IOSG：AI x Web3 テクノロジースタックからインフラの新しい物語を展開

著者：IOSG Ventures

前言

最近、大型言語モデル（LLMs）の急速な発展は、人工知能（AI）を利用して各業界を変革することへの関心を呼び起こしています。 ブロックチェーン業界も例外ではなく、AI x Cryptoという物語の登場が注目を集めています。本稿では、AIと暗号を融合させる3つの主要な方法を探り、AI業界の問題を解決する上でのブロックチェーン技術の独自の機会について考察します。

AIxCryptoの3つのアプローチは以下の通りです：

• 1. AIを既存の製品に統合する：Duneのような企業は、ユーザーが複雑なクエリを作成するのを支援するSQLコパイロットを導入するなど、AIを活用して製品を強化しています。

• 2. 暗号エコシステムのためのAIインフラを構築する：RitualやAutonolasなどの新興企業は、暗号エコシステムのニーズに特化したAI駆動のインフラを開発することに注力しています。

• 3. ブロックチェーンを利用してAI業界の問題を解決する：Gensyn、EZKL、io.netなどのプロジェクトは、データプライバシー、安全性、透明性など、AI業界が直面する課題を解決するためにブロックチェーン技術を探求しています。

AI x Cryptoの独自性は、ブロックチェーン技術がAI業界の内在的な問題を解決する可能性がある点にあります。この独特な交差点は、AIとブロックチェーンコミュニティにとって有益な革新的な解決策の新たな可能性を切り開きます。

AI x Cryptoの分野を深く探求する中で、私たちはAI業界の課題を解決する上でのブロックチェーン技術の最も有望な応用を特定し、示すことを目指しています。AI業界の専門家や暗号構築者と協力することで、両方の技術の利点を最大限に活用する最先端の解決策の開発を促進することに尽力しています。

Part One

1. 業界概要

AI x Cryptoの分野は、インフラとアプリケーションの2つの大きなカテゴリに分けられます。 一部の既存のインフラはAIユースケースを引き続きサポートしていますが、新しい参加者が市場に新しいAIネイティブアーキテクチャを投入しています。

1. 1計算ネットワーク

AIxCryptoの分野において、計算ネットワークはAIアプリケーションに必要なインフラを提供する上で重要な役割を果たします。これらのネットワークは、サポートするタスクに応じて、一般計算ネットワークと専用計算ネットワークの2種類に分類できます。

1.1.1一般計算ネットワーク

一般計算ネットワーク（例：IO.netやAkash）は、ユーザーにSSHを介してマシンにアクセスする機会を提供し、コマンドラインインターフェース（CLI）を提供してユーザーが自分のアプリケーションを構築できるようにします。これらのネットワークは、クラウド内で個人計算環境を提供する仮想専用サーバー（VPS）に似ています。

IO.netはSolanaエコシステムに基づいており、GPUレンタルと計算クラスターに重点を置いています。一方、Cosmosエコシステムに基づくAkashは、主にCPUクラウドサーバーとさまざまなアプリケーションテンプレートを提供しています。

IOSG Venturesの見解：

成熟したWeb2クラウド市場と比較して、計算ネットワークはまだ初期段階にあります。Web3計算ネットワークは、主要なクラウドサービスプロバイダー（AWS、Azure、Google Cloudなど）に基づくサーバーレス関数、VPS、データベースクラウドプロジェクトのような「レゴ」構築モジュールには及びません。

計算ネットワークの利点には以下が含まれます：

• ブロックチェーン技術は未使用の計算リソースや個人のコンピュータを活用でき、ネットワークの持続可能性を高めます。

• ピアツーピア（P2P）設計により、個人が未使用の計算リソースを貨幣化でき、コストを低く抑えることができ、潜在的に75％〜90％のコスト削減が可能です。

しかし、以下の課題により、計算ネットワークは実際の生産に投入され、Web2クラウドサービスに取って代わることが難しいです：

• 価格設定は一般計算ネットワークの主要な利点ですが、機能、安全性、安定性の面で成熟したWeb2クラウド企業と競争するのは依然として挑戦的です。

• ピアツーピアスタイルは、これらのネットワークが成熟した堅牢な製品を迅速に提供する能力を制限する可能性があります。分散型の特性は、開発とメンテナンスのコストをさらに増加させます。

1.1.2 専用計算ネットワーク

専用計算ネットワークは、一般計算ネットワークの上に追加のレイヤーを加え、ユーザーがプロファイルを通じて特定のアプリケーションをデプロイできるようにします。これらのネットワークは、3DレンダリングやAI推論とトレーニングなど、特定のユースケースを満たすことを目的としています。

Renderは、3Dレンダリングに特化した専門計算ネットワークです。AI分野では、Bittensor、Hyperbolic、Ritual、fetch.aiなどの新しいプレイヤーがAI推論に注力しており、FlockやGensynは主にAIトレーニングに焦点を当てています。

IOSG Venturesの見解：

専用計算ネットワークの利点：

• 分散型および暗号特性は、AI業界における一般的な集中化と透明性の問題を解決します。

• 無許可の計算ネットワークと検証メカニズムは、推論とトレーニングプロセスの有効性を保証します。

• Flockが採用しているフェデレートラーニングのようなプライバシー保護技術は、個人がモデルのトレーニングにデータを提供しながら、そのデータをローカルでプライベートに保つことを可能にします。

• スマートコントラクトをサポートし、下流のブロックチェーンアプリケーションと統合することで、AI推論を直接ブロックチェーン上で利用できるようにします。

出典: IOSG Ventures

専用のAI推論およびトレーニング計算ネットワークはまだ初期段階にありますが、Web3 AIアプリケーションはWeb3 AIインフラを優先的に使用すると予想しています。この傾向は、Story ProtocolとRitualがMyShellと協力してAIモデルを知的財産として導入するなどのコラボレーションで明らかになっています。

これらの新興AI x Web3インフラに基づいて構築されたキラーアプリケーションはまだ登場していませんが、成長の潜在能力は大きいです。エコシステムが成熟するにつれて、分散型AI計算ネットワークの独自の能力を活用した革新的なアプリケーションが増えることを期待しています。

Part Two

2. データ

データはAIモデルにおいて重要な役割を果たし、AIモデルの開発の各段階にはデータ収集、トレーニングデータセットの保存、モデルの保存が含まれます。

2.1 データストレージ

AIモデルを分散型で提供するためには、AI推論APIを提供するための分散型ストレージが重要です。推論ノードは、いつでもどこでもこれらのモデルを取得できる必要があります。AIモデルが数百GBに達する可能性があるため、強力な分散型ストレージネットワークが必要です。FilecoinやArweaveのような分散型ストレージのリーダーは、この機能を提供できるかもしれません。

IOSG Venturesの見解：

この分野には大きな機会があります。

• AIモデルに最適化された分散型データストレージネットワークは、バージョン管理、異なる低精度モデルの量子化の保存、大型モデルの迅速なダウンロードなどの機能を提供します。

• 分散型ベクトルデータベースは、モデルと一緒にバンドルされることが多く、必要な問題関連の知識を挿入することで、より正確な回答を提供します。既存のSQLデータベースもベクトル検索のサポートを追加できます。

2.2 データ収集とラベリング

高品質なデータの収集はAIトレーニングにとって重要です。Grassのようなブロックチェーンベースのプロジェクトは、個人のネットワークを利用してデータをクラウドソーシングし、AIトレーニングに使用します。適切なインセンティブとメカニズムを通じて、AIトレーナーは低コストで高品質なデータを取得できます。Tai-daやSaipenなどのプロジェクトはデータラベリングに特化しています。

IOSG Venturesの見解：

この市場に関するいくつかの観察：

• 大多数のデータラベリングプロジェクトはGameFiからインスパイアを受けており、ユーザーを「ラベルを付けて稼ぐ」概念で引き付け、開発者は高品質なラベルデータのコストを削減することを約束しています。

• 現在、この分野には明確なリーダーが現れておらず、Scale AIがWeb2データラベリング市場を支配しています。

2.3 ブロックチェーンデータ

ブロックチェーン向けに特化したAIモデルをトレーニングする際、開発者は高品質なブロックチェーンデータを必要とし、トレーニングプロセスで直接使用できることを望んでいます。Spice AIやSpace and Timeは、SDKを備えた高品質なブロックチェーンデータを提供し、開発者がデータをトレーニングデータパイプラインに簡単に統合できるようにします。

IOSG Venturesの見解：

ブロックチェーン関連のAIモデルの需要が高まるにつれて、高品質なブロックチェーンデータの需要も急増するでしょう。しかし、現在のデータ分析ツールのほとんどは、CSV形式でデータをエクスポートするだけであり、AIトレーニングの目的には理想的ではありません。

ブロックチェーン向けのAIモデルの発展を促進するためには、ブロックチェーン関連の機械学習運用（MLOP）機能を提供することで、開発者の体験を向上させることが重要です。これらの機能は、開発者がブロックチェーンデータをPythonベースのAIトレーニングパイプラインにシームレスに統合できるようにするべきです。

Part Three

3. ZKML

より単純なモデルを使用して計算コストを削減する動機があるため、集中型AIプロバイダーは信頼の問題に直面しています。 例えば、昨年、ユーザーはChatGPTのパフォーマンスが不十分だと感じることがありました。これは後に、OpenAIの更新がモデルの性能を向上させることを目的としていたためだとされました。

さらに、コンテンツクリエイターはAI企業に対して著作権の懸念を抱いています。これらの企業は、特定のデータがトレーニングプロセスに含まれていないことを証明するのが難しいです。

ゼロ知識機械学習（ZKML）は、集中型AIプロバイダーに関連する信頼の問題を解決する革新的なアプローチです。ゼロ知識証明を利用することで、ZKMLは開発者が機密データやモデルの詳細を漏らすことなく、AIトレーニングと推論プロセスの正確性を証明できるようにします。

3.1 トレーニング

開発者は、Risc Zeroが提供する仮想マシン（ZKVM）内でトレーニングタスクを実行できます。このプロセスは、トレーニングが正しく行われ、承認されたデータのみが使用されたことを検証する証明を生成します。この証明は、開発者が適切なトレーニング規範とデータ使用権を遵守していることの証拠となります。

IOSG Venturesの見解：

• ZKMLは、AIモデルのブラックボックス特性の下で通常は難しい、モデルのトレーニングにおける承認データの使用を証明するためのユニークな解決策を提供します。

• この技術はまだ初期段階にあります。計算コストが高いです。コミュニティはZKトレーニングのさらなるユースケースを積極的に探求しています。

3.2 推論

トレーニングに比べて、ZKMLを推論に使用するにははるかに長い時間がかかります。この分野には、信頼不要で透明性のある機械学習推論を実現するために独自のアプローチを採用している数社の有名企業が登場しています。

Gizaは包括的な機械学習運用（MLOP）プラットフォームを構築し、その周りに活気あるコミュニティを形成しています。彼らの目標は、開発者にZKMLを推論ワークフローに統合するためのツールとリソースを提供することです。

一方、EZKLはユーザーフレンドリーなZKMLフレームワークを作成し、良好なパフォーマンスを提供することを優先しています。彼らのソリューションは、ZKML推論の実装を簡素化し、より多くの開発者が簡単に利用できるようにすることを目的としています。

Modulus Labsは異なるアプローチを採用し、独自の証明システムを開発しました。彼らの主な目標は、ZKML推論に関連する計算コストを大幅に削減することです。コストを10倍に削減することで、Modulus LabsはZKML推論を実際のアプリケーションでより実用的かつ効率的にしようとしています。

IOSG Venturesの見解：

• ZKMLは、信頼不要が重要なGameFiやDeFiシーンに特に適しています。

• ZKMLがもたらす計算コストは、大型AIモデルの効率的な運用を難しくします。

• 業界は、製品内でZKMLを大量に使用するDeFiやGameFiの先駆者を探し続けており、実際のアプリケーションシナリオを示すことを目指しています。

Part Four

4. エージェントネットワーク + その他のアプリケーション

4.1 エージェントネットワーク

エージェントネットワークは、特定のタスクを実行するためのツールと知識を装備した多数のAIエージェントで構成されています。これらのエージェントは、より複雑な目標を達成するために相互に協力できます。いくつかの有名企業が、チャットボットのエージェントやエージェントネットワークを積極的に開発しています。

Sleepless、Siya、Myshell、characterX、Delysiumは、チャットボットエージェントの構築において重要な参加者です。AutonolasとChainMLは、より強力なユースケースのためにエージェントネットワークを構築しています。

IOSG Venturesの見解：

エージェントは現実世界のアプリケーションにとって重要です。彼らは一般的な人工知能よりも特定のタスクをより良く実行できます。ブロックチェーンは、AIエージェントに対していくつかの独自の機会を提供します。

• インセンティブメカニズムの存在：ブロックチェーンは、非同質化トークン（NFT）などの技術を通じてインセンティブメカニズムを提供します。明確な所有権とインセンティブ構造があれば、クリエイターはチェーン上でより面白く革新的なエージェントを開発するインセンティブを受けます。

• スマートコントラクトの相互運用性：ブロックチェーン上のスマートコントラクトは高度に相互運用可能で、レゴブロックのように機能します。スマートコントラクトが提供するオープンAPIにより、エージェントは従来の金融システムでは実現が難しい複雑なタスクを実行できます。この相互運用性により、エージェントはさまざまな分散型アプリケーション（dApps）と相互作用し、その機能を利用できます。

• 内在するオープン性：ブロックチェーン上にエージェントを構築することで、彼らはこれらのネットワークの内在するオープン性と透明性を継承します。これにより、異なるエージェント間の相互運用性が大きな機会を生み出し、彼らが協力してそれぞれの能力を組み合わせてより複雑なタスクを解決できるようになります。

4.2 その他のアプリケーション

前述の主要なカテゴリに加えて、Web3分野にはいくつかの興味深いAIアプリケーションが注目されていますが、独立したカテゴリを形成するにはまだ十分ではないかもしれません。これらのアプリケーションはさまざまな分野にわたり、ブロックチェーンエコシステムにおけるAIの多様性と潜在能力を示しています。

• 画像生成：ImgnAI

• 画像プロンプトの収益化：NFPrompt

• コミュニティトレーニングによるAI画像生成：Botto

• チャットボット：Kaito、Supersight、Galaxy、Knn3、Awesome QA、Qna3

• 金融：Numer AI

• ウォレット：Dawn_wallet

• ゲーム：Parallel TCG

• 教育：Hooked

• セキュリティ：Forta

• DID：Worldcoin

• クリエイター向けツール：Plai Lab

Part Five

5. AIxCryptoをWeb2ユーザーに普及させ、大規模な採用を実現する

AI x Cryptoが独自である理由は、人工知能分野の最も困難な問題を解決できるからです。現在のAIxCrypto製品とWeb2 AI製品の間にはギャップがあり、Web2ユーザーに対する魅力が不足していますが、AIxCryptoには他にはないいくつかの独自の機能があります。

5.1 高コストパフォーマンスの計算リソース：

AIxCryptoの主な利点の1つは、高コストパフォーマンスの計算リソースを提供することです。LLMの需要が高まる中、市場では開発者が増え、GPUの可用性と価格がより挑戦的になっています。GPUの価格は大幅に上昇し、供給が不足しています。

DePINプロジェクトなどの分散型計算ネットワークは、未使用の計算能力、小型データセンターのGPU、個人の計算デバイスを活用することで、この問題を緩和するのに役立ちます。分散型計算能力の安定性は集中型クラウドサービスには及ばないかもしれませんが、これらのネットワークは多様な地域に高コストパフォーマンスの計算デバイスを提供します。この分散型アプローチは、エッジ遅延を最小限に抑え、より分散化され、弾力性のあるインフラを確保します。

分散型計算ネットワークの力を活用することで、AIxCryptoはWeb2ユーザーに対して手頃で入手しやすい計算リソースを提供できます。このコスト優位性は、Web2ユーザーがAIxCryptoソリューションを採用する際の魅力となり、特にAI計算の需要が継続的に高まる中で重要です。

5.2 クリエイターに所有権を与える：

AI x Cryptoのもう1つの重要な利点は、クリエイターの所有権権利を保護することです。現在の人工知能分野では、一部のエージェントが簡単にコピーされる可能性があります。類似のプロンプトを簡単に記述することで、これらのエージェントを簡単に複製できます。さらに、GPTストアのエージェントは通常、クリエイターではなく集中型企業が所有しており、クリエイターの作品に対するコントロールや収益化の能力を制限しています。

AI x Cryptoは、暗号分野に普遍的に存在する成熟したNFT技術を利用してこの問題を解決します。エージェントをNFTとして表現することで、クリエイターは自分の作品を真に所有し、実際の利益を得ることができます。ユーザーがエージェントと対話するたびに、クリエイターはインセンティブを得ることができ、彼らの努力に対する公正な報酬を確保します。NFT所有権の概念は、エージェントだけでなく、知識ベースやプロンプトなど、AI分野の他の重要な資産を保護するためにも適用できます。

5.3 プライバシーを保護し、信頼を再構築する：

ユーザーとクリエイターは、集中型AI企業に対してプライバシーの懸念を抱いています。ユーザーは、自分のデータが将来のモデルのトレーニングに悪用されることを心配しており、クリエイターは自分の作品が使用されるが適切な帰属や補償がないことを懸念しています。さらに、集中型AI企業はインフラコストを削減するためにサービスの質を犠牲にする可能性があります。

これらの問題はWeb2技術では解決が難しいですが、AIxCryptoは先進的なWeb3ソリューションを活用します。ゼロ知識トレーニングと推論は、使用されたデータを証明し、適切なモデルを適用することで透明性を提供します。信頼された実行環境（TEE）、フェデレートラーニング、完全同型暗号（FHE）などの技術は、安全でプライバシーを保護したAIトレーニングと推論を実現します。

プライバシーと透明性を優先することで、AIxCryptoはAI企業が公衆の信頼を再獲得し、ユーザーの権利を尊重するAIサービスを提供できるようにし、従来のWeb2ソリューションとは異なるものにします。

5.4 コンテンツの出所を追跡する：

AI生成コンテンツがますます精緻になるにつれて、人間の創作とAI生成のテキスト、画像、または動画を区別することがますます難しくなっています。AI生成コンテンツの悪用を防ぐためには、コンテンツの出所を特定する信頼できる方法が必要です。

ブロックチェーンは、コンテンツの出所を追跡するのに優れた性能を発揮します。サプライチェーン管理やNFTでの成功と同様に、ブロックチェーンは製品のライフサイクル全体を追跡し、ユーザーが製造者や重要なマイルストーンを特定できるようにします。同様に、ブロックチェーンはクリエイターを追跡し、NFTの場合には著作権侵害を防ぎます。その公開性により、NFTは特に著作権侵害の影響を受けやすいです。この脆弱性があるにもかかわらず、ブロックチェーンを利用することで、偽のNFTによる損失を最小限に抑えることができ、ユーザーは真偽のトークンを簡単に区別できます。

AIxCryptoは、ブロックチェーン技術を適用してAI生成コンテンツの出所を追跡することで、ユーザーにコンテンツの作成者がAIか人間かを検証する能力を提供し、悪用の可能性を減少させ、コンテンツの真実性に対する信頼を高めます。

5.5 暗号通貨を利用してモデルを開発する：

モデルの設計とトレーニング、特に大型モデルは高価で時間のかかるプロセスです。新しいモデルには不確実性があり、開発者はその性能を予測できません。

暗号通貨は、開発者が事前トレーニングデータを収集し、強化学習のフィードバックを集め、関心のある方から資金を調達するための開発者に優しい方法を提供します。このプロセスは、典型的な暗号通貨プロジェクトのライフサイクルに似ています：プライベート投資やローンチパッドを通じて資金を調達し、ローンチ時に活発な貢献者にトークンを配布します。

モデルは同様の方法を採用でき、トークンを販売してトレーニング資金を調達し、データやフィードバックの貢献者にトークンをエアドロップします。巧妙に設計されたトークンエコノミーモデルにより、このワークフローは個々の開発者がこれまで以上に新しいモデルをトレーニングするのを容易にすることができます。

Part Six

6. トークノミクスの課題

AI x Cryptoプロジェクトは、暗号が独自の価値提案を持ち、Web2人工知能業界の市場規模が大きいため、Web2開発者を潜在的な顧客としてターゲットにし始めています。しかし、トークンに不慣れで、トークンベースのシステムに関与したくないWeb2開発者にとって、トークンは障害となる可能性があります。

Web2開発者に対応するために、トークンの実用性を減少または排除することは、Web3愛好者にとって問題を引き起こす可能性があります。なぜなら、これはAI x Cryptoプロジェクトの根本的な立場を変える可能性があるからです。価値のあるトークンをAI SaaSプラットフォームに統合する努力の中で、Web2開発者を引き付け、トークンの実用性を維持するバランスを見つけることは、挑戦的な課題です。

Web2とWeb3のビジネスモデルのギャップを埋め、同時にトークンの価値を維持するために、以下のような潜在的な方法を検討できます：

• プロジェクトの分散型インフラネットワークでトークンを活用する。基盤ネットワークを保護するために、ステーキング、報酬、罰則メカニズムを実施します。

• トークンを支払い手段として使用し、Web2ユーザーに利用入口を提供します。

• トークンベースのガバナンスを実施します。

• トークン保有者と利益を共有します。

• 収益を利用してトークンを買い戻したり、焼却したりします。

• プロジェクトが提供するサービスに対して、トークン保有者に割引や追加機能を提供します。

Web2とWeb3の利益に合ったトークンエコノミーモデルを巧妙に設計することで、AI x CryptoプロジェクトはWeb2開発者を成功裏に引き付けつつ、トークンの価値と実用性を維持することができます。

Part Seven

7. 私たちのお気に入りのAI x Cryptoシナリオ

私たちのお気に入りのAI x Cryptoシナリオは、ユーザーの協力の力を利用し、ブロックチェーン技術を用いてAI分野でタスクを完了します。具体的な例には以下が含まれます：

1. 集団でのAIトレーニング、アライメント、ベンチマークテストのためのデータ貢献（例：Chatbot Arena）

2. 様々なエージェントが利用できる大規模な共有知識ベースの共同構築（例：Sahara）

3. 個人のリソースを利用したネットワークデータの収集（例：Grass）

ブロックチェーンのインセンティブと調整に基づくユーザーの集団的努力を活用することで、これらのモデルは分散型でコミュニティ主導のアプローチがAIの開発と展開に与える潜在能力を示しています。

Part Eight

結論

私たちはAIとWeb3の黎明期にあり、他の業界と比較して、人工知能とブロックチェーン分野の統合はまだ初期段階にあります。 上位50のGen AI製品の中には、Web3に関連する製品はありません。トップのLLMツールは、コンテンツの作成や編集に関連しており、主に販売、会議、ノート/知識ベースを対象としています。Web3エコシステム内には膨大な研究、文書、販売、コミュニティ作業が存在し、カスタマイズされたLLMツールの開発に大きな潜在能力を提供しています。

現在、開発者はインフラを構築し、先進的なAIモデルをチェーン上に導入することに注力していますが、目標にはまだ達していません。このインフラを進化させ続ける中で、私たちは安全で信頼不要な方法でチェーン上でAI推論を行うための最適なユーザーシナリオを探求しています。これはブロックチェーン分野に独自の機会を提供します。他の業界は、既存のLLMインフラを直接使用して推論や微調整を行うことができますが、ブロックチェーン業界は独自のネイティブAIインフラを必要としています。

近い将来、ブロックチェーン技術はそのピアツーピアの利点を活用して、人工知能業界の最も困難な問題を解決し、AIモデルをすべての人にとってより手頃でアクセスしやすく、収益性のあるものにすることを期待しています。また、暗号分野がAI業界の物語に続くことも期待していますが、若干の遅れがあるかもしれません。過去1年の間に、私たちは開発者がCrypto、エージェント、LLMモデルを組み合わせるのを目撃しました。今後数ヶ月以内に、より多くのマルチモーダルモデル、テキストから動画生成、3D生成がCrypto分野に影響を与える可能性があります。

現在、AIとWeb3業界は十分に注目されておらず、私たちはWeb3におけるAIの爆発的な瞬間、すなわちCryptoxAIのキラーアプリケーションを切望しています。