DePIN の多次元分析は人工知能にどのように役立ちますか?

原著者: Filecoin Insights 寄稿者、Portal Ventures元のソース:Catrina

元のソース:Filecoin Network

かつて、スタートアップ企業は、そのスピード、機敏性、起業家文化により、組織の慣性の束縛から解放され、長期にわたり技術革新をリードしてきました。しかし、これらはすべて人工知能の時代によって書き換えられました。これまでのところ、画期的な AI 製品の開発者は、Microsoft の OpenAI、Nvidia、Google、さらには Meta などの伝統的なテクノロジー大手です。

どうしたの？今回巨人はなぜ先発に勝てたのか？スタートアップ企業は優れたコードを書くことができますが、テクノロジー大手と比べていくつかの障害に直面しています。

• コンピューティングコストは依然として高い

• AI 開発にはリバースローブがある: AI の社会的影響に関する懸念と不確実性が、必要なガイドラインの欠如によりイノベーションを妨げる

• AI ブラックボックスの問題

• 大手テクノロジー企業が築いた「データモート」が参入障壁となっている

  
  

では、なぜブロックチェーン技術が必要なのでしょうか?それは人工知能とどこで交差するのでしょうか?すべての問題を一度に解決できるわけではありませんが、分散型物理インフラストラクチャ ネットワーク (DePIN)上記課題を解決するための条件を整備しました。以下では、DePIN の背後にあるテクノロジーが人工知能にどのように役立つかを、主に 4 つの次元から説明します。

• 減らす確認する

• 確認するクリエイターとパーソナリティ

• 埋めるAI の民主主義と透明性

• 設定データ貢献報酬の仕組み

  
  

下に：

• “web3”次世代のインターネット、ブロックチェーン技術、およびその他の既存の技術を有機的な要素として指します。

• 「ブロックチェーン」分散化および分散台帳テクノロジーを指します。

• 「暗号化」最初のレベルのタイトル

1. インフラストラクチャ コストの削減 (コンピューティングとストレージ)

技術革新の波はすべて、高価なものが無駄になるほど安価になることから始まります。

——社会の技術的負債とソフトウェアのグーテンベルク モーメント、SKベンチャーズより

インフラストラクチャの手頃な価格がいかに重要か(人工知能のインフラストラクチャとは、データのコンピューティング、送信、保存にかかるハードウェアのコストを指します)、カルロタ・ペレスの技術革命理論画像の説明

出典: カルロタ・ペレスの技術革命理論

• 設置段階多額のベンチャーキャピタルを活用し、そしてそして「プッシュ」市場開拓 (GTM) 戦略これは、顧客が新しいテクノロジーの価値提案を理解していないためです。

• インフラストラクチャのプロビジョニングが大幅に増加する導入フェーズ特徴として、新規参入者獲得の敷居を下げ、"引く"市場開拓 (GTM) 戦略、これは、製品の市場適合性が高く、顧客はまだ形成されていない製品をさらに期待していることを示しています。

ChatGPT などの試みが市場適合性と顧客の需要を実証した今、AI が導入段階に入ったと感じる人もいるかもしれません。質問

質問

現在の物理インフラ分野は、AWS、GCP、Azure、Nvidia、Cloudflare、Akamai などの垂直統合型寡占によって主に独占されており、利益率が高い業界であり、AWS のコモディティ コンピューティング ハードウェアの粗利益率は 61%。したがって、AI分野、特にLLM分野への新規参入者は、非常に高い計算コストに直面しなければなりません。

• ChatGPT の 1 回のトレーニング セッションのコストは 400 万米ドルと推定され、ハードウェア推論の運用コストは 1 日あたり約 70 万米ドルです。

• Bloom のバージョン 2 のトレーニングと再トレーニングには 1,000 万ドルかかる可能性があります。

• ChatGPT が Google 検索に参入すると、Google の収益は 360 億ドル減少します。画像の説明

解決

解決

Filecoin などの DePIN ネットワーク (分散データ ストレージを提供するインターネット レベルのハードウェアを収集することに焦点を当てた、2014 年の DePIN パイオニアに由来)、Bacalhau、Gensyn.ai、Render Network、ExaBits（CPU/GPUの需要と供給を一致させるための調整層) は、次の方法によりインフラストラクチャ コストを 75% ～ 90% 以上節約できます。

1. 供給曲線を押し上げ、市場競争を刺激する

DePIN は、ハードウェア サプライヤーがサービス プロバイダーになる平等な機会を提供します。これは、誰もが「マイナー」として参加し、CPU/GPU やストレージの能力を金銭的な報酬と交換できる市場を生み出し、それによって既存のプロバイダーとの競争を生み出します。

AWS のような企業は、ユーザー インターフェイス、運用、垂直統合において 17 年も有利なスタートを切っているのは確かですが、DePIN は、一元化されたサプライヤーからの価格設定を受け入れることができない新しい顧客ベースを引きつけます。Ebay がブルーミングデールズと直接競合しないのと同じように、より経済的な代替品を提供する同様のニーズを満たすために、分散ストレージ ネットワークは集中型のサプライヤーに代わるものではなく、価格に敏感なユーザー グループにサービスを提供するように設計されています。

2. 暗号化された経済設計を通じて市場の経済バランスを促進する

DePIN によって作成された補助金メカニズムは、ハードウェア サプライヤーがネットワークに参加するようガイドするにより、エンドユーザーのコストが削減されます。原則として、Web2 と Web3 の AWS と Filecoin ストレージ プロバイダーのコストと収益を確認できます。

顧客は値下げを受けます:DePIN ネットワークは競争市場を創出し、ベルトラン・コンペティション、これにより顧客の支払いコストが削減されます。比較すると、AWS EC 2 が存続するには、最大 55% のマージンと 31% の全体マージンが必要です。 DePINネットワークによって提供されるトークンインセンティブ/ブロック報酬あまりにも新しい収入源。 Filecoin のコンテキストでは、ストレージ プロバイダーは、ホストする実際のデータが増えるほど、ブロック報酬 (トークン) を獲得します。したがって、ストレージプロバイダーには、より多くの顧客を引きつけて取引を成立させ、収益を増やすインセンティブがあります。いくつかの新興コンピューティング DePIN ネットワークのトークン構造は未公開のままですが、おそらく同様のパターンに従います。同様のネットワークには次のようなものがあります。

• Bacalhau: データが保存されている調整層に計算をもたらし、大量のデータの移動を回避します。

• exaBITS: AI および計算集約型アプリケーションにサービスを提供する分散コンピューティング ネットワーク。

• Gensyn.ai: 深層学習モデルのコンピューティング プロトコル。

3. 諸経費の削減:Bacalhau、exaBITS、IPFS/コンテンツ アドレス ストレージなどの DePIN ネットワークの利点は次のとおりです。

• 潜在データの可用性を解放します。スポーツスタジアムで生成される大規模なイベントデータなどの大量のデータは、大規模なデータセットの送信にかかる帯域幅コストが高いため、現在活用されていません。 DePIN プロジェクトは、オンサイトでデータを処理し、意味のある出力のみを送信することで、潜在的なデータの可用性を明らかにします。

• 運用コストの削減:データをローカルで取得することで、データ入力、転送、インポート/エクスポートのコストを削減します。

• 機密データの共有における手作業を最小限に抑えます。病院 A と病院 B がそれぞれの患者の機密データを組み合わせて分析する必要がある場合、Bacalhau を使用して GPU コンピューティング能力を調整し、面倒な管理プロセスを通じて個人を特定できる情報 (PII) を相互に交換することなく、機密データをローカルで直接処理できます。

• 基礎となるデータセットを再計算する必要はありません。IPFS/コンテンツ アドレス可能ストレージには、データの重複排除、トレース、検証機能が備わっています。 IPFSの機能やコストパフォーマンスについてはこちらをご覧ください。この記事。

AI が生成した概要:最初のレベルのタイトル

質問

質問

最近の研究では、AI 学者の 50% は、AI が人間に壊滅的な危害を与える可能性は 10% を超えると考えています。

AIによる社会混乱が生じているにもかかわらず、規制や技術仕様が整備されていない状態が「リバースローブ」と呼ばれ、警戒が必要だ。

たとえば、このツイッター動画画像の説明

出典: ブルームバーグ

AI の社会的影響が、偽のブログ、会話、画像によって引き起こされる問題をはるかに超えて広がっていることは注目に値します。

• 2024 年の米国選挙では、AI が生成したディープフェイクのキャンペーン コンテンツが初めて本物のフェイクの効果を達成しました。

• エリザベス・ウォーレン上院議員のビデオは彼女に「発言」させるために編集されていた"共和党員には投票を許可すべきではない"そのような言葉（噂は否定されています）。

• 音声合成されたバイデンの声はトランス女性を批判している。

• アーティストのグループが、AIを訓練するためのアーティストの作品の不正使用、著作権侵害、アーティストの生活への脅威を主張して、MidjourneyとStability AIに対して集団訴訟を起こした。

• ザ・ウィークエンドとドレイクをフィーチャーしたAI生成曲「ハート・オン・マイ・スリーブ」はストリーミングプラットフォームで急速に広まったが、後に削除された。新しいテクノロジーが規制なしで主流になると、多くの問題が発生します。著作権侵害は「逆ローブ」問題です。

解決

解決

暗号化チェーン上の出所証明を個人の証明と作成者の証明に使用する

ブロックチェーン技術を真に機能させる - 不変のオンチェーン履歴を含む分散台帳として、デジタル コンテンツの信頼性をコンテンツ暗号証明を通じて検証できます。

作成者の証明および人格の証明としてのデジタル署名

ディープフェイクを識別するには、元のコンテンツの作成者に固有のデジタル署名を使用して暗号証明を生成できます。デジタル署名は、作成者のみが知っており、誰もが利用できる公開鍵によって検証できる秘密鍵を使用して作成できます。署名があることは、そのコンテンツが人間であれ AI であれ、元の作成者によって作成されたことを証明し、コンテンツへの許可された変更または許可されていない変更を検証します。

IPFS とマークル ツリーによる信頼性の証明

IPFS は、コンテンツ アドレス指定とマークル ツリーを使用して大規模なデータセットを参照するための分散プロトコルです。ファイルの内容が受信されて変更されたことを証明するために、マークル プルーフが生成されます。マークル プルーフは、マークル ツリー内の特定のデータ ブロックの位置を示すハッシュの文字列です。変更が行われるたびに、ハッシュがマークル ツリーに追加され、ファイル変更の証拠が提供されます。

暗号化スキームの問題点はインセンティブ メカニズムです。結局のところ、ディープフェイク作成者を特定したにもかかわらず、社会への悪影響を軽減できるしかし、それは同じような経済的利益をもたらさないでしょう。この責任は、Twitter、Meta、Google などの主流メディア配信プラットフォームにある可能性が高く、実際にそのとおりです。では、なぜブロックチェーンが必要なのでしょうか?

答えはブロックチェーンの暗号署名と信頼性の証明ですより有効で、検証可能で、確実です。現在、ディープフェイクの検出プロセスは主に機械学習アルゴリズム (Meta の「ディープフェイク検出チャレンジ」、Google の「非対称数値システム」(ANS)、c 2 pa: https://c 2 pa.org/ など) を通じて行われています。コンテンツ内の視覚的な規則性と異常性を特定します。しかし、多くの場合、精度が十分ではなく、ディープフェイクの開発速度に遅れをとっています。通常、信頼性を判断するには手動によるレビューが必要ですが、非効率的でコストがかかります。

ある日、すべてのコンテンツに暗号化された署名が付けられたら、誰もが創造の源を証明することができます。改ざんや偽造をマークすれば、美しい世界が到来します。

AI が生成した概要:最初のレベルのタイトル

質問

質問

現在の AI は、独自のデータと独自のアルゴリズムで構成されるブラック ボックスです。大手テクノロジー LLM の閉鎖的な性質は、私が見ているものを台無しにします「AI民主主義」つまり、すべての開発者だけでなくユーザーも LLM モデルに貢献できます。アルゴリズムとデータ関連記事関連記事）。

AI 民主主義 = 可視性(モデルに入力されたデータとアルゴリズムを確認できます)+ 貢献する解決

解決

AI 民主主義の目的は、生成 AI モデルを公的に利用可能にし、関連性を持たせ、公衆が所有できるようにすることです。以下の表は、AI の現状と Web3 ブロックチェーン テクノロジーによって実現できる将来を比較したものです。

現在のところ -

のためにクライアント：

• LLM 出力を一方向に受信する

• 個人データの使用方法を制御できない

のために開発者：

• 低い構成可能性

• ETL データ処理は追跡不可能であり、再現が困難です

• データの提供元はデータ所有機関に限定されます

• クローズドソース モデルには有料の API 経由でのみアクセスできます

• 共有データ出力には検証可能性が欠けており、データ サイエンティストはローエンドのデータ クリーニングに時間の 80% を費やしています。

ブロックチェーンを組み合わせた後——

のためにクライアント：

ユーザーは、微調整の基礎としてフィードバック (バイアス、コンテンツのモデレーション、出力に関する詳細なフィードバックなど) を提供できます。

ユーザーは、モデルが利益を上げた後、利益と引き換えにデータを提供することを選択できます

のために開発者：

• 分散データ管理層:データのラベル付けなど、反復的で時間のかかるデータ準備タスクをクラウドソーシングします。

• 可視性検証可能なソースとアルゴリズムを組み合わせて微調整する機能 (すべての変更の改ざん防止履歴を確認できます)

• データ主権(コンテンツ アドレッシング/IPFS によって有効になります) およびアルゴリズム主権 (例: Urbit は、データとアルゴリズムのピアツーピア構成と移植性を可能にします)

• LLM イノベーションを加速し、基礎となるオープンソース モデルのバリエーションから LLM イノベーションを加速します。

• 再現可能なトレーニング データ出力、過去の ETL 操作とクエリ (Kamu など) のブロックチェーンの不変記録を通じて実装されます。

Web2 のオープンソース プラットフォームも妥協的な解決策を提供していると言う人もいますが、その効果は理想的ではありません。関連する議論を参照してください。exaBITSのブログ投稿。

最初のレベルのタイトル

質問

質問

現在、最も価値のある消費者データは大手テクノロジー企業の独占的な資産であり、中核的なビジネス上の障壁となっています。テクノロジー大手には、このデータを外部の関係者と共有するインセンティブがありません。

では、なぜ作成者やユーザーから直接データを取得できないのでしょうか?なぜデータを公開リソースにし、データを提供し、データサイエンティストが使用できるようにオープンソースにすることができないのでしょうか?

単純に〜だからインセンティブと調整メカニズムの欠如。データの維持と ETL (抽出、変換、ロード) の実行には、かなりのオーバーヘッド コストがかかります。実際、2030 年には、コンピューティング コストを除いて、データ ストレージだけでも 7,770 億ドルの産業になるでしょう。データ処理の作業とコストを無料で引き受ける人はいません。

OpenAI を見てみますと、当初はオープンソースかつ非営利であることが設定されていましたが、コストの実現が難しく、コストをカバーできませんでした。 2019 年、OpenAI は Microsoft からの資金提供を受け入れる必要があり、アルゴリズムは一般に公開されなくなりました。 2024 年までに、解決。

解決

Web3の紹介新しい仕組み「dataDAO」、AI モデル所有者とデータ貢献者間の収入の再分配を促進し、クラウドソーシングによるデータ貢献に対するインセンティブ層を作成します。紙面の都合上、ここでは展開しませんが、さらに詳しく知りたい場合は、次の 2 つの記事をご覧ください。

• DataDAO の仕組み/DataDAO の仕組み、Protocol Labs の HQ Han 氏による

• web3/web3 でデータの貢献と収益化がどのように機能するか データの貢献と収益化がどのように機能するかについて、この記事で dataDAO のメカニズム、欠点、機会について詳しく説明しました

  
  

一般に、DePIN は新しいアプローチを採用し、Web3 と AI のイノベーションを促進するための新しいハードウェア エネルギーを提供します。テクノロジー大手が AI 業界を独占する一方で、新興プレーヤーはブロックチェーン技術を活用して争いに参加することができます: DePIN ネットワークはコンピューティングコストを下げる方法で参入障壁を下げます; ブロックチェーンの検証可能かつ分散された性質により真にオープンな AI が可能になります; 革新的なメカニズムなどdataDAO がデータの貢献を奨励するのと同様に、ブロックチェーンの不変性と耐改ざん機能は作成者の身元証明を提供し、AI の社会的悪影響に関する人々の懸念を払拭します。