2024年のCrypto X AI業界の現状：暗号資産がジェネレーティブAIのあらゆる段階に浸透

2024.06.24

共有先

TechFlow厳選深潮セレクト

2024年のCrypto X AI業界の現状：暗号資産がジェネレーティブAIのあらゆる段階に浸透

AIと暗号資産は天然のパートナーである。

2024.06.24 - 06:03:02

Web3業界の深掘り報道に専念し潮流を洞察

AIと暗号資産は天然のパートナーである。

著者：MagnetAI

翻訳：TechFlow

要点まとめ

我々は67のCrypto+AIプロジェクトを深く分析し、生成AI（GenAI）の視点から分類を行った。この分類には以下のカテゴリーが含まれる：

GPU DePIN
分散型コンピューティング（学習＋推論）
検証（ZKML＋OPML）
暗号化大規模言語モデル（LLM）
データ（汎用＋AI特化）
AIクリエイター向けアプリ
AI消費者向けアプリ
AI基準（トークン＋エージェント）
AI経済

なぜこの記事を書いたのか？

Crypto+AIに関する話題は多くの注目を集めている。多くのCrypto+AI関連レポートが登場しているが、それらの多くはAIストーリーの一部にしか焦点を当てておらず、あるいは暗号資産の観点からのみAIを解説している。本稿では、AIの視点からこのテーマを探求し、暗号資産がどのようにAIを支援できるか、またAIが暗号資産にもたらすメリットについて考察することで、現在のCrypto+AI産業の全体像をより深く理解することを目指す。

第一部：生成AI全貌の解読

まず、私たちが日々利用するAI製品から始め、生成AI（GenAI）の全景を探索していこう。これらの製品は通常、二つの主要な構成要素で成り立っている：大規模言語モデル（LLM）とユーザーインターフェース（UI）だ。大規模モデルに関しては、モデル作成とモデル活用という二つの重要なプロセスがあり、一般的にそれぞれ学習（Training）と推論（Inference）と呼ばれる。一方、ユーザーインターフェースは多様な形態を持つ。会話型（GPTなど）、視覚型（LumaAIなど）、あるいは既存の製品UIに推論APIを統合した形態などがある。

コンピューティング

さらに掘り下げると、学習および推論の両方において、コンピューティングは基本であり、基盤となるGPUコンピューティングに強く依存している。学習と推論におけるGPUの物理的接続方法は異なる場合もあるが、AI製品のインフラとしてのGPUの役割は共通している。その上層には、GPUクラスターを編成する「クラウド」がある。クラウドは、従来の多目的クラウドと、垂直型クラウドに分けられる。後者はAI計算に特化し、その用途に最適化されている。

ストレージ

ストレージに関しては、AIデータの保存手段として、AWS S3やAzure Blob Storageのような従来のソリューションに加え、AIデータセットに特化して最適化されたものも存在する。Google CloudのFilestoreなどの専用ストレージは、特定のシナリオでのデータアクセス速度を向上させるように設計されている。

学習

AIインフラの話に戻ると、学習と推論を区別することは極めて重要である。これらは共通のコンピューティング要件に加えて、多数のAI固有のビジネスロジックを含んでいる。

学習のインフラは、おおむね以下に分けられる：

プラットフォーム： 大規模言語モデルの効率的な学習を支援するための専用設計。MosaicMLのように、ソフトウェアによる高速化ソリューションを提供する。
基礎モデルプロバイダー： Hugging Faceのように、ユーザーがさらに学習またはファインチューニング可能な基礎モデルを提供する。
フレームワーク： PyTorchやTensorFlowなど、ゼロから構築される基礎的な学習フレームワーク。

推論

推論の分野では、以下のように分類できる：

最適化ツール： 特定ユースケース向けに並列処理やメディア生成アルゴリズムの強化など、一連の最適化を行う。fal.aiは、テキストから画像への変換プロセスを最適化し、一般手法よりも50%高速な拡散を実現している。
展開プラットフォーム： Amazon SageMakerのように、さまざまな環境でのAIモデルの展開とスケーリングを容易にする汎用モデル推論クラウドサービス。

アプリケーション

AIアプリケーションは無数にあるが、ユーザーグループによって大まかに二つに分類できる：クリエイターと消費者だ。

AI消費者： 主にAI製品を利用し、その価値に対して支払いを行う。典型的な例がChatGPTである。
AIクリエイター： 一方、AIクリエイター向けアプリは、AIクリエイターを自プラットフォームに招待し、エージェントを作成させ、知識を共有させ、利益を分配する。GPTマーケットが最も有名な事例の一つである。

この二つのカテゴリは、ほぼすべてのAIアプリケーションを網羅している。より詳細な分類も可能だが、本稿ではこれら広範なカテゴリに焦点を当てる。

第二部：暗号資産がAIを支援する方法

この問いに答える前に、暗号資産がAIにもたらす主な利点をまとめておこう：収益化、包括性、透明性、データ所有権、コスト削減などである。

vitalik.ethブログより：暗号＋AI交差点のハイレベル概要

これらの重要な相乗効果は、主に以下のように現在の状況を支援する：

収益化： トークン化、マネタイズ、インセンティブといった暗号資産特有のメカニズムにより、AIクリエイター向けアプリでの破壊的イノベーションが可能となり、AI経済のオープンで公正な運営を保証できる。
包括性： 暗号資産は許可不要の参加を可能にし、今日の閉鎖的で中央集権的なAI企業が課す制限を打破する。これによりAIは真にオープンで自由なものとなる。
透明性： ZKML／OPML技術を活用することで、AIを完全にオープンソース化でき、LLMの学習・推論プロセス全体をブロックチェーン上に記録し、AIのオープン性と許可不要性を確保できる。
データ所有権： チェーン上の取引を通じてアカウント（ユーザー）のデータ所有権を確立し、ユーザー自身がAIデータを真正に所有できるようにする。これは特にアプリケーション層において有利であり、ユーザーがAIデータの権利を効果的に守ることを支援する。
コスト削減： トークンによるインセンティブを通じて、計算能力の将来価値を現金化でき、現在のGPUコストを大幅に削減できる。このアプローチは、AIの計算面におけるコストを大きく引き下げる。

第三部：Crypto+AIエコシステムの探査

暗号資産の利点をAIエコシステムの各カテゴリーに適用することで、暗号の視点から新たなAI景観が描き出される。

大規模言語モデル層

GPU DePIN

AIエコシステムをベースに、AI+Cryptoのロードマップを描いていく。大規模言語モデルから始め、その基盤であるGPUから見てみよう。暗号資産分野における長年のテーマの一つはコスト削減である。

ブロックチェーンによるインセンティブを活用することで、GPU提供者に報酬を与えることでコストを大幅に削減できる。このテーマは現在、GPU DePINと呼ばれている。GPUはAIだけでなく、ゲーム、ARなど他の分野でも使用されるが、GPU DePINの分野ではこれらも対象となることが多い。

AI特化のプロジェクトにはAethirやAiozネットワークがあり、ビジュアルレンダリング特化のプロジェクトにはio.net、render networkなどがある。

分散型コンピューティング

分散型コンピューティングはブロックチェーン誕生時から存在するテーマであり、時間とともに顕著に発展してきた。しかし、計算タスクの複雑さ（分散型ストレージと比べて）ゆえに、通常は計算の用途を限定する必要がある。

AIは最新の計算用途として、自然に一連の分散型コンピューティングプロジェクトを生み出した。GPU DePINと比較すると、これらの分散型コンピューティングプラットフォームはコスト削減だけでなく、より特定的な計算用途——学習と推論——に対応しており、広域ネットワーク上で編成されることで拡張性を大幅に高めている。

gensyn.aiによるスケールとコスト効率の実現

たとえば、学習に特化したプラットフォームにはAI Arena、Gensyn、DIN、Flock.ioがある。推論に特化したのはAllora、Ritual、Justu.ai。両方を扱うのはBittensor、0G、Sentient、Akash、Phala、Ankr、Oasisなどである。

検証

検証はCrypto+AIにおける独自のカテゴリであり、学習・推論を問わず、AI計算プロセス全体をブロックチェーン上で検証可能にすることを目的とする。

これはプロセスの完全な非中央集権性と透明性を維持するために不可欠である。また、ZKMLのような技術はデータのプライバシーとセキュリティも保護し、ユーザーが自分の個人データを100％所有できるようにする。

アルゴリズムと検証プロセスに応じて、ZKMLとOPMLに分類される。ZKMLはゼロ知識（ZK）技術を用いてAIの学習／推論をZK回路に変換し、チェーン上で検証可能にする。例としてはEZKL、Modulus Labs、Succinct、Gizaなどがある。一方、OPMLはオンチェーンのオラクルを通じて証明をブロックチェーンに提出する。例としてはOra、Spectralなどが挙げられる。

暗号化基礎モデル

ChatGPTやClaudeなどの汎用大規模言語モデルとは異なり、暗号化基礎モデルは大量の暗号関連データで再学習され、暗号資産に関する専門知識を持つ。

このような基礎モデルは、DeFi、NFT、GamingFiなどの暗号ネイティブアプリケーションに強力なAI機能を提供できる。現在の代表例にはPond、Chainbaseがある。

データ

データはAI分野において極めて重要な要素である。AI学習ではデータセットが極めて重要であり、推論中にはユーザーの多数のプロンプトや知識ベースの大量保存が必要となる。

分散型データストレージは、ストレージコストを大幅に削減するだけでなく、より重要なことにデータのトレーサビリティと所有権を確保できる。

Filecoin、Arweave、Storjのような従来の分散型ストレージソリューションは、非常に低コストで大量のAIデータを保存できる。

同時に、新しいAI特化のデータストレージソリューションは、AIデータの特性に合わせて最適化されている。例えば、Space and TimeやOpenDBはデータ前処理とクエリを最適化し、Masa、Grass、Nuklai、KIP ProtocolはAIデータのマネタイズに焦点を当てる。Bagel Networkはユーザーのデータプライバシーに集中している。

これらのソリューションは暗号資産の独自の利点を活かし、これまであまり注目されていなかったAI分野のデータ管理に革新をもたらしている。

アプリケーション層

1.クリエイター

Crypto+AIのアプリケーション層において、特に注目すべきはクリエイター向けアプリケーションである。暗号資産が本来的に持つ収益化能力を考えれば、AIクリエイターにインセンティブを与えることは自然な流れだ。

AIクリエイターにとっての重点は、ノーコード／ローコードユーザーと開発者の二つに分けられる。ノーコード／ローコードユーザー、つまりボットクリエイターは、これらのプラットフォームを使ってボットを作成し、トークンやNFTを通じてマネタイズする。彼らはICOやNFTミントで迅速に資金調達を行い、その後、長期的なトークン保有者に収益共有などで報酬を与えることができる。これによりAI製品を完全にオープンにし、コミュニティによる共同所有を通じてAI経済ライフサイクルを完結させる。

さらに、Crypto AIクリエイター向けプラットフォームとして、暗号資産が持つトークン化の利点を活用することで、AIクリエイターの初期～中期の資金調達や長期的な収益化の問題を解決できる。そしてWeb2時代の取り分のごく一部の手数料でサービスを提供でき、非中央集権化によるゼロ運営コストの優位性を示している。

この分野では、MagnetAI、Olas、Myshell、Fetch.ai、Virtual Protocol、Spectralなどがノーコード／ローコードユーザー向けのエージェント作成プラットフォームを提供している。AIモデル開発者向けには、MagnetAIとOraがモデル開発プラットフォームを提供。その他、AI＋ソーシャルクリエイター向けにはStory Protocol、CreatorBidなど特化プラットフォームがあり、SaharaAIは知識ベースのマネタイズに特化している。

2. 消費者

消費者とは、暗号資産ユーザーに直接サービスを提供するAIを指す。現時点ではこの分野のプロジェクトは少ないが、既存のものは代替不能でユニークである。例としてWorldcoin、ChainGPTなどがある。

3. 基準

基準はCrypto分野の独自の分野であり、AI dApp用の独立したブロックチェーン、プロトコル、改善策を開発することで、AI dApp用ブロックチェーンを構築したり、既存インフラ（イーサリアムなど）をAIアプリに対応させたりすることを特徴とする。

これらの基準により、AI dAppは透明性や非中央集権性といった暗号資産の利点を体現でき、クリエイター・消費者向け製品に基本的なサポートを提供できる。

たとえば、OraはERC-20を拡張して収益共有を可能にし、7007.aiはERC-721を拡張してモデル推論資産をトークン化している。また、Talus、Theoriq、Alethea、Morpheusなどは、AIエージェントの実行環境となるオンチェーン仮想マシン（VM）の構築を目指している。一方、SentientはAI dApp向けの包括的基準を提供している。