AIに特化した分散型Web3の基盤プロトコルKIP Protocol #2を理解する

1）RAGの概要

AIモデルは、大量のデータを投与することで訓練されます。彼らはデータから学び、内部の重みを調整してパターンを認識し、新しいデータに基づいて予測や意思決定を行うことができるようになります。そして、モデルは新たに得た「生の」知識に基づいてユーザーの質問に答えることができます。

しかし、この訓練プロセスでは、全データセットをモデルにさらす必要があり、基本的にはデータがモデルに「吸収」されることになります。もしデータに機密情報や著作権情報が含まれている場合、モデルは将来的にその情報を逐語的に漏らす可能性があります。

では、データがリスクにさらされることを望まない場合はどうすればよいのでしょうか？

これがRAG（リトリーバル強化生成）が登場する理由です。

RAGは、AIモデルが外部の知識ベースやデータベースからデータや情報を検索し、元々知らなかった答えを生成することを可能にする複雑な技術です。

それは、あなたの質問の答えを知らないかもしれませんが、外部データからあなたが求める答えを専門的に見つけ出すインテリジェントアシスタントのようなものです。

1. ユーザーの質問入力：

まず、ユーザーはRAGシステムを運用するチャットボットに質問をします。

例えば、「COVID-19の症状は何ですか？」という質問です。

2. 外部データベースからの検索：

モデルは、医学雑誌、健康サイト、臨床データベースなど、接続された外部の知識ベースやデータベースを検索し、検索段階を開始します。ユーザーの質問に関連するデータや情報のみを検索します。

3. データの処理、フィルタリング、生成：

検索されたデータを処理し、フィルタリングして重要な情報を抽出し、関連性のないデータを排除します。AIモデルは、検索されたデータをユーザーの質問の文脈と統合し、答えを生成します。

COVID-19の症状に関する質問のケースでは、RAGは発熱、咳、呼吸困難などの一般的な症状を列挙した応答を生成するかもしれませんが、モデルの訓練時には存在しなかった最新の医学研究論文の情報を含む可能性もあります。これはより高品質な答えです。

4. 返信の送信：

生成された返信は、チャットボットのインターフェースを通じてユーザーに提示されます。

したがって、RAGは外部データを使用してAIの質問に答えることを可能にし、モデルがこれらのデータを「吸収」する訓練プロセスを経る必要がありません。

RAG技術は成熟しつつあり、私たちの研究文書では、RAGが提供する答えの質が訓練されたモデルを超えることができることを示しています。https://arxiv.org/pdf/2311.05903.pdf

2）RAGの重要性

RAGはますます重要になるでしょう。なぜなら：

1. モデルの訓練は非常に技術的かつ専門的な作業であり、通常は高コストであるため、モデルの訓練に必要なスキルやリソースを持っている人は多くありません。

2. 多くのデータ（機密データ、専有データなど）の所有者は、自分たちが完全に所有していない、または制御できないモデルにデータをさらすことに不安を感じるかもしれません。

あなたはまた、重要な問題に気づくかもしれません：

RAGフレームワークの下では、アプリ開発者、モデル制作者、データ所有者が協力し、ユーザーの質問に答えるためにそれぞれ貢献することができます。

したがって、公平な状況では、各当事者はその貢献に対して公平な報酬を得るべきです。

しかし、現時点では、各当事者の独立性や所有権を損なうことなくこれを実現する簡単な方法はありません。（ちなみに、この問題が私たちが1年以上前にKIPの構築を始めた理由です）。

これが「収益問題」です。

3）RAGと中央集権AIの「収益問題」

あるエンティティがAIの価値創造のすべての要素を所有している状況を想像してみましょう：ユーザーから収集した支払いを各当事者間で再分配する必要がなく、内部で直接会計ができるのです。

しかし逆に、私たちが一つのエンティティがAIの価値創造のすべての要素（アプリ開発者、モデル制作者、データ所有者）を所有することを受け入れられない場合、異なる業界のAI価値創造の役割間の収益問題を解決する必要があります。

「収益問題」を解決しなければ、アプリ開発者、モデル制作者、データ所有者はそれぞれの独立性と取引の自由を維持できません。

しかし、AI業界の独占はすでに始まっています。

以下は私たちのOpenAI独占に対する見解です：

• OpenAIは明らかにいくつかの最も強力なモデルを所有しています。GPT-4のようなクローズドソースモデルは、私たちが何年にもわたってインターネット上で公開した知識やコンテンツを収集して訓練されたものです。これは彼らのアプリ（ChatGPTなど）やユーザーが作成したGPTに燃料を提供します。

• 彼らの著作権保護措置（すなわち、彼らのプラットフォームに著作権で保護されたデータをアップロードした人に法的費用を支払うことを約束すること）を通じて、彼らはユーザーにデータを彼らのクローズドプラットフォームに大胆にアップロードすることを奨励し、法的な結果を心配する必要がありません。

• OpenAIが中央集権的でクローズドソースのweb2プラットフォームであることを考えると、ユーザーがアップロードしたデータ（ChatGPTやGPTアプリのいずれであっても）は、依然としてアップロード者に属するのでしょうか？

• したがって、彼らの既存のモデル、すべてのデータに対する無条件の「スクレイピング」、著作権保護措置、そして膨大な資金の蓄えを考慮すると、OpenAIは史上最も貪欲な「データ掃除機」であり、モデルのニーズを満たすためにデータとリソースを絶えず吸収していることがわかります。

これらすべての要因（および彼らがハードウェアのために調達した70億ドル）をまとめると、いくつかの企業がAI業界を完全に独占する事実は避けられないことが明らかです。

私たちがすでに共有した理由に基づき、私たちはAI業界の独占が人類にとって不利であると確信しており、今後も独占から脱却する解決策を積極的に考案していきます。

4）非中央集権RAGの意義

RAGはAI価値創造のすべての3つのコア要素（アプリ開発者、モデル制作者、データ所有者）に関わります。

したがって、非中央集権RAGのフレームワークを構築することにより、KIPは本質的にAI価値創造を非中央集権的に制御するフレームワークを構築し、すべての価値創造者に公平な競争環境を提供し、AIの独占から脱却することを目指しています。

私たちはAIが効率的に機能し、数百万の小規模および大規模なクリエイターの共同努力の結晶となることを許可し、いかなる大企業も各コア機能を一手に掌握することなく実現します。

そのために、RAGの非中央集権化を妨げる3つの基本的な問題をまず解決します：

1. 所有権： アプリ開発者、モデル制作者、データ所有者が簡単かつ安全にweb3にコンテンツを公開できるように、ERC 3525半同質トークン（Semi-Fungible Tokens）の形式で彼らのWeb3「取引エンティティ」を構築し、チェーン上でデジタル所有権を証明できるようにします。

2. チェーン上/チェーン下の接続： チェーン下とチェーン上の相互作用の滑らかさを確保し、アプリ開発者、モデル制作者、データ所有者が簡単に自由に相互接続できるオープンな環境を提供します。

3. マネタイズ： 各AI価値創造者の貢献を記録し、会計し、自動的な収益分配と引き出しを行うための汎用フレームワークを提供します。

RAG（d/RAG）の非中央集権化を実現することで、KIPはAI独占から脱却するための重要な青写真を描いています。

すべてのAI価値創造者にデジタル所有権を解放し、誰もが独立を保ちながら取引できるようにすることは、web2の大手テクノロジー企業が目指している目標とは正反対のものです。

KIPプロトコルは、AI価値創造者がAI独占から脱却するために必要なツールを提供します。

KIPプロトコルについて

KIPプロトコルは、AIアプリ開発者、モデル制作者、データ所有者のためにWeb3の基盤プロトコルを構築し、AI資産が簡単に展開され、マネタイズされることを可能にし、完全なデジタル所有権を保持します。

KIPは、新しいAIビジネスエコシステムを構築し、非中央集権AIの展開における問題と課題を解決し、すべての人がAIによる経済的利益を享受できるようにします。

KIPチームは、2019年以来AI研究に取り組んできた経験豊富な博士や技術専門家を集めており、同時にWeb3分野で深い専門知識と豊富な経験を持ち、AIの非中央集権化を推進し、非中央集権AIの波の加速剤となることを目指しています。

詳細については、私たちの公式アカウントをフォローしてください：

https://t.me/KIPProtocol_CN