11の主要な暗号AIプロジェクトの概要

Web の世界で AI が爆発的に普及するにつれ、真のイノベーションと作り話の区別がさらに難しくなります。 ETHDenver カンファレンスでは、最も主流の AI プロジェクト 11 件を招待しました。この記事では、各プロジェクトのビジョン、実装方法、アプリケーション シナリオの概要を簡単に説明します。これらの AI プロジェクトが現在の世界にどのような影響を与えているかを見てみましょう。

以下に、各プロジェクトからの重要な質問と回答を示します。

データ：

データ供給：AIトレーニングデータを入手するには？ （草）

データ ソース: データ ソースの IP アドレスをどのように保護しますか? （ストーリープロトコル）

データの調整: 特定のデータがモデルによって使用されるようにするにはどうすればよいでしょうか? （時空）

モデル：

オープンエコノミクス: インセンティブメカニズムを備えたオープンプラットフォームを構築するにはどうすればよいでしょうか? (ビッテンソル、知覚力)

モデルの調整: モデルの結果が改ざんされていないことをどのように証明するか? (モジュラスラボ、Ora)

インフラストラクチャー：

共通インフラストラクチャ: すべてのインフラストラクチャをどのように接続するか? （儀式）

エージェント：

AI エージェント: エージェントをインテリジェントで、構成可能で、所有可能にするにはどうすればよいでしょうか? (フューチャープリミティブ、オラス、マイシェル)

1. 草

理由: データはすべての AI トレーニングの基盤ですが、ゲートキーパーの選別方法により、高品質のトレーニング データを取得することが困難になっています。確かに、パブリックインターネットから大量のデータがスクレイピングされる可能性がありますが、大手の Web サイトでは商用データセンターがブロックされることがよくあります。

概要: GRASS は、データへのアクセスを可能にし、AI インフラストラクチャにおける公平性を促進するデータ提供プロトコルです。

仕組み: ユーザーは Chrome ウェブ拡張機能をインストールし、余剰のコンピューティングと帯域幅を使用してインターネットをスキャンし、AI データを探します。 Grass は、世界中の約 100 万の Web スクレイピング ノードのネットワークを運営しています。 Grass はこのネットワークを使用して、毎日 1 TB を超えるデータをクリーンアップおよび消去し、構造化されたデータセットを生成します。

利用されている場所: Grass nodes は現在、世界 190 か国で運用されています。

2. ストーリープロトコル

理由: AI のリミックスは違法であり、避けられません。人工知能の開発における主な障害は、収益性の欠如と、IP およびコンテンツ作成者に所有権とソースの保証を提供できないことです。

概要: クリエイターが独自のエンゲージメント ルールを設定できる、構成可能なオンチェーン IP レイヤー。グローバル IP 作品の認識性と流動性を高めます。

仕組み: クリエイターはライセンスされた NFT を購入して、静的 IP をプログラム可能な IP に変換できます。プログラム可能な IP は、名詞と動詞で構成される、あらゆるプログラムが読み取りおよび書き込みできるレイヤーです。名詞には、データ構造、IP 関連のメタデータ、ERC6551 の使用が含まれます。動詞には、モジュール、ライセンス、派生作品の収益源、グローバル アクセスなどの IP 資産の一連の機能が含まれます。デリバティブが利益を生んでいる限り、利益は自動的に還流されます。

使用場所: Story Protocol は、ライセンス、リース、派生製品、および地域、チャネル、有効期間、取り消し可能性、譲渡可能性、帰属のカスタマイズに使用できます。

3. 空間と時間

理由: LLM が進化するにつれて、データセットとパラメータが大企業によって変更または改ざんされる可能性があります。データセットが改ざんされていないことを暗号的に証明し、LLM トレーニング中に同じデータセットが使用されるようにすることが重要です。さらに、Space and Time は、著作権で保護されたデータをクリーンアップし、検証可能なベクトルのデータベースからデータを抽出し、推論プロセスにヒントを注入する方法を模索してきました。

概要: Space and Time は、インデックス付きデータに対する SQL クエリまたはベクトル検索を証明するインデクサーおよび ZK 証明器です。

実行方法: LLM プロバイダーは、独自のオンチェーン/オフチェーン トレーニング データセットを Space and Time にロードできます。ここで、データは暗号化コミットメントを使用して監視され、しきい値署名されます。その後、データセットが実際にトレーニングに使用されたことを証明するために使用されます。その後、弁護士や監査人/レビュー担当者は、トレーニング後にデータセットが改ざんされていないことを確認できます。 Space and Time は、「Blitzar」と呼ばれる GPU アクセラレータを開発しました。このアクセラレータは、単一の GPU で 14 秒の検証時間で 200 万行のテーブル クエリを完了できるようになりました。

使用目的: Space and Time を使用すると、ユーザーはプレーンテキストを使用してクエリを作成できます。数秒後、OpenAI はベクトル検索データベースからコンテキストを取得し、証明者が実行できる正確な空間および時間 SQL を書き込み、4 秒以内に証明を返します。

4. ビッテンソル

理由: OpenAI の目標は、人工知能の制御を独占することです。

概要: Bittensor は分散型オープンソース AI プラットフォームです。

方法: Bittensor ネットワークには 32 個のサブネットがあります。これらのサブネットワークはモデルから始まりましたが、現在ではストレージ、コンピューティング、クロール、追跡、さまざまな AI ドメインにまで拡張されています。 TAO トークンは、サブネットビルダーにモデルやプロジェクトを継続的に改善するインセンティブを与えます。バリデーターはサブネットの結果をランク付けします。ランキングによって TAO の配分が変わり、最後の 1 つはネットワークから排除されます。このメカニズムにより、モデルは最良の出力データを生成するために競争し、最も総合的な価値の高い作業が報われるようになります。

使用場所: 分散型ストレージ用の FileTAO、OpenAI 推論用の Cortex TAO、LLM 微調整用の Nous Research、分散型テキストからビデオへの変換用の Fractal Research など、強力なアプリケーションが登場しています。

5. 知覚力

理由: AGI の構築は危険であり、「人類絶滅の脅威」と資本主義の枠組みのリスクに直面しているため、本質的に暗号プラットフォームが必要です。暗号プラットフォームにはネイティブのキラーアプリケーションが必要です。

概要: Sentient は、主権インセンティブ主導の AI 開発プラットフォームです。

使用場所: Sentient はクラウドソーシング アプローチを使用し、コミュニティの調整とトレーニング モデルの貢献をサポートしてコストを削減し、オープン プロトコルを使用して推論を制御し、モデル間の構成を可能にし、ネットワーク参加者に価値を還元します。 Sentient は、web2 と web3 のパワーを集約し、トークンを活用することで、開発者が信頼できない AGI を構築するよう大きなインセンティブを与えます。

6. モジュラスラボ

理由: AGI の未来が止められないものになるにつれて、AI の結果が説明責任があり、安全であり、認定されたモデルによって生成され、操作されておらず、信頼できる中央機関の善意に依存していないことを実証する必要があります。

概要: Modulus は、わずかなコストで dApp に AI 機能を提供する特殊な AI ZK 証明器「Remainder」を構築しました。

方法: 検証不可能な AI 出力と比較して、最新の ZK 証明システムを使用するのは、オーバーヘッドが約 10,000 ～ 100,000 倍になるため、意味がありません。 Modulus は、オーバーヘッドがわずか 180 倍の AI 推論用のカスタム証明器を構築しました。

使用場所: Upshot は注目に値する実装ですが、Upshot の複雑な評価モデルはオフチェーンでしか実行できないため、信頼性の問題が生じます。ただし、Upshot は貴重な AI 評価を 1 時間ごとに Modulus に送信でき、Modulus は AI 計算の「正しさの証明」を生成し、その証明を集約して最終検証のために Ethereum に送信できます。

7. オラ

理由: AI モデルはオンチェーンで実行できず、数千台のコンピューターが 1 つの推論を実行します。オンチェーンで結果を検証することは可能ですが、モデルが大きくなるにつれて ZKML のコストは指数関数的に増加するため、線形コストのかかる実装である OPML が必要になります。

概要: Ora は、あらゆる規模の AI モデルに OPML を使用するオンチェーン AI オラクルです。

方法: Oracle を使用して、オフチェーン ノードに計算を委任します。ユーザーは、プロンプトと命名モデルを通じてスマート コントラクトからトランザクションを開始します。 OAO 契約は、推論を実行し、不正の証明を生成し、検証者を ORO に送信するために、トランザクションを OPML ノードに委任します。検証結果はトランザクション開始者に返されます。しかし、OPML は、入力/出力のプライバシー保護と即時の最終性を実現するために、依然として ZKP の支援を必要とします。さらに、ORA の ZK オラクルは OPML のストレージ証明を生成できるため、再利用時に OPML を繰り返す必要がありません。

使用場所: ORA を使用すると、Stable Diffusion や 7B-LLaMA などの大規模モデルを Ethereum メインネットで使用できるようになります。 ORA は、AI 管理の DAO と AIGC NFT (EIP7007 など) をサポートし、モデルに所有権を与えます。

8. 儀式

理由: AI インフラストラクチャがますます集中化、許可制になり、ますます厳しい規制の対象となるにつれて、新しい形式の監視と操作が出現します。しかし、暗号化は、プライバシーと計算の整合性、調整とインセンティブ、およびデフォルトで許可のないインフラストラクチャ関連のプリミティブを提供します。

概要: Ritual は、分散型オラクル ネットワークと主権チェーン (カスタム VM とコプロセッサを使用) で構成され、暗号と AI の融合の自然な融合点として機能します。

方法: Oracle ネットワーク「Infernet」により、EVM チェーン上の任意のスマート コントラクトがオンチェーン ワークフローをオフチェーン ML 推論に接続できるようになり、最終的にはコプロセッサによって、他のデータ可用性 (DA)、永続ストレージ、Prover ネットワーク、GPU ネットワーク、推論エンジンとの構成可能性を維持しながら、VM レベルでの AI ローカル操作が可能になります。 Ritual ネットワーク上のノードは、モデル操作を実行して提供するだけでなく、コンセンサスおよび実行クライアントも実行します。

使用場所: 「Frenrug」は、Inference SDK を使用して、ユーザーが friend.tech でキーを売買できるようにガイドする非決定論的 LLM を構築します。 DeFi レンディング プロトコルの場合、モデルをトレーニングして、すべてのプロトコルにわたってパラメータ化および一般化することができます。 MyShell は、暗号化対応 AI の最初のモデル作成経済の例となります。

9. オラス

理由: 自律エージェント (AA) は、特定の情報を認識してアクションを実行できる強力なエンティティです。しかし、Web2 自律エージェントの可能性は大きく制限されています。KYC 検証が実行できず、ユーザーが所有権を持つことができず、プラットフォームの検閲リスクがあり、構成可能性も限られています。

概要: Olas は、共有自律エージェント向けの分散型プロトコルです。

方法: Olas の世界では、エージェントはオフチェーンですが、登録と管理はオンチェーンです。エージェントは、自律的なサービスを実行するように配置されます (「分散型自律エージェント」)。エージェント オペレーターはエージェントとコンセンサス ツールを制御します。各エージェントは、サービス提供エージェント間の一時的なブロックチェーン上に複製される有限状態マシン (FSM) を実行します。サービス エージェントは、オンチェーン アクションを実行する前にオフチェーンで合意に達します。ネットワークは、資本提供者、コード提供者（開発者）、エージェント オペレーター（利害関係者）、サービス所有者（起業家）など、すべての利害関係者に OLAS トークン インセンティブを提供します。

使用目的: Olas Predict は、任意の将来のイベントの予測市場を継続的に作成して参加する 3 種類の自律エージェントの経済です。トレーダーエージェントのオペレーターは OpenAI への加入を心配する必要はありません。リクエストごとに暗号通貨を支払うだけです。

10. マイシェル

理由: LLM の台頭により、クリエイターがアプリケーションを簡単に構築し、現在の「静的」なクリエイター経済を動的な空間に変えるための、より優れたツールが必要になりました。

概要: MyShell は、AI ネイティブ アプリケーションを発見、作成、ステーキングするための分散型プラットフォームです。

方法: クリエイターは、MyShell 上で、コンパニオン AI から学習や仕事の体験を強化するように設計されたツールまで、AI ネイティブ アプリケーションをわずか数分で作成できます。オープン ソース モデルを選択し、プロンプトのプレフィックスとサフィックスを編集し、特定のフィールド、画像、今後のビデオ機能に関する情報を提供します。 MyShell LLM は大量の個人データに基づいており、ロールプレイング体験を人間により近づけます。トークンは、プレミアム機能へのアクセス、クリエイターのサポート、ロイヤリティの決済に使用されます。

使用場所: MyShell プラットフォームには複数の使用例があります。明確な個性と独自の声を持つ AI キャラクターは、仲間作り、学習、ゲー​​ムに使用できます。言語学習、テキストから画像への変換、ビデオコンテンツの要約などのツールもあります。

11. 未来の原始人

理由: NFT はインターネットネイティブのオブジェクトですが、プログラム可能性がないため、チェーン上でのさらなるアクションが制限されます。

概要: Future Primitive は、ERC6551 とそのインフラストラクチャを通じて NFT をスマート エンティティに変換します。

方法: ERC6551 を使用すると、各 NFT は Ethereum ユーザーと同じ権利を持ちます。資産を自己管理し、任意の操作を実行し、複数の独立したアカウントを制御することができます。すべての NFT アドレスはどの EVM チェーンでも同じであるため、クロスチェーンの可能性が広がります。 Token Binding V4 では、TBA の承認が発行され、スマート コントラクトは、トランザクションの署名、検証、実行を必要とせずに、オンチェーン操作を完全に自律的に実行でき、所有者はいつでも承認拡張を取り消すことができます。