Galaxy Words：暗号通貨とAIクロスフィールドとプロジェクトインベントリ

著者：Lucas Tcheyan、Associate Researcher Galaxy;

序文

公共チェーンの出現は、コンピューターサイエンスの歴史の中で最も深い進歩の1つです。しかし、AIの発展は私たちの世界に大きな影響を与えます。ブロックチェーンテクノロジーがトランザクションの解決、データストレージ、システム設計のための新しいテンプレートを提供する場合、人工知能は、コンピューティング、分析、コンテンツの提供の革命です。これらの2つの業界の革新は、新しいユースケースのリリースであり、今後数年間でこれら2つの業界の使用を加速する可能性があります。このレポートでは、暗号通貨とAIの継続的な統合を調査し、2つの間のギャップを埋め、2つの強度を使用しようとする新しいケースに焦点を当てています。具体的には、このレポートは、開発分散型計算契約、ゼロ知識機械学習（ZKML）インフラストラクチャ、およびAIインテリジェンスプロジェクトを調査しました。

暗号通貨は、AIに許可なし、信頼なし、および組み合わされた決済層を提供します。これにより、分散型コンピューティングシステムなどのユースケースが解除され、ハードウェアを簡単にアクセスできます。深さの改ざん。AIは、Web 2で暗号通貨に見られる同じ利点の多くをもたらします。これには、ユーザーと開発者向けの特別にトレーニングされたChatGPTおよびCopilotバージョンのためにユーザーと開発者を強化したユーザーと開発者のユーザーエクスペリエンス（UX）と潜在的な可能性が含まれます。ブロックチェーンは、AIが必要とする透明なデータリッチ環境です。ただし、ブロックチェーンのコンピューティング能力も制限されており、これがAIモデルの主な障害です。

暗号通貨とAIクロスフィールドの分野での実験、および暗号通貨を促進するために最も有望なユースケースの最終使用の背後にある原動力は同じです。価値。大きな可能性を考慮して、この分野の参加者は、これら2つの技術を越える基本的な方法を理解する必要があります。

キーポイント：

• 近い将来（6か月から1年）、暗号通貨とAIの統合はAIアプリケーションによって導かれますこれらのアプリケーションは、開発者の効率、スマートコントラクトの監査可能性とセキュリティ、およびユーザーのアクセシビリティを改善できます。これらの統合は、暗号通貨に固有のものではなく、チェーン上の開発者とユーザーエクスペリエンスを向上させるためです。

• 高いパフォーマンスGPUの深刻な不足として、分散化コンピューティング製品は、AIカスタムGPU製品を実装しています採用の原動力を提供します。

• ユーザーエクスペリエンスと監督は、顧客を計算するための分散化を引き付けるための障害です。ただし、Openaiの最新の開発と米国の継続的な規制レビューは、不要なAIネットワークの価値提案、反センサーシップ、および地方分権化を強調しています。

• チェーンに統合されたAI、特に人工知能モデルを使用できるスマートコントラクトは、ZKMLテクノロジーおよびその他の検証チェーンによって計算された計算方法を改善する必要があります。包括的なツールと開発者の不足、および高コストは、採用する障害です。

• AI Smartは、暗号通貨に非常に適していますユーザー（またはインテリジェンス自体）は、他のサービス、インテリジェンス、または人員と取引するためのウォレットを作成できます。現在、従来の財務方法を使用することはできません。より広く使用されるには、非暗号化された製品と追加の統合を統合する必要があります。

用語

ai計算とマシンを使用して、人間の推論を模倣し、問題を解決する能力です。

ニューラルネットワークこれは、人工知能モデルのトレーニング方法です。それらは、離散アルゴリズム層を介して入力を実行し、必要な出力が生成されるまでそれらを改善します。ニューラルネットワークは重い方程式で構成されており、重量を変更して出力を変更できます。トレーニングには、出力が正確になるように、トレーニングのために多くのデータと計算が必要になる場合があります。これは、AIモデルを開発する最も一般的な方法の1つです（CHATGPTは、ニューラルネットワークのプロセスを使用して、トランスのニューラルネットワークに依存します）。

電車これは、ニューラルネットワークやその他の人工知能モデルを開発するプロセスです。入力を正しく説明し、正確な出力を生成するために、モデルをトレーニングするために多くのデータが必要です。トレーニングプロセス中、モデル方程式の重みは、満足のいく出力が生成されるまで常に変更されます。トレーニングコストは非常に高価かもしれません。たとえば、CHATGPTは数万個の独自のGPUを使用してデータを処理します。リソースが少ないチームは、通常、Amazon Web Services、Azure、Google Cloudなど、専門のコンピューティングプロバイダーに依存します。

推論これは、出力または結果を取得するためのAIモデルの実際の使用です（たとえば、ChatGPTを使用して、暗号通貨とAIのクロスオーバーに関する論文の概要を作成します）。推論は、トレーニングプロセス全体と最終製品全体で使用されます。コストの計算コストにより、トレーニングが完了した後でも、運用コストは非常に高くなる可能性がありますが、計算強度はトレーニングよりも低くなっています。

ゼロナレッジプルーフ（ZKP）基本情報を漏らすことなく検証宣言を行います。これは、暗号通貨で非常に役立ちます。主に2つの理由：1）プライバシーと2）拡張。プライバシーを保護するために、機密情報を漏らすことなく取引を行うことができます（財布のエスの数など）。拡張のために、チェーンの新しい実行計算をチェーンでより速く証明できます。これにより、ブロックチェーンとアプリケーションがチェーンの下で安く計算し、チェーン上でそれらを検証できるようになります。

AI/暗号通貨の生態学的マップ

AIおよび暗号通貨は、大規模なチェーン上の大規模なチェーンをサポートする基礎となるインフラストラクチャを依然として構築しています。

分散化コンピューティング市場主にGPUの形で、人工知能モデルのトレーニングと推論に必要な多数の物理的なハードウェアを提供することが上昇しています。これらの2つのウェイウェイ市場は、レンタル計算をリースして求めている人々をつなぎ、価値の転送と計算を促進します。分散化計算では、追加の機能を提供しているいくつかのサブカテゴリが表示されています。二国間市場に加えて、このレポートは、検証済みのトレーニングと微調整出力を提供できる機械学習トレーニングプロバイダー、およびコンピューティングとモデル生成をインテリジェントなインセンティブと呼ぶことに取り組むプロジェクトもレビューします。

ZKML効果的かつタイムリーな経済方法で検証済みのモデル出力を提供できるプロジェクトの新たな重要な分野を提供することが望まれます。これらのプロジェクトは、主にアプリケーションがチェーンの下で重いコンピューティング要求を処理することを可能にし、チェーン上の検証済みの出力を公開して、チェーンの下のワークロードが完全かつ正確であることを証明します。ZKMLは高価であり、現在のインスタンスでは時間が消費されますが、ますますソリューションとして使用されます。これは、ZKMLプロバイダーとAIモデルを使用したいDefi/Gameアプリケーションとの間の統合の数が増えていることで明らかです。

十分な計算と検証チェーンの能力ですチェーン上のaiスマートドアを開けますエッセンスSmart Bodyは、ユーザーの実行要求を表すことができる訓練されたモデルです。スマートボディは、チェーンエクスペリエンスを強化する重要な機会を提供します。ただし、現在に関する限り、Smart Projectsは、簡単で迅速な展開を実現するためのインフラストラクチャとツールの開発に依然として焦点を当てています。

地方分権計算

概要

AIでは、モデルをトレーニングし、推論を操作するために多くの計算が必要です。過去10年間で、モデルがますます複雑になるにつれて、計算ニーズはインデックスを増加させました。たとえば、Openaiは2012年から2018年にかけて、モデルのコンピューティング需要が2年から3か月半ごとに変化したことを発見しました。これにより、GPUの需要が急増し、一部の暗号通貨鉱山労働者はGPUを再使用してクラウドコンピューティングサービスを提供することさえしました。強化とアクセスコンピューティングのコストの増加により、一部のプロジェクトは暗号化テクノロジーを使用して分散型コンピューティングソリューションを提供しています。チームは、手頃な方法でモデルをトレーニングおよび実行できるように、競争力のある価格でオンデマンドで計算されます。場合によっては、パフォーマンスとセキュリティの重さ。

最も高度なGPU（Nvidiaが生成するGPUなど）は非常に厳しいものです。2023年9月、Tetherは、ドイツのビットコインマイナーノーザンデータであるNorthern Dataを取得しました。ファーストクラスのハードウェアの待ち時間は少なくとも6か月で、多くの場合、さらに長くなる可能性があります。さらに悪いことに、会社は多くの場合、長期契約に署名して、使用さえしないかもしれない計算を取得する必要があります。これは、利用可能な計算の存在につながる可能性がありますが、市場では利用できません。分散化されたコンピューティングシステムは、これらの市場の効率が低いという問題を解決するのに役立ちます。

競争力のある価格設定とアクセシビリティに加えて、分散化された計算の重要な値提案は反レビューです。トップAI開発は、比類のないコンピューティングおよびデータアクセス機能を備えた大規模なテクノロジー企業がますます主導しています。2023年のAIインデックスレポートで強調された最初の重要なテーマは、産業産業がAIモデルの開発において学術界をますます上回り、少数の技術指導者の手に集中していることです。これは、特にこれらのテクノロジー企業が準備されていない人工知能開発を制限するために監督を促進した後、AIモデルのサポートの仕様と価値の策定に大きな影響を与える能力があるかどうかについて懸念を呼び起こしました。

分散化計算垂直フィールド

近年、いくつかの分散化されたコンピューティングモデルが登場し、各モデルには独自の焦点とバランスがあります。

一般的なコンピューティング

Akash、io.net、iexec、cudosプロジェクトは、データと一般的なコンピューティングソリューションに加えて、分散型コンピューティングアプリケーションです。

Akashは現在、唯一の完全な「スーパークラウド」プラットフォームです。これは、Cosmos SDKの公平性の証拠です。Aktは、ネットワークのセキュリティを保護し、参加を促すための支払いの一形態として、Akashのネイティブ通貨です。Akashは、2020年に最初のメインネットワークを開始し、当初はCPUリースサービスを特徴としていたクラウドコンピューティング市場を提供しました。2023年6月、AkashはGPUに焦点を当てた新しいテストネットワークを開始し、9月にGPUメインネットワークを発売しました。

Akashエコシステム（テナントとサプライヤー）には2人の主な参加者がいます。開業医は、Akashネットワークコンピューティングリソースを購入したいユーザーです。サプライヤーはリソースサプライヤーを計算しています。テナントとサプライヤーを一致させるために、Akashはリバースオークションプロセスに依存しています。テナントはコンピューティング要件を提出します。この要件では、サーバーの位置や計算されたハードウェアタイプなど、特定の条件を指定できます。その後、サプライヤーは提示価格を提出し、最低入札でタスクを取得します。

Akashの検証は、ネットワークの整合性を維持します。認証セットは現在100に制限されており、時間とともに徐々に増加する予定です。誰でも、より多くのAktによってより多くのAktsを誓約することにより、より多くのAktsとして検証されることができます。Akt保有者は、Aktを検証に委ねることもできます。ネットワークの取引コストとブロック報酬は、Aktの形で割り当てられます。さらに、リースごとに、Akashネットワークは、コミュニティが決定したレートで「充電料」を獲得し、Akt保有者に配布します。

流通市場

分散型コンピューティング市場は、既存のコンピューティング市場の低い効率を埋めることを目的としています。供給制限により、会社はそれを超える可能性のあるコンピューティングリソースを蓄え、顧客はクラウドプロバイダーとの契約構造により、長期契約で顧客をロックします。分散化されたコンピューティングプラットフォームは、新しい電源をリリースし、コンピューティングニーズを持つ世界の誰でもサプライヤーになることができます。

AIトレーニングのGPU需要の急増の急増は、Akashでの長期ネットワーク使用に変換されます。たとえば、Akashは長い間CPUの市場を提供しており、70〜80％の割引で集中化された代替品に同様のサービスを提供しています。ただし、低価格では大きな使用はもたらされません。インターネット上のアクティブなリースは、2023年の第2四半期までに穏やかになりました。これらはチェーンで使用されている印象的な指標ですが（参照として、主要なストレージプロバイダーのフィリコインは、2023年の第3四半期には12.6％のストレージ利用率を持っています）。これは、これらの製品の供給が引き続き需要を超えていることを示しています。

Akashは半年以上にわたってGPUネットワークを開始しており、長期的な採用率を正確に評価するには時期尚早です。これまでのところ、GPUの平均利用率は44％であり、これはCPU、メモリ、ストレージよりも高く、需要の兆候です。これは、主に最高品質のGPU（A100など）の需要によって推進されており、90％以上が賃貸されています。

Akashの毎日の支出も増加しており、GPUと比較してほぼ2倍になっています。この部分は、他のサービス使用、特にCPUの増加によるものですが、主に新しいGPU使用の結果です。

価格は、Lambda CloudやVast.aiなどの集中競合他社と同等です（または場合によってはさらに高価です）。最高のエンドGPU（H100やA100など）に対する大きな需要は、デバイスの所有者のほとんどが競争力のある価格設定の市場にリストすることに関心がないことを意味します。

最初の関心は非常に有望ですが、まだ障害があります（以下の詳細）。分散化されたコンピューティングネットワークには、需要と供給を生み出すためにより多くの対策が必要であり、チームは新しいユーザーを引き付けようとしています。たとえば、2024年初頭、AkashはGPUサプライヤーのAKT排出量を増やし、特に高エンドGPUの供給をより多く促すというNo. 240の提案を可決しました。チームはまた、潜在的なユーザーにネットワークの実際の機能を示すために、概念検証モデルを立ち上げることに取り組んでいます。Akashは独自の基本モデルをトレーニングしており、Akash GPUを使用して出力を作成できるチャットロボットと画像生成製品を発売しました。同様に、IO.NETは安定した拡散モデルを開発し、従来のGPUデータセンターのパフォーマンスとスケールをよりよく模倣するために、新しいネットワーク機能を起動しています。

分散型機械学習トレーニング

AIのニーズを満たすことができるユニバーサルコンピューティングプラットフォームに加えて、機械学習モデルトレーニングに焦点を当てたプロのAI GPUサプライヤーのグループも出現しています。例えば、ジェネシン視点は、「集団の知恵を構築するための電気とハードウェアを調整する」ことです。

プロトコルには、提出者（提出者）、ソルバー、検証剤、および内部告発者の4人の主な参加者がいます。エッセンス提出者は、トレーニングリクエストをインターネットにトレーニングリクエストのタスクを提出します。これらのタスクには、トレーニング目標、モデル、トレーニングデータがトレーニングされるトレーニングデータが含まれます。提出プロセスの一環として、提出者は、ソリューションに必要な推定額に対して事前給与料金を支払う必要があります。

送信後、タスクはモデルの実践的なトレーニングのソリューションに割り当てられます。その後、ソリューションは完成したタスクを検証担当者に提出し、検証担当者はトレーニングをチェックして正しい完了を確認する責任があります。ホイッスルは、確認された人が正直であることを確認する責任があります。Whistlersがネットワークに参加するように動機付けるために、Gensynは、Whistlersがそれらをキャッチするように報酬を与えるために、定期的に意図的なエラー証拠を提供することを計画しています。

人工知能関連のワークロードのコンピューティングを提供することに加えて、GensyNynの重要な値命題は検証システムであり、まだ開発中です。GPUサプライヤーの外部コンピューティングの正しい実行（つまり、ユーザーのモデルが望ましい方法でトレーニングされるようにするため）の正しい実行を確保するには、検証が必要です。Gensynは、「確率学習証明書、グラフィックの正確なプロトコル、TrueBit Incentiveゲーム」と呼ばれる新しい検証方法を使用して、この問題を解決するために一意の方法を使用しています。これは、モデルを完全に再実行することなく、ソリューションがモデルを正しく実行していることを確認できるようにする楽観的なソリューションモードです。

革新的な検証方法に加えて、Gensynは、集中的な代替品やCryptocurrencyの競合他社と比較してコストがかかると主張しています。

これらの予備的な結果を分散型ネットワークで再現できるかどうかは、まだ観察されていない。Gensynは、小型データセンター、小売ユーザー、小さなモバイルデバイスなどの将来のモバイルデバイスなどのプロバイダーの過剰なコンピューティングパワーを使用したいと考えています。ただし、Gensynチーム自体が認識しているように、依存する不均一なコンピューティングプロバイダーはいくつかの新しい課題をもたらしました。

Google Cloud ProversやCoreWeaveなどの集中型サプライヤーの場合、コストは高価であり、計算間の通信（帯域幅と遅延）は安いです。これらのシステムは、できるだけ早くハードウェア間の通信を実現することを目指しています。Gensynはこのフレームワークを破壊し、世界中の誰でも計算コストを削減するためにGPUを提供できるようにしますが、同時に、ネットワークが遠く離れている不均一なハードウェアの操作を調整および計算する必要があるため、通信コストも増加します。Gensynは開始されていませんが、分散型機械学習トレーニング契約を構築するときに実装される可能性のある概念的な証拠です。

分散型ユニバーサルインテリジェンス

分散型コンピューティングプラットフォームは、AI作成方法の設計の可能性も提供します。bitterSorこれは、基板に基づいた分散型計算契約であり、「どのようにしてAIを共同の方法に変えるのですか？」と答えようとしています。Bittensorは、AIによって生成された分散化と商業化を達成することを目的としています。この契約は2021年に開始され、共同機械学習モデルの力を使用して、より良いAIを継続的に繰り返して生成することを望んでいます。

Bittersorは、ビットコインからインスピレーションを得ています。BitterSorは、ワークロードの証明を使用して正しい乱数を生成し、ブロック報酬を取得するのではなく、「知能の証明」に依存します。これにより、鉱山労働者は推論要求に応答して出力を生成するためにモデルを実行する必要があります。

感動的な知性

ビテンサーはもともと、出力を生成するためにExpert Mixed（MOE）モデルに依存していました。推論リクエストを送信する場合、MOEモデルは幅広いモデルに依存せず、推論要求を指定された入力タイプの最も正確なモデルに転送します。家の建設を想像してみてください。建設プロセスの違いに責任を負うために、さまざまな専門家を雇います（たとえば、建築家、エンジニア、塗装労働者、建設労働者など）。MOEはそれを機械学習モデルに適用し、入力に従って異なるモデルの出力を使用しようとします。Ala Shaabanaが説明したBittensorの創設者であるように、これは「家の賢い人と話し、人と話すのではなく、最良の答えを得る」ようなものです。正しいルート、正しいモデルへのメッセージの同期、およびインセンティブを確保することには課題があるため、この方法はプロジェクトがさらに開発されるまで保留されています。

ビテンサーネットワークには、検証と鉱夫という2人の主要な参加者がいます。検証のタスクは、鉱夫に推論要求を送信し、出力を確認し、応答の質に応じてランク付けすることです。ランキングが信頼できることを確認するために、検証により、ランキングやその他の検証ランキングに基づいて「VTrust」スコアが得られます。検証のvtrustスコアが高いほど、タオが増えます。これは、ランキングによって検証されるほど、個人のVtrustスコアが高くなるため、時間の経過とともにモデルランキングのコンセンサスに達するように検証を促進するためです。

サービスとも呼ばれるマイナーは、実際の機械学習モデルを実行するネットワーク参加者です。鉱夫は、特定のクエリの最も正確な出力を検証者に提供するために互いに競争します。鉱夫は、これらの出力を必要に応じて生成できます。たとえば、将来的には、筆者の鉱山労働者は、以前にGensynでモデルを訓練し、それらを使用してTAOを獲得する可能性が完全にあります。

現在、ほとんどの相互作用は、検証と鉱夫の間で直接発生しています。検証担当者は、入力をマイナーに提出し、出力（つまり、トレーニングモデル）を要求します。確認がネットワーク上のマイナーを照会して応答を受け取ると、彼らはマイナーをランク付けし、ネットワークに提出します。

検証（従属POS）と鉱夫（従属モデル、POWの形式）との間のこの相互作用は、ユマコンセンサスと呼ばれます。鉱山労働者が最高の出力を生成し、TAOを獲得するように動機付け、鉱夫の出力を正確にランク付けしてより高いVTRUSTスコアを取得し、TAO報酬を増やしてネットワークコンセンサスメカニズムを形成するための検証を動機付けすることを目的としています。

サブネットワークとアプリケーション

上あなたの相互作用には、主にマイナーにリクエストを送信し、その出力を評価した検証が含まれています。ただし、鉱夫の品質の改善とネットワークの全体的なインテリジェンスの成長により、ビテンサーは既存のスタックにアプリケーションレイヤーを作成し、開発者がビテンサーネットワークを照会するアプリケーションを構築できるようにします。

2023年10月、Bittensorは革命のアップグレードを通じてサブネットを導入し、この目標を達成するための重要な一歩を踏み出しました。Ziwangは、BitterSorで特定の行動を促す別のネットワークです。Revolutionは、サブネットの作成に興味がある人にネットワークを開きます。リリースから数か月以内に、テキストプロンプトのサブネット、データキャプチャ、画像生成、ストレージなど、32を超えるサブネットが開始されました。サブネットの成熟度と準備が整うと、サブネットの作成者はアプリケーション統合を作成して、チームが特定のサブネットをクエリするためのアプリケーションを構築できるようにします。一部のアプリケーション（チャットロボット、画像ジェネレーター、Twitter応答ロボット、予測市場）はすでに存在しますが、Bittersor Foundationの資金提供を除き、これらのクエリを受け入れて転送するための正式なインセンティブ測定はありません。

より明確な説明を提供するために、以下は例であり、アプリケーションがネットワークに統合された後に上審員がどのように機能するかを説明しています。

サブネットのパフォーマンスは、ルートネットワークのパフォーマンスに基づいています。ルートネットワークは、すべてのサブネットの上にあります。本質的に特別なサブネットとして機能し、エクイティに応じて64の最大のサブネット検証によって管理されています。ルートネットワーク検証担当者は、サブネットのパフォーマンスに基づいてサブネットをランク付けし、放射されたタオトークンをサブネットに定期的に配布します。このようにして、各サブネットワークはルートネットワークの鉱夫として機能します。

bitterSorの見通し

BitterSorは、プロトコルの機能を拡大して、マルチサブ-Netsのインテリジェントな世代を動機づけるため、成長の問題を依然として経験しています。マイナーは、ネットワークを攻撃するための新しい方法を設計し続け、モデル操作を変更することで高い評価や推論の出力など、より多くのタオ報酬を得て、複数のバリアントを送信します。ネットワーク全体に影響を与えるガバナンス提案は、Triumvirateによってのみ提出および実装できます。これは、OpenEnsor Foundationの利益関連の利益で完全に構成されています（提案は、Bittensor検証済みの上院で構成される双方者上院によって承認される必要があることに注意する必要があります。ビテンサーによって）。プロジェクトのトークンエコノミーは、Tao Cross -Child Networkを使用するためのインセンティブを増やすために修正されています。また、このプロジェクトは、最も人気のある人工知能のウェブサイトの1つであるHuggingfaceのCEOであるため、すぐに有名になりました。

コア開発者が最近公開した記事の「Bittensor Paradigm」というタイトルの記事で、チームはBittersorのビジョンを説明しました。理論的には、これにより、ビテンサーはサブネットを開発して、タオがサポートするあらゆる種類の行動を動機付けることができます。まだかなりの実際の制限があります – 最も注目に値するのは、これらのネットワークがこのような多様なプロセスに対処するために拡大できることです。潜在的なインセンティブ対策の進捗は集中製品を超えています。

AIモデルの分散型計算スタックを構築します

上記の部分は、開発中のさまざまな種類の分散型AIコンピューティングプロトコルの大まかな概要を提供します。彼らが開発し採用した初期の頃、彼らは生態系の基礎を提供し、最終的には、defiの「通貨レゴ」の概念などの「AIビルドブロック」の作成を促進しました。許可なしにブロックチェーンを組み合わせた可用性は、各プロトコルがより包括的な分散型の人工知能エコシステムを構築する可能性を提供します。

たとえば、これはAkash、Gensyn、およびBittensorが対話して推論要求に応答する方法です。

明確にする必要があるのは、これが現在のエコシステム、既存のパートナーシップ、または可能な結果の代表ではなく、将来起こる可能性のある例の単なる例であるということです。相互の運用上の制限および以下で説明するその他の考慮事項により、今日の統合の可能性が大きく制限されています。さらに、流動性のニーズと複数のトークンを使用する必要があるため、AkashとBittersorの創設者はこれを指摘しています。

その他の分散製品

計算に加えて、暗号通貨の新たなAIエコシステムをサポートするために、他のいくつかの分散インフラストラクチャサービスが開始されました。

このレポートのすべての範囲をリストしますが、いくつかの興味深い説明の例は次のとおりです。

• 海：分散型データ市場。ユーザーは、データを表すデータNFTを作成でき、購入にデータトークンを使用できます。ユーザーは自分のデータを収益化し、より大きな主権を持つことができ、同時に開発モデルとトレーニングモデルに必要なデータにアクセスしてAIチームにアクセスできます。

• 草：分散型帯域幅市場。ユーザーは過剰な帯域幅をAIに販売でき、後者はこれらの帯域幅を使用してインターネットからデータをキャプチャします。草はWyndネットワークに基づいています。これは、個人が帯域幅を収益化できるだけでなく、帯域幅の購入者がインターネット上で見るコンテンツを理解するためのより多様なビューを提供することもできます（通常、個人的なインターネットアクセスは通常、それに従ってカスタマイズされるためIPアドレス））。

• Hivemapper：毎日の自動車ドライバーから収集された情報を含む分散型マップ製品を構築します。HivemapperはAIに依存して、ユーザーインストルメントボードカメラから収集された画像を説明し、ユーザーに報酬を与えて、人間の学習フィードバック（RHLF）を強化することにより、AIモデルをトークンに微調整します。

全体として、これらは、AIモデルをサポートしたり、必要な周辺インフラストラクチャを開発する分散型市場モデルを調査するほぼ無限の機会を指しています。現在、これらのプロジェクトのほとんどは概念的検証段階にあり、包括的な人工知能サービスに必要な規模を運営できることを証明するために、より多くの研究開発が必要です。

楽しみにしています

分散型コンピューティング製品は、開発の初期段階にあります。彼らは、生産において最も強力なAIモデルを訓練できる最先端のコンピューティングパワーを立ち上げ始めたばかりです。意味のある市場シェアを獲得するには、集中化された代替品と比較して実際の利点を示す必要があります。より広く採用される潜在的なトリガー因子には、以下が含まれます。

• GPUの需要/需要。GPUの希少性​​と計算の急速な成長は、GPU軍事保護区競争につながります。GPUの制限により、Openaiはプラットフォームへのアクセスを制限しています。AkashやGensynなどのプラットフォームは、高いパフォーマンスコンピューティングを必要とするチームに費用対効果の高い代替品を提供できます。分散型コンピューティングプロバイダーの場合、次の6〜12か月は、より広い市場アクセスが不足しているため、特にユニークな機会になります。MetaのLlama 2などの増加するオープンソースモデルと相まって、ユーザーは効果的な微調整モデルを展開するときに同じ障害に直面しなくなり、コンピューティングリソースがメインのボトルネックになります。ただし、プラットフォーム自体の存在は、消費者の十分なコンピューティング供給と対応するニーズを確保するものではありません。END GPUを購入することは依然として困難であり、コストは必ずしも需要側の主な動機とは限りません。これらのプラットフォームは、粘度ユーザーを蓄積するために分散化された計算オプション（コスト、レビュー抵抗、通常の動作時間、弾力性またはアクセシビリティ）を使用することの実際の利点を示すための課題に直面します。彼らは迅速に行動しなければなりません。GPUインフラストラクチャの投資と建設は、驚くべき速度で実施されます。

• 監督。監督は、分散型計算の動きの抵抗です。短期的には、明確な監督が不足しているということは、プロバイダーとユーザーがこれらのサービスを使用する潜在的なリスクに直面していることを意味します。サプライヤーが計算を提供する場合、または購入者がそれを知らずに制裁団体から計算された場合はどうなりますか？ユーザーは、集中化されたエンティティの制御と監督を欠く分散型プラットフォームを使用するかどうかをためらうことができます。この契約は、コントロールをプラットフォームに組み込むか、既知のコンピューティングプロバイダー（つまり顧客KYC情報を提供する）のみにアクセスするフィルターを追加することにより、これらの懸念を軽減しようとしますが、より強力な方法では、コンプライアンスを保護しながらコンプライアンスを確保しながらコンプライアンスを保護する必要があります。コンプライアンス。短期的には、これらのプラットフォームがこれらの問題を解決するためにプロトコルへのアクセスを制限することがあります。さらに、米国における可能な新しい規制枠組みに関する議論（最良の例は、セキュリティ、信頼性、信頼できる人工知能の開発と使用のための管理命令のリリースです）は、規制措置のGPU獲得をさらに制限する可能性を強調しています。

• 診る。規制は、AIアクセスを制限するアクションから利益を得ることができる2つの方法で分散型コンピューティング製品です。管理命令に加えて、Openaiの創設者Sam Altmanも議会で証言し、規制当局が人工知能開発のためのライセンスを発行する必要があることを示しています。人工知能の監督に関する議論は始まったばかりですが、AI関数にアクセスまたはレビューするためのこのような制限は、そのような障害なしに分散型プラットフォームの使用を加速する可能性があります。2023年11月、Openaiリーダーシップのリーダーシップの変化（または欠如）は、決定を許可することがリスクが高いと述べました。さらに、すべてのAIモデルは、意図的であろうと意図的であろうと、それらを作成する人々の偏見を必然的に反映します。これらの逸脱を排除する1つの方法は、あらゆる場所の誰でもさまざまなタイプと偏差モデルにアクセスできるように、できる限り細かい調整とトレーニングを行うことです。

• データプライバシー。ユーザーにデータの自律性を提供する外部データとプライバシーソリューションが統合されている場合、分散化の計算は集中化された代替品よりも魅力的です。SamsungがエンジニアがChatGptを使用してチップの設計を支援し、機密情報を漏らしてChatGPTに漏らしたことに気付いたとき、サムスンは事件の犠牲者になりました。Phala NetworkとIEXECは、ユーザーにユーザーデータを保護するためにSGXセキュアランドを提供すると主張しており、継続的な完全な暗号化調査は、プライバシーの分散化された計算をさらに解除してプライバシーを確​​保できます。AIが私たちの生活にさらに統合されると、ユーザーはプライバシー保護を備えたアプリケーションでモデルを実行することにもっと注意を払います。また、ユーザーは、あるモデルから別のモデルにデータを移植できるように、データの組み合わせサービスをサポートする必要があります。

• ユーザーエクスペリエンス（UX）エッセンスユーザーエクスペリエンスは、あらゆる種類の暗号化されたアプリケーションとインフラストラクチャにとって依然として大きな障害です。これは、分散型コンピューティング製品では違いはありません。場合によっては、開発者は暗号通貨と人工知能を理解する必要があるため、この状況を悪化させます。ブロックチェーンとの相互作用で抽象化を記録するなど、基本的な知識から改善して、現在の市場リーダーと同じ高品質の出力を提供する必要があります。より安価な製品を提供する多くの運用型分散型計算プロトコルは、従来の使用を取得するのが難しいことを考えると、これは明らかです。

スマートコントラクトとZKML

インテリジェントな契約は、あらゆるブロックチェーンエコシステムのコア構造ブロックです。特定の条件のセットの場合、彼らは、信頼できる第三者のニーズを自動的に実行および削減または排除し、DEFIのアプリケーションなどの複雑な分散アプリケーションを作成します。ただし、スマートコントラクトのほとんどが現在存在するため、更新する必要があるプリセットパラメーターに基づいて実行されるため、機能はまだ制限されています。

たとえば、展開された貸付契約のインテリジェント契約には、特定のローンに対する価値比に従って位置をクリアする時期の仕様が含まれています。静的環境では有用ですが、リスクの動的な状況では、これらのスマートコントラクトを継続的に更新して、リスク許容度の変化に適応する必要があります。これにより、集中プロセス管理に合格しない契約に課題が生じます。たとえば、分散型ガバナンスプロセスに依存しているDAOSは、体系的なリスクに迅速に対応できない場合があります。

統合されたAI（つまり、機械学習モデル）スマートコントラクトは、ユーザーエクスペリエンス全体を改善しながら、機能、セキュリティ、効率を高める可能性のある方法です。ただし、これらの統合は、これらのスマートコントラクトをサポートするモデルがロングテールの状況に攻撃または説明されないことを保証することは不可能であるため、追加のリスクをもたらします（データ入力の希少性を考慮して、ロングテールの状況は困難ですモデルをトレーニングするため）。

ゼロ – 知識機械学習（ZKML）

機械学習には、複雑なモデルを実行するために多くの計算が必要であるため、AIモデルは高コストのためにスマートコントラクトで直接動作できません。たとえば、ユーザーに収入最適化モデルを提供するDefiプロトコルは、ガス料金が高すぎることなく、チェーン上でモデルを実行することは困難です。解決策は、基礎となるブロックチェーンのコンピューティング能力を高めることです。ただし、これにより、チェーン検証のアルバムの要件も増加し、分散型の特性を破壊する可能性があります。代わりに、一部のプロジェクトでは、ZKMLが信頼なしに出力を検証するために使用されており、密なチェーン計算を必要としないことを調査しています。

ZKMLの有用性の一般的な例は、ユーザーがモデルを介してデータを実行するために他の人が必要であり、トランザクションが実際に正しいモデルを実行していることを確認することであることを示しています。おそらく、開発者は分散型コンピューティングプロバイダーを使用してモデルをトレーニングしており、プロバイダーがほとんど検出できない出力の違いを使用しようとすることでコストを削減しようとするのではないかと心配しています。ZKMLを使用すると、コンピューティングプロバイダーがモデルを介してデータを実行できるようにし、チェーンで検証できることを生成して、指定された入力モデルの出力が正しいことを証明できます。この場合、モデルプロバイダーには追加の利点があります。つまり、出力の基本的な重みを開示せずにモデルを提供できます。

反対のこともできます。ユーザーがデータを使用してモデルを実行したいが、プライバシーの問題（医学検査や独自のビジネス情報など）のために、データにアクセスするモデルを提供するモデルを提供したくない場合は、ユーザーはデータで実行できます。モデルはデータを共有せず、それらを確認することで正しいモデルを実行することを証明します。これらの可能性は、落胆した計算制限を解決することにより、人工知能およびスマート契約機能の設計スペースを大幅に拡大しました。

インフラストラクチャとツール

ZKMLフィールドの初期状態を考慮して、開発は主に、建設チームがモデルと出力をチェーンで検証できるプルーフに変換するために必要なインフラストラクチャとツールに集中しています。これらの製品は、可能な限りゼロ知識を抽象化します。

エズクルとギザ機械学習モデルの検証証明を提供することにより、このツールを構築する2つの項目です。どちらもチームが機械学習モデルを構築して、これらのモデルをチェーン上で信頼できる方法で実行できるようにするのに役立ちます。どちらのプロジェクトも、Open Neural Network Switch（ONNX）を使用して、TensorflowやPytorchなどの共通言語で記述された機械学習モデルを標準形式に変換します。次に、これらのモデルのバージョンを出力し、実行中にZKプルーフも生成します。EZKLはオープンソースであり、ZK-Snarksを生産し、Gizaは閉鎖され、ZKスタークが生成されます。これらの2つのプロジェクトは現在、EVMとのみ互換性があります。

過去数か月で、EZKLはZKMLソリューションの強化に大きな進歩を遂げ、主にコストの削減、安全性の向上、生成の生成の証拠を促進することに焦点を当てています。たとえば、2023年11月に、EZKLは、1月に総証明書時間を35％短縮する新しいオープンソースGPUライブラリを統合しました。ハイパフォーマンスコンピューティングクラスターおよび配置システム。Gizaの独自性は、検証された機械学習モデルを作成するためのツールを提供することに加えて、顔の抱きしめに相当するWeb3を実現し、ZKMLコラボレーションとモデル共有のユーザー市場を開き、最終的に分散化された分散化が製品を計算することを計画していることです。1月、EZKLは、EZKL、Giza、Risczeroのパフォーマンスを比較したベンチマーク評価をリリースしました（以下に説明するように）。EZKLは、より速い証明時間とメモリの使用を示しています。

モジュラスラボまた、AIモデル向けにカスタマイズされた新しいZKプルーフテクノロジーを開発しています。Modulusは、「The Cost of Intelligence」と呼ばれる論文を公開しました（AIモデルを実行するコストが非常に高いことを示唆しています）。この論文は2023年1月に公開され、既存の製品は高価で非効率的であり、AIアプリケーションを大規模に達成するには非効率的であることが示されています。最初の調査に基づいて、Modulusは11月に残りを開始しました。これは、AIモデルのコストと証明書を削減するために特別に使用されます。彼らの作業は閉鎖されているため、上記のソリューションでベンチマークをテストすることはできませんが、最近、暗号化と人工知能に関するVitalikのブログ投稿で彼らの作品を引用しました。

ツールとインフラストラクチャの開発は、ZKMLスペースの将来の成長にとって重要です。これは、必要なZK回路を計算するために検証されたチェーンを展開するために必要なチームの摩擦を大幅に減らすことができるためです。セキュリティインターフェイスを作成して、機械学習作業に従事する非暗号化されたネイティブビルダーを有効にして、モデルをチェーンに導入します。これにより、アプリケーションは真に新しいユースケースを通じてより大きな実験を実行できます。このツールは、ZKMLの使用に対する大きな障害も解決します。つまり、ゼロ知識、機械学習、暗号化のクロス認識の分野での作業に興味がある開発者です。

コポロセッサー

他のソリューション（「合成プロセッサ」と呼ばれる）が開発されています。Risczero、Axiom、および儀式エッセンスコラボレーターの用語は主に意味的にです – これらのネットワークは、チェーン上の検証チェーンの下での計算を含む多くの異なる役割を実行します。Ezkl、Giza、Modulusのように、彼らの目標は、生成プロセスの完全なゼロの知識証明を作成することです。RisczeroとAxiomは、より一般的な協力者であり、儀式はAIモデルで使用するために特別に構築されているため、単純なAIモデルにサービスを提供できます。

インフェルネットこれは儀式の最初のインスタンスであり、インフェルネットSDKを含んでおり、開発者はリターンとして出力と証明（オプション）をネットワークに提出して、出力と証明（オプション）を受け取ることができます。Infernetノードは、これらの要求を受信し、出力を返す前に処理チェーンの下で計算します。たとえば、DAOは、提出する前にすべての新しいガバナンス提案を特定の前提条件に満たすことを保証するプロセスを作成できます。新しい提案が提出されるたびに、ガバナンス契約は、DAO固有のガバナンストレーニングのAIモデルを呼び出すために、Infernetを介した推論要求をトリガーします。モデルは、必要なすべての基準が提出され、出力と証拠が提案の提出に返されることを確認するための提案をレビューします。

翌年、儀式チームは、儀式のスーパーチェーンと呼ばれるインフラストラクチャレイヤーを形成するためのより多くの機能を立ち上げることを計画しています。前述のアイテムの多くは、サービスプロバイダーとして儀式に挿入できます。儀式チームはEZKLと統合して証明を生成し、すぐに他の主要なプロバイダーの機能を追加することができます。儀式に関するInfernetノードは、AkashまたはIO.NET GPUを使用し、BitterSorサブオンラインでオンラインでトレーニングされたクエリモデルを使用することもできます。彼らの究極の目標は、機械学習やその他のAI関連のタスクにサービスを提供できるオープンAIインフラストラクチャの最初の選択プロバイダーになることです。

応用

ZKMLは、ブロックチェーンと人工知能の間の矛盾を調整するのに役立ちますが、後者は多くの計算とデータを必要とします。ギザの創設者が言ったように、「ユースケースは非常に豊かです…これはイーサリアムの初期のイーサリアムのユースケースに少し似ています…私たちがしたことは、スマートコントラクトを拡大するユースケースにすぎません。 「しかし、上記のように、今日、今日の開発は主にツールとインフラレベルで発生しています。アプリケーションはまだ調査段階にあります。チームが直面しているのは、ZKMLの使用によって生成された価値がその複雑さとコストを超えることを証明することです。

現在のアプリケーションには次のものがあります。

• 分散型財務エッセンスZKMLは、スマートコントラクトの能力を高めることにより、Defiの設計スペースをアップグレードしました。DEFIプロトコルは、機械学習モデルの大量の検証済みデータと非タンパーされたデータを提供します。これは、収入の獲得または取引戦略、リスク分析、ユーザーエクスペリエンスなどを生成するために使用できます。例えば、ギザと憧れの財政協力して、Hearnの新しいV3 Vaultの概念検証自動リスク評価エンジンを構築します。Modulus LabsはLyra Financeと協力して、機械学習をAMMに組み込み、イオンプロトコル検証と検証剤のリスクのモデルを実装する協力、およびヘルプアップショット人工知能を検証するNFT価格情報。ノヤ（EZKLを使用）およびMozaic契約は、独自のチェーンモデルへのアクセスを提供します。これらのモデルにより、ユーザーは自動化されたリック度マイニングにアクセスできます。スペクトルファイナンスチェーン上のクレジットスコアリングエンジンは、延滞しているコンパウンドまたはAave借り手の所有権の可能性を構築しています。ZKMLにより、これらのいわゆる「de-ai-fi」製品は、今後数年間でより人気が高まる可能性があります。

• ゲームエッセンス長い間、ゲームは破壊され、公共チェーンを通じて強化されていると考えられてきました。ZKMLは、人工知能チェーンゲームを作成することができます。Modulus Labsは、単純なチェーンゲームの概念検証を実現しました。リーラ対世界これは、ZKMLの検証がゲームの操作に基づいているすべてのステップで、チェスゲームのゲーム理論です。同様に、チームはEZKLフレームワークを使用して、ゲームのシンプルな歌唱競争とチェーンを構築します。カートリッジGizaは、最近、チームが完全なチェーンゲームを展開できるようにしています。単純ですが、これらの概念検証は、将来の実装を示しています。これは、ゲームの経済と相互作用できる複雑なNPCアクターなど、より複雑なチェーン検証を実現できます。AIアリーナ「見る、これは超変化したゲームです。プレイヤーは兵士を訓練し、AIモデルのために戦うために展開できます。

• アイデンティティ、トレーサビリティ、プライバシーエッセンス暗号通貨は、信頼性を検証し、ますます多くの人工知能の生成/操作コンテンツを取り締まるために、および豊富な改ざんのために使用されてきました。ZKMLはこれらの努力を進めることができます。WorldCoinこれは、ユーザーが一意のIDを生成するためにIRIをスキャンする必要があるIDの証明ソリューションです。将来的には、生体認証IDは自己募集のために個人のデバイスに保存でき、ローカル生体認証を検証するために必要なモデルは、ローカルな生体認証を検証するために使用されます。ユーザーは、魔女の攻撃に抵抗しながらプライバシーを確​​保するために、自分のアイデンティティを明らかにすることなく生物学的識別の証拠を提供できます。これは、モデルを使用して医療データ/画像を分析して病気を検出し、性格を検証し、出会い系アプリケーションでアルゴリズムを開発するなど、プライバシーを必要とする他の推論にも適用できます。

楽しみにしています

ZKMLはまだ実験段階にあり、ほとんどのプロジェクトはインフラストラクチャの元の用語と概念の証明の構築に焦点を当てています。今日の課題には、計算コスト、メモリ制限、モデルの複雑さ、限られたツールとインフラストラクチャ、および開発者が含まれます。要するに、ZKMLを消費者製品に必要な規模で実装する前に、やるべきことがかなりあります。

ただし、この分野の成熟度とこれらの制限の解決により、ZKMLはAIと暗号化の重要な要素になります。本質的に、ZKMLは、チェーンと同じまたは密接なセキュリティ保証を維持しながら、任意のサイズのチェーンをチェーンに計算することを約束します。ただし、この希望を実現する前に、テクノロジーの初期のユーザーは、ZKMLのプライバシーとセキュリティ、および代替の効率を比較進め続けます。

aiスマート

AIと暗号通貨の最もエキサイティングな統合の1つは、進行中のAIスマート実験です。Intelligenceは、AIモデルのタスクを受信、解釈、実行できる自律的なロボットです。これは、パーソナルアシスタントから微細な調整まで、リスクの好みに基づいて投資ポートフォリオを管理および調整する金融ロボットを雇うために、お客様の好みに基づいて罰金を科すことができます。

暗号通貨は許可なしに支払いインフラストラクチャを提供し、信頼できないため、スマートと暗号の通貨をうまく組み合わせることができます。トレーニング後、スマートボディはウォレットを手に入れて、スマートコントラクトを自分でトランザクションに使用できるようにします。たとえば、今日のシンプルなインテリジェンスは、インターネット上の情報をキャプチャし、モデルに従って予測市場で取引することができます。

スマートプロバイダー

モルフェウスこれは、2024年にEthereumとArbitrumにリストされている最新のオープンソーススマートプロジェクトの1つです。そのホワイトペーパーは2023年9月に匿名であり、コミュニティの形成と建設の基礎を提供しました（Erik Vorheesなどの有名なキャラクターを含む）。ホワイトペーパーには、ダウンロード可能なスマートプロトコルが含まれています。これは、ローカルで実行され、ユーザーのウォレットを管理し、スマートコントラクトとやり取りできるオープンソースLLMです。スマートコントラクトのランキングを使用して、スマートリストがトランザクションなどの標準に基づいて安全に対話できるスマートコントラクトを決定するのに役立ちます。

ホワイトペーパーは、スマートプロトコルの運用に必要なインセンティブ構造やインフラストラクチャなど、モルフェウスネットワークを構築するためのフレームワークも提供します。これには、インセンティブの貢献者のフロントエンドが含まれ、スマートボディとの相互作用のフロントエンドで相互作用できるアプリケーションに挿入できるAPIと、互いに相互作用できるクラウドが含まれますエッジデバイス上。プロジェクトの最初の資金は2月上旬に開始され、完全な合意は2024年の第2四半期に開始される予定です。

分散型自律インフラストラクチャネットワーク（Dain）これは、ソラナにインテリジェントな身体経済を構築する新しいインテリジェントなインフラストラクチャ協定です。Dainの目標は、さまざまな企業のインテリジェンスが一般的なAPIを介してシームレスに対話できるようにすることです。AIスマートパーティーの設計スペースを大幅に開くために、Web2およびWeb3製品と対話できるスマートパーティーを実現することです。1月、DainはAsset Shieldとの最初の協力を発表しました。

fetch.aiこれは、FETトークンとフェッチウォレットを使用してチェーン上でスマートボディを構築、展開、および使用するエコシステムを展開および開発した最も初期のAIスマートパーティーの1つでした。このプロトコルは、スマートボディとの相互作用や順序付けエージェントとの対話のためのwallet関数を含む、スマートボディを使用するための包括的なツールとアプリケーションのセットを提供します。

オートノーラス創設者には、Fetchチームの元メンバーが含まれています。これは、分散型AI Smartmenを作成および使用するためのオープンマーケットです。また、Autonolasは、チェーンの下にAIスマートパーティーを構築するための一連のツールを開発者に提供し、Polygon、Ethereum、Gnosis Chain、Solanaなどの複数のブロックチェーンを挿入できます。現在、市場やDAOガバナンスの予測など、いくつかのアクティブなスマートコンセプト検証製品があります。

singularitynetAI Smartの分散市場を構築しており、人々はそれらのインテリジェンスを他の人やスマートパーティーに雇って複雑なタスクを実行することができます。AlteredStateMachineなどの他の企業は、AI SmartとNFTの統合を構築しています。ユーザーはランダムな属性でNFTをキャストし、さまざまなタスクの利点と短所を提供します。これらのインテリジェンスは、ゲーム、Defi、または仮想アシスタントとして使用され、他のユーザーと取引される特定の属性を強化するように訓練することができます。

一般に、これらのプロジェクトは、将来のスマートエコシステムを想像してください。本当に複雑なインテリジェンスは、ユーザータスクを個別に完了することができます。たとえば、完全な自律知能は、APIを統合するために別のスマートボディを雇う方法を把握し、スマートボディが外部APIとタスクを統合および実行することを確認せずに実行することができます（使用前に旅行予約Webサイト）。ユーザーの観点からは、スマートボディが自分自身を決定できるため、スマートボディがタスクを完了できるかどうかを確認する必要はありません。

ビットコインとAIスマート

2023年7月、Lightning Network LabLightningネットワークでのスマートボディの使用に関する概念検証の具体化が起動されました。Langchainビットコインキットエッセンスこの製品は、Web 2の世界でますます深刻な問題を解決することを目的としているため、特に興味深いです。これは、Webアプリケーションのアクセス制御と高価なAPIキーです。

Langchainは、開発者に一連のツールを提供し、インテリジェンスがビットコインを購入、販売、保持し、APIキーを照会し、少額の支払いを送信できるようにすることで、この問題を解決します。従来の支払い分野では、稲妻ネットワークでは、スマートパーティーは毎日最低のコストで無制限の少額の支払いを送信できます。LangchainのL402支払い測定APIフレームワークと組み合わせると、単一のコストで標準を設定するのではなく、使用法の増加と削減に応じてAPIのアクセスコストを調整できます。

将来、オンチェーンアクティビティは、主にスマートボディとスマートボディの相互作用によって導かれます。これは、新しい市場と経済的相互作用の可能性を明らかにした、ライセンスされた経済的効率的な支払いなしで、トラックでインテリジェンスを使用する方法を示す初期の例です。

楽しみにしています

インテリジェントフィールドはまだ新しい段階にあります。このプロジェクトは、インフラストラクチャを使用して簡単なタスクを処理できる機能的インテリジェンスを開始し始めたばかりです。これは通常、経験豊富な開発者とユーザーのみです。ただし、時間の経過とともに、暗号通貨に対するAIインテリジェンスの最大の影響の1つは、すべての垂直フィールドでのユーザーエクスペリエンスの改善です。トランザクションはクリックからテキストに変わり始め、ユーザーは大きな言語モジュラスを介してチェーン上のインテリジェントボディと対話できます。Dawn Wallet et al。チームは、ユーザーがチェーンで対話するためのチャットロボットウォレットを立ち上げました。

さらに、金融セクターは規制された銀行機関に依存しているため、これらの機関は24時間年中無休で運営することができず、シームレスなクロスボーダートランザクションを実施することができないため、スマートパーティーがWeb 2でどのように運営されているかは不明です。リン・オールデンが強調しているように、マイクロトランザクションの返金と処理の能力がないため、暗号トラックはクレジットカードと比較して特に魅力的です。ただし、インテリジェンスがより一般的な取引方法になると、既存の支払いプロバイダーとアプリケーションは、既存の金融分野での運用に必要なインフラストラクチャを実装するために迅速に措置を講じる可能性が高く、暗号通貨の利益の一部を弱めます。

現在、インテリジェンスは暗号通貨トランザクションに限定される場合があり、そのうち入力保証が与えられた出力が与えられています。どちらのモデルもこれらのインテリジェントボディを指定して、複雑なタスクを実行する方法を把握し、ツールは完了できる範囲を拡大し、両方をさらに開発する必要があります。暗号化されたインテリジェンスを新しいチェーン暗号化のユースケースで有用にするためには、支払いの一形態と監督の明確化として、より広範な統合と暗号化の受け入れが必要です。ただし、これらのコンポーネントの開発により、インテリジェントボディは、上記の分散コンピューティングとZKMLソリューションの最大の消費者の1つになる準備をしており、自律的な非合成方法でのタスクを受信および解決します。

結論は

AIは、暗号通貨のWeb2に見られるのと同じイノベーションを導入し、インフラストラクチャ開発からユーザーエクスペリエンスとアクセシビリティまで、すべての側面を強化します。ただし、このプロジェクトはまだ開発の初期段階にあり、最近の暗号通貨とAI統合は、主に鎖が主に主導します。

Copilotなどの製品は、「10倍に増加」し、Defi ApplicationsはMicrosoftなどの大企業と協力して、人工知能補助開発プラットフォームを立ち上げました。CUB3.AIやテストマシンなどの企業は、チェーンのセキュリティを強化するためのスマートコントラクト監査および実際の脅威監視のためのAI統合を開発しています。LLMチャットロボットは、チェーンデータ、プロトコルドキュメント、アプリケーションに関するトレーニングを行っており、ユーザーにアクセシビリティとユーザーエクスペリエンスを向上させています。

暗号通貨の基礎となる技術の使用をより高度に統合するために、課題は依然としてチェーン上のAIソリューションの実装が技術的に実行可能であり、経済的であることを証明しています。分散化された計算の開発、ZKML、およびAIインテリジェンスは、将来の将来の基盤とAIの将来の基盤を豊富な相互接続で指摘しています。