが実現できます：(1)小さなモデルのオンチェーンストレージ、小さなzkMLモデルをスマートコントラクトに直接格納することで不透明性の問題に直接対処することができます。(2) ZKプルーフの生成中にオフチェーンで推論を完了し、ZKプルーフのオンチェーン実行を使用して推論プロセスの正確性を検証します。このインフラストラクチャには、2つの契約が含まれます。メイン契約（MLモデルを使用して結果を出力する）とZKプルーフ検証契約です。

zkMLはまだ非常に初期の段階にあり、MLモデルをZK回路に変換する際に技術的な課題に直面しており、高い計算および暗号上のオーバーヘッドコストもかかります。Rollupの開発経路に類似し、opMLは経済の観点から別の解決策として機能します。opMLはArbitrumのAnyTrust仮定を使用し、各主張には少なくとも1つの正直なノードがあることを意味し、提出者または少なくとも1つの検証者が正直であることを保証します。ただし、OPMLは推論検証の代替手段としてのみ機能し、プライバシー保護を実現することはできません。

現在のプロジェクトは、zkMLのインフラストラクチャを構築し、その応用を探索しています。応用の構築も同様に重要です。なぜなら、暗号資産の利用者にzkMLの重要な役割を明確に示し、究極の価値が膨大なコストを上回ることを証明する必要があるからです。これらのプロジェクトでは、一部が機械学習に関連するZK技術の開発に焦点を当てています（例：Modulus Labs）、一方、他のプロジェクトはより一般的なZKインフラストラクチャの構築に焦点を当てています。関連するプロジェクトには、

• Modulusは、zkMLを利用してオンチェーン推論プロセスに人工知能を適用しています。2月27日、ModulusはzkMLプローバー Remainderを発表し、同等のハードウェア上で従来のAI推論と比較して180倍の効率改善を実現しました。さらに、Modulusは複数のプロジェクトと協力して、zkMLの実用的なユースケースを探索しています。例えば、Upshotと提携し、複雑な市場データを収集し、ZKプルーフを用いてAIでNFTの価格を評価し、その価格をブロックチェーンに送信しています。また、AI Arenaと協力して、戦闘中のアバターとトレーニングされたプレイヤーが同じエンティティであることを証明しています。
• Risc Zeroはモデルをチェーン上に配置し、Risc ZeroのZKVMで機械学習モデルを実行することにより、モデルに関与する正確な計算が正しく実行されたことを証明できます。
• Ingonyamaは、ZK技術向けの特殊ハードウェアの開発を進めており、ZK技術分野への参入障壁を下げる可能性があります。zkMLはモデルトレーニングプロセスでも使用することができます。

5 AIを目標として

前の3つのカテゴリがAIが暗号資産をどのように強化するかに焦点を当てているのであれば、「目標としてのAI」は暗号資産がAIに対する支援を強調し、具体的にはどのようにして暗号資産を活用してより良いAIモデルや製品を作成するかを強調しています。これには、より効率的で精密で分散化された評価基準が含まれる可能性があります。AIにはデータ、計算能力、アルゴリズムの3つの核心要素があり、各次元において、暗号資産はAIに対してより効果的なサポートを提供しようとしています。

• データ：データはモデルトレーニングの基盤として機能し、分散型データプロトコルは、個人や企業がより多くのプライベートデータを提供するようインセンティブを与え、暗号技術を使用してデータプライバシーを保護し、機密個人情報の漏洩を防止します。
• コンピューティングパワー：分散コンピューティングパワートラックは現在、最もホットなAIトラックです。プロトコルは市場での供給と需要のマッチングを促進し、ロングテールのコンピューティングパワーをAIエンタープライズとペアリングしてモデルのトレーニングと推論を促進します。
• アルゴリズム：暗号資産によるアルゴリズムの強化は、Vitalik Buterinの「AI as a Goal」という記事で説明されているように、分散型AIを実現する上で最も重要な側面です。分散型で信頼性のあるブラックボックスAIを作成することで、敵対的機械学習などの問題に取り組むことができます。ただし、このアプローチは高い暗号コストなどの重要な障壁に直面する可能性があります。さらに、「暗号的インセンティブを使用してより良いAIの作成を奨励する」というアプローチは、暗号のウサギ穴に完全に没頭することなく達成可能です。

大手テクノロジーカンパニーによるデータとコンピューティングパワーの独占は、モデルトレーニングプロセスの独占につながります。ここでは、クローズドソースモデルがこれらの企業の主要な利益ドライバーとなります。インフラの観点から見ると、暗号資産は経済手段を通じてデータとコンピューティングパワーの分散供給を奨励します。さらに、暗号技術によってプロセス中のデータプライバシーを保証します。これは、透明性と分散化されたAIエコシステムの実珵を目指して、分散型モデルトレーニングを促進する基盤となります。

5.1 分散データプロトコル

分散データプロトコルは主にデータのクラウドソーシングを通じて運営され、ユーザーにデータセットやデータサービス（データラベリングなど）の提供を促し、企業がモデルトレーニングに使用するためのデータを提供します。また、供給と需要のマッチングを促進するためのデータマーケットプレイスを設立します。一部のプロトコルは、DePINプロトコルを介してユーザーにブラウジングデータを取得したり、ユーザーのデバイス/帯域幅を利用してWebデータのスクレイピングを行ったりすることを探っています。

• Ocean Protocol: データの所有権をトークン化し、ユーザーがコードを使用せずにOcean Protocol上でデータ/アルゴリズムのNFTを作成し、それに対応するデータトークンを作成することができます。Ocean Protocolは、データNFTへのアクセスを制御するためのデータトークンを作成します。Ocean Protocolは、Compute To Data（C2D）を通じてデータプライバシーを確保し、ユーザーはデータ/アルゴリズムに基づく出力結果のみを入手でき、完全なダウンロードは行いません。2017年にデータマーケットプレイスとして設立されたOcean Protocolは、現在のトレンドでAIに乗り出しています。
• Synesis One: このプロジェクトは、Solana上のTrain2Earnプラットフォームで、ユーザーは自然言語データやデータラベリングを提供することで$SNSリワードを獲得します。ユーザーはデータを提供することでマイニングをサポートし、そのデータは検証後にチェーン上に格納され、その後AI企業によってトレーニングと推論に使用されます。マイナーはアーキテクト/ビルダー/バリデーターの3つのカテゴリに分かれています。アーキテクトは新しいデータタスクを作成し、ビルダーは特定のタスクに向けたテキストデータを提供し、バリデーターはビルダーが提供したデータセットを検証します。完成したデータセットはIPFSに格納され、そのソースとIPFSアドレスはAI企業（現在はMind AI）が使用するためにオフチェーンデータベースに格納されています。

Grass：分散データレイヤーである「AI」と呼ばれるものは、本質的には分散ネットワーク・スクレイピング・マーケットとして機能し、AIモデル訓練のためにデータを取得します。インターネットのウェブサイトは、AIの訓練データの重要なソースとして機能し、Twitter、Google、Redditなどの多くのサイトが重要な価値を保持しています。ただし、これらのウェブサイトはデータのスクレイピングに対して制限を継続的に課しています。Grassは、個々のネットワーク内の未使用の帯域幅を活用して、異なるIPアドレスを使用して公共のウェブサイトからデータをスクレイピングすることで、データブロックの影響を緩和します。Grassは初期データのクリーニングを行い、AIモデル訓練の取り組みにおけるデータソースとして機能します。現在、ベータテスト段階にあるGrassでは、ユーザーが帯域幅を提供することでポイントを獲得し、これらは潜在的なエアドロップと交換することができます。

AITプロトコル：AITプロトコルは、開発者に高品質のデータセットを提供するために設計された分散型のデータラベリングプロトコルです。Web3は、グローバルな労働力がネットワークに迅速にアクセスしてデータラベリングを通じてインセンティブを獲得できるようにします。AITのデータサイエンティストがデータに事前ラベルを付け、その後ユーザーによってさらに処理されます。データサイエンティストによる品質チェックを経て、検証されたデータが開発者に提供されます。

前述のデータ供給およびデータラベリングプロトコルに加えて、Filecoin、Arweaveなどの従来の分散型ストレージインフラも、より分散型のデータ供給に貢献します。

5.2 分散コンピューティングパワー

AIの時代において、コンピューティングパワーの重要性は明白です。 NVIDIAの株価が急騰しただけでなく、暗号資産の世界では、分散型コンピューティングパワーはAI分野で最も注目されているニッチな方向と言えます。時価総額上位200位のAIプロジェクトのうち5つのプロジェクト（Render/Akash/AIOZ Network/Golem/Nosana）が分散型コンピューティングパワーに焦点を当て、ここ数ヶ月で大きな成長を遂げています。時価総額の低いプロジェクトでも、分散型コンピューティングパワープラットフォームの台頭が見られています。まだ始まったばかりですが、特にNVIDIAの会議からの熱狂的なムーブメントと共に急速に勢いを得ています。

このトラックの特性から、この方向のプロジェクトの基本的なロジックは非常に均質であり、トークンインセンティブを使用して、アイドルの計算リソースを持つ個人や企業にリソースの提供を促進し、それによって利用コストを大幅に削減し、計算能力の供給と需要の市場を確立することを目指しています。現在、計算能力の主な源泉は、データセンター、マイナー（特にEthereumがPoSに移行した後）、消費者レベルの計算能力、他のプロジェクトとの連携などです。均質化されていますが、これは主要プロジェクトが高いモートを持つトラックです。プロジェクトの主な競争上の優位性は、計算能力リソース、計算能力のリース価格、計算能力の利用率、その他の技術的な優位性から得られます。このトラックの主要な先導プロジェクトには、Akash、Render、io.net、およびGensynが含まれます。

特定のビジネス方向に従って、プロジェクトは大まかに2つのカテゴリーに分けることができます: AIモデルの推論とAIモデルのトレーニング。 AIモデルのトレーニングに必要な計算能力と帯域幅の要件は推論よりもはるかに高いため、そしてモデル推論の市場が急速に拡大しているため、将来的な収入はトレーニングよりもかなり高くなるでしょう。そのため、現在、ほとんどのプロジェクトは推論の方向に焦点を当てています（Akash、Render、io.net)、Gensynに焦点を当てています。その中で、AkashとRenderは元々AIコンピューティングのために開発されたものではありませんでした。Akashは元々一般コンピューティング用に使用されていましたが、Renderは主にビデオおよび画像のレンダリング用に使用されていました。io.netはAIコンピューティング用に特別に設計されていますが、AIがコンピューティングの需要レベルを引き上げた後、これらのプロジェクトはすべてAIの方向に発展している傾向があります。

最も重要な2つの競争力指標は、供給側（計算能力リソース）と需要側（計算能力利用）からまだ来ています。Akashには282のGPUと20,000以上のCPUがあり、160,000以上のリースが完了しており、GPUネットワークの利用率は50-70%で、このトラックでは良い数字です。io.netには40,272のGPUと5,958のCPUがあり、さらにRenderには4,318のGPUと159のCPUがあり、Filecoinには1,024のGPU使用許可があり、その中に約200のH100と何千ものA100が含まれています。 io.netは非常に高いエアドロップ期待を持って計算能力リソースを引きつけており、GPUデータは急速に成長しており、トークンがリストされた後にリソースを引き付ける能力を再評価する必要があります。RenderとGensynは具体的なデータを開示していません。さらに、多くのプロジェクトはエコシステムの協力を通じて、供給側と需要側の両方で競争力を高めています。例えば、io.netはRenderやFilecoinの計算能力を利用して自社のリソースを強化しており、Renderは計算クライアントプログラム（RNP-004）を設立しており、ユーザーが計算クライアントを介して間接的にRenderの計算能力リソースにアクセスできるようにしています。io.net, Nosana、FedMl、およびBeamは、レンダリング分野から人工知能コンピューティングへの迅速な移行を実現します。

さらに、分散コンピューティングの検証は、計算リソースを持つワーカーがコンピューティングタスクを正しく実行することをどのように証明するかという課題が残っています。Gensynは、確率的学習証明、グラフベースの正確な測位プロトコル、およびインセンティブを通じて計算の正確性を確保し、そのような検証レイヤーを確立しようとしています。バリデーターとレポーターが共同でGensynの計算を検査するため、分散型トレーニングの計算サポートを提供するだけでなく、確立された検証メカニズムにも独自の価値があります。Solana上に位置するコンピューティングプロトコルFluenceは、コンピューティングタスクの検証も強化します。開発者は、オンチェーンプロバイダーが提供する証明を調べることで、アプリケーションが期待どおりに動作し、計算が正しく実行されるかどうかを検証できます。しかし、実際的なニーズは、信頼性よりも実現可能性を優先しています。コンピューティングプラットフォームは、まず競争力を持つのに十分な計算能力を備えている必要があります。もちろん、優れた検証プロトコルのために、他のプラットフォームから計算リソースにアクセスし、検証およびプロトコルレイヤーとして機能し、独自の役割を果たすオプションがあります。

5.3 分散型モデル

Vitalikが描く究極のシナリオは、以下の図に描かれている通り、まだ非常に遠いものです。現在、ブロックチェーンと暗号化技術を使用して作成された信頼できるブラックボックスAIを実現することはできません。敵対的な機械学習に対処するには、トレーニングデータからクエリ出力までのAIプロセス全体を暗号化する必要があり、これにはかなりのコストがかかります。しかし、現在、より良いAIモデルの作成をインセンティブ化しようとしているプロジェクトがあります。彼らはまず、異なるモデル間の閉鎖された状態を取り除き、モデル同士が学び合い、協力し、健全な競争を行うことができる環境を作り出しています。Bittensorはこの点で最も代表的なプロジェクトの1つです。

Bittensor：BittensorはさまざまなAIモデルの統合を容易にしていますが、Bittensor自体はモデルトレーニングには関与していません。代わりに、主にAI推論サービスを提供しています。その32のサブネットは、データ取得、テキスト生成、Text2Imageなどの異なるサービス方向に焦点を当てています。タスクを完了する際、異なる方向に属するAIモデルが互いに協力することができます。インセンティブメカニズムは、サブネット間およびサブネット内での競争を推進します。現在、報酬はブロックごとに1TAOのペースで配布され、1日あたり約7200TAOトークンに相当します。SN0（ルートネットワーク）の64のバリデータが決定します。分配比率これらの報酬を、サブネットのパフォーマンスに基づいて異なるサブネット間で分配します。一方、サブネットの検証者は、作業評価に基づいて異なるマイナー間の分配比率を決定します。その結果、より良いパフォーマンスのサービスやモデルがより多くのインセンティブを受け取り、システム推論の品質全体の向上が促進されます。

6 結論：MEMEは単なるハイプか、技術革命か？

Sam Altmanの動きがARKMとWLDの価格を急上昇させ、Nvidiaの会議が参加プロジェクトの一連を後押しする中、多くの人々がAI分野での投資アイデアを調整しています。AI分野は主にミームの憶測によって駆動されていますか、それとも技術革命ですか？

一部の有名人のテーマ（例：ARKMおよびWLDなど）を除いて、暗号資産のAI分野全体は、技術的な物語によって駆動される“ミーム”のように見えます。

一方で、暗号資産AI分野全体の投機は、間違いなくWeb2 AIの進展に密接に関連しています。OpenAIなどの実体による外部のハイプは、暗号資産AI分野の触媒として機能します。一方で、AI分野の物語は依然として技術的な物語を中心に展開しています。ただし、技術そのものだけでなく、“技術的な物語”を強調することが重要です。これは、AI分野内で特定の方向を選択し、プロジェクトの基本に注意を払う重要性を強調しています。投機的価値のある物語の方向性や、長期的な競争力と堀を持つプロジェクトに注目することが必要です。

Vitalikが提案した4つの潜在的な組み合わせを見ると、物語の魅力と実現可能性のバランスが見られます。AIアプリケーションによって表される第1および第2のカテゴリでは、多くのGPTラッパーが観察されます。これらの製品は迅速に展開されていますが、ビジネスの均質性の高い度合いも示しています。初動優位性、エコシステム、ユーザーベース、収益は均質な競争の文脈で語られるストーリーとなります。第3および第4のカテゴリは、AIと暗号資産を組み合わせた大きな物語を表しており、Agent on-chain協力ネットワーク、zkML、AIの分散再構築などが含まれます。これらはまだ初期段階にあり、技術革新を持つプロジェクトは、実装の初期段階であっても迅速に資金を引き付けます。

免責事項：

1. この記事は[から転載されましたメトリクス・ベンチャーズ]. Forward the Original Title‘Metrics Ventures研报 | 从V神文章出发，Crypto×AI有哪些值得关注的细分赛道？’.All copyrights belong to the original author [ @charlotte0211z，@BlazingKevin_，Metrics Ventures]. If there are objections to this reprint, please contact the Gate Learnチームが迅速に対応します。
2. 責任の免責事項：この記事で表現されている意見は、著者個人のものであり、投資アドバイスを構成するものではありません。
3. Gate Learnチームによって他の言語への記事の翻訳が行われます。特に言及がない限り、翻訳された記事のコピー、配布、または盗作は禁止されています。