ChatGPT記念日の振り返り：AIGCのボトルネックとWeb3の機会

4.Unique AI Model for Massive Web3 On-chain Data

AIモデルの設計とトレーニングは、通常、ターゲット・データ・フォーマット（テキスト、音声、画像、またはビデオ）を中心に構築されます。AIとWeb3の融合のユニークな将来の方向性は、自然言語モデルに似た、オンチェーン・データ用の大規模モデルの開発です。

このアプローチは、従来のデータ分析では得られなかったユニークな洞察（例えば、スマートマネーの追跡、プロジェクト資金の流れ）を提供することができ、AIには大量のデータを同時に処理する能力があります。

5.Web3の参入障壁を下げる触媒としての生成的人工知能

6.Web3の参入障壁を下げる触媒としての生成的人工知能

6.left;">現在、Web3プロジェクトにメインストリームで参加するには、複雑なオンチェーン概念とウォレットオペレーションを深く理解する必要があり、学習コストとエラーのリスクを高めている。対照的に、Web2アプリは「慣性の原理」を中心に設計されており、ユーザーは簡単かつ安全に始めることができます。

ジェネレーティブAIは、Web3でユーザーとプロトコルの間の「インテリジェントアシスタント」として機能し、意図中心のプロジェクトを支援することで、ユーザーエクスペリエンスを大幅に向上させることができます。

II.

2.1生成的人工知能の技術的背景

人工知能(AI)の概念は、1950年代に提唱されて以来、幾度かの山あり谷ありを経て、それぞれの重要な技術革新が引き金となってきた。

人工知能（AI）という概念は、1950年代に提唱されて以来、いくつかの山と谷を経てきました。

ジェネレーティブAIは、ここ10年の新たなコンセプトとして、その印象的な技術と製品性能で、さまざまなAI研究の方向性の中でも際立っており、一夜にして世界的な注目を集めました。ジェネレーティブAIの技術的なアーキテクチャを掘り下げる前に、本稿ではジェネレーティブAIの意味を定義し、最近人気のジェネレーティブAIのコア技術を簡単にレビューする必要があります。

ジェネレーティブAIとは、対話、ストーリー、画像、動画、音楽などの新しいコンテンツやアイデアを作成するために使用されるAIの一種です。これは、ディープラーニング・ニューラルネットワークのフレームワーク上に構築され、多数のパラメータを含む大規模なデータセットを使用して訓練されます。

最近一般に知られるようになったジェネレーティブAI製品は、テキストまたはスタイル入力に基づく画像（動画）生成製品と、テキスト入力に基づくChatGPTのような製品の2つに大別できる。どちらのカテゴリーも、Transformerアーキテクチャに基づく事前学習済みの大規模言語モデル（ LLM）という同じコア技術に依存しています。

前者のカテゴリは、テキスト入力を拡散モデルと組み合わせて、高品質の画像や動画を生成し、後者は人間の論理に近い出力を生成するために、人間のフィードバックによる強化学習（RLHF）を採用しています。

2.2ジェネレーティブAIのための現在の技術アーキテクチャ：

既存の技術アーキテクチャに対するジェネレーティブAIの影響について、さまざまな観点から論じた優れた記事が数多くあります。たとえば、「Who Owns the Generative AI Platform（ジェネレーティブAIプラットフォームを所有するのは誰か）」と題されたA16zの包括的な記事では、ジェネレーティブAIの現在の技術アーキテクチャについて包括的にまとめています。

この研究によると、Web2時代の現在のジェネレーティブAIのアーキテクチャは、インフラ（演算）、モデル、アプリケーションの3つのレベルに分けられます。また、これら3つのレベルにおける現在の発展についての洞察も提供しています。

インフラストラクチャー：焦点はまだ主にWeb2のインフラロジックであり、実際にWeb3とAIを統合しているプロジェクトはほとんどありません。インフラはこの段階で最も大きな価値を持つ。何十年もの間、ストレージとコンピュート分野で活躍してきたWeb2の巨人たちは、AIの探索段階で「シャベルを売る」ことで大金を稼いでいる。

モデル：理想的には、モデルがAIの真の創造者であり所有者であるべきです。しかし、モデルの作者が適切なビジネス価値を獲得できるようなビジネスモデルはほとんどありません。

アプリ：複数の業種にわたって開発されたアプリは、数億ドル以上の収益を上げています。

アプリ：複数の業種にわたって開発されたアプリは、数億ドル以上の収益を上げています。

2.3 Web3におけるジェネレーティブAI

2.3.1 AIでWeb3の膨大なデータを分析する

データは、将来のAI開発の技術的障壁を築く礎石である。その重要性を理解するために、まずは大規模なAIモデルのパフォーマンスの源泉に関する研究を見てみましょう。

この研究は、大規模AIモデルのユニークな創発能力、すなわちモデルサイズがある閾値を超えると、モデルの精度が突然急上昇することを示している。このように、各グラフは訓練課題を表し、各線は大規模モデルの性能（精度）を示しています。

さまざまな大規模モデルに関する実験では、ある閾値を超えると、タスク全体にわたってモデルの性能が飛躍的に向上するという結論が一貫して得られています。

要するに、モデルのサイズの量的な変化は、モデルのパフォーマンスの質的な変化につながります。このサイズは、モデルパラメータの数、トレーニング期間、トレーニングデータの質に関連しています。現在、モデル・パラメーター（各社のトップ研究チームによって設計）とトレーニング期間（コンピューティング・ハードウェアの大半はエヌビディアから調達）に大きな差がなく、有力な製品を開発するための主な道は2つあります。

1つ目は、ニッチな領域における特定のペインポイントを特定し、それに対処することであり、これにはターゲット領域に対する深い理解と洞察が必要です。2つ目は、より実践的なことですが、競合他社よりも包括的なデータを収集することです。

このことは、生成AIラージモデルにとって、Web3空間への絶好の入り口を開くことになります。既存のAIラージモデルやベースモデルは、さまざまなドメインからの膨大なデータでトレーニングされており、Web3におけるオンチェーンデータの独自性により、オンチェーンデータモデリングはエキサイティングで実行可能な手段となります。

Web3では現在、データレベルで2つのプロダクトロジックがあります。1つ目は、データ提供者にインセンティブを与え、プライバシーと所有権を保護しながらデータへのアクセスを共有するようユーザーに促すものです。Ocean Protocolは、この点で効果的なデータ共有モデルを提供している。2つ目は、データとアプリケーションを統合し、タスクに特化したサービスをユーザーに提供するプロジェクトである。例えば、Trusta Labはユーザーのオンチェーンデータを収集・分析し、独自のMEDIAスコアリングシステムを通じて、魔女口座分析やオンチェーン資産リスク分析などのサービスを提供している。

Web3における2.3.2 AIエージェント

前述したように、オンチェーンAIエージェントの採用が急増しています。大規模な言語モデルを活用し、ユーザーのプライバシーを優先することで、定量化可能なオンチェーン・サービスを提供します。OpenAIのチーフAIリサーチャーであるLilian Weng氏のブログポストによると、AIエージェントは4つの部分に分けることができます：エージェント＝LLM（大規模言語モデル）＋プランニング＋メモリ＋ツール使用。

AIエージェントの中核であるLLMは、外部とのやり取りを処理し、大量のデータから学習し、自然言語で論理を表現します。計画＋記憶の側面は、AlphaGoのトレーニングに使われた強化学習技術における行動、戦略、報酬の概念に似ています。

タスクをより小さな目標に分解し、反復訓練とフィードバックを通じて最適解を学習し、機能に応じてさまざまな種類の記憶に情報を保存する。ツールの使用とは、モジュラー・ツール、インターネットでの情報検索、独自の情報源やAPIへのアクセスなどのツールを活用するインテリジェントの能力を指す。特筆すべきは、これらの情報のほとんどは、事前トレーニング後に変更することが難しいということである。

AIエージェントのこのロジックを考えると、Web3とAIエージェントの組み合わせには無限の可能性が考えられます。例えば、

1. 現在のトレーディング・アプリケーションでは、AIエージェントのモデルを統合することで、特に価格予測、トレーディング戦略、損切り戦略、ダイナミックなレバレッジ調整を提供する自然言語インターフェースを顧客に提供することができます、インテリジェント・フォロー・オピニオン・リーダー、貸し借り、その他多くの取引機能を提供します。

2. 量的戦略を実行する際、戦略をさらにサブタスクに分解し、実行のために異なるAIエージェントに割り当てることができます。コラボレーションAIエージェントは、プライバシーの保護を強化し、敵による搾取を防ぐためにリアルタイムの監視を可能にします。

3. ブロックチェーンベースのゲームにおける多くのNPCは、自然にAIエージェントと連携します。ゲームキャラクターの対話を動的に生成するためにGPTを適用するプロジェクトがすでにあります。今後の開発では、あらかじめ定義されたテキストにとどまらず、プレイヤーの介入とは無関係に動作する、よりリアルなリアルタイムのNPC（あるいはデジタルヒューマン）とのやり取りが実現されるかもしれない。スタンフォード大学のVirtual Townは、そのようなアプリケーションの良い例です。

4. 現在のWeb3+AIエージェントプロジェクトは、主要な市場やAIインフラに集中しており、消費者向けのキラーアプリはまだありませんが、ゲームを変えるようなWeb3+AIプロジェクトの可能性は非常に大きいです。分散型オンチェーンガバナンス、ゼロ知識証明推論、モデル配布、解釈可能性の向上など、さまざまなブロックチェーン機能を統合することで、これらのプロジェクトは将来的に大きな可能性を秘めています。

2.3.3 Web3+AIの潜在的な垂直アプリケーション

A. 教育におけるアプリケーション

A.strong>

Web3とAIの融合は、教育における革命の前兆であり、生成的バーチャルリアリティ教室は注目すべきイノベーションです。AI技術をオンライン学習プラットフォームに組み込むことで、学生はパーソナライズされた学習体験をすることができる。このシステムは、各生徒の学習履歴や興味に基づき、カスタマイズされた教育コンテンツを生成する。このパーソナライズされたアプローチは、生徒のモチベーションと効率を向上させ、教育をよりパーソナライズしたものにすると期待されている。

さらに、トークンに基づく単位インセンティブは、教育分野における革新的な実践を表しています。ブロックチェーン技術を使って、学生の単位や成績をトークンにエンコードし、デジタル単位システムを構築することができます。このインセンティブメカニズムは、学習活動への積極的な参加を促し、より魅力的で意欲的な学習環境を作り出します。

最近人気のSocialFiプロジェクトであるFriendTechに触発され、同様のキープライシングロジックを適用することで、学生間の相互評価システムを構築し、教育に社会的要素を加えることができます。ブロックチェーンの改ざん防止機能を活用することで、相互評価がより公正で透明なものになる。この相互評価の仕組みは、学生のチームワーク能力の育成に資するだけでなく、学生の成績をより包括的かつ多面的に評価することができ、教育システムに多様で総合的な評価アプローチを導入することができる。

B.医療分野での応用

医療分野では、Web3とAIの融合により、連携学習と分散推論が進みます。分散コンピューティングと機械学習を組み合わせることで、医療専門家はデータを大規模に共有でき、より深く包括的なグループ学習が可能になります。この集合知のアプローチは、病気の診断と治療計画を加速させ、医療分野を発展させることができます。

プライバシー保護もまた、医療アプリケーションの重要な側面です。Web3の分散化とブロックチェーンの不変性により、患者の医療データはより安全に保存・送信できる。スマートコントラクトは、医療データの正確な制御と権限管理を可能にし、権限のある担当者のみが患者の機密情報にアクセスできるようにすることで、医療データのプライバシーを維持します。

C.保険における応用

保険業界では、Web3とAIの統合により、従来の業務により効率的でインテリジェントなソリューションがもたらされると期待されている。例えば、自動車保険や家財保険では、コンピューター・ビジョン技術の応用により、保険会社は画像解析や評価を通じて、資産価値やリスクレベルをより効果的に評価できるようになります。これにより、保険会社はより洗練された個別化された価格戦略を提供し、保険業界のリスク管理を強化することができます。

一方、チェーン上での自動クレーム処理は、保険業界における革新的な進歩です。スマートコントラクトとブロックチェーン技術を使うことで、クレーム処理はより透明で効率的になり、お役所的な手続きや人為的介入の可能性が減る。これはクレーム処理をスピードアップするだけでなく、運用コストを削減し、保険会社と顧客により良い体験を提供する。

ダイナミック保険料調整もイノベーションの一分野である。リアルタイムのデータ分析と機械学習アルゴリズムにより、保険会社は保険料をより正確かつタイムリーに調整し、被保険者の実際のリスクプロファイルに基づいたパーソナライズされた価格設定を行うことができる。このアプローチは保険料を公平にするだけでなく、被保険者の健康的で安全な行動を促し、社会全体のリスク管理と予防措置を促進する。

D.著作権領域におけるアプリケーション

著作権領域では、Web3と人工知能の組み合わせが、デジタルコンテンツの作成、管理、コード開発に新しいパラダイムを導入します。スマートコントラクトと分散型ストレージを通じて、デジタルコンテンツの著作権情報はよりよく保護され、クリエイターは知的財産の追跡と管理を容易にすることができる。ブロックチェーン技術はまた、透明で不変の創作物の記録を作成することができ、より信頼性の高い作品の追跡と検証の手段を提供します。

作業モデルにおける革新もまた、著作権における大きな変化を表している。トークンにインセンティブを与える共同作業は、クリエイター、キュレーター、開発者がプロジェクトで協力することを奨励するために、作品への貢献とトークン報酬を組み合わせたものです。これは、クリエイティブなチーム間のコラボレーションを促進するだけでなく、プロジェクトの成功から直接利益を得る機会を参加者に与え、より多くの優れた作品を生み出すことにつながります。

一方、著作権の証明としてのトークンの使用は、利益の分配モデルを再構築する。スマートコントラクトによって自動的に実行される配当メカニズムを通じて、作品の参加者全員が、作品が使用、販売、譲渡されたときにリアルタイムで収益の分け前を得ることができる。この分散型利益分配モデルは、従来の著作権モデルにおける不透明性と遅延の問題を効果的に解決し、クリエイターにとってより公平で効率的な利益分配メカニズムを提供します。

E.仮想宇宙における応用

メタ宇宙では、Web3とAIの融合により、ブロックチェーンベースのゲームのコンテンツを充実させる低コストのAIGCを作成する新たな可能性が開かれます。AIが生成する仮想環境とキャラクターは、ゲームコンテンツを豊かにし、ユーザーにより生き生きとした多様な体験を提供する一方で、制作にかかる人件費と時間的コストを削減することができます。

生き生きとしたデジタルヒューマンの創造は、メタバースアプリケーションにおける革新です。髪の毛に至るまで詳細な身体的外観と、大規模な言語モデルに基づいて構築された精神的ロジックを持つデジタルヒューマンは、メタバースにおいてさまざまな役割を果たすことができます。彼らはユーザーと対話し、現実世界のシナリオのデジタル・ツインに参加することもできる。これは、バーチャルリアリティによりリアルで深遠な体験を提供し、エンターテイメント、教育、その他の分野でのデジタルヒューマン技術の普及を促進します。

ブロックチェーンのユーザープロファイルに基づく広告コンテンツの自動生成は、メタバースにおけるスマート広告アプリケーションです。メタバースにおけるユーザーの行動や嗜好を分析することで、AIアルゴリズムはよりパーソナライズされた魅力的な広告を作成し、クリックスルー率とユーザーエンゲージメントを高めることができる。このような広告作成は、よりユーザーの関心に沿うだけでなく、広告主により効率的なプロモーションチャネルを提供する。

ジェネレーティブ・インタラクティブNFTは、メタバースにおける説得力のあるテクノロジーです。NFTをジェネレーティブ・デザインと組み合わせることで、ユーザーはメタバース内で自分自身のNFT人工物の作成に参加することができ、インタラクティブ性と独自性を与えることができます。これにより、デジタル資産の創造と取引の新たな可能性が開かれ、仮想宇宙におけるデジタルアートと仮想経済の発展が促進されます。

III.Signature Web3 protocols

このセクションでは、Web3ドメインにおけるジェネレーティブAIの現状を洞察するために、5つの代表的なプロトコルを選びました。また、Alethea.aiは生成AIアプリケーションとの密接な関連性から選ばれ、Fetch.aiは分散化されたWeb3の世界におけるAIエージェントの可能性を示しています。

3.1レンダー・ネットワーク（$RNDR）

レンダー・ネットワークは、親会社であるOTOYの創業者であるジュール・アーバックによって2017年に設立された。OTOYの中核事業はクラウドベースのグラフィックスレンダリングであり、グーグルやモジラの共同創業者による助言、オスカー受賞映画プロジェクトへの貢献、アップルとのプロジェクトコラボレーションなどがある。

レンダー・ネットワークはOTOYのWeb3領域への参入であり、ブロックチェーンの分散性を活用して小規模なレンダリングやAIのニーズと分散型リソースを結びつけるように設計されている。このイニシアチブは、高価な集中型コンピュートリソース（AWS、MS Azure、AliCloudなど）を借りなければならない小規模スタジオにコスト削減を提供し、未使用のコンピュートリソースを持つスタジオに収益機会を提供するように設計されています。

独自のレンダラーであるOctane Renderを公開しているOTOYによって支援されたRender Networkは、固有の需要と確かなビジネスモデルによって立ち上げられ、確かな基盤と可能性を持つWeb3プロジェクトとしてすぐに認識されました。

ジェネレーティブAIの台頭により、分散型の検証および推論タスクに対する需要の高まりは、Renderの技術的なアーキテクチャと完全に適合しており、今後の開発の方向性を有望なものにしています。AI、メタ・ユニバース、分散コンピューティングをめぐる物語が過熱するたびに、上昇トレンドの恩恵を受けてきた。

2023年2月、Render Networkは、価格設定の階層を更新し、コミュニティ投票による$RNDRの価格安定メカニズムを導入するロードマップを発表しました（リリース日はまだ発表されていませんが）。プロジェクトはまた、PolygonからSolanaへの移行（$RNDRトークンをSolana SPLベースの$RENDERトークンにアップグレードし、2023年11月に完了）を発表しました。

レンダー・ネットワークの新しい価格システムは、オンチェーンサービスを高から低までの3つの階層に分類し、それぞれが異なる価格ポイントとレンダリングサービスの質に対応しています。これらの階層は、顧客に特定のレンダリングニーズに基づいた選択肢を提供します。

コミュニティが投票したRNDRの価格安定メカニズムは、時折行われる買い戻しから「破壊と造幣局の均等化（BME）」モデルへと移行しています。"モデルへと移行した。この変更は、$RNDRを長期保有資産ではなく、取引されるステーブルコインとして強調しています。BMEエポックの具体的なビジネスプロセスは以下の通りです:

1. 製品作成: レンダーの製品作成者、つまりレンダリングリソースのプロバイダーは、未使用のレンダリングリソースを製品（ノード)にパッケージしてオンラインに置き、使用されるのを待ちます。

2. 製品の購入：レンダリングのニーズを持つ顧客は、サービス料として$RNDRトークンを直接破棄できます。RNDRトークンを持っていない場合は、まずDEXで不換紙幣で購入し、その後トークンを破棄する。サービスの対価はブロックチェーン上に公開記録される。

3. トークンの鋳造：あらかじめ設定されたルールに従って新しいトークンが鋳造される。

注：Render Networkはプロジェクト運営のため、製品の購入者が支払う取引手数料の5％を受け取ります。

各BMEエポックでは、あらかじめ設定された数の新しいトークンが鋳造されます（数は時間とともに減少します）。

1. 製品クリエイター：彼らは以下の報酬を得ます：

A.

A.タスクの完了：各製品ノードで完了したレンダリングタスクの数に基づいて報酬が与えられます。

b. オンライン報酬：リソース提供者はオンラインでタスクを完了することが推奨され、市場の待機時間に基づいて報酬が与えられます。

2.製品購入者: ショッピングセンターの製品クーポンのリベートに似ており、購入者は$RNDRトークンの最大100%を受け取ることができ、将来的なRender Networkの利用を促進します。3.DEX流動性プロバイダー：必要な破壊のために妥当な価格で$RNDRトークンが利用できるようにするCo-operative DEXのプロバイダーは、誓約された$RNDRの量に基づいて報酬を得ます。

過去1年間の$RNDRの値動きを見ると、Web3のAIトラックアイテムの代表格である$RNDRは、2022年後半から2022年にかけてのAIブームによるChatGPTの恩恵を受けています。2022年後半から2023年前半にかけてのAIブームの追い風を受けている。新しいトークンメカニズムの導入により、$RNDRの価格は2023年前半にピークを迎えます。

安定期の後、RNDRの価格は、OpenAIの新バージョン、Render NetworkのSolanaへの移行、新しいトークン機構の導入が期待されることによって引き起こされるAI復活によって、最近の最高値に達しました。RNDRのファンダメンタルズに最小限の変化しかないことを考えると、$RNDRへの今後の投資は慎重なポジション管理とリスクコントロールが必要になるだろう。

デューン・アナリティクスのダッシュボードのデータによると、2023年の初めから、次のようなことが明らかになっています。2023年の初めから、レンダリング タスクの総数は増加していますが、レンダリング ノードの数は増加していません。これは、ワークロードの増加を引き起こしている新しいユーザーは、レンダリング リソースを提供するユーザーではなく、レンダリングのニーズを持つユーザーであることを示唆しています。

ジェネレーティブAIが2022年末までに急増することを考えると、追加のレンダリングタスクがジェネレーティブAIアプリケーションに関連していると考えるのが妥当です。この需要の増加が長期的な傾向なのか、それとも一時的な急増なのかはまだ不明であり、さらなる観察が必要です。

3.2アカシ・ネットワーク（AKTドル）

アカシ・ネットワークは分散型クラウド・コンピューティング・プラットフォームで、開発者や企業に対し、より柔軟で効率的、費用対効果の高いクラウド・コンピューティング・ソリューションを提供するよう設計されています、

アカシ・ネットワークは分散型クラウド・コンピューティング・プラットフォームです。

このプロジェクトの「SuperCloud」プラットフォームは、分散型ブロックチェーン技術に基づいており、ブロックチェーンの分散型の性質を活用して、CPU、GPU、ストレージなど多様なコンピューティング・リソースを含むグローバルな分散型クラウド・インフラをユーザーに提供します。コンピューティング・リソースを提供します。

アカッシュ・ネットワークは、グレッグ・オズリとアダム・ボザニッチによって設立されました。グレッグは豊富なプロジェクト経験を持つ起業家であり、クラウド・コンピューティングのコストを削減し、可用性を高め、ユーザーがコンピューティング・リソースをよりコントロールできるようにするという明確な使命を持っています。アカッシュ・ネットワークは、プロバイダーに競争入札プロセスを通じて未使用のコンピューティング・リソースを開放するインセンティブを与えることで、リソースの効率的な利用を可能にし、それを必要とするユーザーに競争力のある価格を提供します。

アカシ・ネットワークは2023年1月、アカシ・ネットワーク・エコノミクス2.0アップデートを開始し、以下のような現在のトークンエコノミーのさまざまな欠点に対処しました：

1. $AKT 市場価格の変動は、長期契約価格と価値のミスマッチを引き起こします。

2. 資源提供者が大量の演算を解き放つインセンティブが不十分。

3. 長期的なプロジェクト開発を妨げるコミュニティのインセンティブが不十分。

4. AKTでの不十分な価値捕捉が、プロジェクトの安定性にリスクをもたらす。

公式ウェブサイトによると、アカシ・ネットワーク・エコノミー2.0計画で提案されている解決策には、安定コイン決済の導入、プロトコル収入を増やすための注文手数料の増加、リソース提供者へのインセンティブの強化、コミュニティへのインセンティブの強化などが含まれます。注目すべきは、ステーブルコイン決済機能と注文手数料機能がすでに実装されていることだ。

アカシネットワークのネイティブトークンである$AKTは、認証（セキュリティ）のための誓約、インセンティブ、ネットワークガバナンス、取引手数料の支払いなど、プロトコル内で複数の用途があります。公式ウェブサイトによると、$AKTの総供給量の上限は3億8800万トークンで、2023年11月現在、約2億2900万（59％）がアンロックされている。プロジェクト開始時に割り当てられたジェネシス・トークンは2023年3月に完全にアンロックされ、流通市場に出回った。ジェネシス・トークンは以下のように割り当てられました:

価値の獲得というテーマについて、ホワイトペーパーで言及されているまだ実装されていない注目すべき機能の1つは、レンタルが成功するたびに「手数料」を請求するというAkashの計画です。「料金」である。これらの料金は、保有者に分配するための収益プールに送られる。

この計画では、AKTの取引には10％、その他の暗号通貨を使用した取引には20％の手数料を設定している。加えて、アカッシュは、AKTの保有を長期的に固定する保有者に報酬を与えることで、長期投資を奨励する意向だ。

CoinGeckoの価格動向を見ると、$AKTは8月中旬と2023年11月下旬に、AIの他のプロジェクトほどではないものの、上昇を経験しました。の他のプロジェクトほどではありませんが、上昇しました。

全体として、アカシ・ネットワークは、AI回路における数少ない高品質プロジェクトの1つであり、ほとんどの競合他社よりも優れたファンダメンタルズを備えています。その潜在的な事業収益は、契約の将来の収益につながる可能性があり、アカッシュ・ネットワークは、AI業界が成長し、クラウド・コンピューティング・リソースの需要が増加し続けるにつれて、AIの次の波に大きく進出することが期待されています。

3.3 Bittensor ($TAO)

BTCの技術的なアーキテクチャに精通している人にとって、Bittensorの設計を理解することは非常に簡単です。実際、Bittensorを設計するにあたり、クリエイターは暗号通貨のパイオニアである$BTCのいくつかの機能からインスピレーションを得ています。

これらには、2100万トークンの総トークン供給量、およそ4年ごとの生産量の半減、プルーフ・オブ・ワーク（PoW）コンセンサスメカニズムの関与などが含まれます。

これを概念化するには、元のビットコインの生産プロセスを想像し、計算集約的な「採掘」プロセスを、実世界の価値を生み出さないAIモデルの訓練と検証に置き換えます。マイナーはAIモデルの性能と信頼性に基づいてインセンティブを得る。これが、Bittensor ($TAO)プロジェクトのアーキテクチャの簡単な概要である。

Bittensorは2019年、AI研究者のJacob SteevesとAla Shaabanaによって、ミステリー作家のYuma Raoが書いたホワイトペーパーに基づいて設立された。一言で言えば、オープンソースでライセンスフリーのプロトコルであり、それぞれが異なるタスク（機械翻訳、画像認識と生成、大規模言語モデルなど）を担当する多数のサブネットワークによって接続されたネットワークアーキテクチャを構築する。優れたタスクの完了には報酬が与えられ、サブネットワークは相互に作用して学習することができます。

主要なAIモデルに関する限り、それらは技術大手によるコンピューティングリソースとデータへの大規模な投資の結果である。これらのAI製品は優れたパフォーマンスを発揮しているが、このアプローチには中央集権化という高いリスクも伴う。

Bittensorのインフラは、通信する専門家のネットワークが相互に作用し学習することを可能にし、大規模モデルの分散型トレーニングの基礎を築く。Bittensorの長期的なビジョンは、OpenAIやMeta、Googleのような大手企業のクローズドソースモデルに対抗することです。

Bittensorの技術の中核は、PoWとProof of Stake（PoS）の要素をミックスしたYuma Consensusとしても知られる、ユマ・ラオが独自に設計したコンセンサスメカニズムです。供給側は主に「サーバー」（採掘者）と「検証者」（検証者）が関与し、需要側はネットワークからのモデルを使用する「クライアント」（顧客）で構成される。プロセスは以下の通りです。

1. クライアントは処理のためにバリデータにリクエストとデータを送信する。.

2. バリデータは特定のサブネット下のマイナーにデータを配布する。

3. 採掘者は自分のモデルと受け取ったデータを使って推論し、結果を返す。

4. ベリファイアは推論結果を品質によってランク付けし、ブロックチェーンに記録します。

5. 最良の推論結果がクライアントに返され、マイナーと検証者はランキングと作業量に基づいて報酬を得ます。

注目すべきは、Bittensor自体はほとんどのサブネットワークでモデルをトレーニングしていないことです。現在、30個のサブネットワークがオンライン上にあり（またはあった）、それぞれが異なるタスクモデルに対応しています。

Bittensorのネイティブトークンである$TAOは、サブネットワークの作成、サブネットワークへのサインアップ、サービスへの支払い、エコシステム内のバリデータへの誓約において重要な役割を果たします。TAOは、サブネットワークの作成、サブネットワークでのサービスへの支払い、エコシステム内の検証者への誓約において重要な役割を果たします。BTCの精神に基づき、$TAOは公平にリリースされることを選択しました。つまり、すべてのトークンはネットワークへの貢献によって生成されます。

現在、$TAOの1日の生産量は約7,200トークンで、マイナーと検証者に均等に分配されています。プロジェクト開始以来、2,100万トークンのうち約26.3%が生産され、そのうち87.21%が誓約と検証に使用されている。また、このプロジェクトはおよそ4年ごとにBTCの生産量を半減させるというパターンを踏襲しており、次の半減は2025年9月20日に予定されており、これが価格を大きく動かすと予想されている。

2023年10月下旬から、$TAOの価格推移が大きく上昇しています。

2023年10月下旬以降、OpenAIカンファレンス後のAI熱狂の新潮流とAIへの資本シフトにより、$TAOの価格トレンドは急上昇している。

Web3+AIトラックにおける新しいプロジェクトとして$TAOが登場し、その品質と長期的なビジョンが投資を呼び込んだ。しかし、他のAIプロジェクトと同様に、Web3+AIの組み合わせは、大きな可能性を秘めているものの、長期的に利益を生むプロジェクトをサポートする実際のビジネスへの応用はまだ見つかっていないことを認めなければなりません。

3.4Alethea.ai（ORドル）

2020年に設立されたAlethea.aiは、ブロックチェーン技術を活用し、ブロックチェーン技術を使って分散型の所有権とガバナンスを実現するプロジェクトである。

2020年に設立されたAlethea.iは、ブロックチェーン技術を活用し、非中央集権的な所有権とガバナンスを実現するプロジェクトです。

Alethea.aiの創設者たちは、ジェネレーティブAIによって、大量のデジタルコンテンツがコピー＆ペーストやクリックだけで簡単にコピー・生成できるが、発信者がその利益を享受することが難しい、ジェネレーティブ・コンテンツによる情報の冗長性の時代へと私たちを導くと考えている。NFTのようなブロックチェーンのプリミティブをジェネレーティブAIに接続することで、ジェネレーティブAIとそのコンテンツの所有権を確保し、その上でコミュニティのガバナンスを確保することを目指している。

この考えに基づき、Alethea.aiは当初、Intelligence Podsを活用してAIアニメーション、音声合成、さらには生成AIを画像に埋め込む新しいNFT標準、iNFTを立ち上げた。Alethea.aiはまた、アーティストと協力し、彼らのアートワークを使用したiNFTを作成しており、そのうちの1つはサザビーズで478,000ドルで落札された。

Alethea.aiはその後、生成AIの開発者やクリエイターがライセンスなしでiNFT標準を使用できるAIプロトコルを発表しました。AIプロトコル。AIプロトコルを実証するために、Alethea.aiはGPTのような大規模なモデル理論に基づくインタラクティブなNFTを作成するためのツールであるCharacterGPTを開発し、さらに最近では、任意のERC-721 NFTをIntelligenceと組み合わせてAIプロトコル上で公開することを可能にするOpen Fusionをリリースしました。

Alethea.aiのネイティブトークンは$ALIで、4つの主な用途があります：

1. ある特定の通貨をロックする。

2. ロックする$ALIが多いほど、ポッドのレベルが高くなる。

3. $ALI ホルダーはコミュニティガバナンスに参加します。

4. $ALI は、iNFT 間の交流のためのクレデンシャルとして機能します（実際のユースケースはまだありません）。

$ALI のユースケースを見る限り、トークンの価値獲得はまだ主に物語に基づいていることは明らかです。過去1年間のトークン価格動向はこれを裏付けています。$ALIは、ChatGPTが2022年12月以来リードしてきたジェネレーティブAIブームの恩恵を受けています。さらに、Alethea.aiが6月に新しいOpen Fusion機能を発表した際には、価格高騰の引き金となった。しかし、これらの事例を除けば、$ALの価格は下落傾向にあり、同様のプロジェクトがそうであったように、2023年後半のAIハイプに反応すらしていない。

ネイティブトークン以外にも、NFT市場におけるAlethea.aiのNFTプロジェクト（公式コレクションを含む）のパフォーマンスも注目に値する。

デューンのダッシュボードによると、サードパーティが販売するDuneのダッシュボードによると、Intelligence Podsのサードパーティ販売とAlethea.aiのファーストパーティRevenantsラインは、最初のリリース後、無名のままフェードアウトしました。著者はその主な理由を、最初の目新しさが薄れ、ユーザーを維持するための実質的な価値やコミュニティへの関与がなかったためだとしています。

3.5 Fetch.ai ($FET)

Fetch.aiは、人工知能（AI）とブロックチェーン技術の融合を促進するプロジェクトです。その目標は、機械学習、ブロックチェーン、分散型台帳技術を組み合わせ、知的エージェント間の経済活動をサポートすることで、分散型スマートエコノミーを構築することです。

Fetch.aiは2019年に英国の科学者Humayun Sheikh、Toby Simpson、Thomas Hainによって設立され、その設立チームは素晴らしい経歴を持つ。

フマユン・シェイクはディープマインドの初期投資家であり、トビー・シンプソンは多くの企業で重役を務め、トーマス・ヘインはシェフィールド大学のAI教授である。創業者たちの多様な経験は、伝統的なIT企業、ブロックチェーンのスター・プロジェクト、ヘルスケア、スーパーコンピューティングに及び、Fetch.aiに豊富な業界リソースを提供している。

Fetch.aiの使命は、自律型経済エージェント（AEA）とAIアプリの分散型ウェブプラットフォームを構築することであり、開発者は自律型エージェントを作成することで、事前に定義された目標指向タスクを完了することができる。

1. ボトムレイヤー：PoS-uD（Proof of Permissionless Interests）コンセンサスメカニズムに基づき、このベースレイヤーはスマートコントラクトのネットワークをサポートし、マイナーのコラボレーションを促進するだけでなく、基本的な機械学習のトレーニングと推論を行います。基本的な機械学習の訓練と推論を行います。

2. 中間層：オープンエコノミーフレームワーク（OEF）は、AEA間の相互作用のための共有スペースと、AEA間の検索、発見、トランザクションをサポートするための基礎プロトコルを提供します。

3. 最上位層：AEAはFetch.aiのコアコンポーネントです。各AEAは、ユーザーが事前に定義したタスクを実行するスキルモジュールを通じて、様々な機能を実行できるインテリジェントエージェントソフトウェアです。これらのエージェントはブロックチェーン上で直接動作するのではなく、OEFを通じてブロックチェーンやスマートコントラクトと相互作用します。Fetch.aiは、Pythonベースの開発キットであるAEAフレームワークを提供しており、モジュール化されているため、開発者はスマートエージェントを構築することができます。

このアーキテクチャの上に、Fetch.aiはCo-Learn（インテリジェント・エージェント間で共有される機械学習モデル）やMetaverse（インテリジェント・エージェントのためのクラウド・ホスティング・サービス）といった後続の製品やサービスを導入し、プラットフォーム上でインテリジェント・エージェントを開発するユーザーをサポートしています。

トークンについては、Fetch.aiのネイティブトークンである$FETは、ガスへの支払い、誓約の検証、ネットワーク内のサービスの購入といった標準的な機能をカバーしています。FETトークンの90％以上がアンロックされ、以下のように割り当てられています：

設立以来、Fetch.aiはトークン希薄化の資金調達を複数回行っており、直近では2023年3月29日にDWF Lab of the YearのDWF Labから投資を受けました。Fetch.aiは創業以来、トークン希薄化の資金調達を複数ラウンド経験しており、直近では2023年3月29日にDWF Labから3000万ドルの投資を受けたFETトークンはプロジェクトの収益から価値を得ていないため、その価格の勢いはプロジェクトの更新とAI空間に対する市場のセンチメントに大きく左右されます。実際、Fetch.aiの価格は、AI市場のブームの2つの波の間、2023年の初期と後期に100％以上の急騰を経験しました。

Fetch.aiの軌跡はウェブ2.0の人工知能スタートアップのようなもので、技術の洗練に重点を置いている。継続的な資金調達と広範なパートナーシップを通じて、認知度と収益性を追求しています。

このアプローチは、Fetch.aiで開発される将来のアプリに十分な余地を残しているが、他のブロックチェーン・プロジェクトにとってはそれほど魅力的でない可能性があることも意味しており、エコシステムの実行可能性を制限する可能性がある。

Fetch.aiの創設者の一人は、Fetch.aiに基づいてDEXプロジェクトMXを立ち上げようとさえした。Fetch.aiの創設者の一人は、Fetch.aiをベースにMXというDEXプロジェクトを立ち上げようとしたが、結局失敗に終わった。インフラに特化したプロジェクトとして、エコシステムの弱体化はFetch.aiの本質的な価値の成長も妨げています。

IV.ジェネレーティブAIの明るい未来

NVIDIAのCEOであるJen-Hsun Huang氏は、ジェネレーティブな大規模モデルの立ち上げをAIの「iPhoneの瞬間」になぞらえ、高性能なコンピューティング・チップが希少な資源となりつつある中、AIの役割における重大な変化を示しています。チップはAIの希少資源の中心にある。

AIインフラ・プロジェクトは、Web3 AIサブトラックの資金調達の大半を占めており、投資家の長期的な注目の的となっている。チップの巨人が徐々にコンピューティング能力をアップグレードしていくにつれて、AI機能は拡大し、おそらくWeb3におけるより多くのAIインフラストラクチャ・プロジェクトが生まれ、おそらくWeb3におけるAIトレーニングのために特別に設計されたチップも生まれるでしょう。

消費者中心のジェネレーティブAI製品はまだ実験段階ですが、いくつかの産業グレードのアプリケーションはすでに大きな可能性を示しています。そのようなアプリケーションの1つが、現実世界のシナリオをデジタル領域に移す「デジタルツイン」です。

産業用データの未開発の価値を考慮し、NVIDIAのMetaverse Digital Twin Platformは、産業用デジタルツインの重要なコンポーネントとしてジェネレーティブAIを位置づけています。仮想世界、デジタルコンテンツ制作、現実世界の資産を含むWeb3では、AIに影響されたデジタルツインが重要な役割を果たすでしょう。

新しいインタラクティブなハードウェアの開発も重要です。歴史的に、コンピューティングにおけるハードウェアの技術革新はすべて、今やどこにでもあるコンピュータのマウスや、iPhone 4のマルチタッチ静電容量式スクリーンのような、革命的な変化と機会をもたらしてきました。

2024年の第1四半期にリリースされると発表されたApple Vision Proは、業界に予期せぬ変化と機会をもたらすことを約束する印象的なデモンストレーションで、世界中の注目を集めました。迅速なコンテンツ制作と幅広い配信で知られるエンターテインメント業界は、ハードウェアの更新から最初に恩恵を受けることが多い。これには、Web3のメタ・ユニバース、ブロックチェーン・ゲーミング、NFTなどが含まれ、これらはすべて、長期的に注視し、研究する価値があります。

長期的に見れば、ジェネレーティブAIの開発は、質的な変化につながる量的な変化を意味します。ChatGPTの核心は、推論クイズという長年研究されてきた学術的な問題に対する解決策です。Web3のAIアプリケーションも同様で、現在はWeb2のモデルをWeb3に適応させる段階にある。完全にWeb3のデータに基づいたモデルはまだ利用できない。将来の先見的なプロジェクトと、Web3特有の問題に取り組むことに専念する膨大なリソースが、独自のChatGPTレベルのキラーアプリをWeb3にもたらすでしょう。

また、思考連鎖のような生成AIの技術的基盤についても、多くの有望な探求の道があります。この技術により、大規模な言語モデルは多段階推論において大きな飛躍を遂げることができる。しかし、複雑な論理的推論のための大規模モデルの限界を浮き彫りにし、さらに悪化させてもいる。興味のある読者は、Chain-of-Thoughtに関する原著者の論文をご覧ください。

ChatGPTの後、GPTをテーマにした様々なプロジェクトがWeb3に登場しましたが、単純にGPTとスマートコントラクトを組み合わせただけではユーザーのニーズを満たすことはできませんでした。これからのプロダクトは、Web3ユーザーの真のニーズから出発すべきです。Web3技術の成熟が進むにつれ、Web3におけるジェネレーティブAIの応用は、広大でエキサイティングなものになるに違いない。