IOSG リサーチ｜AI × Web3 技術スタックからインフラの新ナラティブを展開

2024.04.01

共有先

TechFlow厳選深潮セレクト

IOSG リサーチ｜AI × Web3 技術スタックからインフラの新ナラティブを展開

我々はAIとWeb3の夜明けの時期に差し掛かっている。

2024.04.01 - 13:40:32

Web3業界の深掘り報道に専念し潮流を洞察

我々はAIとWeb3の夜明けの時期に差し掛かっている。

著者：IOSG Ventures

はじめに

最近、大規模言語モデル（LLMs）の急速な発展により、人工知能（AI）を活用して各業界を変革しようという関心が高まっている。ブロックチェーン業界も例外ではなく、AI x Crypto というナラティブの台頭により注目を集めている。本稿では、AIと暗号資産（Crypto）を融合させる主な3つのアプローチを検討し、ブロックチェーン技術がAI業界の課題を解決する上での独自の機会について探る。

AIxCryptoの3つのアプローチは以下の通りである：

1. 既存製品へのAI統合：Duneのような企業は、SQLコパイロットを導入して複雑なクエリ作成を支援するなど、AIを利用して自社製品を強化している。
2. 暗号エコシステム向けのAIインフラ構築：RitualやAutonolasといった新興企業は、暗号エコシステムのニーズに特化したAI駆動型インフラの開発に焦点を当てている。
3. ブロックチェーンによるAI業界の問題解決：Gensyn、EZKL、io.netなどのプロジェクトは、データのプライバシー、セキュリティ、透明性といったAI業界が直面する課題を、ブロックチェーン技術でどう解決できるかを探っている。

AI x Cryptoの独自性は、ブロックチェーン技術がAI業界内の内在的課題を解決できる可能性にある。この特異な交差点は、AIコミュニティとブロックチェーンコミュニティの双方に利益をもたらす革新的なソリューションの新たな可能性を開く。

AI x Crypto分野を深く掘り下げる中で、我々はブロックチェーン技術がAI業界の課題に対処する上で最も有望な応用先を特定し、提示することを目指している。AI業界の専門家や暗号技術の開発者たちと協力することで、両技術の利点を最大限に活かす最先端のソリューションの発展を促進していく。

1. 業界概観

AI x Crypto分野は、インフラとアプリケーションの2つの主要カテゴリに大別される。いくつかの既存インフラが引き続きAIユースケースをサポートしている一方で、市場には全く新しいAIネイティブアーキテクチャを提供する新規参入者も登場している。

1.1 計算ネットワーク

AIxCrypto分野において、計算ネットワークはAIアプリケーションに必要なインフラを提供する上で極めて重要な役割を果たしている。これらのネットワークはサポートするタスクによって、汎用計算ネットワークと専用計算ネットワークの2種類に分けられる。

1.1.1 汎用計算ネットワーク

汎用計算ネットワーク（例：IO.net、Akash）は、ユーザーがSSH経由でマシンにアクセスでき、CLI（コマンドラインインターフェース）を通じて独自のアプリケーションを構築できるようにする。これらは仮想プライベートサーバー（VPS）に似ており、クラウド上で個人用のコンピューティング環境を提供する。

IO.netはSolanaエコシステムに基づき、GPUレンタルと計算クラスターに重点を置いている。一方、Cosmosエコシステムに基づくAkashは、主にCPUクラウドサーバーと各種アプリテンプレートを提供している。

IOSG Venturesの見解：

成熟したWeb2クラウド市場と比較すると、計算ネットワークはまだ初期段階にある。Web3計算ネットワークは、AWS、Azure、Google Cloudなどの主要クラウドプロバイダーが提供する無サーバー関数、VPS、データベースクラウドサービスといった「レゴ」のような構成要素とは異なる。

計算ネットワークの利点には以下が含まれる：

ブロックチェーン技術により、未使用の計算リソースや個人のPCを利用でき、ネットワークの持続可能性が高まる。
P2P（ピア・トゥ・ピア）設計により、個人が未使用の計算リソースを収益化でき、計算コストを75〜90%削減する可能性がある。

しかし、以下の課題から、計算ネットワークは実際の生産用途に投入されにくく、Web2クラウドサービスに取って代わるのは難しい：

価格は確かに汎用計算ネットワークの主な優位点だが、機能性、セキュリティ、安定性の面で成熟したWeb2クラウド企業と競争するのは依然として困難である。
P2Pスタイルは、これらのネットワークが迅速に成熟した堅牢な製品を提供する能力を制限する可能性がある。分散化の特性により、開発・維持コストが追加的に増える。

1.1.2 専用計算ネットワーク

専用計算ネットワークは、汎用計算ネットワークにさらに一層のレイヤーを追加したものであり、設定ファイルを使って特定のアプリケーションをデプロイできるようにする。これらのネットワークは、3DレンダリングやAI推論・学習といった特定のユースケースを満たすことを目的としている。

Renderは、3Dレンダリングに特化した専門的な計算ネットワークである。AI分野では、Bittensor、Hyperbolic、Ritual、fetch.aiといった新興企業がAI推論に注力しており、FlockとGensynは主にAI学習に焦点を当てている。

IOSG Venturesの見解：

専用計算ネットワークの利点：

分散化および暗号技術的特性により、AI業界で一般的な中央集権化と透明性の欠如の問題を解決できる。
ノンパーミッション型の計算ネットワークと検証スキームにより、推論・学習プロセスの正当性を保証できる。
Flockが採用するフェデレーテッドラーニングなどのプライバシー保護技術により、個人がデータをローカルに保持したままモデル学習に貢献できる。
スマートコントラクトとの連携により、AI推論結果を直接ブロックチェーン上で利用できるようになる。

出典：IOSG Ventures

専用のAI推論・学習計算ネットワークはまだ初期段階にあるが、Web3 AIアプリケーションは今後、優先的にWeb3 AIインフラを利用するようになると予想される。これは、Story ProtocolとRitualがMyShellと協力してAIモデルを知的財産として導入するなど、すでに明らかになりつつある傾向である。

こうした新興のAI x Web3インフラに基づくキラーアプリはまだ登場していないが、成長の潜在力は非常に大きい。エコシステムが成熟するにつれ、分散型AI計算ネットワークの独特な能力を活かした革新的なアプリケーションがますます登場すると予想される。

2. データ

データはAIモデルにおいて極めて重要な役割を果たしており、データ収集、トレーニングデータセットの保存、モデルの保存など、AIモデル開発の各段階に関与している。

2.1 データストレージ

AIモデルの分散型ストレージは、分散型方式で推論APIを提供するために不可欠である。推論ノードはいつでもどこからでもこれらのモデルを取得できる必要がある。AIモデルのサイズが数百GBに達することもあり、堅牢な分散型ストレージネットワークが必要となる。FilecoinやArweaveなど、分散型ストレージ分野のリーダー的存在がこの機能を提供できる可能性がある。

IOSG Venturesの見解：

この分野には大きなチャンスがある。

AIモデルに最適化された分散型データストレージネットワークは、バージョン管理、低精度モデルの量子化、大規模モデルの高速ダウンロードなどを提供すべきである。
分散型ベクトルデータベースは、モデルとバンドルされやすく、質問に関連する知識を挿入することでより正確な回答を提供できる。既存のSQLデータベースにもベクトル検索機能を追加できる。

2.2 データ収集とラベリング

高品質なデータの収集はAI学習にとって極めて重要である。Grassのようなブロックチェーンベースのプロジェクトは、クラウドソーシングにより個人のネットワークを活用してAI学習用データを収集している。適切なインセンティブとメカニズムがあれば、AIトレーナーは低コストで高品質なデータを入手できる。Tai-daやSaipenなどのプロジェクトはデータラベリングに焦点を当てている。

IOSG Venturesの見解：

当社の市場に対するいくつかの観察：

多くのデータラベリングプロジェクトはGameFiの影響を受けており、「ラベルして稼ぐ」という概念でユーザーを惹きつけ、開発者に対しては高品質なラベリング済みデータのコスト削減を約束している。
現時点ではこの分野に明確なリーダーは存在せず、Scale AIがWeb2データラベリング市場を支配している。

2.3 ブロックチェーンデータ

ブロックチェーン特化型AIモデルを訓練する際、開発者は高品質なブロックチェーンデータを必要とし、それを訓練プロセスに直接組み込めるようにしたい。Spice AIやSpace and TimeはSDK付きの高品質なブロックチェーンデータを提供しており、開発者が容易にそのデータを訓練パイプラインに統合できるようにしている。

IOSG Venturesの見解：

ブロックチェーン関連AIモデルへの需要が高まるにつれ、高品質なブロックチェーンデータへの需要も急増するだろう。しかし、現在のデータ分析ツールの多くはCSV形式でのエクスポートのみを提供しており、AI訓練目的には理想的ではない。

ブロックチェーン特化型AIモデルの発展を促進するためには、ブロックチェーン関連のMLOps（Machine Learning Operations）機能を拡充し、開発者体験を向上させることが不可欠である。これにより、開発者がPythonベースのAI訓練パイプラインにブロックチェーンデータをシームレスに統合できるようになる。

3. ZKML

計算コストを抑えるために単純なモデルを使いたくなる動機があるため、中央集権型AIプロバイダーは信頼性の問題を抱えている。例えば昨年、ChatGPTのパフォーマンスが劣っていると感じるユーザーがいた。これは後に、OpenAIがモデル性能を改善するアップデートを行ったことに起因すると判明した。

また、コンテンツクリエイターはAI企業に対して著作権上の懸念を表明している。これらの企業は、特定のデータが学習プロセスに含まれていないことを証明するのが難しい。

ゼロ知識機械学習（ZKML）は、中央集権型AIプロバイダーに関連する信頼性問題を解決する革新的なアプローチである。ゼロ知識証明を活用することで、ZKMLは開発者がAIの学習・推論プロセスの正当性を、機密データやモデル詳細を明かさずに証明できるようにする。

3.1 学習

開発者はRisc Zeroなどが提供するゼロ知識仮想マシン（ZKVM）内で学習タスクを実行できる。このプロセスは、学習が正しく行われ、承認されたデータのみが使用されたことを検証する証明を生成する。この証明は、開発者が適切な学習基準とデータ使用許可に従っていることの証拠となる。

IOSG Venturesの見解：

ZKMLは、通常はAIモデルのブラックボックス性ゆえに実現困難な、モデル学習における許可済みデータ使用の証明というユニークな解決策を提供する。
この技術はまだ初期段階であり、計算オーバーヘッドが非常に大きい。コミュニティはZK学習のさらなるユースケースを積極的に探索している。

3.2 推論

ZKMLの推論用途は、学習用途と比べて時間がはるかに長くなる。この分野ではすでに、機械学習推論を信頼可能かつ透明にする独自のアプローチを持つ著名な企業が複数登場している。

Gizaは包括的なMLOpsプラットフォームの構築と、その周辺に活気あるコミュニティの形成に注力している。同社の目標は、開発者がZKMLを推論ワークフローに統合するためのツールとリソースを提供することである。

一方、EZKLは使いやすいZKMLフレームワークを構築し、良好なパフォーマンスを提供することで、開発者体験を重視している。彼らのソリューションは、ZKML推論の実装を簡素化し、より多くの開発者が簡単に利用できるようにすることを目的としている。

Modulus Labsは異なるアプローチを取り、独自の証明システムを開発している。彼らの主な目標は、ZKML推論に関連する計算オーバーヘッドを大幅に削減することである。10倍のオーバーヘッド削減により、Modulus LabsはZKML推論を実用的かつ効率的なものにしようとしている。

IOSG Venturesの見解：

ZKMLは、信頼性が極めて重要なGameFiやDeFiのシナリオに特に適している。
ZKMLによって生じる計算オーバーヘッドにより、大規模AIモデルの効率的な動作が難しくなる。
業界は、ZKMLを大量に活用するDeFiやGameFiのパイオニアを探しており、実際の応用シーンを示そうとしている。

4. エージェントネットワーク＋その他のアプリケーション

4.1 エージェントネットワーク

エージェントネットワークは、チェーン上での取引支援など特定のタスクを実行するツールと知識を備えた多数のAIエージェントから構成される。これらのエージェントは相互に協力して、より複雑な目標を達成できる。いくつかの有名企業が、チャットボット型エージェントやエージェントネットワークの開発に積極的に取り組んでいる。

Sleepless、Siya、Myshell、characterX、Delysiumは、チャットボットエージェントの構築において重要なプレイヤーである。AutonolasとChainMLは、より高度なユースケース向けにエージェントネットワークを構築している。

IOSG Venturesの見解：

エージェントは現実世界の応用において極めて重要である。汎用AIよりも特定のタスクをよりよく遂行できる。ブロックチェーンはAIエージェントにいくつかの独自の機会を提供している。

インセンティブの存在：ブロックチェーンはNFT（非代替性トークン）などの技術を通じてインセンティブを提供する。明確な所有権とインセンティブ構造により、クリエイターはより面白く革新的なエージェントをチェーン上で開発する動機付けを受けられる。
スマートコントラクトのコンポーザビリティ：ブロックチェーン上のスマートコントラクトは非常に高いコンポーザビリティを持ち、レゴのように機能する。スマートコントラクトが提供するオープンAPIにより、エージェントは従来の金融システムでは実現困難な複雑なタスクを実行できる。このコンポーザビリティにより、エージェントはさまざまな分散型アプリ（dApps）と連携し、その機能を活用できる。
内在的なオープン性：ブロックチェーン上でエージェントを構築することで、それらはネットワークの内在的なオープン性と透明性を継承する。これにより、異なるエージェント間のコンポーザビリティが大きく進展し、それぞれの能力を組み合わせてより複雑なタスクを解決できる。

4.2 その他のアプリケーション

前述の主要カテゴリー以外にも、Web3分野ではいくつかの興味深いAIアプリケーションが注目されており、独立したカテゴリを形成するほどではないが、その多様性と可能性を示している。これらのアプリケーションはさまざまな分野にまたがっている。

画像生成：ImgnAI
プロンプトのマネタイズ：NFPrompt
コミュニティが共同で訓練するAI画像生成：Botto
チャットボット：Kaito、Supersight、Galaxy、Knn3、Awesome QA、Qna3
金融：Numer AI
ウォレット：Dawn_wallet
ゲーム：Parallel TCG
教育：Hooked
セキュリティ：Forta
DID：Worldcoin
クリエイターツール：Plai Lab

5. 大規模採用に向けてWeb2ユーザーへAIxCryptoを普及させる

AI x Cryptoの独自性は、AI分野で最も困難な問題を解決できる点にある。現在のAIxCrypto製品とWeb2 AI製品の間にギャップがあり、Web2ユーザーにとって魅力が不足しているものの、AIxCryptoには他では提供できない独自の機能がある。

5.1 高コストパフォーマンスの計算リソース:

AIxCryptoの主な利点の一つは、高コストパフォーマンスの計算リソースを提供できることにある。LLMへの需要が高まるにつれ、開発者の増加とともにGPUの可用性と価格はより厳しい状況になっている。GPU価格は大幅に上昇し、供給不足が続いている。

DePINプロジェクトなどの分散型計算ネットワークは、未使用の計算力、中小データセンターのGPU、個人のコンピューティングデバイスを活用することで、この問題の緩和に貢献できる。分散型計算の安定性は集中型クラウドサービスに及ばないかもしれないが、これらのネットワークは地理的に多様な高コストパフォーマンスの計算設備を提供する。この分散型アプローチはエッジ遅延を最小化し、より分散的で弾力性のあるインフラを確保する。

分散型計算ネットワークの力を活用することで、AIxCryptoはWeb2ユーザーに手頃な価格で利用しやすい計算リソースを提供できる。このコストメリットは、AIxCryptoソリューションの採用を促進する上で魅力的であり、特にAI計算への需要が継続的に増加する中で有効である。

5.2 クリエイターに所有権を与える:

AI x Cryptoのもう一つの重要な利点は、クリエイターの所有権を守ることにある。現在のAI分野では、一部のエージェントは容易に複製されてしまう。同様のプロンプトを書くだけで、簡単にコピーできてしまう。また、GPTストアのエージェントは、通常中心となる企業が所有しており、クリエイター自身の作品のコントロールが制限され、収益化も十分に行えない。

AI x Cryptoは、暗号分野で広く使われている成熟したNFT技術を活用してこの問題を解決する。エージェントをNFTとして表現することで、クリエイターは真正に自分の作品を所有し、実質的な収益を得られる。ユーザーがエージェントと対話するたびに、クリエイターはインセンティブを得られ、努力に見合った公正な報酬が保証される。NFTによる所有権の概念はエージェントだけでなく、知識ベースやプロンプトなどAI分野の他の重要な資産の保護にも適用できる。

5.3 プライバシーの保護と信頼の再構築:

ユーザーとクリエイターは、中央集権型AI企業に対してプライバシー上の懸念を持っている。ユーザーは自分のデータが将来のモデル学習に悪用されることを恐れ、クリエイターは自分の作品が使われても適切な帰属や報酬が得られないことを懸念している。また、中央集権型AI企業はインフラコストを削減するためにサービス品質を犠牲にする可能性もある。

これらの問題はWeb2技術では解決が難しく、AIxCryptoは先進的なWeb3ソリューションを活用する。ゼロ知識学習と推論は、使用されたデータを証明し、正しいモデルが適用されていることを保証することで透明性を提供する。信頼できる実行環境（TEE）、フェデレーテッドラーニング、完全準同型暗号（FHE）などの技術により、安全でプライバシーを保護したAI学習・推論が実現される。

プライバシーと透明性を優先することで、AIxCryptoはAI企業が公衆の信頼を再獲得し、ユーザーの権利を尊重するAIサービスを提供できるようになり、従来のWeb2ソリューションと差別化される。

5.3 プライバシーの保護と信頼の再構築:

5.4 コンテンツの出所の追跡

AI生成コンテンツがますます精巧になるにつれ、人間が作ったものとAIが生成したテキスト、画像、動画を区別することが難しくなっている。AI生成コンテンツの悪用を防ぐためには、コンテンツの出所を確かめる信頼できる方法が必要である。

ブロックチェーンは、サプライチェーン管理やNFTで成功してきたように、コンテンツの出所を追跡するのに優れている。サプライチェーン業界では、ブロックチェーンが製品のライフサイクル全体を追跡し、ユーザーが製造元や重要なマイルストーンを特定できる。同様に、ブロックチェーンはクリエイターを追跡し、NFTの場合は盗作防止に貢献する。公開性ゆえにNFTは盗作されやすいが、ブロックチェーンを活用することで偽物NFTによる損失を最小限に抑えられ、ユーザーは簡単に真贋を区別できる。

ブロックチェーン技術を活用してAI生成コンテンツの出所を追跡することで、AIxCryptoはユーザーにコンテンツ作成者がAIか人間かを検証する能力を与え、悪用の可能性を減らし、コンテンツの真実性への信頼を高めることができる。

5.5 暗号通貨を活用したモデル開発

モデルの設計と学習、特に大規模モデルの開発は高価で時間のかかるプロセスである。新モデルには不確実性もあり、開発者はそのパフォーマンスを予測できない。

暗号通貨は、開発者にとって予備学習データの収集、強化学習フィードバックの収集、関係者からの資金調達を行う開発者に優しい手段を提供する。このプロセスは典型的な暗号通貨プロジェクトのライフサイクルに似ており、プライベート投資やローンチパッドを通じて資金を調達し、開始時にアクティブな貢献者にトークンを配布する。

モデルも同様のアプローチを取ることができ、トークンを販売して学習資金を調達し、データやフィードバックを提供した貢献者にトークンをエアドロップする。巧みなトークノミクス設計により、このワークフローは個人開発者がこれまで以上に簡単に新モデルを学習できるように支援する。

6. トークノミクスの課題

AI x Cryptoプロジェクトは、暗号に独自の価値提案があり、Web2 AI業界の市場規模が大きいため、Web2開発者を潜在顧客として狙い始めている。しかし、トークンに馴染みがなく、トークンベースのシステムに踏み込むことをためらうWeb2開発者にとっては、トークンが障壁となる可能性がある。

Web2開発者に配慮してトークンの実用性を減らしたり排除したりすることは、Web3愛好者にとっては違和感を覚えるかもしれない。これはAI x Cryptoプロジェクトの根本的な立場を変える可能性がある。AI SaaSプラットフォームに価値あるトークンを統合しつつ、Web2開発者を惹きつけ、トークンの実用性を維持するバランスを取ることは、挑戦的な課題である。

Web2とWeb3のビジネスモデルのギャップを埋めつつ、トークン価値を維持するため、以下の潜在的なアプローチが考えられる：

プロジェクトの分散型インフラネットワーク内でトークンを利用する。ステーキング、報酬、ペナルティメカニズムを導入して基礎ネットワークを保護する。
トークンを支払い手段として利用しつつ、Web2ユーザー向けの入り口を提供する。
トークンに基づくガバナンスを実施する。
トークン保有者と収益を共有する。
収益でトークンを買い戻すまたは焼却する。
プロジェクトが提供するサービスに対して、トークン保有者に割引や追加機能を提供する。

Web2とWeb3双方の利益にかなうよう設計されたトークノミクスモデルにより、AI x CryptoプロジェクトはWeb2開発者を惹きつけつつ、トークンの価値と実用性を維持できる。

7. 私たちのお気に入りのAI x Crypto シナリオ

私たちのお気に入りのAI x Cryptoシナリオは、ユーザーの協働の力を活用し、ブロックチェーン技術を用いてAI分野でタスクを達成するものである。具体的な例としては以下がある：

1. 共同でのAI学習、アラインメント、ベンチマークテストのためのデータ貢献（例：Chatbot Arena）

2. 各種エージェントが利用可能な大規模な共有知識ベースを共同構築する（例：Sahara）

3. 個人のリソースを活用してネットワークデータをクロールする（例：Grass）

ブロックチェーンによるインセンティブと調整に基づくユーザーの集団的努力を活用することで、これらのモデルは分散型かつコミュニティ主導のアプローチがAI開発・展開に与える可能性を示している。

結論

我々はAIとWeb3の夜明けの只中にあり、他の業界と比べてAIとブロックチェーンの統合はまだ初期段階にある。Gen AI製品トップ50の中には、Web3関連の製品は一つもない。トップのLLMツールはコンテンツ作成・編集に関連しており、主に営業、会議、ノート／ナレッジベースに焦点を当てている。Web3エコシステムには膨大な研究、文書、営業、コミュニティ活動があることを考慮すれば、カスタマイズされたLLMツールの開発には巨大な可能性がある。

現在、開発者は先進的なAIモデルをオンチェーンに導入するインフラの構築に集中しているが、まだ目標には達していない。このインフラの発展を続ける中で、我々は安全かつ信頼不要な方法でオンチェーンAI推論を行う最適なユーザーシナリオを探っている。これはブロックチェーン分野に独自の機会を提供する。他の業界は既存のLLMインフラを直接使って推論やファインチューニングができるが、ブロックチェーン業界だけは独自のネイティブAIインフラを必要とするのである。

近い将来、ブロックチェーン技術はP2Pの利点を活かしてAI業界で最も難しい問題を解決し、誰もが手頃な価格でアクセスでき、収益化可能なAIモデルを実現すると予想される。また、暗号分野はAI業界のナラティブに若干の遅れを伴いながら追随していくと考えられる。過去1年間で、開発者がCrypto、エージェント、LLMモデルを組み合わせる姿を見てきた。今後数ヶ月以内に、マルチモーダルモデル、テキストから動画生成、3D生成が暗号分野に影響を与えるだろう。

現在、AIとWeb3業界全体はまだ十分に評価されておらず、我々はAIがWeb3で爆発する瞬間、つまりCryptoxAIのキラーアプリの登場を強く待ち望んでいる。

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

原文リンク

お気に入りに追加

SNSで共有

作者

IOSG Ventures