AI と Web3 の組み合わせは推奨されません。AI は比較的集中化されているのに対し、Web3 は分散化に焦点を当てているからです。

NFT二次市場が衰退している一方で、一次市場では過去2か月間NFTやNFTFi関連のプロジェクトについて話題になっていなかったようだが、一方AIプロジェクトは本格的に動き始めているため、NFTの記事は引きずり続けている。前回BTCの生態について書き終えたときに、NFTとNFTFIについての記事を追加するべきでした。ただし、現時点ではNFTは一般的にクールではありません。 AIとWeb3を組み合わせるトレンドがまず挙げられる。

AI

AI産業は衰退寸前だった。 Near Protocol の創設者である Illia は、実際には、最もよく知られた機械学習フレームワークである TensorFlow の主なコード貢献者である AI の専門家です。人々は、彼が AI (大きなモデル以前の機械学習) には希望がないと考え、Web3 を行うようになったのではないかと推測しています。

しかし、昨年末あたりから業界がChatGpt3.5を歓迎し、AIビジネスが復活し始めた。なぜなら、これまでの誇大宣伝や量的変化とは異なり、今回はまさに質的変化と考えられるからです。数か月後、AI 起業家の津波は Web3 にも到達しました。シリコンバレー Web2 の内部競争は熾烈で、幅広い資本が Fomo に参加し、価格競争を始めた多くの均質化プログラムが、大規模工場や大型モデルが PK に参加しています...

ただし、AI による Google の検索人気が崖から落ち、Chatgpt ユーザーの増加が大幅に鈍化し、AI の出力が大幅に鈍化するなど、AI の発生から半年以上が経ち、AI も比較的ボトルネックの時期に入ったことに注意する必要があります。特定のランダム性により、多くの着陸シーンが制限されました...全体として、私たちは伝説の「AGI 汎用人工知能」からは非常に遠いです。

現在、シリコンバレーのベンチャーキャピタルは、AI の次の開発に関して次のような判断を下しています。

1. 垂直モデルは存在せず、大規模モデルの垂直アプリケーションのみが存在します (これについては、後で Web3+AI について説明するときに戻ります)。

2. 携帯電話などのエッジ デバイス上のデータが障壁となる可能性がありますが、AI ベースのオンエッジ デバイスが機会となる可能性もあります。

3. Context の長さは、将来的に質的な変化を引き起こす可能性があります (現在、AI のメモリとしてベクトル データベースが使用されていますが、Context の長さはまだ十分ではありません)。

Web3+AI

実際には、AI と Web3 はまったく異なる 2 つのテクノロジーです。 AI はトレーニングを実行するために集中的な処理能力と膨大な量のデータを必要とし、非常に一元化されています。 Web3 は分散化されているため、これらはうまく連携しませんが、AI が生産性を変え、ブロックチェーンが生産関係を変えるという考えがあまりにも浸透しています。その交差点を探している人は常にいるでしょう。私は過去 2 か月間、少なくとも 10 件の AI への取り組みについて議論してきました。

新しい組み合わせトラックについて話す前に、基本的に FET と AGIX に代表されるプラットフォーム タイプである古い AI+Web3 プロジェクトについて説明することから始めましょう。私の国内の AI プロフェッショナルの友人は、Web2 であろうと Web3 であろうと、かつて行われていた AI に関することはすべて、今では基本的に役に立たず、多くは経験というよりも荷物であると私に言いました。」方向性と将来は、トランスフォーマーに基づく OpenAI や AI を保存したビッグモデルのようなビッグモデルにあります。

したがって、一般的なプラットフォーム型は、彼が楽観視している Web3+AI のモデルではなく、私が話した 10 以上のプロジェクトにはこの側面はなく、基本的に私が見ているのは次の分野です。

1. ボット/エージェント/アシスタントの大文字化

2. コンピューティングプラットフォーム

3. データプラットフォーム

4. 生成型 AI

5. DeFi取引/監査/リスク管理

6.ZKML

1.ボット/エージェント/アシスタント大文字化

最も議論され均質化されているのはこの分野です。簡単に言うと、これらのプロジェクトは通常、OpenAI を基盤として使用し、追加のオープン ソースまたは TTS (Text to Speech) などの自社開発技術ツールを使用し、特定のデータを使用して FineTune が「特定の点で ChatGPT よりも優れている」ボットを作成します。フィールド。」

たとえば、英語を教えるためにゴージャスな講師を雇うこともできます。講師はコックニーアクセントとアメリカアクセントのどちらかを選択できます。彼女の性格やチャット スタイルを変更できる機能のおかげで、より形式的で機械的な ChatGPT を使用する場合よりも、あなたの対話エクスペリエンスが向上します。このタイプの代表としては、ＨＩＭと呼ばれるＷｅｂ３女性向けゲームのバーチャルボーイフレンドＤＡＰＰがある。

この概念から、理論的には、多数のボット/エージェントにサービスを提供させることができます。たとえば、魚の茹で方を学びたい場合、この分野専用の Fine Tune Cooking Bot が教えてくれる可能性があり、その応答は ChatGPT よりも適切です。旅行したい場合は、旅行のアドバイスや計画を提供してくれる旅行ボットもあります。または、プロジェクト パートナーの場合は、コミュニティの質問に回答できるように Discord カスタマー サービス ロボットを入手してください。

このような「GPTベースの垂直アプリケーション型」をベースにした派生プロジェクトも存在する。ボットはこのタイプの「GPT ベースの垂直アプリケーション型」に加えて、モデルの大文字化としてのボット」画像の大文字化としての NFT、」これは、AI でよく知られている Prompt も大文字になる可能性があることを意味します。プロンプト自体には価値があり、活用することができます。たとえば、さまざまな MidJourney プロンプトは異なるビジュアルを生成でき、さまざまなプロンプトはボットのトレーニング時に異なる結果をもたらします。

このようなボットには、ポータルのインデックス作成や検索などの追加の取り組みがあります。何千ものボットがある場合、どうすれば最適なボットを選択できるでしょうか?次に、「位置を特定」するのを支援するために、 Hao123 などの Web2 ポータルや Google などの検索エンジンが必要になる場合があります。

現時点では、ボット (モデル) の大文字化には 2 つの欠点と 2 つの方向性があると考えています。

欠点 1. これは最もユーザーフレンドリーな AI+web3 トラックであるため、均質化が大きな欠点です。ユーティリティ特性のヒントを含むNFTの要素があります。その結果、主要市場は紅海の傾向を示して競争し始めていますが、OpenAI は最下位にあるため、克服すべき技術的な障害はまったくありません。私たちは設計と運用でしか競争できません。

欠点 2. スターバックス会員カード NFT オンチェーンが Web3 の世界に参入するために賞賛に値する努力をしているにもかかわらず、ほとんどのユーザーにとっては物理的または電子的な会員カードの方が便利である可能性があります。これは、Web3 ベースのボットにも問題があります。マスク、ソクラテス、または英語を学ぶロボットと会話したい場合、Web2 http://Character.AI をすぐに利用することは有益ではないでしょうか?

方向性 1. オンチェーンのモデルは短期から中期的には良いコンセプトかもしれません。これらのモデルは現在、ETH NFT についての理解が限られており、メタデータは主にブロックチェーン自体ではなく IPFS またはオフチェーン サーバーを指しています。特にサーバーでは、モデルのサイズは通常、数十から数百メガバイトになります。

ただし、最近のストレージ価格の大幅な値下げ (2TB SSD 500RMB) と Filecoin FVM のようなストレージ プロジェクトの開発を考慮すると、今後 2 ～ 3 年で 100 メガビット規模のモデルをチェーンするのは難しくないと思います。そしてETHSストレージ。

オンチェーンの利点は何だろうと疑問に思われるかもしれません。オンチェーン モデルは他のコントラクトによって直接使用される可能性があり、より暗号ネイティブであり、ゲーム パターンは間違いなくより優れています。すべてのデータがチェーンにネイティブであるため、完全なオンチェーン ゲームの視覚的な感覚が少しあります。現在、多くのチームがこれを検討していますが、まだプロセスの初期段階にあります。

方向性２．中長期的にスマート コントラクトについて真剣に考えてみると、「マシン間の相互作用」が重要であることがわかるかもしれません。人間とコンピュータのやり取りよりも、より適切です。 AI には AutoGPT のアイデアが組み込まれており、これにより「仮想アバター」を取得できるようになります。または「仮想アシスタント」チケット、ホテルの予約、ウェブサイトを作成するためのドメイン名の購入、その他の必要な作業などのタスクをサポートできる人。

AI アシスタントに多数の銀行口座を管理させる場合、Alipay やあらゆる種類の銀行カードの利便性を好みますか、それとも完全なブロックチェーン アドレス転送の利便性を好みますか?溶液は透明です。したがって、将来的には、さまざまなタスク シナリオでブロックチェーンやスマート コントラクトを通じて C2C、B2C、さらには B2B の支払いや決済を自動的に実行する AutoGPT のような AI ヘルパーが大量に登場するのでしょうか?その時点で、Web2 と Web3 を分ける線がかなり曖昧になりました。

2. コンピューティングプラットフォーム

コンピューティング パワー プラットフォーム プロジェクトは、ボット モデルに比べて資本も競争力も劣りますが、比較的理解しやすいです。 AI にはかなりのコンピューティング能力が必要ですが、BTC と ETH は過去 10 年間に、経済的インセンティブやゲームの分散型環境で協力し競争するために大規模なコンピューティング能力を組織、調整できるそのような方法が存在することを証明しました。このアプローチは AI にも応用できるようになりました。

Together と Gensyn は間違いなくこの分野で最も有名な 2 つのプロジェクトであり、1 つはシード資金で 1,000 万ドル、もう 1 つは A ラウンドで 4,300 万ドルを受け取りました。この 2 人は、まず独自のモデルを構築するために資金と処理能力が必要であり、その後、それらのプラットフォームを他の AI プロジェクトの構築に使用する予定であるため、多額の資金を調達しようとしています。

推論コンピューティング パワー プラットフォームは基本的にアイドル状態の GPU とその他のコンピューティング パワーを集約し、推論を必要とする AI プロジェクトに提供されるため、推論コンピューティング パワー プラットフォームへの資金調達額は比較的少額になります。 RNDR は電力集約をレンダリングし、これらのプラットフォームは推論電力集約を行います。しかし、現時点では技術的な閾値は比較的曖昧であり、いつか RNDR または Web3 クラウド コンピューティング プラットフォームが推論コンピューティング プラットフォームに拡張されるのではないかとさえ思っています。

コンピューティング パワー プラットフォームの方向性はより現実的であり、モデル資本よりも優れた予測変数です。基本的には、それが必要であり、誰がそれを実行できるかを確認するための 1 つまたは 2 つの主要なプロジェクトが存在するでしょう。唯一の不確実性は、トレーニングと推論に個別の主導プロジェクトがあるのか​​、それとも主導プロジェクトが両方を実行するのかということです。

3.データプラットフォーム

AI の基礎となるのは、アルゴリズム (モデル)、計算能力、データという 3 つの主要なものであるため、これを理解するのは難しくありません。

アルゴリズムと計算能力には「分散バージョン」があるため、データが失われることはありません。これは、Qiji 作成プラットフォームの創設者である Lu Qi 博士が AI と Web3 について語るときに最も楽観的な方向性でもあります。

Web3 は常にデータのプライバシーと主権を重視しており、データの信頼性と整合性を確保するための ZK などのテクノロジーがあるため、Web3 のオンチェーン データに基づいてトレーニングされた AI は、Web2 のオフチェーン データに基づいてトレーニングされた AI とは異なる必要があります。したがって、この方向性は全体としては理にかなっています。 Ocean もこの分野に属すると考えるべきであり、プライマリー市場では Ocean をベースとした特化した AI データ市場などのプロジェクトもあります。

4. 生成型 AI

簡単に言うと、AI ペイントまたはその他の同等の制作を使用して、NFT、ゲーム内マップ、NPC 背景などの構築を含む、他のいくつかのシーンをサポートすることが含まれます。 AI生成の希少性が不十分であるため、NFTを実装するこの方法は困難です。しかし、Gamefi は可能かもしれません。主要市場で Gamefi を実装しようとしているチームもあります。

しかし、数日前、Unity は (ゲーム エンジン市場を長年支配してきた Unreal Engine とともに) 独自の AI 生成ツールの 2 つである Sentis と Muse もリリースしました。これらのツールは現在限定的なベータ段階にありますが、来年正式にリリースされる予定です。 Web3 ゲーム AIGC プロジェクト、もしかしたら Unity の影響で次元低下が起こるかもしれない...

5.DeFi取引/監査/リスク管理

これらのカテゴリーでプロジェクトが試みられていますが、均質化はあまり明らかではありません。

· 取引 - これは注意が必要です。ある取引戦略がうまく機能しても、より多くの人がそれを使用するにつれて、その有用性が薄れ、新しい戦略に切り替える必要があるためです。そこで気になるのは、AI取引ロボットの将来の勝率や、一般トレーダーの中でどのようなポジションになるのかということです。

· 監査 - 既存の一般的な脆弱性に迅速に対処するのに役立ちますが、論理的な弱点やまったく新しい弱点には対応しません。これは AGI 時代にのみ発生するはずです。

· 収量 – 収量は理解しやすいです。 AI インテリジェンスを備えた YFI を想像し、そこに資金を投資するだけです。 AI ステーキングは、リスク許容度に基づいて、ステーキングするプラットフォームを選択し、LP プールを作成し、マイニングします。

· リスク管理 - プロジェクトを単独で行うのは奇妙に感じられ、プラグインの形でさまざまな融資や Defi プラットフォームにサービスを提供するのが理にかなっています。

6.ZKML

これは、ZK と ML (機械学習、AI の専門分野) という 2 つの最先端テクノロジーを組み合わせているため、ますます人気が高まっている分野です。

理論的には、ZK を組み合わせることで ML のプライバシー、完全性、正確性を実現できますが、実際には、多くのプロジェクト関係者は具体的な使用シナリオを考え出すのに苦労し、代わりにインフラストラクチャの構築に重点を置いています。

今本当に必要とされているのは、医療分野の一部における機械学習、患者データのプライバシーの必要性だけであり、オンチェーン ゲームの整合性や不正行為対策などの話は常に現実離れしたものに感じられます。

Modulus Labs、EZKL、Giza などは、プライマリー市場におけるこの分野で最も注目されているプロジェクトの一部です。

この分野の技術的障壁は他の分野に比べてかなり高く、一般に均質化は目に見えません。 ZK を理解できる人は世界中にそれほど多くなく、ZK と ML を理解できる人材はさらに少ないです。 ZKML はトレーニングよりも推論に重点を置いています。