Vitalikの記事から注目に値するトラックは何ですか？

著者：@charlotte0211z、@blazingkevin_、Metrics Ventures

Vitalikは1月30日に公開されました>暗号 + AIアプリケーションの約束と課題1つの記事では、ブロックチェーンと人工知能をその過程でどのように組み合わせるか、およびプロセスに表示される潜在的な課題について説明します。この記事がリリースされてから1か月後、NMR、近く、およびWLDが記事で述べたものはすべて大幅に増加し、価値発見のラウンドを完了しました。Vitalikが提案したCryptoとAIの組み合わせの4つの方法に基づいて、この記事では、既存のAIトラック区画の方向を整え、各方向に代表的なプロジェクトを簡単に紹介しました。

<！ - notionVC：42B442BC-FA79-4EBA-995B-D9A02BF2E600->

1はじめに：暗号とAIを組み合わせる4つの方法

地方分権化は、セキュリティが中核的なアイデアであることを保証するためにブロックチェーンによって維持されるコンセンサスであり、オープンソースは、上記の特性が暗号化の観点から上記の特性を持つための重要な基盤です。過去数年間で、この方法はブロックチェーンの数回の変化に適用されてきましたが、人工知能が参加すると、いくつかの変更が起こりました。

人工知能によるブロックチェーンまたはアプリケーションの設計を想像してください。モデルはオープンソースに必要ですが、このようにして、対立する機械学習における脆弱性を明らかにします。したがって、現在のブロックチェーンまたはアプリケーションに人工知能を追加する際に、組み合わせを完了する方法と深さを考える必要があります。

出典：De Ethereum大学

存在するの>ジャイアンツのカラリド：暗号x aiの収束を探るある記事では、コア特性における人工知能とブロックチェーンの違いについて説明します。上の図に示すように、人工知能の特性は次のとおりです。

集中化
低透明度
エネルギー消費
独占
弱い金銭的属性

ブロックチェーンは、人工知能と比較して完全に反対です。これは、Vitalikの記事とブロックチェーンの真の議論でもあります。

Vitalikは、上記の基準と、人工知能の適用をブロックチェーンに分割するという独自の考えに従って、4つのカテゴリに分割されます。

アプリケーションの参加者としての人工知能（ゲームのプレーヤーとしてのAI）
アプリケーションのインターフェイスとしての人工知能（ゲームへのインターフェイスとしてのAI）
アプリケーションルールとしての人工知能（ゲームのルールとしてのAI）
アプリケーションのターゲットとしての人工知能（ゲームの目的としてのAI）

その中で、最初の3つは、著者の理解によると、AIの3つのレベルを表すAIでCryptoの世界を導入する3つの方法です。全身リスクの程度：

アプリケーションへの参加者としての人工知能：人工知能自体は、人間の意思決定と行動に影響を与えないため、実際の人間の世界にリスクをもたらさないため、着陸性が最も高くなります。
アプリケーションインターフェイスとしての人工知能：人工知能は、ユーザーと開発者の経験を高め、誤った情報または操作を減らすための補助情報または補助ツールを提供します。現実の世界。
人工知能アプリケーションの規則：人工知能は、人間の代わりに決定と操作を完全に完了します知性は現在、人間の代わりに人間を置き換えることを信頼することができません。

最後に、4番目のタイプのプロジェクトは、先に述べたように、暗号化、エネルギー消費、独占、および通貨属性を自然に通過する可能性のある、より良い人工知能を作成することに取り組んでいます。多くの人々は、暗号が人工知能の発展に影響を与えることができるかどうかについて疑問を抱いていますが、現実の世界は常に分散型の憶測を通して最も魅力的な物語でした。

参加者としての2 AI

AI参加のメカニズムでは、インセンティブの究極のソースは、人間が入力したプロトコルから生まれます。AIがインターフェイスになり、ルールになる前でさえ、さまざまなAIのパフォーマンスを評価して、AIがメカニズムに参加できるようにし、最終的に報酬を得るか、チェーンメカニズムを介して罰せられる必要があります。

参加者として、インターフェースとルールと比較して、ユーザー全体が基本的に無視できます。このレイヤーのブロックチェーンは比較的小さく、また、V Godが今では非常に利用可能であると信じている製品の一種でもあります。

広範な感覚と成果の観点から、現在のAIアプリケーションのほとんどは、Trading BotやChatbot、AIのエンパワーメント、および現在の着陸程度の比較と暗号化されたユーザーの漸進的な最適化などのカテゴリに属しますAIアプリケーションを使用して、まだ動作習慣を開発していません。V Godの記事では、自律剤はこのカテゴリも起因しています。

しかし、狭くて長期的なビジョンに関しては、AIアプリケーションまたはAIエージェントのより詳細な分割を分割する傾向があります。

2.1 AIゲーム

ある程度、AIゲームはこのカテゴリとして分類され、AIキャラクターをトレーニングして、AIキャラクターをよりコンバージョンと競争力のあるものにします。このゲームは、現実の世界に入る前のAIの移行段階です。等

AIアリーナ：AI Arenaは、AIを介して継続的に進化してAIを学び、訓練できるPVP格闘ゲームです。 AI Arenaに基づくことは、収入を増やすためにさまざまなAIアルゴリズムを提供します。各ゲーム文字は、AI対応のNFTです。これには、IPFに保存され、新しいNFTパラメーターがランダムに生成されたときにランダムに生成される2つの部分を含むAIモデルのコアです。ランダムなアクションを実行します。ユーザーは、各ユーザーが役割をトレーニングし、Progressを保存することにより、戦略的能力を向上させる必要があります。

変更された状態マシン：ASMはAIゲームではなく、AIエージェントがYuan Universe AI Protocolに配置されるための確認と取引のプロトコルです。宇宙。ASMはNFTを使用してAIエージェントと取引を確認します。ASMには、エージェントの構成サポートを提供できる分散型GPUクラウドプロバイダーを含むジムモジュールがあります。現在、基礎となるアイテムなどのASMには、AIFA（AIフットボールゲーム）、ムハンマドアリ（AIボクシングゲーム）、AIリーグ（FIFAとのコラボレーションのストリートフットボールゲーム）、Raicers（AI駆動型レーシングゲーム）、Fluf World’s Thingies NFT）が含まれます。

平行コロニー（プライム）：Echelon Primeは、AI LLMに基づいたゲームであるParalled Colonyを開発しています。現在、コロニーは最近最も期待されているAIゲームの1つであるため、ホワイトペーパーをリリースしたばかりで、ソラナに移住したことを発表しました。

2.2予測市場/競争

予測能力は、AIモデルを実際の予測に使用する前に、AIモデルのパフォーマンスをより高いレベルで比較しますCrypto×AI全体のうち、継続的な開発効率とパフォーマンスを動機づけ、AIの決定と行動がより深く影響を与える前に、暗号の世界のモデルと適用により適しているため、より良くなり、より良いものを作り出し、より安全になります。より安全な製品。神が言ったように、市場を予測することは強力なオリジナルであり、他のタイプの問題を拡大することができます。このトラックの象徴的なプロジェクトには、NumeraiおよびOcean Protocolが含まれます。

numerai：Numeraiは、歴史的な市場データ（Numeraiが提供する）に基づいて株式市場を長期間実行しているデータサイエンス競争、およびNMRトークンの誓約モデルとNMRトークンを予測しています、そして、より悪いモデルを備えた誓約されたトークンは破壊されます。2024年3月7日の時点で、合意は合計でデータサイエンティストに75,760,979ドルを提供しました。Numeraiは、現在リリースされたファンドには、Numerai OneとNumerai Supremeが含まれています。Numerai Path：市場予測競争→クラウドソーシング予測モデル→Crowdssesモデルに基づく新しいヘッジファンド。
海洋プロトコル：Ocean Predictoorは予測に注意を払っており、暗号通貨の傾向から始まる予測のクラウドソーシングを開始しました。プレイヤーは、予測ボットまたはトレーダーボットを実行することを選択できます。PredictoorBotはAIモデルを使用して、次回（5分など）で暗号通貨の価格（BTC/USDTなど）を予測し、一定数の誓約を誓約します。 $ OCEANは、誓約書に基づいて、トレーダーの予測結果を計算します。トークンとトレーダーのこの部分の購入料金は報酬です。3月2日に、Ocean Predictoorはメディアワールドワームモデル（WWM）の最新の方向性を発表し、天候やエネルギーなどの現実の世界に関する予測を探求し始めました。

インターフェイスとしての3 AI

AIは、ユーザーがシンプルで簡単な言語で何が起こっているのかを理解し、暗号の世界のユーザーの指導者として行動し、暗号のしきい値とユーザーリスクを減らし、ユーザーエクスペリエンスを改善するためのリスクを促します。特定の機能製品には、ウォレットが相互作用するときのリスクプロンプト、AI駆動の意図取引、AIチャットボットなどの機能が豊富にあり、通常のユーザーの暗号に答えることができます。通常のユーザー、開発者、アナリストなどを除き、ほとんどすべてのグループを除き、視聴者の拡大は、AIサービスオブジェクトになります。

これらのプロジェクトの共通点を再度繰り返しましょう。特定の決定や行動を実行するためにまだ人間を置き換えていないが、AIモデルを使用して、人間に意思決定と行動を支援するための情報とツールを人間に提供しています。このレベルから、AIの悪のリスクはシステムにさらされ始めています – それは、v神の記事で詳細に分析されている間違った情報を提供することにより、人間の最終的な判断に干渉することができます。

AIチャットボット、AIスマート契約監査、AIコードライティング、AIトレーディングボットなど、このカテゴリに起因する多くの項目があります。現在のAIアプリケーションのほとんどは主レベルであると言えます。代表的なプロジェクトは次のとおりです。

パール：Paalは現在、統合されたTGとDiscordによってトレーニングされたChatGPTと見なすことができます。写真、Paal Botなどの関数をグループチャットに統合して、いくつかの情報に自動的に返信できます。Paalは、カスタマイズされた個人ボットをサポートしています。Paalは、2月29日、Crypto Research＆AMP;

chaingpt：Chaingptは、チャットボット、NFTジェネレーター、ニュースコレクション、スマートコントラクトの生成と監査、トレーディングアシスタント、プロンプトマーケット、AIクロスチェーンエクスチェンジなど、人工知能による一連の暗号ツールを開発しました。しかし、Chaingptの現在の方向は、プロジェクトのインキュベーションと発射パッドです。

アーカム：Ultraは、アーカムの特別なAIエンジンです。Ultraは、ユーザーが提供するチェーンと独自のコレクションに基づいており、それをマージして拡張データベースにエクスポートし、最終的にチャートに表示されます。しかし、アーカムの文書は、このラウンドを心配していた理由は、オープン・サム・アルトマンの創設者が個人投資の個人投資をしたためです。
graphlinq：GraphlinQは、CoingeChoのビットコインの価格を5分ごとにTGボットにプッシュするなど、さまざまな種類の自動機能を展開および管理することを目的としています。GraphlinQの解決策は、グラフを使用して自動化プロセスを視覚化することです。コードは必要ありませんが、グラフを作成するプロセスには、適切なテンプレートを選択したり、何百もの論理ブロックで正しいものを選択して接続するなど、通常のユーザーに特定のしきい値があります。したがって、GraphlinqはAIを導入しています。
** 0x0.ai：** AIに関連する0x0関連ビジネスは、主にAIスマートコントラクト監査、AI反rug検出、およびAI開発者センターです。その中で、AI抗RUGテストは、過度の税金などの疑わしい行動を検出したり、AI開発者センターが機械学習テクノロジーを使用してスマートコントラクトを生成して、コードなしの展開契約を達成するのを防ぎます。ただし、現在、AIスマートコントラクト監査のみが最初に起動されており、他の2つの機能は開発されていません。
zignaly：Zignalyは2018年に生まれました。これは、コピートレーディングと同様に、個々の投資家がファンドマネージャーを選択できるように自分で資産を管理できるようにすることを目的としています。Zignalyは、機械学習および人工知能技術を使用して、ファンドマネージャーのシステム評価のためのインジケータシステムを確立していますが、Zスコアですが、依然として人工知能製品として主要です。

ゲームルールとしての4 AI

これは最もエキサイティングな部分です – AIは人間の決定と行動を行います。このカテゴリの下で、著者は、AIアプリケーション（特にAI自動トランザクションボット、AI DEFI収入ボットなどのビジョンとしての独立した決定を伴うアプリケーション）、自律エージェントプロトコル、ZKML/OPMLの3つのレベルに分けることができると考えています。

AIアプリケーションは、さまざまなセグメントに知識とデータを蓄積した特定の決定のためのツールです。この記事では、AIアプリケーションが同時に2つのカテゴリに起因することに注意してください。インターフェイスとルールは、AIアプリケーションが独立した意思決定のエージェントになるはずですが、現在は、それが現時点であるかどうかです。 AIモデルの有効性と統合されたAIのセキュリティであるAIモデルのセキュリティは、この要件を満たすことは不可能であり、AIアプリケーションは非常に早い段階にあります。特定のプロジェクトは、前の記事で紹介されています。

最初のカテゴリ（参加者としてのAI）で言及されている自律剤。自律エージェントは、多くのデータとアルゴリズムを使用して、人間の思考と意思決定プロセスをシミュレートし、さまざまなタスクと相互作用を実行します。この記事は、主にエージェントの通信層、ネットワークレイヤーのインフラストラクチャに焦点を当てています。

ZKML/OPML：暗号化または経済学の方法を通じて、正しいモデル推論プロセスの後に信頼できる出力を提供することが保証されています。安全性は、AIを入力に依存して、AIが間違った入力を行うと、非常に致命的ですそして、可能な一連の潜在的なソリューションは、AIが独立した運用と決定を実行できるようにするための基礎です。

最後に、3つの基本的なレイヤーを実行するルールとして構成します。ZKML/OPMLは、プロトコルのセキュリティを確保するためのボトムインフラストラクチャですエージェントは、特定の分野で能力を改善し続け、実際に意思決定と行動を起こします。

4.1自律剤

暗号の世界でのAIエージェントの適用は、スマートコントラクトからTGボットまで、暗号化された世界がより高く、より低いユーザーのしきい値を移動しています。スマート契約は、改ざんを抑えることができないことによって自動的に実行されますが、外部トリガーに依存することで目覚める必要があります代わりに、暗号化されたフロントエンド、ユーザーの自然言語を理解し、他の組み合わせを組み合わせて他の組み合わせを設定し、チェーン上のツールがユーザーが指定したターゲットを完成させます。

AIエージェントは、暗号化された製品のエクスペリエンスを大幅に改善することに取り組んでおり、ブロックチェーンは、AIエージェントの操作をより分散化し、透明で安全です。

トークンを通じてより多くの開発者にエージェントを提供しました
エージェントベースの料金と取引を促進するためのNFT確認
チェーン上のエージェントのアイデンティティと登録メカニズムを提供する
不可解なエージェントアクティビティログを提供して、その動作のソースと説明責任をタイムリーに追跡する

このトラックの主なアイテムは次のとおりです。

オートノーラス：Autonolasは、チェーンプロトコルを介してエージェントの資産と関連コンポーネントの資産を組み合わせた資産と組み合わせた資産をサポートしているため、コードコンポーネント、エージェント、サービスをチェーンで発見および再利用し、開発者に経済補償を得ることができます。開発者が完全なエージェントまたはコンポーネントを開発した後、コードのコードを登録および取得し、コードの所有権を表します。実際の実行サービスに到達するために、ユーザーは有料サービスを使用します。
fetch.ai：fetch.aiは、AI分野で強力なチームのバックグラウンドと開発体験をしており、現在AIエージェントトラックに注意を払っています。この契約は、AIエージェント、Agentivers、AI Engine、Fetch Networkの4つの重要な層で構成されています。AIエージェントはシステムの中核であり、その他はエージェントサービスの構築のためのフレームワークとツールです。Agentverseはソフトウェア、つまり、主にAIエージェントの作成と登録に使用されるサービスプラットフォームです。AIエンジンの目標は、ユーザーの自然言語入力を読み取り、Agentsverseで最も適切なAIエージェントを選択してタスクを実行することにより、操作可能に変換することです。フェッチネットワークは、プロトコルのブロックチェーンレイヤーです。Autonolaは現在、Crypto Worldのエージェント構築に焦点を当てており、チェーンの下でのエージェント操作を導入しています。
デリジウム：DelysiumはゲームからAIエージェントプロトコルに変換されます。これは、主に通信層とブロックチェーン層の2つのレイヤーを含み、通信層はブロックチェーン層のメイントランクであり、認証されていないエージェントを実現しました。スマートコントラクトによるエージェントの動作。具体的には、通信レイヤーは、エージェントの統合されたメッセージを確立します。ユーザーとAPIを確立できます。ブロックチェーンレイヤーには、エージェントIDとクロニクルエージェントは、エージェントのすべての重要な決定と動作のためのログリポジトリのみを保証します。
変更された状態マシン：NFTを介した資産の基準とエージェントの取引には、特定の分析が示されています。ASMは現在ゲームに接続されていますが、基本仕様として他のエージェントフィールドに拡張される場合があります。
形態：AIエージェントエコロジーネットワークを構築しています。これは、Coder、Computer Provider、Community Builder、およびAIエージェント、サポートエージェントのコンピューティングパワー、フロントエンド、および開発を提供することを目的としています公正な打ち上げの形態は、鉱夫、誓約者、エージェントまたはスマートコントラクト開発の貢献者、およびコミュニティ開発者にインセンティブを提供します。

4.2 ZKML/OPML

ゼロ知識は、現在2つの主要なアプリケーションの方向があることを証明しています。

正しい動作を得るためにコストが低いことをチェーン上で証明します（ZK-RollupとZKPクロスチェーンブリッジはZKの特性を使用しています）。
プライバシー保護：計算の詳細を知る必要はありません。計算が正しく実装されていることを証明することもできます。

同様に、機械学習におけるZKPの適用は、2つのカテゴリに分類することもできます。

推論の検証：つまり、ZKプルーフを通じて、チェーン上のAIモデルの推論のこの密なコンピューティングの密なコンピューティングのプロセスは、チェーンの下で正しく実行されます。
プライバシー保護：2つのカテゴリに分類できます。つまり、プライバシーデータを使用して、ZKMLを使用してプライバシーデータを保護します重みやその他の情報などのモデル特定の情報を非表示にするには、パブリック入力からの出力結果を計算します。

著者は、暗号に関する現在のより重要なことは検証の推論であると考えており、推論の検証の場面をさらに説明します。参加者としてのAIから、世界としてのAIのルールまで、AIをチェーンのプロセスの一部に変えることを望んでいますが、AIモデルの推論の計算コストは高すぎてチェーンで直接動作するには高すぎますこのプロセスをチェーンの下に置いてください。私が指定したモデルを推論するために使用していますか？MLモデルをZK回路に変換することで、（1）チェーン上の小さなモデル、小さなZKMLモデルをスマートコントラクトに保存し、同時にチェーンに直接移動しますZKは、チェーンでZKを実行することで、推論プロセスの正確性が証明できることを証明しています。

また、ZKMLは非常に早い段階にあり、MLモデル変換の技術的な問題にZK回路への変換と、非常に高いコンピューティングとパスワード科学のコストに直面しています。Rollupの開発パスと同様に、OPMLは経済学の観点から別の解決策になりました。ただし、OPMLは推論の検証に代わるものであり、プライバシー保護を達成することはできません。

現在のプロジェクトは、ZKMLインフラストラクチャを構築しており、アプリケーションの確立も同様に重要です。莫大なコストを相殺します。これらのプロジェクトでは、機械学習（モジュラスラボなど）に関連するZKテクノロジーの研究開発に焦点を当てたものもあります。

ModulusはZKMLを使用して、人工知能をチェーン上の推論プロセスに適用しています。Modulusは2月27日にZKML Prooferの残りを起動しました。同じハードウェアの従来のAI推論と比較して、効率の改善の180倍を達成しました。さらに、モジュラスは複数のプロジェクトと協力して、ZKMLの実際のケースを調査し、複雑な市場データを収集し、ZKによって証明された人工知能を使用してNFT価格を評価し、その協力をアバターに渡します、戦っている人は、プレイヤーによって訓練されています。
RISC Zeroは、RISC ZeroのZKVMで機械学習モデルを実行することにより、モデルをチェーン上に置きます。
Ingonyamaは、ZKテクノロジー専用のハードウェアを開発しており、ZKテクノロジーの分野に入るためのしきい値を減らす可能性があり、ZKMLもモデルトレーニングに使用できます。

ターゲットとしての5 AI

前の3つのカテゴリがAIがCryptoを強化する方法に焦点を当てている場合、「AI As the Goal」はCryptoのAIへの助けを強調しています。つまり、Cryptoを使用してより優れたAIモデルと製品を作成する方法を強調します。より正確で、より分散化されています。

AIには、データ、コンピューティングパワー、および各次元で、CryptoがAIにより効果的なヘルプを提供することを約束します。

データ：データは、モデルトレーニングの基礎です。分散データプロトコルは、より多くのプライベートドメインデータを提供し、同時にデータプライバシーを確保し、個人に敏感なデータの漏れを回避します。
コンピューティングパワー：分散型コンピューティングトラックは、現在最もホットなAIトラックです。と推論。
アルゴリズム：Cryptoのアルゴリズムのエンパワーメントは、AIを実現するためのコアリンクです。非常に高い暗号化費用に直面しています。さらに、「暗号化のインセンティブを使用してAIを奨励および作成する」も、完全に暗号化されていないウサギの穴に完全に暗号化されることなく達成できます。

データとコンピューティングパワーにおける大規模なテクノロジー企業の独占は、モデルトレーニングプロセスの独占を引き起こしました。インフラストラクチャの観点から見ると、Cryptoは経済的手段を通じてデータとコンピューティングパワーの分散化された供給を促進し、同時に暗号化方法を通じてプロセスのデータプライバシーを確保し、これを基礎として使用して、実現を達成するための分散モデルトレーニングを支援するための基礎として使用します。より透明で分散型AI。

5.1分散データプロトコル

分散型データプロトコルは主にデータクラウドソーシングの形で実行されます。これにより、ユーザーはモデルトレーニング用の企業向けにデータセットまたはデータサービス（データラベルなど）を提供し、データマーケットプレイスを開き、両当事者のマッチングを促進することができます。一部のプロトコルは、ユーザーの閲覧データを取得するか、ユーザー機器/帯域幅を使用しています。

海洋プロトコル：データの確認と激しい状態では、ユーザーは汚れた方法を介して海洋プロトコルでデータ/アルゴリズムのNFT作成を完了することができます。Ocean Protocolは、データ（C2D）へのコンピューティングを使用して、データ/アルゴリズムの出力結果のみを取得でき、完全にダウンロードできません。Ocean Protocolは2017年に設立されました。データ市場として、AI Expressは自然にこの急増のラウンドにあります。
synesis one：このプロジェクトは、SolanaのTRAIN2のプラットフォームです。具体的には、マイニング業者は3つのカテゴリに分かれています：アーキテクト/ビルダー/バリデーター、アーキテクトは新しいデータタスクの作成を担当し、ビルダーは対応するデータタスクでコーパスを提供し、バリエーターはビルダーが提供するデータセットを検証します。完成したデータアセンブリはIPFSに保存され、データソースとIPFSアドレスはチェーンに保存され、IPFSアドレスはAI（現在AI）のチェーンの下のデータベースに保存されます。

草：AIとして知られる分散型データレイヤーは、本質的に分散型ネットワークキャプチャ市場であり、AIモデルトレーニングのデータを取得します。インターネットWebサイトはAIのトレーニングデータの重要なソースであり、Twitter、Google、Redditなどの多くのWebサイトには重要な価値がありますが、これらのWebサイトは常にデータをraw索しています。Grassは、個人ネットワークで未使用の帯域幅を使用して、異なるIPアドレスを使用して公開Webサイトでデータをキャプチャし、データを完成させてデータをクリーンアップすることにより、データ遮断の影響を減らします。草は現在ベータテスト段階にあり、ユーザーは帯域幅の取得ポイントを提供して潜在的なエアドロップを受け取ることができます。

AITプロトコル：AITプロトコルは、分散型のデータラベル契約であり、開発者にモデルトレーニングのための高品質のデータセットを提供することを目的としています。Web3は、データマークを介してネットワークに迅速にアクセスし、データを介してインセンティブを取得できます。

プロトコルの提供とデータラベル付けに加えて、以前の分散型ストレージインフラストラクチャなどファイルコイン、arweave待機は、より分散型のデータ供給にも役立ちます。

5.2分散化コンピューティングパワー

AI時代には、コンピューティングパワーの重要性は、Nvidiaの株価がピーク日に登るだけでなく、Cryptoの世界では、分散型のコンピューティングパワーがAIの最も熱心な方向であると言えます。 Track Hype -11のAIプロジェクトの中で、分散型コンピューティングパワーのための5つのプロジェクトがあります。小規模な市場価値プロジェクトでは、多くの分散型コンピューティングプラットフォームも登場しましたが、GPUと横になっている限り、Nvidia会議の波が登場しました。

トラックの特性から、プロジェクトの基本的なロジックは、プロジェクトの方向に非常に均一であり、リソースまたは企業にアイドルコンピューティングリソースを提供し、したがって、使用コストを大幅に削減し、計算された供給と計算された供給を確立します。需要の需要と供給の需要と供給の需要と供給現在、主なコンピューティング電源は、データセンター、鉱夫（特にEthereumからPOSからPOSの後）、消費者のコンピューティングパワー、および他のプロジェクトとの協力から得られます。均一性ですが、これはこのプロジェクトの主な競争上の利点があるトラックです。電力リソースのコンピューティング、コンピューティングパワーの使用、その他の技術的利点です。このトラックの主要なプロジェクトには、Akash、Render、Io.net、およびGensynが含まれます。

特定のビジネスの方向性によれば、プロジェクトはAIモデル推論とAIモデルトレーニングの2つのカテゴリにラフになります。AIモデルトレーニングにおける電力と帯域幅の要件は推論よりもはるかに高いため、モデルの推論の市場は、予測可能な収入が急速に拡大しています。したがって、ほとんどのプロジェクトは主に攻撃されています（Akash、Render、Io.net）、主要なトレーニング方向のリーダーはGensynです。その中で、AkashとAkashは一般的に一般的なコンピューティングに使用されていたため、以前に生まれました。需要が1つのレベルを改善した後、これらのプロジェクトは発展する傾向があります。

2つの最も重要な競争指標は、供給側（コンピューティングパワーリソース）と需要側（コンピューティングパワー）からまだ供給されています。Akashには、282個のCPUがあります。IO.NETには、40,272 GPUと5958 CPU、4318 GPUと159のCPUSとFilecoinの1024 GPUの許可があります。 GPUのデータは、非常に高いエアドロップを備えています。RenderとGensynは特定のデータを公開しませんでした。さらに、多くのプロジェクトは、たとえば、生態系の協力を通じて需要としで競争力を高めています。ユーザーがクライアント-IO.NET、nosana、FedML、およびビームを計算することにより、レンダリングのコンピューティングパワーリソースに間接的にアクセスできるようにして、レンダリングの分野から人工知能コンピューティングに迅速に移行します。

さらに、分散化された計算の検証は依然として問題です – コンピューティングパワーリソースを持つ労働者がコンピューティングタスクを正しく実行したことを証明する方法。Gensynは、確率学習認証、グラフベースの正確なポジショニングプロトコル、およびコンピューティング電力サポートを提供するために、計算の正しさを確保するために、このような検証層を確立しようとしています。Slanaに位置するFurenceは、コンピューティングタスクの検証も追加します。ただし、実際の需要は、「信頼できる」よりも「実現可能」です。他のプラットフォームのコンピューティングパワーと他のプラットフォームのコンピューティングパワーになり、他のプラットフォームのコンピューティングパワーになり、他のプラットフォームのコンピューティングパワーになり、他のプラットフォームのコンピューティング能力になり、他のプラットフォームのコンピューティング能力になりますプラットフォームは、他のプラットフォームのコンピューティング能力になり、他のプラットフォームのコンピューティング能力となります。

5.3分散化モデル

それはまだVitalikによって説明されている究極のシーンから非常に遠くにあります（現在の図に示す）トレーニングは、クエリ出力のAI操作全体の暗号化プロセスでトレーニングされます。ただし、現在、インセンティブメカニズムを通じてより良いAIモデルを作成しようとしているプロジェクトがあり、モデル間の学習、コラボレーション、良性競争のパターンを作成しています。

bitterSor：bittersorは、異なるAIモデル間の組み合わせを促進していますが、Bittersor自体はモデルトレーニングを実施していないが、主にAI推論サービスを提供することは注目に値します。Bittersorの32のサブネットは、データキャプチャ、テキスト生成、Text2Imageなどのさまざまなサービス方向に焦点を当てています。タスクを完了すると、AIモデルが異なる方向に協力できます。インセンティブメカニズムは、サブネットと現在の内部との間の競争を促進します。サブネットのパフォーマンス、異なるサブネット間のこれらの報酬の分布比率、およびサブネット検証デバイスは、より良いモデルの作業評価を通じて異なる鉱夫間の分布比を決定し、全体的な推論の改善を促進しました。システムの品質。

6結論：ミームの憶測または技術革命？

Sam AltmanのARKMとWLDの価格への移行から、NVIDIA会議まで、多くの人々がAIトラックの投資概念を調整していますか？

少数の有名人（ARKMやWLDなど）を除き、AIトラックは技術的な物語に支配されている「ミーム」に似ています。

一方では、Crypto AIトラックの全体的な投機は、Openaiが率いる外部投機に密接にリンクしている必要があります。一方、AIトラックのストーリーは、主に技術的な物語です。ここでは、「テクノロジー」の代わりに「技術的な物語」を強調しています。プロジェクトの基礎の基本的な側面は、誇大広告の価値を持つ物語の方向性を見つける必要があります。また、中期的な競争力と堀を持つプロジェクトを見つける必要があります。

神Vによって提案された4つのカテゴリーの可能性から、物語の魅力と着陸の可能性があることがわかります。AIアプリケーションで表される最初と2番目のカテゴリでは、均質な競争で伝えることができる多くのGPTラッパーを見てきました。3番目と4番目のカテゴリは、AIとCoperation Network、ZKML、およびAINの分散化されたAIなど、非常に早期の着陸ディスプレイなどの壮大な物語を表しています。

Vitalikの記事から注目に値するトラックは何ですか？

1はじめに：暗号とAIを組み合わせる4つの方法