ChatGpt記念日の反射：AIGCボトルネックとWeb3の機会

著者：Gryphsis Academy出典：中翻訳：Shan Oppa、Bitchain Vision

まとめ：

1. 2022年末までに、生成AIの商業用途は世界を一掃しますが、新鮮さが消えると、生成AIに関する現在の問題が出現しています。ますます成熟したWeb3フィールドは、ブロックチェーンの透明性、検証可能性、分散化された性質を利用して、これらの生成的AIの問題に対処するための新しい視点を提供します。

2. 生成人工知能は、深い学習ニューラルネットワークフレームワークに基づいて、近年新興技術です。画像生成モデルとChatGpt言語モデルへのアプリケーションは、大きな商業的可能性を示しています。

3. Web3では、生成的AIを実装するアーキテクチャには、インフラストラクチャ、モデル、アプリケーション、およびデータが含まれます。特にWeb3と統合する場合のデータコンポーネントは重要であり、大きな成長の可能性があります。ブロックチェーンベースのデータモデル、人工知能エージェンシープロジェクト、および専門分野でのアプリケーションが将来の開発の重要な領域になる可能性があることは注目に値します。

4. 市場のWeb3 AIプロトコルには現在、基礎の欠点があり、トークン価値を獲得する能力が限られています。将来のトークン経済の新しいトレンドを楽しみにしています。

5. 生成AIはWeb3スペースに大きな可能性があり、他のソフトウェアおよびハードウェアテクノロジーとの統合は、エキサイティングな将来の開発につながると予想されます。

1.生成AIとWeb3がお互いを必要とするのはなぜですか？

2022年は生成人工知能の分岐点であり、それ以前は、生成人工知能は主に専門家にとって補助ツールでした。これは、Dall-e 2、安定した拡散、イメージン、ミッドジャーニーの出現により劇的に変化しました。これらのテクノロジーは、人工知能生成コンテンツ（AIGC）を技術トレンドの最前線に押し上げ、ソーシャルメディアで人気のあるコンテンツブームを引き起こしています。ChatGptはゲームを変更して間もなくリリースし、トレンドをピークに押し上げました。

ほぼすべての質問に単純なテキストプロンプトで答える最初のAIツールとして、ChatGptはすぐに多くの人々の毎日の作業アシスタントになりました。ドキュメントライティング、宿題の個別指導、電子メール支援、紙の編集、さらには感情的な相談などのさまざまなタスクを処理できます。これは、「マジックプロンプト」を通じて最適化の結果についてオンラインで激しい議論をトリガーし、人々が「知性」を真に感じることができるようになりました。人工知能。

Goldman Sachs Macroチームのレポートによると、生成的なAIは、世界のGDP（または7兆ドル近く）を7％増加させる可能性があり、生産性の成長を1.5ポイント増加させる可能性があります。

Web3フィールドは、AIGC（人工知能生成コンテンツ）のプラスの影響も感じました。2023年1月、Web3のAIセクターは全面的に上昇しました。

しかし、最初の興奮が衰え始めたため、ChatGptのグローバルトラフィックは、2023年6月の発売以来初めて減少しました（Sametimewebからのデータ）。この不況は、人工知能を生成することの重要性と制限を再考するタイムリーな機会を示しています。

生成的な人工知能に直面している現在の課題には、これらに限定されません-ChatGptなどのスケールモデルには、データ分布の不均衡があるため、いくつかの側面にバイアスがあります。

ChatGptのような生成的AIに対する最初の熱意がフェードするにつれて、その分散化、透明性、検証可能性を備えた成熟した進化するWeb3ドメインは、生成AIが直面している課題に対する新しいソリューションを提供します。

1。Web3の透明性とトレーサビリティは、AIの生成コンテンツに関連する著作権とプライバシーの問題を解決できます

Web3の透明性とトレーサビリティは、コンテンツのソースと信頼性を効果的に検証することができ、それにより、著作権で保護されたTiktokミックスビデオやプライバシーが侵入するディープフェイクビデオなど、不正なまたは侵害されたAI生成コンテンツを生成するコストを大幅に増加させることができます。コンテンツ管理のスマートコントラクトは、著作権の問題を解決し、クリエイターがかなり補償されるようにすることができます。

2。Web3の地方分権化は、集中化されたAIコンピューティングのリスクを減らします

生成的人工知能を開発するには、多くのコンピューティングリソースが必要です。たとえば、GPT-3ベースのCHATGPTのトレーニングは200万ドル以上で、毎日の電気料金は約47,000ドルで、これらのコストは技術とスケールの進歩として指数関数的に成長すると予想されます。

現在、大量のコンピューティングリソースが大企業の手に集中しているため、開発、メンテナンス、運用コスト、集中リスクが高く、中小企業が競争することは困難です。大規模なモデルのトレーニングは、広範なコンピューティングニーズのために集中化する必要がある場合がありますが、Web3のブロックチェーンテクノロジーは、分散モデルの推論、コミュニティ投票ガバナンス、モデルトークン化を可能にすることができます。

分散型交換を例にとると、コミュニティが大規模なモデルを所有および管理するコミュニティ主導の分散型人工知能モデル推論システムを想像できます。

3.Web3を使用して、多様なAIデータセットと解釈可能なAIモデルを達成する

従来のデータ収集方法は、多くの場合、地理と文化によって制約されているため、AIやターゲットタスクの肌の色の変更など、AIやChatGPT応答によって生成されるコンテンツに主観的なバイアスが生じます。Web3のトークンインセンティブモデルは、世界中のデータ収集、収集、重みデータを最適化します。さらに、Web3の透明度とトレーサビリティは、モデルの解釈可能性を向上させ、モデルを濃縮する多様な出力を促進します。

4。Web3チェーン上の大規模なデータのユニークなAIモデル

AIモデルの設計とトレーニングは、通常、ターゲットデータ形式（テキスト、音声、画像、またはビデオ）を中心に構築されます。AIとWeb3の収束のためのユニークな将来の方向性は、自然言語モデルと同様に、オンチェーンデータの大規模モデルを開発することです。

このアプローチは、従来のデータ分析（インテリジェントファンド追跡、プロジェクトの資金調達フローなど）で利用できない独自の洞察を提供でき、AIには大量のデータを同時に処理する機能があります。

5.生成AIは、Web3の入力に対する障壁を減らすための触媒として機能します

現在、Web3プロジェクトへの主流の参加には、複雑なオンチェーン概念とウォレット操作を詳細に理解する必要があり、学習コストとエラーリスクが増加します。対照的に、Web2アプリケーションは「怠zyな原則」を中心に設計されており、ユーザーが簡単に安全に開始できるようにします。

生成AIは、ユーザーとWeb3のプロトコルの間の「スマートアシスタント」として行動することにより、意図中心のプロジェクトを支援することにより、ユーザーエクスペリエンスを大幅に向上させることができます。

2。生成AIテクノロジーの概要

2.1生成人工知能の技術的背景

人工知能の概念が1950年代に提案されて以来、いくつかのピークとトラフを経験しており、すべての重要な技術革新が新しい波を引き起こしました。

過去10年間に提案された新たな概念であるGenerative AIは、印象的な技術と製品のパフォーマンスに関するさまざまなAIの研究方向の中で際立っており、一晩で世界的な注目を集めています。生成的人工知能の技術的アーキテクチャを掘り下げる前に、この記事で生成人工知能の意味を定義し、最近人気の生成人工知能のコアテクノロジーを簡単にレビューする必要があります。

生成AIは、会話、ストーリー、画像、ビデオ、音楽など、新しいコンテンツとアイデアを作成するために使用されるAIです。多数のパラメーターを含む大規模なデータセットを使用して、ディープラーニングニューラルネットワークフレームワークと列車の上に構築されています。

最近、一般のビジョンに入った生成AI製品は、テキストまたはスタイル入力に基づく画像（ビデオ）生成製品であり、テキスト入力に基づいたChatGPTのような製品です。どちらのカテゴリも同じコアテクノロジーに依存しています。トランスアーキテクチャに基づく事前に訓練された大型言語モデル（LLM）です。

前者のクラスは、テキスト入力と拡散モデルを組み合わせて高品質の画像またはビデオを生成し、後者は人間のフィードバック補強学習（RLHF）を使用して、人間の論理に非常に似た出力を生成します。

2.2生成AIの現在の技術アーキテクチャ：

さまざまな観点から既存の技術アーキテクチャに対する生成的人工知能の影響を議論する多くの優れた記事があります。たとえば、「生成AIプラットフォームを所有する人」と題されたA16Zによる包括的な記事は、生成AIの現在の技術アーキテクチャを包括的に要約しています。

この調査によると、現在のWeb2時代の生成AIアーキテクチャは、インフラストラクチャ（コンピューティングパワー）、モデル、アプリケーションの3つのレベルに分かれています。この記事では、これら3つのレベルでの現在の開発に関する洞察も提供しています。

インフラストラクチャ：現在、焦点は依然として主にWeb2インフラストラクチャのロジックにあり、Web3とAIを真に統合するプロジェクトはほとんどありません。インフラストラクチャは、この段階で最大の価値を獲得しました。数十年にわたってストレージとコンピューティングの分野に深く関わってきたWeb2ジャイアントは、人工知能の探索段階で「シャベルを販売」することで大きな利益を上げてきました。

モデル：理想的には、モデルは人工知能の真の作成者であり所有者である必要があります。ただし、現在、これらのモデルの著者が対応するビジネス価値をキャプチャできるビジネスモデルはほとんどありません。

アプリケーション：複数の垂直で開発されたアプリケーションは、数億ドル以上の収益を生み出しています。ただし、メンテナンスコストが高く、ユーザーの維持率が低いと、これらのアプリケーションを実行可能な長期ビジネスモデルとして維持するための課題が発生します。

2.3 Web3での生成人工知能の適用

2.3.1 AIを使用して、大規模なWeb3データを分析します

データは、人工知能の将来の発展に対する技術的障壁を構築する礎石です。その重要性を理解するために、最初に大規模な人工知能モデルのパフォーマンスの原因に関する研究を調べます。

この研究は、大規模なAIモデルのユニークな出現を示しています。モデルサイズが特定のしきい値を超えると、モデルの精度が突然急増します。図に示すように、各チャートはトレーニングタスクを表し、各行は大きなモデルのパフォーマンス（精度）を表します。

さまざまな大きなモデルの実験では、一定のしきい値を超えた後、モデルのパフォーマンスがさまざまなタスクで画期的な成長を経験すると一貫して結論付けました。

本質的に、モデルサイズの定量的変化は、モデルパフォーマンスの定性的な変化につながります。このサイズは、モデルパラメーターの数、トレーニング期間、およびトレーニングデータの品質に関連しています。現在、モデルパラメーター（各企業のトップリサーチチームによって設計された）とトレーニング期間（コンピューティングハードウェアのほとんどがNVIDIAから購入されている）に有意な違いがない場合、主要製品を開発する2つの主要な方法があります。

1つ目は、ニッチ領域の特定の問題点を特定して対処することです。これには、ターゲット領域を深く理解し、洞察する必要があります。第二に、より実用的なアプローチは、競合他社よりも包括的なデータを収集することです。

これにより、生成AI大型モデルがWeb3レルムに入るための優れたエントリポイントが開きます。既存のAIビッグモデルまたは基本モデルは、さまざまな分野の大規模なデータでトレーニングされており、Web3のオンチェーンデータの一意性により、オンチェーンデータはエキサイティングで実行可能な方法になります。

Web3では、現在、データレベルに2つの製品ロジックがあります。1つ目は、データプロバイダーを奨励し、ユーザーがデータの使用権を共有することを奨励し、データのプライバシーと所有権を保護することです。海洋プロトコルは、この点で効果的なデータ共有モデルを提供します。2番目のアプローチには、ユーザーにタスク固有のサービスを提供するために、データとアプリケーションを統合するプロジェクトが含まれます。たとえば、Trusta Labはユーザーのオンチェーンデータを収集および分析し、魔女アカウント分析、チェーン上の資産リスク分析などのサービスを独自のメディアスコアリングシステムを通じて提供します。

2.3.2 Web3でのAIエージェントの適用

前述のように、オンチェーン人工知能エージェントの適用は活況を呈しています。大規模な言語モデルとユーザープライバシーの優先順位付けにより、定量化可能なオンチェーンサービスを提供します。OpenAIのチーフ人工知能研究者であるLilian Wengのブログ投稿によると、AIエージェントは4つの部分に分けることができます：Agent = LLM（大手言語モデル） +計画 +メモリ +ツールの使用。

AIエージェントのコアとして、LLMは外部相互作用を処理し、大量のデータから学習し、自然言語で論理的に表現します。計画 +メモリの側面は、アルファゴの訓練に使用される強化学習技術における行動、戦略、報酬の概念に似ています。

これには、タスクをより小さな目標に分解し、繰り返しトレーニングとフィードバックを通じて最適なソリューションを学習し、機能に基づいてさまざまな種類のメモリに情報を保存します。ツールの使用とは、エージェントがモジュラーツール、インターネット情報の取得、独自の情報源やAPIなどのツールへのアクセスを利用する機能を指します。この情報のほとんどは、事前トレーニング後に変更するのが難しいことに注意してください。

AIエージェントのこの論理を考えると、Web3とAIエージェントを組み合わせるという無限の可能性を想像できます。例えば：

1. 現在の取引アプリケーションでは、統合されたAIエージェントモデルは、顧客に自然言語インターフェイスを提供し、価格予測、取引戦略、停止損失戦略、動的レバレッジ調整、インテリジェントなフォローアップオピニオンリーダー、借入などなど、さまざまな取引機能を提供できます。取引機能。

2. 定量的戦略を実行する場合、戦略をさらにサブタスクに分解し、異なるAIエージェントに割り当てて実行することができます。共同AIエージェントは、プライバシー保護を強化し、リアルタイムの監視を可能にして、対戦相手によって搾取されるのを防ぐことができます。

3. ブロックチェーンベースのゲームの多くのNPCは、AIエージェントと自然に整合しています。GPTを適用してゲームキャラクターの会話を動的に生成するプロジェクトがすでにあります。将来の開発は、プリセットテキストを超えて、よりリアルなリアルタイムNPC（またはデジタルヒューマン）の相互作用を作成し、プレーヤーの介入とは独立して動作する場合があります。スタンフォードの「仮想町」は、このようなアプリケーションの良い例です。

4. 現在のWeb3+ AIエージェントプロジェクトは主にプライマリ市場またはAIインフラストラクチャに集中しており、キラー消費者アプリケーションはまだ表示されていませんが、ゲームを変えるWeb3+ AIプロジェクトの可能性は膨大です。これらのプロジェクトは、分散鎖ガバナンス、ゼロ知識の証明推論、モデル分布、解釈可能性の改善など、さまざまなブロックチェーン機能を通じて、将来的には幅広い見通しを持っています。

2.3.3 Web3+AIの潜在的な垂直アプリケーション

A.教育分野でのアプリケーション

Web3と人工知能の収束は、生成的な仮想現実の教室が顕著な革新である教育分野での革命を告げます。人工知能技術をオンライン学習プラットフォームに埋め込み、学生はパーソナライズされた学習体験を得ることができます。このシステムは、各学生の学習履歴と関心に基づいて、カスタマイズされた教育コンテンツを生成します。このパーソナライズされたアプローチは、学生の学習の動機と効率を改善し、教育をよりパーソナライズすることが期待されています。

さらに、トークンベースのクレジットインセンティブは、教育分野における革新的な慣行を表しています。ブロックチェーンテクノロジーを使用して、学生のクレジットと成績をトークンにエンコードして、デジタルクレジットシステムを形成できます。このインセンティブメカニズムは、学習活動への積極的な参加を促進し、より魅力的でやる気を起こさせる学習環境を作成します。

人気のあるソーシャルFIプロジェクトであるFriendTechに触発された同様の主要な価格設定ロジックを、学生間でピアレビューシステムを確立して、教育により多くの社会的要素を追加することに適用できます。ブロックチェーンの不変性を利用すると、ピアレビューはより公平で透明になりました。このピアレビューメカニズムは、学生のチームワーク能力を育成することを助長するだけでなく、学生のパフォーマンスのより包括的かつ多次元評価を提供し、教育システムに多様化し、全体的な評価方法を導入します。

B.医療分野での適用

医療分野では、Web3とAIの統合がフェデレーションの学習と分布の推論を促進しました。分散コンピューティングと機械学習を組み合わせることで、医療専門家は大規模にデータを共有し、より深く、より包括的なグループ学習を可能にすることができます。この集合的なインテリジェントなアプローチは、疾患の診断と治療計画の開発を加速し、医学の分野での進歩を促進することができます。

プライバシー保護は、医療分野でのアプリケーションの重要な側面でもあります。Web3の分散化とブロックチェーンの不変性により、患者の医療データをより安全に保存および転送できます。スマート契約は、医療データの正確な制御と許可管理を達成し、認定された人員のみが敏感な患者情報にアクセスできるようにし、それによって医療データのプライバシーを維持することができます。

C.保険の分野でのアプリケーション

保険業界では、Web3とAIの統合により、従来の事業により効率的でインテリジェントなソリューションがもたらされると予想されています。たとえば、自動車保険や家庭保険では、コンピュータービジョンテクノロジーの適用により、保険会社が画像分析と評価を通じて資産価値とリスクレベルをより効果的に評価するのに役立ちます。これにより、保険会社に、より洗練されたパーソナライズされた価格設定戦略を提供し、保険業界のリスク管理を強化します。

同時に、オンチェーン自動化されたクレーム処理は、保険業界の革新的な進歩です。スマートコントラクトとブロックチェーンテクノロジーを使用して、クレームプロセスはより透明で効率的になり、退屈な手順と人間の介入の可能性を減らします。これにより、請求プロセスをスピードアップするだけでなく、運用コストを削減し、保険会社と顧客により良いエクスペリエンスを提供します。

動的プレミアム調整は、イノベーションのもう1つの分野です。リアルタイムのデータ分析と機械学習アルゴリズムを通じて、保険会社は保険料をより正確かつタイムリーに調整し、被保険者の実際のリスクステータスに基づいて価格設定をパーソナライズできます。このアプローチは、保険料をより公平にするだけでなく、保険に加入している人がより健康で安全な行動をとり、社会全体でリスク管理と予防措置を促進することを奨励しています。

D.著作権の分野でのアプリケーション

著作権分野では、Web3と人工知能の組み合わせにより、デジタルコンテンツの作成、管理、コード開発のための新しいパラダイムが導入されました。スマートコントラクトと分散ストレージを通じて、デジタルコンテンツの著作権情報をよりよく保護することができ、クリエイターが知的財産権を追跡および管理しやすくなります。ブロックチェーンテクノロジーは、透明で不変の創造的な記録を確立することもでき、作品を追跡および検証するためのより信頼性の高い手段を提供します。

作業モデルの革新は、著作権分野の大きな変化も表しています。トークンインセンティブに関する共同作業は、作業の貢献とトークンの報酬を組み合わせて、クリエイター、キュレーター、開発者がプロ​​ジェクトに参加するよう奨励しています。これにより、クリエイティブチーム間のコラボレーションを促進するだけでなく、参加者がプロジェクトの成功から直接利益を得る機会を提供するため、より優れた作品を生み出します。

一方、著作権証明としてトークンを使用すると、利益分布モデルが再形成されます。スマートコントラクトによって自動的に実行される配当メカニズムを通じて、作業のすべての参加者は、作業が使用、販売、または転送されたときにリアルタイムで収入の独自のシェアを取得できます。この分散化された利益分布モデルは、従来の著作権モデルの不透明度と遅延の問題を効果的に解決し、より公平で効率的な利益分配メカニズムを作成者に提供します。

E.仮想宇宙のアプリケーション

メタバースでは、Web3とAIの収束により、ブロックチェーンベースのゲームコンテンツを濃縮するための低コストのAIGCを作成するための新しい可能性が開かれます。AIによって生成された仮想環境とキャラクターは、ゲームコンテンツを豊かにし、ユーザーにより鮮明で多様なエクスペリエンスを提供しながら、生産の労働と時間のコストを削減できます。

鮮やかなデジタル人間を作成することは、メタバースの適用における革新です。デジタル人間は、メタバースでさまざまな役割を果たすことができる大規模な言語モデルに基づいて構築された髪と心理学的論理を薄くて薄い身体的外観を持っています。ユーザーと対話したり、現実世界のシナリオでデジタルツインに参加することもできます。これは、バーチャルリアリティにとってより現実的で深い経験を提供し、エンターテイメント、教育、その他の分野におけるデジタルヒューマンテクノロジーの広範なアプリケーションを促進します。

ブロックチェーンユーザーポートレートに基づいて広告コンテンツを自動的に生成することは、メタバースのインテリジェントな広告アプリケーションです。メタバースでのユーザーの動作と好みを分析することにより、AIアルゴリズムは、クリックスルーレートとユーザーエンゲージメントを改善できる、よりパーソナライズされた魅力的な広告を作成できます。この広告作成方法は、ユーザーの関心を満たすだけでなく、より効率的なプロモーションチャネルを広告主に提供します。

生成インタラクティブNFTは、メタバースの魅力的なテクノロジーです。NFTと生成設計を組み合わせることで、ユーザーはメタバースで独自のNFTアートワークを作成し、対話性と独自性を与えることができます。これにより、デジタル資産の作成と取引の新しい可能性が開かれ、仮想宇宙でのデジタルアートと仮想経済の発展を促進します。

三つ。署名Web3プロトコル

このセクションでは、著者は5つの代表的なプロトコルを選択して、Web3フィールドでの生成AIの現在の状態を詳細に理解しました。レンダリングネットワークとAkashネットワークは、一般的なAIインフラストラクチャプロトコルとAIカテゴリのリーダーとして強調されています。 Web3では、現在のモデルトレーニングフィールドで人気のあるプロジェクトとして決定されました。

3.1レンダリングネットワーク（$ rndr）

Render Networkは、親会社のOtoyの創設者であるJules Urbachによって2017年に設立されました。Otoyのコアビジネスは、GoogleとMozillaの共同設立者からアドバイスされたクラウドベースのグラフィックスレンダリングであり、オスカー賞を受賞した映画プロジェクトに貢献し、Appleと協力しました。

Render Networkは、OtoyのWeb3フィールドへの移行であり、ブロックチェーンの分散的な性質を活用して、小規模なレンダリングと人工知能の要件を分散リソースに接続することを目指しています。この動きは、それ以外の場合は高価な集中コンピューティングリソース（AWS、MS Azure、Alibaba Cloudなど）をレンタルし、アイドル状態のコンピューティングリソースを持つ人々に収益を上げる機会を提供する小さなスタジオのコストを節約するように設計されています。

独自のレンダラーオクタンレンダリングをリリースしたOtoyがサポートして、Render Networkはすぐに堅実な基盤と潜在能力を備えたWeb3プロジェクトと見なされ、その固有のニーズと堅実なビジネスモデルを起動しました。

生成的AIの増加に伴い、分散検証と推論タスクの需要が増加しており、レンダリングの技術的アーキテクチャに完全に適合しており、将来の開発のための有望な方向性となっています。RenderはWeb3スペースのAIトラックをリードしており、一種のミームのようなエンティティになり、AIの周りの物語が加熱され、コンピューティングされたコンピューティングが熱くなり、その汎用性が示されたときはいつでも、上昇傾向から利益を得ています。

2023年2月、Render Networkは価格設定階層システムを更新するためのロードマップを発表し、$ RNDRのコミュニティ投票のための価格安定化メカニズムを導入しました（ただし、リリース日はまだ発表されていません）。このプロジェクトはまた、ポリゴンからソラナへの移行を発表しました（2023年11月に完了したSolana SPLに基づいて$ RNDRトークンを$ Renderトークンにアップグレードします）。

レンダリングネットワークの新しい価格設定システムは、オンチェーンサービスを高いレベルから低いレベルに分割し、各レベルは異なる価格とレンダリングサービスの品質に対応しています。これらのレイヤーは、特定のレンダリングニーズに基づいて顧客に選択肢を提供します。

コミュニティ投票のための$ RNDR価格安定性メカニズムは、不規則な買い戻しから「破壊およびコイン平衡（BME）」モデルに変わりました。この変更は、資産の長期保有ではなく、取引の馬小屋として$ RNDRを強調しています。BMEエポックの特定のビジネスプロセスは次のとおりです。

1. 製品の作成：レンダリングの製品作成者、つまりリソー​​スのレンダリングのプロバイダー、リソースを製品（ノード）にレンダリングするアイドル状態のパッケージ（ノード）、およびオンラインで使用するのを待っています。

2. 製品の購入：レンダリングニーズを備えた顧客は、サービス料として$ RNDRトークンを直接破壊できます。彼らが$ rndrトークンを持っていない場合、彼らは最初にフィアット通貨でデックスでそれらを購入し、次にトークンを破壊します。サービスによって支払われる価格は、ブロックチェーンに公開されています。

3. ミントトークン：プリセットルールに従って新しいトークンをミントします。

注：ネットワークは、製品購入者が支払ったプロジェクト運用取引手数料の5％を請求します。

各BMEエポックでは、プリセット数の新しいトークンが鋳造されます（量は時間とともに減少します）。これらの新しいトークンは、3つのパーティーに配布されます。

1. 製品作成者：彼らが受け取る報酬は次のとおりです。

A.タスクの完了：報酬は、各製品ノードによって完了したレンダリングタスクの数に基づいています。

bオンライン報酬：リソースプロバイダーはオンラインでタスクを完了することをお勧めします。

2。製品購入者：ショッピングモールの製品クーポンリターンと同様に、バイヤーは$ RNDRトークンリターンの最大100％を受け取ることができ、将来のレンダリングネットワークの使用を促進できます。

3。DEX流動性プロバイダー：DEXのプロバイダーと提携して、$ RNDRトークンが必要な破壊のためにリーズナブルな価格で提供され、$ RNDRの金額に基づいて報酬が与えられます。

過去1年間の$ RNDRの価格動向から判断すると、Web3の大手AIトラックプロジェクトとして、$ RNDRは2022年の終わりから2023年初頭にChatGPTが駆動するAIブームの恩恵を受けます。新しいトークンメカニズムの導入により、2023年上半期に$ RNDRの価格がピークに達しました。

安定性の期間の後、$ RNDRの価格は、OpenAIの新しいバージョン、Render NetworkのSolanaへの移行、および新しいトークンメカニズムの予想される実装によってトリガーされたAIリカバリーにより、最近の高値に達しました。$ RNDRの基本が小さいことを考えると、$ RNDRへの将来の投資には慎重な位置管理とリスク制御が必要です。

Dune Analytics Dashboardのデータは、2023年の初めからレンダリングタスクの総数が増加していることを示していますが、レンダリングノードの数は増加していません。これは、ワークロードの増加につながる新しいユーザーが、レンダリングリソースを提供するものではなく、レンダリングニーズを持つものであることを示唆しています。

生成AIが2022年末までに急増することを考えると、追加のレンダリングタスクが生成AIアプリケーションに関連していると推測することは合理的です。この需要の増加が長期的な傾向であるか、一時的な急増を表しているのかは、まだ見られないものであり、さらなる観察が必要です。

3.2 Akashネットワーク（$ akt）

Akash Networkは、開発者と企業に、より柔軟で効率的で費用対効果の高いクラウドコンピューティングソリューションを提供するように設計された分散型クラウドコンピューティングプラットフォームです。

プロジェクトの「スーパークラウド」プラットフォームは、分散ブロックチェーンテクノロジーに基づいており、ブロックチェーンの分散型特性を使用して、多様化したCPU、GPU、ストレージなどのコンピューティングリソースなど、グローバルおよび分散型クラウドインフラストラクチャをユーザーに提供します。

Akash Networkは、プロジェクトの豊富なバックグラウンドを持つ起業家であるGreg OsuriとAdam Bozanichによって設立された明確なミッションを持っています。クラウドコンピューティングコストを削減し、可用性を高め、ユーザーがコンピューティングリソースをより強く制御できるようにします。Akash Networkは、入札プロセスを通じてアイドル状態のコンピューティングリソースを開くようにプロバイダーをインセンティブすることにより、より効率的なリソースの利用を実現し、リソースデマイナーに競争力のある価格を提供します。

2023年1月、Akash NetworkはAkash Network Economics 2.0アップデートを開始し、現在のトークン経済のさまざまな欠陥に対処します。

1. 市場価格の$ AKTのボラティリティは、長期的な契約価格と価値の間の不一致につながります。

2. リソースプロバイダーに多くのコンピューティングパワーをリリースするためのインセンティブが不十分です。

3. 不十分なコミュニティのインセンティブは、プロジェクトの長期的な開発を妨げています。

4. $ aktの不十分な価値キャプチャは、プロジェクトの安定性にリスクをもたらします。

公式ウェブサイトによると、Akash Network Economy 2.0プランで提案されているソリューションには、Stablecoinの支払いの導入、契約収益の増加の注文料の増加、リソースプロバイダーへのインセンティブの強化、コミュニティのインセンティブの増加が含まれます。Stablecoinの支払い機能と注文料金が実装されていることは注目に値します。

Akashネットワークのネイティブトークンとして、$ AKTは、検証（セキュリティ）、インセンティブ、ネットワークガバナンス、取引手数料の支払いなど、プロトコルでさまざまな用途があります。公式ウェブサイトによると、$ AKTの総供給上限は3億8,800万人であり、2023年11月現在、約2億2,900万人（59％）がロック解除されています。プロジェクトの開始時に割り当てられたGenesisトークンは、2023年3月に完全にロック解除され、流通市場に参入します。創世記トークンの割り当ては次のとおりです。

価値の獲得に関しては、ホワイトペーパーで言及されている顕著な顕著な特徴の1つは、Akashがリースを成功させるたびに「料金」を請求することを計画していることです。これらの料金は、所有者への配布のために収益プールに送られます。

この計画では、Akt取引の10％の料金と、他の暗号通貨を使用した取引で20％の料金を規定しています。さらに、Akashは、Akt Holdingsを長時間ロックする保有者に報いるつもりであり、それによって長期的な投資を奨励する予定です。

Coingeckoの価格動向は、2023年8月中旬から11月下旬に$ Aktが上昇傾向を経験したことを示していますが、AIスペースの他のプロジェクトほど利益は良くありませんでした。

全体として、Akash NetworkはAIトラックで数少ない品質プロジェクトの1つであり、ほとんどの競合他社よりも優れている基礎があります。その潜在的なビジネス収益は、プロトコルに将来の収益性をもたらす可能性があり、AI業界の開発とクラウドコンピューティングリソースの需要の増加により、Akashネットワークは人工知能の次の波で大きな進歩を遂げると予想されます。

3.3ビテンサー（$ tao）

$ BTCの技術アーキテクチャに精通している人にとっては、ビテンサーの設計を理解するのは非常に簡単です。実際、Bittensorを設計するとき、その作成者は、暗号通貨Pioneer $ BTCのいくつかの機能からインスピレーションを引き出しました。

これには、2100万の総トークン供給、4年ごとに約半分の生産削減、および仕事の証明（POW）コンセンサスメカニズムなどが含まれます。

それを概念化するために、初期のビットコイン生産プロセスを想像してから、計算集中的な「マイニング」プロセスを、実際の価値を生み出さないAIモデルのトレーニングと検証に置き換えます。鉱夫は、AIモデルのパフォーマンスと信頼性に基づいて動機付けられています。これは、ビテンサー（$ TAO）プロジェクトアーキテクチャの簡単な要約を形成します。

Bittensorは、2019年にAIの研究者Jacob SteevesとAla Shaabanaによって設立されました。要するに、それは多くのサブネットで接続されたネットワークアーキテクチャを作成するオープンソースのライセンスフリープロトコルであり、それぞれが異なるタスク（機械翻訳、画像認識と生成、大規模な言語モデルなど）を担当します。優れたタスクはそれらを完了することで報われ、サブネットは相互に対話して学習することができます。

現在の主要な人工知能モデルに関しては、テクノロジーの巨人によるコンピューティングリソースとデータへの大量の投資の結果です。これらのAI製品はうまく機能しますが、このアプローチは中央集権的なリスクも高くなります。

Bittensorのインフラストラクチャにより、コミュニケーションの専門家ネットワークが相互に対話し、学習することができ、大規模モデルの分散トレーニングの基礎を築きます。Bittensorの長期的なビジョンは、Openai、Meta、Googleなどの巨人の閉じたソースモデルと競合することであり、推論のパフォーマンスに合わせようとしている間、分散型の特性を維持することです。

ビテンサーの技術的コアは、Yuma Raoによって独自に設計されたコンセンサスメカニズムであり、Yuma Consensusとしても知られており、PowとProof of Stake（POS）を混合しています。サプライヤーは主に「サーバー」（マイナー）と「検証剤」（検証者）を含み、需要者はネットワーク内のモデルを使用して「クライアント」（顧客）で構成されています。プロセスは次のとおりです。

1. クライアントは、処理のためにリクエストとデータをバリデーターに送信します。

2. 検証器は、特定のサブネットの下でマイナーにデータを配布します。

3. マイナーはモデルを使用し、データを受け取って結果を推論して返します。

4. 検証剤は、品質によって推論の結果をランク付けし、ブロックチェーンに記録します。

5. 最良の推論結果はクライアントに返され、鉱夫とバリデーターはランキングとワークロードに基づいて報酬を受け取ります。

Bittensor自体は、ほとんどのサブネットでモデルをトレーニングしていないことに注意してください。現在、オンラインで30のサブネットがあり、それぞれのサブネットが異なるタスクモデルに対応しています。

ビテンサーのネイティブトークンとしての$ TAOは、サブネットの作成、サブネットへの登録、サービス料金の支払い、および生態系内でのステーキングバリエーターの作成において重要な役割を果たします。BTCの精神に従って、$ TAOは公正にリリースすることを選択しました。つまり、すべてのトークンはネットワークへの貢献を通じて生成されます。

現在、$ TAOは1日あたり約7,200個のトークンを生産しており、鉱夫とバリッターに均等に分布しています。プロジェクトが開始されて以来、2100万トークンの約26.3％が生産されており、そのうち87.21％がステーキングと検証に使用されています。また、このプロジェクトは、BTCの生産ハービングモデルに約4年ごとに続き、2025年9月20日に次の半分のスケジュールが予定されており、重要な価格ドライバーになると予想されています。

2023年10月下旬から、$ TAOの価格動向は、主にOpenai会議後のAI熱意の新しい波とAIフィールドへのシフトによって駆動されています。

Web3+AIトラックの新しいプロジェクトとして、$ TAOの品質と長期的なビジョンも投資を集めています。しかし、他のAIプロジェクトと同様に、Web3+AIの組み合わせには大きな可能性がありますが、実際のビジネスでは長期的な収益性の高いプロジェクトをサポートすることはまだ発見されていないことを認めなければなりません。

3.4 alethea.ai（$ or）

2020年に設立されたAlethea.aiは、ブロックチェーンテクノロジーを使用して、分散型の所有権とガバナンスをもたらすためのコンテンツを生成することに専念するプロジェクトです。

Alethea.AIの創設者は、生成的なAIが生成コンテンツによって引き起こされる情報の冗長性に導かれると考えています元のクリエイターが利益を得るために。NFTSなどのブロックチェーンプリミティブを生成AIと接続することにより、彼らの目標は、生成AIとその内容の所有権を確保し、その上にコミュニティガバナンスに従事することです。

この概念によって推進されたAlethea.aiは、最初に新しいNFT Standard INFTを起動しました。これは、インテリジェンスポッドを使用してAIアニメーション、音声統合、さらには生成AIを画像に埋め込みます。Alethea.aiはまた、アーティストと協力して、アートワークを使用してINFTを作成しました。そのうちの1つは、サザビーズオークションで478,000ドルで販売されました。

Alethea.aiは、AIプロトコルを導入し、生成AI開発者または作成者が許可なくINFT標準を使用して作成できるようにしました。AIプロトコルを実証するために、Alethea.AIは、インタラクティブNFTを作成するためのGPTなどの大規模なモデル理論に基づいたツールであるCharacterGPTを開発しました。最近、彼らはOpen Fusionをリリースし、ERC-721 NFTをインテリジェンスと組み合わせてAIプロトコルでリリースできるようにしました。

alethea.aiの​​ネイティブトークンは$ aliで、4つの主要な用途があります。

1. 一定量の$ aliをロックしてINFTを作成します。

2. より多くの$ alisがロックされるほど、知能ポッドのレベルが高くなります。

3. $ Ali所有者はコミュニティガバナンスに参加しています。

4. $ ALIは、INFT間の相互作用の資格情報です（実際のユースケースはまだありません）。

$ aliのユースケースから判断すると、トークンの価値キャプチャが主に物語に基づいていることは明らかです。トークンの価格動向は、過去1年間のこれを確認しました。$ Aliは、2022年12月からChatGptが主導した生成的AIブームの恩恵を受けました。さらに、Alethea.aiが6月に新しいオープンフュージョン機能を発表したとき、価格の急増を引き起こしました。しかし、これらの状況とは別に、$ ALIの価格は下降傾向にあり、同様のプロジェクトのような2023年のAIの誇大広告にさえ反応していません。

ネイティブトークンに加えて、Alethea.aiの​​NFTプロジェクト（公式コレクションを含む）もNFT市場で注目に値します。

Dune Dashboardによると、サードパーティのインテリジェンスポッドとAlethea.aiの​​ファーストパーティのレバンズシリーズは、最初のリリース後に見えなくなりました。著者は、主な理由は、最初の斬新さが徐々に衰退し、ユーザーを維持するための相当な価値やコミュニティの参加がないことだと考えています。

3.5 fetch.ai（$ fet）

fetch.aiは、人工知能（AI）とブロックチェーンテクノロジーの統合を促進するためのプロジェクトです。その目標は、機械学習、ブロックチェーン、分散型台帳技術を組み合わせて、スマートエージェント間の経済活動をサポートすることにより、分散型のスマートエコノミーを構築することです。

2019年にイギリスの科学者であるフマユーン・シェイク、トビー・シンプソン、トーマス・ハインによって設立されたFetch.aiは、設立チームで印象的な背景を持っています。

Humayun SheikhはDeepmindの初期の投資家であり、Toby Simpsonはいくつかの企業でエグゼクティブポジションを務めており、Thomas Hainはシェフィールド大学の人工知能の分野の教授です。創設者の多様化された経験は、従来のIT企業、ブロックチェーンスタープロジェクト、医療、およびスーパーコンピューティング分野に及び、豊富な業界リソースをFetch.AIに提供します。

Fetch.aiの使命は、自律経済エージェント（AEA）と人工知能アプリケーションで構成される分散型ネットワークプラットフォームを構築し、開発者が自律エージェントを作成してプリセットの目標指向タスクを完了できるようにすることです。プラットフォームのコアテクノロジーは、そのユニークな3層アーキテクチャです。

1. POS-UD（認可されたステークの証明）コンセンサスメカニズムの根底にあるこの基本レイヤーは、スマートコントラクトネットワークをサポートし、マイナーコラボレーションを促進し、基本的な機械学習トレーニングと推論を促進します。

2. 中間層：Open Economic Framework（OEF）は、AEAS間の相互作用と基礎となるプロトコルのための共有スペースを提供し、AEAS間の検索、発見、およびトランザクションをサポートします。

3. トップレベル：AEAはfetch.aiのコアコンポーネントです。各AEAは、スキルモジュールを介してさまざまな機能を実行し、ユーザーによる事前定義されたタスクを実行できるインテリジェントプロキシソフトウェアです。これらのエージェントは、ブロックチェーンで直接実行されませんが、OEFを介したブロックチェーンおよびスマートコントラクトと対話します。スマートプロキシソフトウェアは、純粋にソフトウェアに基づいているか、スマートフォン、コンピューター、車などの物理的なハードウェアにバインドできます。fetch.aiは、Pythonベースの開発キットAEAフレームワークを提供します。これはモジュラーで、開発者がスマートプロキシを構築できるようにします。

このアーキテクチャに加えて、Fetch.aiは、プラットフォーム上のエージェントの開発でユーザーをサポートするために、共同学習（エージェント間の共有機械学習モデル）やMetaverse（エージェントクラウドホスティングサービス）などの後続の製品とサービスを開始しました。

Tokensに関しては、$ FETはFetch.aiのネイティブトークンとして、ネットワーク内のガスの支払い、ステークの検証、購入サービスなどの標準的な機能をカバーしています。$ fetトークンの90％以上がロック解除されており、特定の割り当ては次のとおりです。

Fetch.aiは設立以来、複数のトークン希釈資金調達ラウンドを経験しており、最新は2023年3月29日にDWFラボから受け取った3,000万ドルの投資です。$ fetトークンがプロジェクトの収益から価値を導き出すことができないことを考えると、その価格の勢いは主にプロジェクトの更新と人工知能の分野に対する市場の感情に依存します。実際、AI市場の2つの波のブームの中で、Fetch.aiの価格は2023年初頭と年末に100％以上の急増を経験しました。

Fetch.aiの開発軌跡は、テクノロジーの改善に焦点を当てたWeb2.0 AIスタートアップに似ています。継続的な資金調達と広範なコラボレーションを通じて、認識と収益性を求めています。

このアプローチは、fetch.aiで開発された将来のアプリケーションのための十分なスペースを残しますが、他のブロックチェーンプロジェクトにとって魅力的ではない可能性があり、生態系の活力を制限する可能性があります。Fetch.aiの創設者の1人は、Fetch.aiに基づいてDexプロジェクトであるMettalex Dexを立ち上げようとさえしましたが、失敗で終わりました。インフラストラクチャに焦点を当てたプロジェクトとして、エコシステムの減衰は、Fetch.AIの本質的な価値の成長も妨げています。

4。生成的人工知能の明るい未来

Nvidia CEOのJensen Huangは、生成された大きなモデルの発売を人工知能の「iPhoneモーメント」と比較し、人工知能の役割の重要な変化を示し、高性能コンピューティングチップは人工知能の希少な資源の中核となっています。

Web3 AIサブトラックのほとんどの資金をロックするAIインフラストラクチャプロジェクトは、投資家の長期的な注目の焦点です。チップジャイアントがコンピューティング機能を徐々にアップグレードすると、AIの機能が拡大し、Web3でより多くのAIインフラストラクチャプロジェクトを生み出し、おそらくWeb3でのAIトレーニング専用に設計されたチップでさえも発生する可能性があります。

消費者中心の生成AI製品はまだ実験段階にありますが、一部の産業用グレードのアプリケーションは大きな可能性を示しています。アプリケーションの1つは、実際のシナリオをデジタルフィールドに転送する「デジタルツイン」です。

産業データの未開発の価値を考慮すると、Nvidiaのメタコスミックデジタルツインプラットフォームは、産業用デジタル双子の重要な部分として生成AIを位置付けています。仮想世界、デジタルコンテンツの作成、現実世界の資産を含むWeb3では、人工知能の影響を受けたデジタルツインが重要な役割を果たします。

新しいインタラクティブハードウェアの開発も重要です。歴史的に、コンピューティングの分野におけるすべてのハードウェアの革新は、現在ユビキタスなコンピューターマウスやiPhone 4のマルチタッチコンデンサ画面など、革新的な変化と機会をもたらしました。

Apple Vision Proは、2024年の第1四半期にリリースされると発表し、印象的なデモで世界的な注目を集め、さまざまな業界に予期せぬ機会をもたらすことが期待されています。迅速なコンテンツの生産と広範な普及で知られるエンターテインメント業界は、多くの場合、最初にハードウェアの更新から恩恵を受けることがよくあります。これらには、Web3のメタバース、ブロックチェーンゲーム、NFTなどが含まれます。これらは長期的な注意と研究に値します。

長期的には、生成的人工知能の開発は、定性的変化につながる定量的変化を表しています。ChatGptの中心にあるのは、Q＆Aの推論の長期的な研究された学術的問題の解決策です。拡張データとモデルの反復を介してのみ、GPT-4の印象的なレベルに到達できます。Web3のAIアプリケーションは類似しており、現在Web2モデルがWeb3に適応する段階にあります。Web3データに完全に基づいたモデルはまだ表示されていません。先見の明のあるプロジェクトと、Web3固有の問題の調査に専念する膨大なリソースは、Web3に独自のChatGPTレベルのキラーアプリケーションをもたらします。

思考チェーンテクノロジーなど、生成的人工知能の技術的基盤を探求する多くの有望な方法があります。このテクノロジーにより、大規模な言語モデルは、マルチステップの推論に大きな飛躍を遂げることができます。ただし、複雑な論理推論における大規模なモデルの制限を強調し、さらに悪化させます。興味のある読者は、考え方に関する元の著者の論文を探索できます。

ChatGPTの後、さまざまなGPTをテーマにしたプロジェクトがWeb3に登場しましたが、GPTとスマートコントラクトを組み合わせるだけでユーザーのニーズを満たすことはできません。ChatGptがリリースされてから約1年後、将来的にはまだ大きな可能性があります。将来の製品は、Web3ユーザーの実際のニーズから開始する必要があります。Web3テクノロジーの成熟度が向上するにつれて、Web3での生成AIの適用は確かに広大で刺激的です。