Vitalikの記事を手がかりに、Crypto×AIで注目すべき細分化された分野を整理する

2024.03.18

共有先

TechFlow厳選深潮セレクト

Vitalikの記事を手がかりに、Crypto×AIで注目すべき細分化された分野を整理する

AI分野全体はむしろ「技術的ストーリーテリング主導のMEME」と言える。

2024.03.18 - 06:14:35

Web3業界の深掘り報道に専念し潮流を洞察

AI分野全体はむしろ「技術的ストーリーテリング主導のMEME」と言える。

著者：@charlotte0211z、@BlazingKevin_、Metrics Ventures

Vitalikは1月30日、The promise and challenges of crypto + AI applications という記事を発表し、ブロックチェーンと人工知能（AI）がどのように連携すべきか、またその過程で生じる潜在的な課題について議論した。この記事が公開されてから1ヶ月後、文中で言及されたNMR、Near、WLDはいずれも大幅な価格上昇を見せ、一回のバリュー発見を完了した。本稿では、Vitalikが提唱したCryptoとAIの4つの統合方法に基づき、現在のAI分野における細分化方向を整理し、各方向の代表プロジェクトを簡単に紹介する。

1 序論：CryptoとAIの結合における4つの方法

分散化はブロックチェーンが維持するコンセンサスであり、セキュリティの確保がその核心思想である。一方、オープンソースは暗号学的視点からオンチェーン行動に上記の特徴を持たせるための基盤的要素である。過去数年間、このアプローチはブロックチェーンの幾度かの変革において有効だったが、人工知能が関与することで状況は若干変化している。

人工知能を使ってブロックチェーンやアプリケーションのアーキテクチャを設計すると仮定すれば、モデル自体のオープンソース化が必要になるが、そうすれば対抗的機械学習における脆弱性が露呈するリスクがある。逆に非オープンにすれば、分散化の原則を失うことになる。したがって、現行のブロックチェーンまたはアプリケーションにAIを導入する際には、どのような方法で、どの程度深く融合させるべきかを再考する必要がある。

出典：DE UNIVERSITY OF ETHEREUM

DE UNIVERSITY OF ETHEREUMのWhen Giants Collide: Exploring the Convergence of Crypto x AIという記事では、AIとブロックチェーンの基本的特徴の相違点が説明されている。下図に示す通り、AIの特徴は以下の通りである：

中央集権的
透明性が低い
高エネルギー消費
独占性
貨幣化能力が弱い

ブロックチェーンはこれら5点において、AIとは完全に逆の特性を持っている。これがまさにVitalikの論文の真の焦点である。もしAIとブロックチェーンが融合するならば、データ所有権、透明性、貨幣化能力、エネルギー消費コストなどの面でどのようなトレードオフを行うべきか、そしてその有効な統合を担保するためにどのようなインフラが必要となるのか。

Vitalikは上記の基準と自身の考察に基づき、AIとブロックチェーンが融合したアプリケーションを以下の4大カテゴリに分類している：

AIをゲームの参加者として扱う（AI as a player in a game）
AIをゲームのインターフェースとして扱う（AI as an interface to the game）
AIをゲームのルールとして扱う（AI as the rules of the game）
AIをゲームの目的として扱う（AI as the objective of the game）

このうち、最初の3つは主にAIがCrypto世界に導入される3つの方法を示しており、浅いものから深いものへと三段階のレベルを表している。筆者の理解によれば、この分類はAIが人間の意思決定に与える影響の程度を反映しており、それによってCrypto全体に異なるレベルのシステミックリスクをもたらすことになる：

AIをゲームの参加者として扱う：AI自体は人間の意思決定や行動に影響を与えないため、現実世界にリスクをもたらさず、そのため現在最も実用化が進んでいる。
AIをゲームのインターフェースとして扱う：AIは人間の意思決定や行動に対して補助的情報やツールを提供し、ユーザーや開発者の体験を向上させ、参入障壁を下げることができるが、誤った情報や操作により現実世界に一定のリスクをもたらす可能性がある。
AIをゲームのルールとして扱う：AIが人間に代わって意思決定と操作を完全に行うため、AIが悪意を持って行動したり故障したりすれば、直接的に現実世界に混乱を引き起こす。Web2でもWeb3でも、現時点ではAIに人間の意思決定を完全に任せることはできない。

最後に、第4のカテゴリーのプロジェクトは、Cryptoの特性を利用してより優れたAIを創出することを目指している。前述のように、中央集権性、低透明性、高エネルギー消費、独占性、弱い貨幣化能力といった問題は、自然にCryptoの特性によって中和できる。多くの人々がCryptoがAIの発展に影響を与えることができるか疑問視しているが、分散化の力で現実世界に影響を与えることは常にCryptoの最も魅力的なナラティブであり、この分野は壮大な構想ゆえにAI関連の投機の中で最も熱狂的に盛り上がっている部分でもある。

2 AIを参加者として扱う

AIが参加するメカニズムにおいて、インセンティブの最終的な源泉は人間が入力するプロトコルにある。AIがインターフェースやルールになる前に、まず複数のAIのパフォーマンスを評価し、あるメカニズムにAIを参加させ、最終的にオンチェーンのメカニズムを通じて報酬を得たりペナルティを受けたりする必要がある。

AIを参加者として扱う場合、インターフェースやルールとして扱う場合と比べて、ユーザーおよびシステム全体に対するリスクはほぼ無視できるほど小さく、AIがユーザーの意思決定や行動に深く影響を与える前の必至の段階といえる。そのため、この層でのAIとブロックチェーンの融合に必要なコストやトレードオフは比較的小さく、V神もこのタイプの製品が現在非常に実用的であると考えている。

広義かつ実現度の観点から言えば、現在のAIアプリケーションの多くはこのカテゴリに属している。例えば、AI搭載のtrading botやchatbotなどがあり、現時点ではAIがインターフェースやルールの役割を果たすまでにはまだ遠い。ユーザーはさまざまなbotを比較しながら徐々に最適化を進めているが、暗号資産ユーザーはまだAIアプリの使用習慣を確立していない。V神の記事では、Autonomous Agentもこのカテゴリに含まれるとされている。

しかし狭義かつ長期的ビジョンの観点からは、AIアプリケーションやAIエージェントに対してさらに細かい分類を行う傾向があるため、本カテゴリにおいて代表的な細分化ドメインは次の通りである：

2.1 AIゲーム

ある意味で、AIゲームはすべてこのカテゴリに分類できる。プレイヤーはAIと対話しながら自分のAIキャラクターを訓練し、個人のニーズにより適合させることができる。例えば個人の好みに合わせたり、ゲーム内のメカニズムでより戦闘力・競争力を高めたりする。ゲームはAIが現実世界に浸透する前の過渡期であり、現在ではリスクが低く、一般ユーザーにとって最も理解しやすい分野の一つである。代表的なプロジェクトにはAI Arena、Echelon Prime、Altered State Machineなどがある。

AI Arena：AI Arenaは、AIを通じて学習・訓練を行い、キャラクターを継続的に進化させるPVP格闘ゲームである。より多くの一般ユーザーがAIに触れ、理解し、体験できるようにすることを目指しており、同時にAIエンジニアがAI Arena上で多様なAIアルゴリズムを提供して収益を得られるようにする。各ゲームキャラクターはAI搭載のNFTであり、「Core」と呼ばれるAIモデルの核を含み、これは「アーキテクチャ」と「パラメータ」の二つの部分からなり、IPFS上に保存される。新しいNFTのパラメータはランダムに生成され、つまりランダムな動作しか行えない。ユーザーは模倣学習（IL）プロセスを通じてキャラクターの戦略能力を向上させる必要があり、毎回キャラクターを訓練して進行状況を保存するたびに、IPFS上のパラメータが更新される。

Altered State Machine：ASMはAIゲームではなく、AIエージェントの所有権認証と取引のためのプロトコルであり、メタバース向けAIプロトコルとして位置づけられている。現在、FIFAなど複数のゲームと統合を進め、ゲームおよびメタバース内にAIエージェントを導入している。ASMはNFTを用いてAIエージェントの所有権を認証し取引可能にする。各エージェントは3つの部分からなる：Brain（エージェントの固有特性）、Memories（エージェントが学んだ行動戦略およびモデル訓練の一部、Brainと紐付け）、Form（キャラクターの外見など）。ASMはGymモジュールを持っており、これは分散型GPUクラウドプロバイダーであり、エージェントに計算リソースを提供できる。現在、ASMを基盤とするプロジェクトにはAIFA（AIサッカーゲーム）、Muhammed Ali（AIボクシングゲーム）、AI League（FIFAと提携したストリートサッカーゲーム）、Raicers（AI駆動レーシングゲーム）、FLUF World's Thingies（ジェネレーティブNFT）などがある。

Parallel Colony (PRIME)：Echelon Primeが開発中のParallel Colonyは、AI LLMをベースにしたゲームであり、プレイヤーは自分のAIアバターと対話し、その行動に影響を与えることができる。アバターは記憶と生活軌跡に基づいて自律的に行動する。Colonyは現在最も期待されているAIゲームの一つであり、最近公式がホワイトペーパーを発表し、Solanaへの移行を宣言したことで、PRIMEは再び価格上昇を遂げた。

2.2 予測市場／コンテスト

予測能力はAIが将来の意思決定と行動を行う基礎である。AIモデルが実際の予測に使われる前段階として、予測コンテストはより高度なレベルでAIモデルのパフォーマンスを比較し、データサイエンティストやAIモデルにトークンによるインセンティブを提供する。これはCrypto×AIの発展にとって大きな意義を持つ――インセンティブを通じて、効率と性能が高く、Crypto世界に適したモデルとアプリケーションを継続的に開発し、AIが意思決定や行動に深刻な影響を与える前に、より質が高く安全な製品を創出できる。V神が述べたように、予測市場は強力なプリミティブであり、他の多くの問題にも拡張可能である。この分野の代表的なプロジェクトにはNumeraiとOcean Protocolがある。

Numerai：Numeraiは長年にわたって運営されてきたデータサイエンスコンペティションであり、データサイエンティストはNumeraiが提供する過去の市場データをもとに機械学習モデルを訓練し、株式市場を予測する。その後、モデルとNMRトークンをステーキングしてトーナメントに参加し、パフォーマンスの良いモデルにはNMRトークンが報酬として与えられ、パフォーマンスの悪いモデルのステーキングされたトークンは破棄される。2024年3月7日時点で、6,433のモデルがステーキングされており、プロトコルはデータサイエンティストに累計75,760,979ドルの報酬を支払ってきた。Numeraiは、グローバルなデータサイエンティストが協力して新型ヘッジファンドを構築することを促進しており、既にNumerai OneおよびNumerai Supremeというファンドをリリースしている。Numeraiの道筋：市場予測コンテスト → クラウドソース予測モデル → クラウドソースモデルに基づく新型ヘッジファンド。
Ocean Protocol：Ocean Predictoorは予測に注目しており、暗号資産価格のクラウドソース予測から始まっている。ユーザーはPredictoor botまたはTrader botを選択して実行できる。Predictoor botはAIモデルを使って、次時間点（例：5分後）の暗号資産（BTC/USDTなど）価格を予測し、一定量の$OCEANをステーキングする。プロトコルはステーキング量に応じて重み付けを行い、グローバルな予測を算出する。Tradersはこの予測結果を購入し、それに基づいて取引を行う。予測精度が高い場合、Tradersは利益を得られる。予測を外したPredictoorは没収され、正確な予測を行ったPredictoorは没収されたトークンとTradersの購入料金から報酬を得る。3月2日、Ocean Predictoorは新たな方向性として「World-World Model（WWM）」を発表し、天気やエネルギーなど現実世界の事象の予測を探求し始めた。

3 AIをインターフェースとして扱う

AIはユーザーがシンプルでわかりやすい言語で何が起きているかを理解するのを助け、Crypto世界におけるガイドとして機能し、潜在的なリスクを警告することで、Cryptoの利用難易度とユーザーのリスクを低下させ、体験を向上させることができる。具体的に実現可能な機能は多岐にわたり、ウォレット操作時のリスク警告、AI駆動インテント取引、一般ユーザーのCryptoに関する質問に回答するAI Chatbotなどが挙げられる。対象となるユーザーは一般ユーザーに限らず、開発者、アナリストなど、ほとんどすべてのグループがAIのサービス対象となる。

ここで改めてこれらのプロジェクトの共通点を強調しよう：人間に代わって特定の意思決定や行動を行うわけではなく、AIモデルを使って人間に補助的な情報を提供し、意思決定や行動の支援を行う。このレベルから、AIが悪意を持つリスクがシステム内に現れ始める――誤った情報を提供することで、人間の最終判断を妨害できる。この点についてはV神の記事でも詳細に分析されている。

このカテゴリに分類されるプロジェクトは多数あり、種類も多岐にわたる。AI chatbot、AIスマートコントラクト監査、AIコード作成、AI trading botなどがあり、現在のほとんどのAIアプリケーションはこのカテゴリの初期段階にある。代表的なプロジェクトには以下のようなものがある：

PaaL：PaaLは現在のAI Chatbot分野のリーディングプロジェクトであり、Crypto関連知識で訓練されたChatGPTと見なすことができる。TGおよびDiscordとの統合により、ユーザーにトークンデータ分析、トークンのファンダメンタル分析およびトークノミクス分析、画像生成など他の機能を提供できる。PaaL Botをグループチャットに統合して自動返信を行うことも可能。PaaLはカスタムBotのサポートも提供しており、ユーザーは独自のデータセットを投入して、独自のAIナレッジベースとカスタムBotを構築できる。PaaLはAI Trading Botへの進化を目指しており、2月29日にAI搭載のCrypto研究・取引端末PaalXを発表。紹介によれば、AIスマートコントラクト監査、Twitterニュース統合取引、Crypto研究・取引支援などを実現でき、AIアシスタントがユーザーの利用難易度を低下させることを目指している。

ChainGPT：ChainGPTはAIを活用して一連のCryptoツールを開発しており、チャットボット、NFTジェネレーター、ニュース集約、スマートコントラクト生成と監査、取引アシスタント、プロンプトマーケット、AIクロスチェーン交換などを提供している。しかし現在の重点はプロジェクトのインキュベーションとLaunchpadに置かれており、既に24件のIDOと4件のFree Giveawayを完了している。

Arkham：UltraはArkham専用のAIエンジンであり、そのユースケースはアドレスと現実世界の実体をアルゴリズムで照合し、暗号業界の透明性を高めることにある。Ultraはユーザー提供および自ら収集したオンチェーン・オフチェーンデータを統合し、拡張可能なデータベースとして出力し、最終的にはグラフ形式で表示する。ただしArkhamのドキュメントではUltraシステムについての詳細な説明はなく、今回Arkhamが注目された理由はOpenAI創業者のSam Altmanが個人的に投資したことによる。過去30日間で5倍の価格上昇を記録した。
GraphLinq：GraphLinqはプログラミング不要で各種自動化機能の展開と管理ができる自動化プロセス管理ソリューションである。例えばCoingeckoのビットコイン価格を5分ごとにTG Botに送信するなど。GraphLinqの解決策は自動化プロセスをグラフで可視化し、ユーザーがノードをドラッグ＆ドロップして自動化タスクを作成し、GraphLinq Engineで実行できるようにする。コード不要だが、普通のユーザーにとっては依然としてハードルが高く、適切なテンプレートの選択や数百のロジックブロックの中から適切なものを見つけ接続する必要がある。そのためGraphLinqは現在AIを導入し、ユーザーが会話型AIや自然言語を使って自動化タスクの構築と管理を行えるようにしている。
0x0.ai：0x0のAI関連事業は主に3つある：AIスマートコントラクト監査、AIによるRugプル検出、AI開発者センター。AIによるRugプル検出は高すぎる税金や流動性の巻き上げなど不審な行為を検出し、ユーザーが騙されるのを防ぐ。AI開発者センターは機械学習技術を使ってスマートコントラクトを生成し、No-codeでのデプロイを実現する。ただし現時点ではAIスマートコントラクト監査のみが初期リリースされており、他の2機能はまだ開発中である。
Zignaly：Zignalyは2018年に誕生し、個人投資家がファンドマネージャーを選んで自分自身の暗号資産を運用してもらうことを目的としている。Copy-tradingと同様のロジックである。Zignalyは機械学習とAI技術を用いて、ファンドマネージャーを体系的に評価する指標体系を構築しており、現在リリースされた最初の製品がZ-Scoreであるが、AI製品としてはまだ初期段階と言える。

4 AIをゲームのルールとして扱う

これは最も興奮を呼ぶ部分である――AIが人間に代わって意思決定と行動を行うことができるようにする。あなたのAIがウォレットを直接制御し、取引の意思決定と行動を代行する。このカテゴリでは、主に3つのレベルに分けられると筆者は考える：AIアプリケーション（特に自律的決定を目標とするもの、例：AI自動取引bot、AI DeFi利回りBot）、Autonomous Agentプロトコル、zkml/opml。

AIアプリケーションは特定の領域の問題に対して具体的な意思決定を行うツールであり、それぞれの細分化領域の知識とデータを蓄積し、その問題に特化したAIモデルに依存して意思決定を行う。本文ではAIアプリケーションが2つのカテゴリ（インターフェースとルール）に同時に入っていることに注意してほしい。開発のビジョンとしては、AIアプリケーションは独立して意思決定を行うエージェントとなるべきだが、現時点ではAIモデルの有効性、AI統合の安全性ともにその要件を満たせず、インターフェースとしてもやや無理がある。AIアプリケーションは非常に初期の段階にあり、具体的なプロジェクトについては前項ですでに紹介済みのため、ここでは繰り返さない。

Autonomous AgentはV神によって第一類（AIを参加者として扱う）で言及されているが、長期的ビジョンから見て、本稿では第三類に分類する。Autonomous Agentは大量のデータとアルゴリズムを用いて人間の思考と意思決定プロセスを模倣し、さまざまなタスクとインタラクションを実行する。本稿では主にエージェントの通信層、ネットワーク層などのインフラに注目する。これらのプロトコルはエージェントの所有権を定義し、エージェントのアイデンティティ、通信規格、通信方法を確立し、複数のエージェントアプリケーションをつなぎ、共同で意思決定と行動を行う。

zkML/opML：暗号学的または経済的手法により、正しいモデル推論プロセスが行われ、信頼性のある出力が得られることを保証する。AIをスマートコントラクトに導入する際のセキュリティ問題は極めて致命的である。スマートコントラクトは入力に基づいて出力を生成し、一連の機能を自動実行するが、AIが悪意を持って誤った入力を与えた場合、Cryptoシステム全体に巨大なシステミックリスクをもたらす。したがって、zkML/opMLおよびその他の潜在的な解決策は、AIが独立して行動・意思決定を行うための基盤となる。

最後に、この3つはAIを運営ルールとする3つの基礎的レイヤーを構成する：zkml/opmlが最も下位のインフラとしてプロトコルの安全性を保証する。AgentプロトコルがAgentエコシステムを構築し、共同で意思決定と行動を行う。AIアプリケーション、つまり具体的なAIエージェントが特定領域での能力を高めながら、実際に意思決定と行動を行う。

4.1 Autonomous Agent

AIエージェントがCrypto世界に応用されるのは自然な流れである。スマートコントラクトからTG Bots、さらにAIエージェントへと、暗号世界はますます高い自動化と低いユーザー参入障壁に向かっている。スマートコントラクトは改ざん不可能なコードにより機能を自動実行するが、依然として外部トリガーによる起動に依存しており、自律的に稼働・継続稼働はできない。TG Botsはユーザーのハードルを下げ、ユーザーが暗号フロントエンドと直接やり取りする必要なく、自然言語でオンチェーン操作ができるようになったが、非常に簡単で具体的なタスクしか処理できず、依然としてユーザーの意図を中心に据えた取引は実現できない。AIエージェントは一定程度の自律的意思決定能力を持ち、ユーザーの自然言語を理解し、他のエージェントやオンチェーンツールを自ら探し組み合わせて、ユーザーが指定した目標を達成する。

AIエージェントは暗号製品の使い勝手を大幅に向上させることを目指しており、ブロックチェーンはAIエージェントの稼働をより分散化し、透明で安全にするのに貢献できる。具体的な支援としては以下が挙げられる：

トークンによるインセンティブで、より多くの開発者がエージェントを提供できるようにする
NFTによる所有権認証がエージェントベースの課金と取引を促進する
オンチェーンのエージェントIDおよび登録メカニズムを提供する
改ざん不可能なエージェント活動ログを提供し、その行動を迅速に追跡・責任追及できるようにする

この分野の主要プロジェクトは以下の通り：

Autonolas：Autonolasはオンチェーンプロトコルを通じてエージェントおよび関連コンポーネントの資産所有権とコンポーザビリティを支援し、コードコンポーネント、エージェント、サービスがオンチェーンで発見・再利用されることを可能にする。開発者が完成したエージェントまたはその一部を開発した後、コードをオンチェーンに登録し、所有権を示すNFTを得る。Service Ownerは複数のエージェントを組み合わせてサービスを構築し、オンチェーンに登録し、Agent Operatorsにそのサービスを実行させ、ユーザーは有料でサービスを利用する。
Fetch.ai：Fetch.aiはAI分野で強力なチーム背景と開発経験を持ち、現在AIエージェント分野に注力している。プロトコルは4つの主要レイヤーからなる：AIエージェント、Agentverse、AIエンジン、Fetchネットワーク。AIエージェントがシステムの中心であり、他はエージェントサービス構築のためのフレームワークとツールである。Agentverseはサービスプラットフォーム（SaaS）であり、主にAIエージェントの作成と登録に使用される。AIエンジンはユーザーの自然言語入力を読み取り、それを実行可能なタスクに変換し、Agentverse内で最も適したAIエージェントを選択してタスクを実行する。Fetchネットワークはプロトコルのブロックチェーンレイヤーであり、AIエージェントはオンチェーンのAlmanacコントラクトに登録しなければ、他のエージェントと協働サービスを開始できない。なお、Autonolasは現在Crypto世界のエージェント構築に特化しており、オフチェーンのエージェント操作をオンチェーンに取り入れようとしている。一方、Fetch.aiの関心範囲はWeb2世界も含み、旅行予約、天気予測なども対象としている。
Delysium：DelysiumはゲームからAIエージェントプロトコルへと転身した。主に2つのレイヤーからなる：通信レイヤーとブロックチェーンレイヤー。通信レイヤーがDelysiumの骨幹であり、安全かつ拡張可能なインフラを提供し、AIエージェント間で高速かつ効率的な通信を可能にする。ブロックチェーンレイヤーはエージェントの身元確認を行い、スマートコントラクトを通じてエージェントの行動を改ざん不可能に記録する。具体的には、通信レイヤーはエージェント間の統一された通信プロトコルを確立し、標準化されたメッセージシステムを採用することで、エージェント間が共通言語で障害なくコミュニケーションできるようにする。また、サービス発見プロトコルとAPIを構築し、ユーザーおよび他のエージェントが利用可能なエージェントを迅速に発見・接続できるようにする。ブロックチェーンレイヤーは主に2つの部分からなる：Agent IDとChronicleスマートコントラクト。Agent IDは合法的なエージェントのみがネットワークにアクセスできることを保証し、Chronicleはエージェントが行ったすべての重要な意思決定と行動のログ保管庫であり、オンチェーン化後に改ざん不可能となり、エージェント行動の信頼できるトレーサビリティを保証する。
Altered State Machine：エージェントの資産所有権認証と取引の標準をNFTを通じて定めた。詳細な分析は第1部参照。ASMは現在主にゲームに接続しているが、基盤的な仕様として他のエージェント分野への拡張可能性も持っている。
Morpheous：AIエージェントエコネットワークを構築中。プロトコルはCoder、Computer provider、Community Builder、Capitalの4つの役割をつなぎ、ネットワークにAIエージェント、エージェント稼働のための計算リソース、フロントエンドおよび開発ツール、資金をそれぞれ提供することを目指す。MORはFair launch方式を採用し、計算リソースを提供するマイナー、stETHステーキング者、エージェントまたはスマートコントラクト開発貢献者、コミュニティ開発貢献者にインセンティブを提供する予定。

4.2 zkML/opML

ゼロ知識証明（ZKP）の現在の主な応用分野は2つある：

より低いコストでオンチェーンで計算が正しく実行されたことを証明する（ZK-RollupやZKPクロスチェーンブリッジがこの特性を利用している）；
プライバシー保護：計算の詳細を知らなくても、計算が正しく実行されたことを証明できる。

同様に、ZKPの機械学習への応用も2つに分けられる：

推論検証：ZK-proofを用いて、オンチェーンで低コストでAIモデルの推論という高密度計算プロセスがオフチェーンで正しく実行されたことを証明する。
プライバシー保護：さらに2つに分けられる。1つはデータプライバシーの保護、つまり公開モデル上でプライベートデータを使用して推論を行い、ZKMLでプライベートデータを保護すること。もう1つはモデルプライバシーの保護で、モデルの重みなどの詳細情報を隠し、公開入力から演算を行い出力を得ること。

筆者は現在Cryptoにとってより重要なのは推論検証であると考えており、ここでは推論検証のシナリオをさらに詳しく説明する。AIを参加者として扱うところから、AIを世界のルールとして扱うところまで、AIをオンチェーンプロセスの一部にしたいと考えている。しかしAIモデルの推論計算コストが高すぎるため、直接オンチェーンで実行することは不可能であり、これをオフチェーンに移すということは、このブラックボックスによる信頼問題を受け入れなければならない――AIモデルの運営者は私の入力を改ざんしていないか？指定されたモデルを使って推論を行ったか？ MLモデルをZK回路に変換することで、（1）小さなモデルをオンチェーンに持ち込み、小さなzkMLモデルをスマートコントラクトに保存することで、不透明性の問題を解決する。（2）オフチェーンで推論を実行しつつZK証明を生成し、オンチェーンでZK証明を実行することで推論プロセスの正しさを証明する。基本アーキテクチャは2つのコントラクトからなる――メインコントラクト（MLモデルの出力結果を使用）とZK-Proof検証コントラクト。

zkMLはまだ非常に初期の段階にあり、MLモデルをZK回路に変換する技術的課題や、非常に高い計算・暗号学的オーバーヘッドコストに直面している。Rollupの発展経路と同じように、opMLは経済的視点から別の解決策となっている。opMLはArbitrumのAnyTrust仮定（各主張に対して少なくとも1人の誠実なノードが存在する）を利用し、提出者または少なくとも1人の検証者が誠実であることを保証する。しかしOPMLは推論検証の代替案にはなれても、プライバシー保護は実現できない。

現在のプロジェクトはzkMLのインフラを構築しており、その応用を探求している。応用の構築も重要であり、暗号ユーザーにzkMLの重要な役割を明確に示し、最終的な価値が巨大なコストを上回ることを証明する必要がある。これらのプロジェクトの中には、機械学習に関連するZK技術の研究開発に特化しているもの（例：Modulus Labs）もあるが、より汎用的なZKインフラ構築を目指すものもあり、関連プロジェクトには以下がある：

ModulusはzkMLを用いてAIをオンチェーン推論プロセスに応用している。Modulusは2月27日にzkMLプローバー「Remainder」をリリースし、同等ハードウェアでの従来のAI推論と比較して180倍の効率向上を実現した。また、Modulusは複数のプロジェクトと協力し、zkMLの実用ケースを探求している。例えばUpshotと協力し、ZK証明付きAIを使って複雑な市場データを収集し、NFT価格を評価し、その価格をオンチェーンに伝送する。AI Arenaと協力し、戦闘中のアバターとユーザーが訓練したものと同じであることを証明している。
Risc Zeroはモデルをオンチェーンに置き、RISC ZeroのZKVM上で機械学習モデルを実行することで、モデルに関連する正確な計算が正しく実行されたことを証明できる。
IngonyamaはZK技術専用のハードウェアを開発しており、これによりZK技術分野への参入障壁を下げることができ、zkMLはモデル訓練プロセスにも使用される可能性がある。