Panteraが2024年に注目する分野：AIのトレンドは衰えず、Web3が推論・データプライバシー・インセンティブの面で発展を後押し
TechFlow厳選深潮セレクト
Panteraが2024年に注目する分野：AIのトレンドは衰えず、Web3が推論・データプライバシー・インセンティブの面で発展を後押し
ブロックチェーン技術エコシステムにおけるイノベーションの発生速度は、各サイクルで新たな市場や垂直分野を生み出す。
Web3業界の深掘り報道に専念し潮流を洞察執筆：Chia Jeng Yang & Caroline Cahilly、Pantera Capital
翻訳：TechFlow
Pantera Capitalは最近、2024年の暗号資産市場の動向、投資戦略、注目分野およびトレンド予測について詳細に述べた長文レポートを発表しました。
記事が非常に長いため、内容別にいくつかのパートに分けて翻訳を進めています。
本稿はその第4部であり、Panteraの執行ディレクターChia Jeng YangとインターンのCarolineによるものです。
この記事から読み取れるのは、AIとWeb3の統合への関心の高さであり、AIと暗号資産技術の融合について細かく分析しています。Web3はAIシステムにおける推論、データプライバシー、インセンティブ設計などにおいて重要な役割を果たすと考えており、関連分野には大きな機会が潜んでいるとしています。
以下がその本文の翻訳です。
ブロックチェーン技術エコシステムでは、各サイクルで新しい市場や垂直領域が生まれるほどの革新スピードがあります。私たちの研究は、こうした変化に先んじることを可能にし、取引の探索・投資においてカバレッジを最大化する助けとなっています。以降では、現在特に注目している分野について紹介します。
AI x WEB3
AI：人間知能とコンピュータ知能の融合
大規模言語モデル（LLM）などAIモデルが生成する出力は、人間とコンピュータの脳、データ、インセンティブシステムとの最適な相互作用の結果であるべきです。
自然言語でのやり取りができる点がLLMの魅力ですが、これは人間とAIが同じ言語を使って複雑なプロセスを説明できるためです。これは、人間を含む協調システムの未来へ向けた重要な一歩です。この協働をさらに進化させるには、AIシステムがより効果的に思考し、より有用な回答を出し、最適な結果を生み出すよう促す強固な人機フレームワーク、メカニズム、ツールの開発が必要です。
Web3がこの相互作用をどう推進するか
コンピュータネイティブなインセンティブフレームワークは、クラウドソーシングやアカウンタビリティなどを通じて、人間がAIとどのように相互作用するかを決定づけます。私たちは、コンピュータ／AIの「脳」と人間の「脳」の間で起こる相互作用を最大化・最適化できる製品に注目しており、特にトークン保有者や開発者といったステークホルダーの視点から、中長期的なユースケースに焦点を当てています。
今後、AI時代における人機相互作用について以下の3つの側面を深掘りしていきます：
以下は、AIに暗号技術が貢献できる主なポイントであり、レポート全体を通じて取り上げられる内容です：
-
支払い：従来の金融決済は境界が明確ですが、暗号通貨では数行のコードで済みます。プログラマブル性によりソフトウェア製品の統合が簡素化され、開発者はコードベースにウォレットアドレスを埋め込むだけで済みます。また、計算に基づく柔軟な支払いも可能になり、既存インフラでは監査コストが高すぎた課題を解決できます。古くなったグローバル金融インフラを回避することで、国際ユーザーを持つ製品の市場参入障壁も低下します。さらに、暗号通貨取引は伝統的支払いよりも手数料が低くなる可能性があります。シンプルで低コストな統合は、リソースが限られたオープンソースプロジェクトにとって特に有利であり、シンプルさこそがコラボレーションと採用の鍵となります。
-
クラウドソーシング：LLMモデルに対する人間のフィードバックがますます重要になる中、Web3のインセンティブ設計により、データのクラウドソーシングがより高速かつ大規模に行えるようになります。構造化された報酬（およびペナルティ）システムは、高品質な情報を促進し、多様な背景を持つ多数の貢献者を惹きつけるでしょう。
-
データ制御：データの出所とプライバシーを確保するという意味で、個人が自身のデータを管理することがますます重要になっています。理由は以下の通りです：
-
a. ユーザーが簡単に報酬を得たり、より良い体験を得られるとわかれば、自らデータを管理しようとするでしょう（現時点ですでに実現可能な状況です）。自律型エージェントの台頭により、ユーザーは積極的な介入なしにデータによって報酬を得られるようになります。また、自身のデータを管理するユーザーは、現在のパーソナライズアルゴリズムが提供する劣化した体験よりも優れた体験を受けられるはずです。過去のデータウォレット試みとは異なり、LLMは非構造化の自然言語データを大規模に自動収集・横断的に整理し、文脈に応じてより適切に処理できるようになりました。
-
b. 企業が機密情報を守るためにデータ管理を主導する場合もあり、その後、個人にも同様の基準が適用されるようになるかもしれません。
私たちが特に注目している3つのアイデアは次の通りです：
-
人間フィードバックによる推論：クラウドソーシングされた（zk）知識グラフを用いた論理的推論
-
機械学習（ML）によるAIGC著作権追跡：ML追跡を用いて、AIGC背後の元データコンテンツのロイヤリティを算出
-
広告用デジタルツイン：LLMが検索エンジンに代わって情報検索の主要手段となる中、ユーザーの好みはウェブサイト検索ではなくLLMとの対話によって把握されます。AI世界における広告には、AdTechがデジタルツインから個人の嗜好を自動抽出できるインフラが必要です。
推論
市場は過剰な注目を集めていますが、LLMは計画立案、推論、物理世界の理解などの人間が得意とするタスクで困難を抱えています。これらの誤りは、LLMがデータパターンに基づく推論を模倣しているものの、背後にある論理的・物理的原理を真に理解していないことが原因かもしれません。そのため、人間の基準で見ると、LLMのパフォーマンスはまだ不十分です。
原理的な推論の価値は、未知の問題に対処できることにあります。特に、Transformerモデルが訓練データを超えることができないという強い証拠がある中で、これは極めて重要です。我々は、基礎モデルだけでなく、今日存在するすべてのLLM統合システムの推論問題を解決する方法を探求しており、特に、より良い推論を実現するための人間フィードバックメカニズムに注目しています。
論理
知識グラフ（エンティティ、イベント、概念間の関係を構造化されたデータベースで捉える手法）は、LLMに論理的推論を取り入れる興味深い方法を提供します。
その統合方法の例は以下の通りです：
-
動的知識検索：推論中に、何らかの注意機構に従ってグラフから関連情報を動的に取得する。
-
フィードバックループ：出力がグラフの理解から明らかに逸脱している場合、このフィードバックをさらなるファインチューニングに利用する。
クラウドソーシング知識グラフ：クラウドソーシングは情報収集と認証のあり方を再定義し、「人類のすべての知識と文化を包含する倉庫」の開発を助けます。
クラウドソーシング知識グラフでは、モデルが貢献者のデータやその論理的接続にアクセスするたびに、自動支払いによってデータ提供をインセンティブ化します。正確性を保つため、誤った貢献にはペナルティが科され、これは一定の基準に従って検証者が判断します。これらの基準（各グラフごとに設定）の定義が成功の最も重要な要素の一つとなります。
Web3は、必要なスケールで知識グラフの作成をインセンティブ化する手段を提供します。また、LLM推論の空白領域は常に移り変わるため、Web3はその都度、特定データの提供をインセンティブ化できる柔軟性を持ちます。
さらに、構造化された報酬（およびペナルティ）システムは高品質な情報を促進し、さまざまな背景を持つ大量の貢献者を惹きつけます。特筆すべきは、ユーザーがデータを生産的かつ非ゼロサムの形で共有することで価値を生み出す点であり、これはゼロサムの予測市場や分散型オラクルとは異なります。
最後に、現在のAIの限界下でこうしたグラフをクラウドソーシングすることは、関連する正確性を維持する（つまり、既存LLMの推論能力を単に複製しない）のに役立ちます。
信頼と責任の仕組み
1. データプライバシー
ユーザーのデータ制御を可能にするAI技術の開発は、まもなくAppleのハードウェアエコシステムに匹敵するレベルに達しようとしています。以下のような理由から、データのプライバシーを考慮しなければなりません：
-
スマートホームデバイスから医療アプリまで、AIが生活のあらゆる面にシームレスに浸透するにつれ、AIによるデータ収集量は指数関数的に増加しています。
-
AIがパーソナライズされたコンテンツ（例えばLLMを利用）を作成する能力と、ユーザーがその能力を信じるようになる時期が、転換点を迎えつつあります。ユーザーがますます頻繁かつ大規模に、本当にパーソナライズされた体験や製品をAIに求め始めれば、AIとのデータ共有速度は急激に加速します。
したがって、ユーザーがAIシステムを信頼できるようにし、開発者がデータの悪用（不正アクセス、身元盗用、操作など）を回避するためにも、データプライバシーは極めて重要です。
ゼロ知識証明（zk-SNARK）や完全準同型暗号（FHE）といったWeb3技術は、暗号化されたやり取りを実現し、機微な情報が依然としてユーザーの手元にあることを保証することで、個人が真に自身のデータを所有・制御できるようにします。
最近の米国政府によるAIに関する大統領令は、「個人のプライバシーを保護する暗号化ツールなど、プライバシー保護の研究と技術の強化」の重要性を強調し、大規模モデルに対する報告義務を導入しています。これは、Web3のプライバシー／出所追跡手法に対する規制当局の受け入れ姿勢が高まっており、将来的にはこうした手法がコンプライアンス基準になる可能性もあることを示唆しています。
クラウドソーシングZK知識グラフ：クラウドソーシングされたゼロ知識グラフを通じて、AIは個人のプライベートデータから利益を得られます。具体的には、「公開」ノード（公開データを含む）と「非公開」ノード（暗号化されたデータを含む）を備えます。モデルはノード間の論理的接続を使って答えを導き出せますが、知識そのものを明らかにすることはありません。つまり、最終的な回答で参照されるノードは公開でも構いませんが、答えを導くために使われたノードは公開である必要はありません。
また、リアルタイムでこれらにアクセスできる（たとえば動的知識検索を通じて）ことで、データが訓練済みモデル内に暗黙的に保存されることを避けられるため、ユーザーのデータ削除も容易になります。
2. 出所（Provenance）
出所の追跡がなければ、AIはディープフェイクや個人・機密・独自データの無制限な使用環境を生み出す可能性があります。Web3を活用すれば、NFTや他のメディア資産、モデルが使用したデータの出所を特定でき、多くの有望な解決策を提供できます。
機械学習によるAIGC著作権追跡：ディープフェイクの問題に加え、AIGCの芸術分野での台頭は、知的財産権とロイヤリティに独特の課題を突きつけています。たとえば、AIGCシステムが2人の著名アーティストの楽曲をミックスして楽曲を創作した場合、アーティストに与えるべきクレジットや経済的報酬はどのように分配されるべきでしょうか？ AIGCの複雑さと変動性を考えると、このような分配を決定する従来のモデルは次第に不適切になってきています。
機械学習による追跡は、AIGC作品の原素材を識別する方法を提供します。AIGC生成時に出所を制御することは、こうした追跡を実現する上で極めて重要です。
AIGCには強力なグローバル決済インフラが欠けているため、YouTubeのようにすでにロイヤリティ支払いメカニズムを持つプラットフォームが先行し、影響力をさらに集中させる可能性があります。
AIGCの創造を民主化し、アーティストが公正な報酬を得られるようにするには、新たな決済システムが必要です。AIGCモデルとネイティブに統合されたブロックチェーン決済ネットワークなら、初日からグローバルな即時支払いを実現できます。これにより、機械学習追跡とブロックチェーンがさまざまなプラットフォームに統合され、YouTubeのような既存プラットフォームが現在持つ優位性を減らすことができます。
この技術への投資は、ロイヤリティの公正な分配を支援するだけでなく、より多くのクリエイターにチャンスを開くことで、AIGCの革新を促進できます。
AIインセンティブ
AIモデルの行動がますます自律的になるにつれ、人間の意図に沿った行動を促すインセンティブシステムの開発が求められています。
自律エージェント
自律エージェントとは、環境と知的に相互作用するモデル（ツールの利用やAPI呼び出しによるリアルタイムデータアクセス）、推論・意思決定のためのアルゴリズムとの相互作用を行い、人的直接操作なしに行動を起こすものです。目的指向的な振る舞いや経験からの学習が可能ですが、非常に限定された環境でのみ信頼性があります（例：自動運転）。AIモデルが情報検索からユーザーを代表して行動を実行する方向に移行する中で、人間ユーザーによる検証可能な承認のもと、デジタルネイティブ通貨を用いた商業利用が増える可能性があります。
デジタルツインの位置付け：ChatGPTのような対話型AIモデルが情報検索の主な手段になるにつれ、従来の検索ベース広告は衰退しています。これは、検索エンジンやCookieを活用する従来の広告が収益の逓減に直面しているため、AdTech業界にとっては大きな課題です。
市場が、Cookieではなく個人のモデルこそがユーザーの嗜好を理解する基本単位であることに気づき始めれば、他の既存モデルからユーザーの嗜好を抽出できるモデルが優位を占めるようになるでしょう。こうしたモデルを使えば、広告主はこれまで不可能だったレベルのパーソナライゼーションを実現しつつ、暗号化技術でユーザーのプライバシーを守れます。
このような相互作用を促進する新プラットフォームは、GoogleやAppleといった既存のソフトウェア・ハードウェア巨人を迂回する可能性を持っています。
具体的には、ユーザーがデジタルツインを作成すると、検索履歴、現在のアカウント（Google、ChatGPT、Amazonなど）、ハードディスクなどへのアクセス許可を与えます。このツインは、ユーザーが関与する企業、趣味などの初期要約を作成し、継続的に更新を続けます。
その後、ユーザーはデジタルツインがデータを誰に、どのように販売できるかの権限を設定できます。たとえば、「私の広告用AIがGPT-4やMeta AIと交信できるようにする」ボタンを想像してください。デジタルツインは広告主のAIモデルと自律的にやり取りします。広告主のモデルは、ユーザーの身元を知らなくても、ターゲティングする価値があるかどうかを判断できます。ターゲティング時には、ユーザーはさまざまな形式（テキスト、LLMとの会話など）で広告を受け取り、報酬を得ます。
このデジタルツインの市場では、暗号通貨決済ネットワークが、モデル間の相互作用に対して報酬を与える最もシンプルな手段となり得ます。なぜなら、取引はわずか数行のコードで完結するからです。また、インセンティブ設計は、ターゲットとなるデジタルツインが広告主にとって最大の価値を持つようにすべきです。したがって、広告主は、ユーザーの嗜好を正確に反映するクリーンで高品質なデータを持つデジタルツインだけをターゲットにするべきです。
まとめ
AIとWeb3技術の統合は、AIシステムの推論能力、データプライバシー、インセンティブ設計の分野で革命を起こす可能性を持っています。ブロックチェーンベースのソリューションは、安全かつ効率的な取引とデータ処理を促進しつつ、多様な出所からの貢献をインセンティブ化し、AIの開発と応用を強化すべきです。AIと暗号技術のこの相利共生関係は、より強力で効率的かつユーザー中心のAIシステムを創出し、AI分野の主要な課題を解決する鍵となるでしょう。
TechFlow公式コミュニティへようこそ
Telegram購読グループ：https://t.me/TechFlowDaily
Twitter公式アカウント：https://x.com/TechFlowPost
Twitter英語アカウント：https://x.com/BlockFlow_News
Pantera Capital
