# AIと暗号資産の融合:ゼロから頂点へ人工知能技術は近年、画期的な進展を遂げ、いくつかの人々にとっては第四次産業革命と見なされています。大規模言語モデルの出現は、各業界の効率を著しく向上させ、ボストンコンサルティンググループはGPTがアメリカの労働効率を約20%向上させたと考えています。同時に、大モデルの汎用性は新しいソフトウェア設計のパラダイムと見なされ、従来の正確なコード作成とは異なり、現在のソフトウェア設計は汎用的な大モデルフレームワークをソフトウェアに組み込むことに重点を置いており、ソフトウェアはより優れた性能とより広範なモダリティの入力出力サポートを持つようになっています。深層学習技術は確かにAI業界に新たな繁栄をもたらし、この熱潮は暗号資産業界にも波及しています。! [新人科学丨AI×暗号:ゼロからピークまで](https://img-cdn.gateio.im/social/moments-7e025deb1fddcd5fa716b6f144701074)## AI業界の歴史AI産業は20世紀50年代に始まり、人工知能のビジョンを実現するために、学術界と産業界は異なる時期に異なる学問的背景に基づいて、人工知能を実現するための様々な流派を発展させてきました。現代の人工知能技術は主に「機械学習」手法を採用しており、その理念は機械がデータに基づいてタスクを繰り返し反復し、システムの性能を改善することです。主なステップには、データをアルゴリズムに入力し、データでモデルを訓練し、モデルをテストしてデプロイし、モデルを使用して自動化された予測タスクを完了することが含まれます。現在、機械学習には主に三つの流派があります: 結合主義、シンボリズム、行動主義で、それぞれ人間の神経系、思考、行動を模倣しています。ニューラルネットワークを代表とする結合主義が優位を占めており(、深層学習)とも呼ばれています。ニューラルネットワークのアーキテクチャは、入力層、出力層、そして複数の隠れ層から構成されており、層の数とニューロン(のパラメータ)の数が十分に多い場合、複雑な汎用タスクに適合することができます。データ入力を通じてニューロンのパラメータを継続的に調整し、最終的にニューロンは最適な状態(のパラメータ)に達します。深層学習技術は、初期の神経ネットワークから、フィードフォワード神経ネットワーク、RNN、CNN、GANを経て、最終的にはGPTなどの現代の大規模モデルで使用されるTransformer技術へと、何度も反復と進化を遂げてきました。Transformer技術は神経ネットワークの一つの進化の方向性であり、様々なモダリティ(（音声、動画、画像など）を対応する数値表現にエンコードするためのコンバータを追加し、その後神経ネットワークに入力することで、神経ネットワークがあらゆる種類のデータにフィットできるようにし、マルチモーダルを実現します。! [新参者科学人気丨AI×暗号:ゼロからピークまで])https://img-cdn.gateio.im/social/moments-c50ee5a87373c6cd6c4dc63adc2cf47c(AIの発展は3回の技術の波を経験しました:1. 20世紀60年代、シンボリズム技術の発展によって引き起こされた第一次波は、一般的な自然言語処理と人間とコンピュータの対話の問題を解決しました。同時期に、エキスパートシステムが誕生しました。2. 1997年、IBMのディープブルーがチェスのチャンピオン、カスパロフに勝利し、AI技術の第二の高潮を象徴しました。3. 2006年、深層学習の概念が提唱され、テクノロジーの第3の波が始まりました。 RNNやGANからTransformerやStable Diffusionまで、ディープラーニングアルゴリズムの進化は、コネクショニズムの全盛期を形作りました。! 【新人科学丨AI×暗号:ゼロからピークまで])https://img-cdn.gateio.im/social/moments-0c9bdea33a39a2c07d1f06760ed7e804(## ディープラーニング産業チェーン現在、大規模モデルの言語は一般的に神経ネットワークに基づく深層学習方法を採用しています。GPTを代表とする大規模モデルは、新たな人工知能ブームを引き起こし、多くのプレイヤーがこの分野に参入しました。市場はデータと計算能力の需要が急増しています。そこで、私たちは深層学習アルゴリズムの産業チェーンについて重点的に探討し、深層学習が主導するAI業界において、その上下流がどのように構成されているのか、また上下流の現状、供給・需要関係、そして将来の発展について分析します。Transformer技術に基づくGPTなどの大規模言語モデル)LLMs(のトレーニングは主に3つのステップに分かれています:1. プレトレーニング: 大量のデータ対を入力し、モデルの各神経元の最適なパラメータを探します。これは最も計算力を消費するプロセスであり、さまざまなパラメータを繰り返し試行する必要があります。2. 微調整:少量だが高品質のデータを使用して訓練し、モデルの出力品質を向上させる。3. 強化学習: "報酬モデル"を構築し、大規模モデルの出力結果を順位付けして、大規模モデルのパラメータを自動的に反復するために使用します。場合によっては、モデルの出力品質を評価するために人間の関与が必要です。大規模モデルの性能に影響を与える3つの主要な要因は、パラメータの数、データの量と質、計算能力です。この3つの要素が一つの産業チェーンを育んでいます。! [新人科学丨AI×暗号:ゼロからピークまで])https://img-cdn.gateio.im/social/moments-609c5dd6ee0abcec6bf9c118d7741867() ハードウェアGPUプロバイダー現在、NvidiaはAI GPUチップ設計分野で絶対的なリーディングポジションにあります。学術界では主に消費者向けのGPU###、例えばRTXシリーズ(を使用しており、産業界では主にH100やA100など大規模モデルの商業化に使用されるチップを使用しています。2023年、Nvidiaの最新H100チップが発表されると、多くの企業から大量の注文を受けました。H100チップに対する世界的な需要は供給を大きく上回り、出荷周期は52週間に達しています。Nvidiaへの依存から脱却するために、GoogleはIntel、Qualcomm、Microsoft、Amazonなどの企業と共同でCUDAアライアンスを設立し、GPUの共同開発を行っています。! [新人科学丨AI×暗号:ゼロからピークまで])https://img-cdn.gateio.im/social/moments-f37fb0100218188368f4d31940aab2a3() クラウドサービスプロバイダークラウドサービスプロバイダーは、十分なGPUを購入して高性能計算クラスターを構築した後、資金の限られたAI企業に弾力的な計算能力とホスティングトレーニングソリューションを提供しています。現在、市場は主に3種類のクラウド計算能力プロバイダーに分かれています:1. 伝統的なクラウドプロバイダーを代表する超大規模クラウドコンピューティングプラットフォーム###、AWS、Google Cloud、Azure(2. 垂直なトラックのクラウドコンピューティングプラットフォームは、主にAIまたはハイパフォーマンスコンピューティングのために設計されています。3. 新興の推論サービスプロバイダーは、主に顧客のために事前学習モデルをデプロイし、微調整または推論を行います。! [新人科学丨AI×暗号:ゼロからピークまで])https://img-cdn.gateio.im/social/moments-8848582a34ba293d15afae15d90e3c95() データベースプロバイダーAIデータと深層学習のトレーニング推論タスクにおいて、業界では主に「ベクトルデータベース」が使用されています。ベクトルデータベースは、膨大な高次元ベクトルデータを効率的に保存、管理、インデックス化し、非構造化データを「ベクトル」形式で統一して保存します。主要プレーヤーにはChroma、Zilliz、Pinecone、Weaviateなどが含まれます。データの需要が増加し、各セグメントの大規模モデルとアプリケーションが急増するにつれて、ベクトルデータベースの需要は大幅に増加するでしょう。! [新参者科学丨AI×暗号:ゼロからピークまで]###https://img-cdn.gateio.im/social/moments-53c48daf49a3dbb35c1a2b47e234f180() エッジデバイスGPU高性能計算クラスターを構築する際、大量のエネルギーを消費し、熱を発生させます。クラスターを継続的に運用するためには、冷却システムなどのエッジデバイスが必要です。エネルギー供給に関しては、主に電力を使用しています。データセンターおよびサポートネットワークは、現在、世界の電力消費の2%-3%を占めています。BCGは2030年までに、大規模モデルのトレーニングに必要な電力消費が3倍に増加すると予測しています。冷却に関しては、現在は主に空冷が使用されていますが、液冷システムが大きな投資を受けています。液冷は主に冷却板式、浸漬式、噴霧式の三種類に分かれます。! [新人科学丨AI×暗号:ゼロからピークまで]###https://img-cdn.gateio.im/social/moments-250a286e79261e91a0e7ac4941ff5c76() AIアプリケーション現在のAIアプリケーションの発展はブロックチェーン業界に似ており、インフラは非常に混雑していますが、アプリケーション開発は相対的に遅れています。現在、最も活発なユーザー数を持つAIアプリケーションの多くは検索系アプリケーションであり、種類は比較的単一です。AIアプリケーションのユーザー保持率は、一般的に従来のインターネットアプリケーションよりも低い。アクティブユーザーの割合に関しては、従来のインターネットソフトウェアのDAU/MAUの中央値は51%であるのに対し、AIアプリケーションの最高は41%に過ぎない。ユーザー保持率に関しては、従来のインターネットソフトウェアの上位10位の中央値は63%であるのに対し、ChatGPTの保持率は56%に過ぎない。! 【新人科学丨AI×暗号:ゼロからピークまで]###https://img-cdn.gateio.im/social/moments-8358c377eb2c07467848b3b46dbf1056(## 暗号通貨とAIの関係ブロックチェーン技術はゼロ知識証明などの技術の発展の恩恵を受けて、非中央集権化と信頼のない思想へと進化しました。本質的には、全体のブロックチェーンネットワークは価値ネットワークであり、各取引は基盤となる通貨を基にした価値の転換です。トークンエコノミクスはエコシステムの決済物)ネットワークの原生通貨(の相対的価値を規定しています。トークン経済学は、思想や物理的な創造物を問わず、あらゆる革新と存在に価値を与えることができます。この価値の再定義と発見の手段は、AI業界にとっても重要です。AI産業チェーンにおいてトークンを発行することで、各段階での価値の再構築が可能になり、より多くの人々がAI業界の細分化された分野に取り組むことを奨励します。トークンはエコシステムにも貢献し、特定の哲学的思想の誕生を促進します。ブロックチェーンの改ざん防止および信頼不要の特性は、AI業界においても実際的な意義があり、信頼が必要なアプリケーションを実現することができます。例えば、モデルがユーザーデータを使用する際に具体的なデータ内容を知らず、データを漏洩せず、真実の推論結果を返すことを確保します。GPUの供給が不足している場合、ブロックチェーンネットワークを通じて分配することができ、GPUがイテレーションされた後は、使用されていないGPUがネットワークに計算力を提供し、再び価値を発揮します。! [新人科学丨AI×暗号:ゼロからピークまで])https://img-cdn.gateio.im/social/moments-c8845a5920048e7c821c939e2d8304e7(## 暗号資産業界AI関連プロジェクトの概要) GPU供給側暗号資産業界のAI産業チェーンにおいて、計算力の供給は最も重要な要素です。現在、基本的なファンダメンタルが良好なプロジェクトはRenderで、主に大規模モデル以外のビデオレンダリングタスクに使用されます。業界予測では2024年のGPU計算力需要は約750億ドル、2032年には7730億ドルに達し、年平均成長率は約33.86%となる見込みです。GPU市場の爆発とムーアの法則の影響により、将来的には最新の数世代のGPU以外に多くのGPUが形成され、これらの未使用のGPUは共有ネットワークの中で価値を発揮し続けることができます。! [新人科学丨AI×暗号:ゼロからピークまで]###https://img-cdn.gateio.im/social/moments-2ed56db6cae1b0206e8e0daa9b1892fd() ハードウェア帯域幅帯域幅は、大規模モデルのトレーニング時間に影響を与える主要な要因であることが多く、特にブロックチェーン上のクラウドコンピューティング分野において重要です。しかし、共有帯域幅は疑似概念である可能性があります。なぜなら、高性能計算クラスターにおいては、データは主にローカルノードに保存され、共有帯域幅の場合はデータが一定の距離外に保存されているため、地理的な位置の違いによる遅延がローカルストレージよりもはるかに大きくなるからです。! [新人科学丨AI×暗号:ゼロからピークまで]###https://img-cdn.gateio.im/social/moments-c733612f35e5a4a21d8d39a0a77f85b8() データ現在稼働中の暗号資産業界のAIデータ提供プロジェクトには、EpiK Protocol、Synesis One、Masaなどが含まれます。従来のデータ企業と比較して、Web3データ提供者はデータ収集の面で優位性を持っています。なぜなら、個人は非プライバシーデータ###を提供できるだけでなく、ゼロ知識証明技術を使用してプライバシーデータ(を提供することもできるからです。これによりプロジェクトの範囲が拡大し、企業向けだけでなく、すべてのユーザーのデータに対して価格設定が可能になります。! [新人科学丨AI×暗号:ゼロからピークまで])https://img-cdn.gateio.im/social/moments-b97be5c0fd9efe0b79e2e6fcd4493212(ゼロ知識機械学習) ### ZKML(データのプライバシー計算とトレーニングを実現するために、業界では主にゼロ知識証明のソリューションが採用され、同型暗号技術を用いてオフチェーンで推論を行い、その結果とゼロ知識証明をオンチェーンにアップロードします。これにより、データのプライバシーが確保されるだけでなく、高効率かつ低コストの推論が実現されます。AI分野に特化したチェーン外のトレーニングと推論プロジェクトに加えて、Axiom、Risc Zero、Ritualなどの汎用的なゼロ知識プロジェクトもあります。これらは、あらゆるチェーン外計算とデータにゼロ知識証明を提供し、応用の境界がより広がります。! 【新人科学丨AI×暗号:ゼロからピークまで】)https://img-cdn.gateio.im/social/moments-a732f2716e6ef577c2e5817efcec3546() AIアプリケーション暗号資産業界のAI応用状況は、従来のAI業界に似ており、大部分がインフラ構築段階にあり、下流の応用開発は相対的に弱い。このようなAI+ブロックチェーンの応用は、従来のブロックチェーン応用に自動化と汎用化能力を加えたものであり、例えばAIエージェントはユーザーのニーズに基づいて最適なDeFi取引や貸付パスを実行できます。Fetch.AIは代表的なAIエージェントプロジェクトです。それはAIエージェントを"ブロックチェーンネットワーク上で自己実行するプログラムであり、接続し、検索できる"と定義しています。
AIが暗号資産業界を強化する: 産業チェーンから革新的な応用まで
AIと暗号資産の融合:ゼロから頂点へ
人工知能技術は近年、画期的な進展を遂げ、いくつかの人々にとっては第四次産業革命と見なされています。大規模言語モデルの出現は、各業界の効率を著しく向上させ、ボストンコンサルティンググループはGPTがアメリカの労働効率を約20%向上させたと考えています。同時に、大モデルの汎用性は新しいソフトウェア設計のパラダイムと見なされ、従来の正確なコード作成とは異なり、現在のソフトウェア設計は汎用的な大モデルフレームワークをソフトウェアに組み込むことに重点を置いており、ソフトウェアはより優れた性能とより広範なモダリティの入力出力サポートを持つようになっています。深層学習技術は確かにAI業界に新たな繁栄をもたらし、この熱潮は暗号資産業界にも波及しています。
! 新人科学丨AI×暗号:ゼロからピークまで
AI業界の歴史
AI産業は20世紀50年代に始まり、人工知能のビジョンを実現するために、学術界と産業界は異なる時期に異なる学問的背景に基づいて、人工知能を実現するための様々な流派を発展させてきました。
現代の人工知能技術は主に「機械学習」手法を採用しており、その理念は機械がデータに基づいてタスクを繰り返し反復し、システムの性能を改善することです。主なステップには、データをアルゴリズムに入力し、データでモデルを訓練し、モデルをテストしてデプロイし、モデルを使用して自動化された予測タスクを完了することが含まれます。
現在、機械学習には主に三つの流派があります: 結合主義、シンボリズム、行動主義で、それぞれ人間の神経系、思考、行動を模倣しています。ニューラルネットワークを代表とする結合主義が優位を占めており(、深層学習)とも呼ばれています。ニューラルネットワークのアーキテクチャは、入力層、出力層、そして複数の隠れ層から構成されており、層の数とニューロン(のパラメータ)の数が十分に多い場合、複雑な汎用タスクに適合することができます。データ入力を通じてニューロンのパラメータを継続的に調整し、最終的にニューロンは最適な状態(のパラメータ)に達します。
深層学習技術は、初期の神経ネットワークから、フィードフォワード神経ネットワーク、RNN、CNN、GANを経て、最終的にはGPTなどの現代の大規模モデルで使用されるTransformer技術へと、何度も反復と進化を遂げてきました。Transformer技術は神経ネットワークの一つの進化の方向性であり、様々なモダリティ(（音声、動画、画像など）を対応する数値表現にエンコードするためのコンバータを追加し、その後神経ネットワークに入力することで、神経ネットワークがあらゆる種類のデータにフィットできるようにし、マルチモーダルを実現します。
! [新参者科学人気丨AI×暗号:ゼロからピークまで])https://img-cdn.gateio.im/webp-social/moments-c50ee5a87373c6cd6c4dc63adc2cf47c.webp(
AIの発展は3回の技術の波を経験しました:
20世紀60年代、シンボリズム技術の発展によって引き起こされた第一次波は、一般的な自然言語処理と人間とコンピュータの対話の問題を解決しました。同時期に、エキスパートシステムが誕生しました。
1997年、IBMのディープブルーがチェスのチャンピオン、カスパロフに勝利し、AI技術の第二の高潮を象徴しました。
2006年、深層学習の概念が提唱され、テクノロジーの第3の波が始まりました。 RNNやGANからTransformerやStable Diffusionまで、ディープラーニングアルゴリズムの進化は、コネクショニズムの全盛期を形作りました。
! 【新人科学丨AI×暗号:ゼロからピークまで])https://img-cdn.gateio.im/webp-social/moments-0c9bdea33a39a2c07d1f06760ed7e804.webp(
ディープラーニング産業チェーン
現在、大規模モデルの言語は一般的に神経ネットワークに基づく深層学習方法を採用しています。GPTを代表とする大規模モデルは、新たな人工知能ブームを引き起こし、多くのプレイヤーがこの分野に参入しました。市場はデータと計算能力の需要が急増しています。そこで、私たちは深層学習アルゴリズムの産業チェーンについて重点的に探討し、深層学習が主導するAI業界において、その上下流がどのように構成されているのか、また上下流の現状、供給・需要関係、そして将来の発展について分析します。
Transformer技術に基づくGPTなどの大規模言語モデル)LLMs(のトレーニングは主に3つのステップに分かれています:
プレトレーニング: 大量のデータ対を入力し、モデルの各神経元の最適なパラメータを探します。これは最も計算力を消費するプロセスであり、さまざまなパラメータを繰り返し試行する必要があります。
微調整:少量だが高品質のデータを使用して訓練し、モデルの出力品質を向上させる。
強化学習: "報酬モデル"を構築し、大規模モデルの出力結果を順位付けして、大規模モデルのパラメータを自動的に反復するために使用します。場合によっては、モデルの出力品質を評価するために人間の関与が必要です。
大規模モデルの性能に影響を与える3つの主要な要因は、パラメータの数、データの量と質、計算能力です。この3つの要素が一つの産業チェーンを育んでいます。
! [新人科学丨AI×暗号:ゼロからピークまで])https://img-cdn.gateio.im/webp-social/moments-609c5dd6ee0abcec6bf9c118d7741867.webp(
) ハードウェアGPUプロバイダー
現在、NvidiaはAI GPUチップ設計分野で絶対的なリーディングポジションにあります。学術界では主に消費者向けのGPU###、例えばRTXシリーズ(を使用しており、産業界では主にH100やA100など大規模モデルの商業化に使用されるチップを使用しています。
2023年、Nvidiaの最新H100チップが発表されると、多くの企業から大量の注文を受けました。H100チップに対する世界的な需要は供給を大きく上回り、出荷周期は52週間に達しています。Nvidiaへの依存から脱却するために、GoogleはIntel、Qualcomm、Microsoft、Amazonなどの企業と共同でCUDAアライアンスを設立し、GPUの共同開発を行っています。
! [新人科学丨AI×暗号:ゼロからピークまで])https://img-cdn.gateio.im/webp-social/moments-f37fb0100218188368f4d31940aab2a3.webp(
) クラウドサービスプロバイダー
クラウドサービスプロバイダーは、十分なGPUを購入して高性能計算クラスターを構築した後、資金の限られたAI企業に弾力的な計算能力とホスティングトレーニングソリューションを提供しています。現在、市場は主に3種類のクラウド計算能力プロバイダーに分かれています:
伝統的なクラウドプロバイダーを代表する超大規模クラウドコンピューティングプラットフォーム###、AWS、Google Cloud、Azure(
垂直なトラックのクラウドコンピューティングプラットフォームは、主にAIまたはハイパフォーマンスコンピューティングのために設計されています。
新興の推論サービスプロバイダーは、主に顧客のために事前学習モデルをデプロイし、微調整または推論を行います。
! [新人科学丨AI×暗号:ゼロからピークまで])https://img-cdn.gateio.im/webp-social/moments-8848582a34ba293d15afae15d90e3c95.webp(
) データベースプロバイダー
AIデータと深層学習のトレーニング推論タスクにおいて、業界では主に「ベクトルデータベース」が使用されています。ベクトルデータベースは、膨大な高次元ベクトルデータを効率的に保存、管理、インデックス化し、非構造化データを「ベクトル」形式で統一して保存します。
主要プレーヤーにはChroma、Zilliz、Pinecone、Weaviateなどが含まれます。データの需要が増加し、各セグメントの大規模モデルとアプリケーションが急増するにつれて、ベクトルデータベースの需要は大幅に増加するでしょう。
! [新参者科学丨AI×暗号:ゼロからピークまで]###https://img-cdn.gateio.im/webp-social/moments-53c48daf49a3dbb35c1a2b47e234f180.webp(
) エッジデバイス
GPU高性能計算クラスターを構築する際、大量のエネルギーを消費し、熱を発生させます。クラスターを継続的に運用するためには、冷却システムなどのエッジデバイスが必要です。
エネルギー供給に関しては、主に電力を使用しています。データセンターおよびサポートネットワークは、現在、世界の電力消費の2%-3%を占めています。BCGは2030年までに、大規模モデルのトレーニングに必要な電力消費が3倍に増加すると予測しています。
冷却に関しては、現在は主に空冷が使用されていますが、液冷システムが大きな投資を受けています。液冷は主に冷却板式、浸漬式、噴霧式の三種類に分かれます。
! [新人科学丨AI×暗号:ゼロからピークまで]###https://img-cdn.gateio.im/webp-social/moments-250a286e79261e91a0e7ac4941ff5c76.webp(
) AIアプリケーション
現在のAIアプリケーションの発展はブロックチェーン業界に似ており、インフラは非常に混雑していますが、アプリケーション開発は相対的に遅れています。現在、最も活発なユーザー数を持つAIアプリケーションの多くは検索系アプリケーションであり、種類は比較的単一です。
AIアプリケーションのユーザー保持率は、一般的に従来のインターネットアプリケーションよりも低い。アクティブユーザーの割合に関しては、従来のインターネットソフトウェアのDAU/MAUの中央値は51%であるのに対し、AIアプリケーションの最高は41%に過ぎない。ユーザー保持率に関しては、従来のインターネットソフトウェアの上位10位の中央値は63%であるのに対し、ChatGPTの保持率は56%に過ぎない。
! 【新人科学丨AI×暗号:ゼロからピークまで]###https://img-cdn.gateio.im/webp-social/moments-8358c377eb2c07467848b3b46dbf1056.webp(
暗号通貨とAIの関係
ブロックチェーン技術はゼロ知識証明などの技術の発展の恩恵を受けて、非中央集権化と信頼のない思想へと進化しました。本質的には、全体のブロックチェーンネットワークは価値ネットワークであり、各取引は基盤となる通貨を基にした価値の転換です。トークンエコノミクスはエコシステムの決済物)ネットワークの原生通貨(の相対的価値を規定しています。
トークン経済学は、思想や物理的な創造物を問わず、あらゆる革新と存在に価値を与えることができます。この価値の再定義と発見の手段は、AI業界にとっても重要です。AI産業チェーンにおいてトークンを発行することで、各段階での価値の再構築が可能になり、より多くの人々がAI業界の細分化された分野に取り組むことを奨励します。トークンはエコシステムにも貢献し、特定の哲学的思想の誕生を促進します。
ブロックチェーンの改ざん防止および信頼不要の特性は、AI業界においても実際的な意義があり、信頼が必要なアプリケーションを実現することができます。例えば、モデルがユーザーデータを使用する際に具体的なデータ内容を知らず、データを漏洩せず、真実の推論結果を返すことを確保します。GPUの供給が不足している場合、ブロックチェーンネットワークを通じて分配することができ、GPUがイテレーションされた後は、使用されていないGPUがネットワークに計算力を提供し、再び価値を発揮します。
! [新人科学丨AI×暗号:ゼロからピークまで])https://img-cdn.gateio.im/webp-social/moments-c8845a5920048e7c821c939e2d8304e7.webp(
暗号資産業界AI関連プロジェクトの概要
) GPU供給側
暗号資産業界のAI産業チェーンにおいて、計算力の供給は最も重要な要素です。現在、基本的なファンダメンタルが良好なプロジェクトはRenderで、主に大規模モデル以外のビデオレンダリングタスクに使用されます。
業界予測では2024年のGPU計算力需要は約750億ドル、2032年には7730億ドルに達し、年平均成長率は約33.86%となる見込みです。GPU市場の爆発とムーアの法則の影響により、将来的には最新の数世代のGPU以外に多くのGPUが形成され、これらの未使用のGPUは共有ネットワークの中で価値を発揮し続けることができます。
! [新人科学丨AI×暗号:ゼロからピークまで]###https://img-cdn.gateio.im/webp-social/moments-2ed56db6cae1b0206e8e0daa9b1892fd.webp(
) ハードウェア帯域幅
帯域幅は、大規模モデルのトレーニング時間に影響を与える主要な要因であることが多く、特にブロックチェーン上のクラウドコンピューティング分野において重要です。しかし、共有帯域幅は疑似概念である可能性があります。なぜなら、高性能計算クラスターにおいては、データは主にローカルノードに保存され、共有帯域幅の場合はデータが一定の距離外に保存されているため、地理的な位置の違いによる遅延がローカルストレージよりもはるかに大きくなるからです。
! [新人科学丨AI×暗号:ゼロからピークまで]###https://img-cdn.gateio.im/webp-social/moments-c733612f35e5a4a21d8d39a0a77f85b8.webp(
) データ
現在稼働中の暗号資産業界のAIデータ提供プロジェクトには、EpiK Protocol、Synesis One、Masaなどが含まれます。従来のデータ企業と比較して、Web3データ提供者はデータ収集の面で優位性を持っています。なぜなら、個人は非プライバシーデータ###を提供できるだけでなく、ゼロ知識証明技術を使用してプライバシーデータ(を提供することもできるからです。これによりプロジェクトの範囲が拡大し、企業向けだけでなく、すべてのユーザーのデータに対して価格設定が可能になります。
! [新人科学丨AI×暗号:ゼロからピークまで])https://img-cdn.gateio.im/webp-social/moments-b97be5c0fd9efe0b79e2e6fcd4493212.webp(
ゼロ知識機械学習) ### ZKML(
データのプライバシー計算とトレーニングを実現するために、業界では主にゼロ知識証明のソリューションが採用され、同型暗号技術を用いてオフチェーンで推論を行い、その結果とゼロ知識証明をオンチェーンにアップロードします。これにより、データのプライバシーが確保されるだけでなく、高効率かつ低コストの推論が実現されます。
AI分野に特化したチェーン外のトレーニングと推論プロジェクトに加えて、Axiom、Risc Zero、Ritualなどの汎用的なゼロ知識プロジェクトもあります。これらは、あらゆるチェーン外計算とデータにゼロ知識証明を提供し、応用の境界がより広がります。
! 【新人科学丨AI×暗号:ゼロからピークまで】)https://img-cdn.gateio.im/webp-social/moments-a732f2716e6ef577c2e5817efcec3546.webp(
) AIアプリケーション
暗号資産業界のAI応用状況は、従来のAI業界に似ており、大部分がインフラ構築段階にあり、下流の応用開発は相対的に弱い。このようなAI+ブロックチェーンの応用は、従来のブロックチェーン応用に自動化と汎用化能力を加えたものであり、例えばAIエージェントはユーザーのニーズに基づいて最適なDeFi取引や貸付パスを実行できます。
Fetch.AIは代表的なAIエージェントプロジェクトです。それはAIエージェントを"ブロックチェーンネットワーク上で自己実行するプログラムであり、接続し、検索できる"と定義しています。