AI+web3のコンバージェンス・トラックの問題点をどう見ていますか？

AI+Web3が今回の強気相場の起爆剤となることを期待している。問題は、AIとWeb3の融合が現在の問題点は何かということだ。

1)AIのトレーニングには大規模なデータが必要であり、Web3の位置はまさにデータの追跡とそこから派生するインセンティブ効果を行うことである。長期的には、AIは必然的にウェブ3の助けを必要とするが、ウェブ3が解決できるのはAIの限られた問題だけであることを明確にする必要がある。

例えば、伝統的な大規模データの訓練、アルゴリズムの最適化、コンピュータビジョン、音声認識技術、ゲームAIと主な原動力の他のコア分野では、大規模な集中演算とチップ、アルゴリズムやその他のハードウェアとソフトウェアの最適化、深層学習畳み込みニューラルネットワーク、強化学習、脳のようなコンピューティングモデルなどに依存する必要があります。

2）ジェネレーティブAIは、AIの大きなプレートの小さな枝を占めているだけで、AIとWeb3の統合を加速した。これは、ジェネレーティブAIがよりアプリケーション側のAI普及技術であるためだ。理想的には、基礎となる大きなモデルは一般的に、中央集権的な演算を使用する大企業が担当し、その上でアプリケーション市場を牽引するオープンソース方針を採用することになるだろう。AI市場全体は徐々にロングテール化し、モデルの微調整と推論の重要性が強調されるようになるだろう。

しかし、中核となる演算リソースとモデルリソースを持つ企業がオープンソース方針を変更すれば、AI市場全体が直接的な影響を受けることになり、そのような危機を回避するためには、分散演算アーキテクチャと分散推論協調アーキテクチャにより依存するインフラが必須となる。

3）web3は、AI分散型フレームワークの構築において重要な役割を果たすことができる。例えば、モデルのトレーニングにおいて、ブロックチェーンはデータソースにユニークなIDを作成し、トレーニングの効率を向上させるためにデータの非重視化を行うことができる。演算が不十分な場合、ブロックチェーンはトークノミクスインセンティブメカニズムを使用して、分散型AI演算ネットワークを構築することができる。パラメータ微調整プロセスでは、ブロックチェーンはモデルの異なるバージョンを記録し、モデルの進化を追跡し、同時に微調整制御を行うことができます。

モデル推論プロセスでは、ZK、TEEなどの技術を応用して分散型推論ネットワークを構築し、モデル間の通信と相互信頼を強化することができます。エッジコンピューティングとDePINの統合において、web3は分散型エッジAIネットワークの構築を支援し、AI+DePIN IoTの組み合わせを推進することができる。

4)ヴィタリック氏は以前、AI+Web3の組み合わせについて、AIはWeb3の世界の参加者として徐々に統合されることができると宣言した。

一方では、Web2の世界の主流はまだAIの性能レベルに注目しており、Web3とは切り離された舞台裏のAI協調フレームワークにはあまり依存していない。他方では、Web3はまだ分散演算ネットワーク、分散推論ネットワーク、分散トークノミクス応用ネットワーク、分散応用ネットワーク、分散応用ネットワークにおけるAI統合の分野で行き詰まっている。一方、AI統合分野におけるweb3は、分散算術ネットワーク、分散推論アーキテクチャネットワーク、分散トークノミクスアプリケーションネットワーク、分散AIエージェントツールコラボレーションネットワークなどの基本インフラがまだ構築段階であり、それを必要とするだけの主流のweb2グループによって十分に検証され、応用されていない。

要するに、一言で言えば、AI+Web3の方向性は正しいが、実際の着地開発はそれほど速くない。