今日は 2 番目のポイントである AI とブロックチェーンの統合ニーズについて簡単にお話したいと思います。
第 2 に、ブロックチェーンが AI に役立つ場合
計算
AI には膨大なコンピューティング能力が求められていることは誰もが知っています。アイドル状態のコンピューティング パワーを AI のコンピューティング パワーとしてどのように利用するかが求められています。ただし、現時点では、AI モデルのトレーニングには大量の計算が必要なため、非常にコストがかかります。一般的な AI コンピューティングに関して言えば、ブロックチェーンが役立つ場所はそれほど多くありません。
**上記は、現時点での分散コンピューティングと AI の組み合わせの難しさであり、AI とブロックチェーンの組み合わせが比較的難しい点でもあります。 **ただし、Blue Fox Notes の観点から見ると、より多くの参加者が模索するにつれて、この面での障害は段階的にクリアされていくでしょう。もちろん、達成するには長い時間がかかります。
徐々に解決されていく可能性のある側面についてお話しましょう。一般的なAIから見ると、暗号分野への参入はまだ難しい。そして、専門分野のAI分野からスタートすることも可能です。そして、このエントリ ポイントは、現在の AI コンピューティング タスクとも密接に関連しています。 **2 つの場所があります: 1 つ目は、推論タスクが現在の AI コンピューティング ニーズの大部分を占めていること、2 つ目は、一部の微調整タスクと推論タスクには必要なリソースが少なく、分散コンピューティングを通じてそれらを実現する機会があることです。これら 2 つの点は、分散型コンピューティング能力の潜在的な機会を意味します。 **
法律、医療、投資、教育、データ分析、その他の専門分野などの特定分野の AI は、初期段階では特定分野に焦点を当てたこの種の分散コンピューティング ネットワークに適している可能性があります。前述したように、AI に分散型コンピューティング パワー サービスを提供する際の難しさは、コンピューティング タスクを完了することではなく、分散型でタスクの完了をどのように検証するかにあります。現在、Gensyn や Together などのいくつかのプロジェクトがこの問題を解決しようとしています。
分散型ネットワーク コンピューティングの実装の難しさと比較すると、AI モデルの共有と AI データの共有は、より迅速に実装できる可能性がある分野です。 **AI とブロックチェーンの組み合わせが初期段階でブレークスルーを達成しやすいのは、分散型モデル共有と分散型データ共有の 2 つの側面です。 **
モデル
より良いモデルを実現するために、トークン インセンティブを通じてモデルの共有を奨励します。さらに、これらのモデルをチェーン上にデプロイし、参加者がトレーニングしてモデルの開発を促進することもできます。さらに、** AI モデルがより複雑になるにつれて、推論への信頼が重要になります。ここで、オンチェーンの信頼できる推論が機能します。 **
モデルの微調整と推論の分野では、Giza、ChainML、Bittensor、Modulus Lab などがすべて研究中です。 Giza が立ち上げたのは、単純なモデルをチェーン上にデプロイし、チェーン上で推論を行うオンチェーン モデル マーケットであり、モデルの所有者は、モデルの使用後に関連する手数料収入を得ることができます。
**完全なブロックチェーン インフラストラクチャが成熟すると、AI はさらに自己進化する機能を獲得します。 **言い換えれば、より分散化された AI は AI の自己実現の要件でもあり、ブロックチェーンの分散特性を利用して AI を開発することは、AI 自体の開発の要求でもあります。
AI自体も、最終的にはマイクロソフトやグーグルといった巨大企業に独占されるだけでは、自らの進化にも悪影響を及ぼします。 AI には分散開発に対する当然のニーズがあり、それは AI がより高い回復力を実現するためのニーズです。 AI+ブロックチェーンによって噴出する可能性のある力は、人々の想像をはるかに超えているかもしれません。
全体として、ブロックチェーンは、分散型モデルを通じてコンピューティング能力、データ、およびモデルの合意のための協調的なフレームワークを提供し、最終的には AI の開発を促進することができます。参加者の貢献 (コンピューティング能力、データ、モデルのいずれであっても) を証明するために、これらが低コストで完了した場合にのみ、ブロックチェーンは AI を支援する機会を得ることができます。そうでない場合、ブロックチェーンは空中の城に過ぎません。
ブロックチェーンと AI の融合: 自然な需要
長期的には、AI のブロックチェーンに対する需要は、自己実現のための自然な需要です。もちろん、道のりは長いです
1. ブロックチェーンも最も重要なトレンドの 1 つです
今年の初め以来、AI はブロックチェーンよりもはるかに人気が高まっています。しかし、暗号化の世界を落胆させる必要はありません。ブロックチェーンの将来の可能性をどのように理解すればよいでしょうか?まず私の考えを話させてください:
今日は 2 番目のポイントである AI とブロックチェーンの統合ニーズについて簡単にお話したいと思います。
第 2 に、ブロックチェーンが AI に役立つ場合
計算
AI には膨大なコンピューティング能力が求められていることは誰もが知っています。アイドル状態のコンピューティング パワーを AI のコンピューティング パワーとしてどのように利用するかが求められています。ただし、現時点では、AI モデルのトレーニングには大量の計算が必要なため、非常にコストがかかります。一般的な AI コンピューティングに関して言えば、ブロックチェーンが役立つ場所はそれほど多くありません。
その中で、批判されている主な点は 3 つあります: **第一に、専用 GPU ハードウェアのサポートが必要であること、第二に、データ交換の遅延、第三に、分散コンピューティング タスクの証明です。 **
**上記は、現時点での分散コンピューティングと AI の組み合わせの難しさであり、AI とブロックチェーンの組み合わせが比較的難しい点でもあります。 **ただし、Blue Fox Notes の観点から見ると、より多くの参加者が模索するにつれて、この面での障害は段階的にクリアされていくでしょう。もちろん、達成するには長い時間がかかります。
徐々に解決されていく可能性のある側面についてお話しましょう。一般的なAIから見ると、暗号分野への参入はまだ難しい。そして、専門分野のAI分野からスタートすることも可能です。そして、このエントリ ポイントは、現在の AI コンピューティング タスクとも密接に関連しています。 **2 つの場所があります: 1 つ目は、推論タスクが現在の AI コンピューティング ニーズの大部分を占めていること、2 つ目は、一部の微調整タスクと推論タスクには必要なリソースが少なく、分散コンピューティングを通じてそれらを実現する機会があることです。これら 2 つの点は、分散型コンピューティング能力の潜在的な機会を意味します。 **
法律、医療、投資、教育、データ分析、その他の専門分野などの特定分野の AI は、初期段階では特定分野に焦点を当てたこの種の分散コンピューティング ネットワークに適している可能性があります。前述したように、AI に分散型コンピューティング パワー サービスを提供する際の難しさは、コンピューティング タスクを完了することではなく、分散型でタスクの完了をどのように検証するかにあります。現在、Gensyn や Together などのいくつかのプロジェクトがこの問題を解決しようとしています。
Gensyn は、確率的学習証明、グラフベースの正確な測位プロトコルなどの学術研究結果を統合し、Truebit プロジェクトのインセンティブおよびチェックアンドバランス モデルも活用しています。 Gensyn は、AI タスクの提出、分析、トレーニング、証明生成から検証証明、異議申し立て、仲裁、解決まで、プロセス全体を 8 つの段階に分解します。その中で、「確率学習証明」は、検証者に検証の基礎を提供するベースライン距離のしきい値を構築するために使用され、「グラフィックベースの正確な位置決め」技術は、検証者の検証実行を監視するために使用され、Truebit のゲーム モデルにより、関係者は合理性をガイドとして。具体的なプロセスについては、Gensyn のホワイトペーパーを参照してください。ちなみに、Truebit のようなオフチェーン コンピューティング プロジェクトにも、この方向に進化する機会があり、おそらくより多くのビジネス チャンスが得られるでしょう。もちろん、これにはチームが自分たちの機会を評価する必要があります。
分散型ネットワーク コンピューティングの実装の難しさと比較すると、AI モデルの共有と AI データの共有は、より迅速に実装できる可能性がある分野です。 **AI とブロックチェーンの組み合わせが初期段階でブレークスルーを達成しやすいのは、分散型モデル共有と分散型データ共有の 2 つの側面です。 **
モデル
より良いモデルを実現するために、トークン インセンティブを通じてモデルの共有を奨励します。さらに、これらのモデルをチェーン上にデプロイし、参加者がトレーニングしてモデルの開発を促進することもできます。さらに、** AI モデルがより複雑になるにつれて、推論への信頼が重要になります。ここで、オンチェーンの信頼できる推論が機能します。 **
モデルの微調整と推論の分野では、Giza、ChainML、Bittensor、Modulus Lab などがすべて研究中です。 Giza が立ち上げたのは、単純なモデルをチェーン上にデプロイし、チェーン上で推論を行うオンチェーン モデル マーケットであり、モデルの所有者は、モデルの使用後に関連する手数料収入を得ることができます。
Modulus は zkML の概念を提案しました。コストの問題により、推論モデルをチェーン上で実行するのは非現実的であると考えられています。そのため、その解決策は、推論モデルをチェーン外で実行し、zkSNARK の証明を生成し、それらをチェーン上で証明することです。チェーン、そしてインテリジェントなパス コントラクトはその役割を果たします。
データ
トークン エコノミーは、ユーザーがモデルについてフィードバックを提供するように動機付け、ユーザーがより高品質のデータを収集するよう奨励するために使用されます。 AIの発展においては、特に特定領域の分散データを提供することで高品質なデータを取得することが非常に重要です。同時に、データの背後にあるプライバシーを明らかにすることなく、これを ZK テクノロジーと組み合わせることができます。ここで難しいのは、データ自体の品質をどのように証明するかです。 **
高品質のデータと分散型 AI モデルの組み合わせは、AI の開発にとって非常に興味深いものとなるでしょう。
偽造防止
現在のディープラーニングモデルの登場以降、AIが生成する画像、音声、動画などは真偽の区別がますます困難になっています。 **AI 世代の時代では、コンテンツの信頼性と改ざん防止がますます重要になります。 **ブロックチェーンは、この問題を解決するための重要な技術手段です。
暗号化されたデータの ID と署名により、偽造ではなくコンテンツ作成の信頼性が保証されます。この問題は、AI ツールが悪用された後に特に深刻になります。これは、偽造コンテンツと戦うための重要な技術的手段です。偽物の時代には、本物と偽物を区別するための暗号化技術が必要です。
また、権利確認のためにブロックチェーン技術を活用することも必要です。たとえば、同じ絵画でも、AI によって生成された画像と NFT 画像を表面から区別するのは困難であり、現時点ではその役割を果たすためにブロックチェーンが必要です。
より回復力の高い AI
ブロックチェーンと統合することで、AI はコンピューティング、モデル、データ、帯域幅、ストレージなどのサポートを得ることができ、最終的にはより自己進化する分散型インフラストラクチャのサポートを得ることができます。 **さらに、ブロックチェーン分野における暗号化された支払いと価値の流通も、AIの進化をサポートする可能性があります。
**完全なブロックチェーン インフラストラクチャが成熟すると、AI はさらに自己進化する機能を獲得します。 **言い換えれば、より分散化された AI は AI の自己実現の要件でもあり、ブロックチェーンの分散特性を利用して AI を開発することは、AI 自体の開発の要求でもあります。
AI自体も、最終的にはマイクロソフトやグーグルといった巨大企業に独占されるだけでは、自らの進化にも悪影響を及ぼします。 AI には分散開発に対する当然のニーズがあり、それは AI がより高い回復力を実現するためのニーズです。 AI+ブロックチェーンによって噴出する可能性のある力は、人々の想像をはるかに超えているかもしれません。
第三に、AI がブロックチェーンを推進できる場所
人工知能とオンチェーンデータの融合
AI を使用してチェーン上の動的データを分析し、投資調査などの予測機能を取得します。最もエキサイティングな側面の 1 つは、**AI を組み込むことで、スマート コントラクトは動的な自律的な意思決定を実現できることです。 **例: defi はリアルタイムデータなどに基づいて調整されます。静的ではなく動的なスマート コントラクトにより、ブロックチェーンはより多くのアプリケーション シナリオとユーザー ニーズを生成できるようになります。
**人工知能の発展は、暗号化アプリケーションに新たな可能性をもたらす可能性があります。 **
AI は、DeFi、Web3 ゲーム、Web3 ソーシャル、Web3 アプリケーション (交通、宿泊、観光など) に新たな可能性をもたらします。例えば、AI＋web3ゲームなど、これまでにないゲームモードの誕生や、AI＋IoT＋暗号化決済など、よりスマートなネットワークの誕生が可能です。
ZKP の重要性
プライバシーとコンピューティング タスクの完了を確保するには、ZKP を追加して検証可能な作業証明を形成する必要があります。 **ZKP が成熟すると、AI をオンチェーンで実現でき、プライバシー保護と検証可能な機械学習も提供できます。 **
全体として、ブロックチェーンは、分散型モデルを通じてコンピューティング能力、データ、およびモデルの合意のための協調的なフレームワークを提供し、最終的には AI の開発を促進することができます。参加者の貢献 (コンピューティング能力、データ、モデルのいずれであっても) を証明するために、これらが低コストで完了した場合にのみ、ブロックチェーンは AI を支援する機会を得ることができます。そうでない場合、ブロックチェーンは空中の城に過ぎません。
**もちろん、トレンドの観点から見ると、AI にはブロックチェーンに対する自然な需要があり、AI は自身の開発に真の復元力を提供するためにブロックチェーンを必要としています。 **
同時に、AI はブロックチェーン アプリケーションの進化にも役立ち、DeFi、ゲーム、その他のアプリケーションであっても、よりインテリジェントな暗号化アプリケーションが誕生する可能性があります。これは将来の大きな物語になるかもしれませんし、たとえ次のサイクルでは成熟していなくても、次のサイクルではそのような機会があるかもしれません。
上記は一部にすぎず、完全ではなく、時間の経過とともに増減します。追加するメッセージを残していただければ幸いです。