VanEck：2030年加密货币人工智能收入预测

火星财经

特邀专栏作者

2024-02-21 05:29

この記事は約12028文字で、全文を読むには約18分かかります

区块链技术可能成为人工智能采用和去中心化解决方案进步的关键驱动力，加密激励措施可以提高人工智能模型的安全性和效率。

原作者：パトリック・ブッシュ、マシュー・シーゲル

オリジナル編集: Lynn、Mars Finance

私たちは、2030 年までの AI 暗号通貨収益シナリオの概要を説明し、基本ケースである 102 億ドルを強調し、必須機能を通じて AI 導入を推進する上でのパブリックブロックチェーンの重要な役割を強調します。

VanEck は以下にリストされているデジタル資産のポジションを保有している可能性があることに注意してください。

キーポイント：

当社の基本ケースによると、暗号 AI の収益は 2030 年までに 102 億ドルに達すると予想されています
ブロックチェーン技術は、AIの導入と分散型AIソリューションの進歩の主要な推進力となる可能性がある
暗号化インセンティブとの統合により、AI モデルのセキュリティと効率が向上します
ブロックチェーンは AI 認証とデータ整合性の課題の解決策になる可能性がある

パブリックブロックチェーンは、人工知能 (AI) の広範な導入を解く鍵となる可能性が非常に高く、AI アプリケーションが暗号通貨の存在意義となるでしょう。これは、暗号通貨が、透明性、不変性、明確に定義された所有権プロパティ、敵対的なテスト環境など、人工知能に必要な重要な基礎要素を提供するためです。これらの機能が AI の可能性を最大限に発揮できるようになると私たちは信じています。 AI の成長予測に基づいて、AI に焦点を当てた暗号プロジェクトは 2030 年までに年間収益が 102 億ドルに達すると私たちは主張します。この記事では、AI 導入促進における暗号通貨の役割と、暗号通貨が AI ビジネスにもたらす価値について推測します。

このブログはこちらからご覧くださいPDF版。

人工知能における暗号通貨の最適な用途は次のとおりであることがわかりました。

分散コンピューティングリソースを提供する
モデルのテスト、微調整、検証
著作権保護とデータの完全性
人工知能のセキュリティ
身元

暗号通貨は、人工知能の現在および将来の課題の多くをすでに解決しているため、人工知能にとって非常に役立ちます。本質的に、暗号通貨は調整の問題を解決します。暗号通貨は、オープンソースソフトウェアを実行するために人的、計算的、金銭的リソースを結集します。これは、各ブロックチェーンネットワークを作成、サポート、使用する人々に、各ネットワークの価値に関連付けられたトークンの形で報酬を提供することによって行われます。この報酬システムは、AI 価値スタックのさまざまなコンポーネントをガイドするために使用できます。暗号と人工知能を組み合わせる重要な意味は、生成モデルの使用のトレーニング、微調整、サポートに特化した GPU クラスターなど、必要な物理インフラストラクチャを開発するために暗号通貨のインセンティブを使用することです。暗号通貨は、ユーザーの望ましい行動に報酬を与えるために暗号通貨を使用する敵対的な環境であるため、人工知能モデルをテストおよび微調整して、特定の品質基準を満たす出力を最適化するための最良の基盤となります。

また、ブロックチェーンはデジタル所有権に透明性をもたらし、OpenAIとMicrosoftに対するニューヨーク・タイムズ紙の訴訟で強調されているように、AIが法廷で直面するオープンソース・ソフトウェアの問題の一部を解決するのに役立つ可能性がある。つまり、暗号化により、データ所有者、モデル作成者、モデルユーザーの所有権と著作権保護を透過的に証明できます。この透明性は、モデルの有効性の数学的証明をパブリックブロックチェーンに公開することにも拡張されます。最後に、偽造不可能なデジタル署名とデータの整合性により、パブリックブロックチェーンは、AI の有効性を損なう可能性がある識別とセキュリティの問題を軽減するのに役立つと考えています。

人工知能企業における暗号通貨の役割の定義

2030 年の仮想通貨 AI 収益の推定: ベア、ベースケース、ブルシナリオ

出典: モルガン・スタンレー、ブルームバーグ、ヴァンエック・リサーチ、2024 年 1 月 29 日現在。過去のパフォーマンスは将来の結果を保証するものではありません。このブログで提供される情報、評価シナリオ、目標株価は、財務上のアドバイスや行動喚起、売買の推奨、または AI ビジネスの将来のパフォーマンスの予測として機能することを目的としたものではありません。実際の将来のパフォーマンスは不明であり、ここに記載されている仮説の結果とは大きく異なる可能性があります。パフォーマンスを妨げる可能性のある、提示されたシナリオでは考慮されていないリスクやその他の要因が存在する可能性があります。これらは当社の調査に基づくシミュレーション結果にすぎず、説明のみを目的としています。ご自身で調査を行って、ご自身の結論を導き出してください。

暗号 AI の市場を予測するために、私たちはまず AI によるビジネスの生産性向上の総アドレス可能市場 (TAM) を推定します。この数値のベースラインはマッキンゼーの 2022 年の想定に基づいています。次に、経済成長と生産性成長の仮定をマッキンゼーの予測に適用して、2030 年の基本ケースの TAM を 5.85 兆ドルと計算します。この基本ケースでは、AI の生産性の伸びが GDP の伸び (3%) よりも 50% 高いと仮定します。次に、グローバル企業における AI の市場浸透率 (基本ケースでは 33%) を予測し、これを最初の TAM に適用し、AI が企業に 1.93 兆ドルの生産性向上をもたらすと予測しました。すべての AI ビジネスの収益を計算するには、生産性の向上の 13% が AI ビジネスによって収益として獲得される (または企業の消費者によって費やされる) と仮定します。 AI支出が同様であると仮定して、SP 500企業の人件費の平均収益シェアを適用してAIの収益シェアを推定します。分析の次の部分では、ブルームバーグインテリジェンスの AI 価値スタック分布の予測を適用して、各 AI ビジネスグループの年間収益を推定します。最後に、各ケースおよび各市場の最終的な数値に到達するために、各 AI ビジネスの暗号通貨市場シェアの具体的な推定値を提供します。

私たちは、オープンソースのパブリックリポジトリを使用して構築された分散型 AI モデルが、考えられるあらゆるユースケースに適用される未来を思い描いています。多くの場合、これらのオープンソースモデルは、一元的な AI 作成よりも優れたパフォーマンスを発揮します。この仮定の根拠は、オープンソースコミュニティには、物事を改善するための独自の動機を持つ愛好家や愛好家が集まるという仮定に基づいています。私たちは、オープンソースのインターネットプロジェクトが従来のビジネスを破壊するのを見てきました。この現象の最良の例は、商業百科事典ビジネスを事実上終了させたウィキペディアと、ニュースメディアを混乱させたツイッターです。これらのオープンソースコミュニティは、従来の企業が失敗しても成功します。これは、オープンソースグループが社会的影響力、イデオロギー、グループの団結の組み合わせを通じて価値を提供するよう人々を調整し、鼓舞するためです。簡単に言えば、これらのオープンソースコミュニティが成功しているのは、メンバーが気を配っているからです。

オープンソース AI モデルと暗号通貨インセンティブを組み合わせることで、これらの新興コミュニティの範囲を拡大し、新しい参加者を引き付けるために必要なインフラストラクチャを作成する資金力をコミュニティに与えることができます。この前提を人工知能に適用することは、情熱と資金力の興味深い組み合わせとなるでしょう。人工知能モデルは仮想通貨インセンティブコンテストでテストされ、モデル評価ベンチマークの環境が確立されます。この環境では、各モデルの価値が明確に定量化されるため、最も効果的なモデルと評価基準が優先されます。したがって、当社の基本ケースでは、ブロックチェーンで生成された AI モデルが AI ソフトウェア収益全体の 5% を占めると予想されます。この推定にはハードウェア、ソフトウェア、サービス、広告、ゲームなどが含まれており、事業運営量の変化を反映しています。 AI ソフトウェアの総収益のうち、これは AI 収益全体の約半分、つまり約 1,255 億ドルを占めると予想されます。したがって、オープンソースモデルの市場シェア 5% は、暗号トークンに裏付けされた AI モデルからの収益が 62 億 7000 万ドルに相当すると推定されます。

微調整、トレーニング、推論のためのコンピューティング (またはサービスとしての AI インフラストラクチャ) の TAM は、2030 年までに 4,744 億ドルに達すると予測しています。 AI が広く採用されるにつれて、AI は世界経済の多くの機能に不可欠なものとなり、コンピューティングとストレージの提供は、発電と配電と同様のユーティリティとして想定される可能性があります。この動きでは、「ベースロード」の大部分は Amazon や Google などの GPU クラウドハイパースケーラーから来ており、その市場シェアはパレート分布の 80% に近づくことになります。ブロックチェーン分散型バックエンドサーバーインフラストラクチャが特殊なニーズに応え、ネットワーク需要が高い期間に「ピーク」プロバイダーとして機能すると考えられます。カスタマイズされた AI モデルの作成者にとって、暗号化されたストレージおよびコンピューティングプロバイダーは、オンデマンドサービスの提供、SLA ロックイン期間の短縮、よりカスタマイズされたコンピューティング環境、遅延の感度の向上などのメリットを提供します。さらに、分散型 GPU はスマートコントラクトの分散型 AI モデルとシームレスに統合できるため、AI エージェントが独自のコンピューティングニーズを拡張する許可のないユースケースが可能になります。ブロックチェーンによって提供される GPU を、人工知能コンピューティングインフラストラクチャに相当する Uber/Lyft と考えると、ブロックチェーンによって提供されるコンピューティングとストレージが人工知能インフラストラクチャの非ハイパースケール市場の 20% を占め、19 億ドルの収益を生み出す可能性があると考えられます。。

証明可能なオンチェーン人間性を通じて人工知能エージェントとモデルの文脈で「アイデンティティ」を定義することは、世界のコンピューターネットワークの魔女防御メカニズムとみなすことができます。さまざまなブロックチェーンネットワークのセキュリティ保護に関連する料金を調べることで、このサービスのコストを見積もることができます。 2023 年には、ビットコイン、イーサリアム、およびソラナのこれらのコストは、それぞれ、各ネットワークのインフレ発行額の約 1.71%、4.3%、および 5.57% になります。控えめに見て、ID 認識は AI 市場の約 3.5% を占めるはずだと推測できます。 AI Software の TAM が 1,255 億ドルであることを考慮すると、これは年間収益 87 億 8,000 万ドルに相当します。私たちは、暗号通貨がアイデンティティ問題に対する最良の解決策を提供すると信じているため、暗号通貨がこの最終市場の 10% を獲得し、年間収益は約 8 億 7,800 万ドルになると予想されます。

AI セキュリティは、AI デバイスのもう 1 つの重要なコンポーネントになると予想されており、基本的な要件は、モデルが正しく機能していることを検証するために、破損していない関連性のある最新のデータを使用することです。 AI が自動運転車、工場ロボット、医療システムなど、人命が危険にさらされる用途に拡大するにつれて、障害に対する許容度は厳しくなります。事故発生時の説明責任の必要性により、保険市場では安全性の具体的な証明が求められるようになるでしょう。パブリックブロックチェーンは、誰でも閲覧できる不変の台帳に「セキュリティの証拠」を公開できるため、この機能に最適です。この業務は金融機関におけるコンプライアンスに近いものと考えられます。米国の商業銀行と投資銀行が 6,600 億ドルの収益をあげている一方、コンプライアンス費用に 587 億 5000 万ドル (収益の 8.9%) を費やしていることを考慮すると、AI TAM 2,510 億ドルのうち、AI セキュリティが約 223 億 4,000 万ドルを占めると予想されます。暗号通貨には AI のセキュリティを強化する可能性がありますが、米国政府が AI に注力していることを考えると、AI コンプライアンスの多くは一元化されると考えられます。したがって、暗号通貨はこの市場の約 5%、つまり約 11 億ドルを占めると予想されます。

分散コンピューティングリソースを整理する

暗号通貨は、社会的および財政的調整の計り知れない利点を利用してコンピューティングへのアクセスを民主化し、それによって現在 AI 開発者を悩ませている問題点を解決できます。高コストと高品質の GPU へのアクセスの制限に加えて、AI モデルの構築者は現在、他の厄介な問題に直面しています。これらには、ベンダーロックイン、セキュリティの欠如、コンピューティング可用性の制限、遅延の少なさ、州法で義務付けられているジオフェンシングなどが含まれます。

GPU に対する人工知能の需要を満たす仮想通貨の能力は、トークンインセンティブを通じてリソースをプールする能力に由来しています。ビットコインネットワークのトークン価値は 8,500 億ドル、株式価値は 200 億ドルであり、これはこの能力の証拠です。したがって、現在のビットコインマイナーと将来有望な分散型 GPU 市場はどちらも、分散型コンピューティングを提供することで人工知能に大きな価値を付加する可能性を秘めています。

ブロックチェーンを介した GPU の提供を理解するために役立つ例えは、発電ビジネスです。簡単に言えば、ほとんどの送電網のニーズを満たす電力を確実に生成できる、大規模で高価なプラントを運営する企業が存在します。これらの「ベースロード」プラントには安定した需要がありますが、建設には多額の設備投資が必要となるため、資本収益率は比較的低いものの保証されています。ベース負荷を補うのは、「ピーク電力」と呼ばれる別のタイプの発電機です。これらの企業は、需要がベースロード発電容量を超えた場合に電力を供給します。これには、エネルギー需要の近くに戦略的に配置された、高コストで小規模なエネルギー生産が含まれます。私たちは、「オンデマンドコンピューティング」の分野でも同様の動きが現れると予想しています。

ビットコインマイナーは人工知能に多様化

ビットコインやその他のプルーフ・オブ・ワーク暗号通貨は、人工知能と同様に、高いエネルギーを必要とします。このエネルギーは、生成、収穫、輸送され、採掘装置やコンピューティングクラスターに電力を供給するために使用可能な電力に分解される必要があります。サプライチェーンでは、鉱山労働者は発電所、電力購入契約、送電網インフラ、データセンター施設に多大な投資をする必要があります。 PoW 暗号通貨のマイニングによってもたらされる金銭的インセンティブにより、エネルギーと電力の権利と統合されたグリッドアーキテクチャを備えた、世界中に分散された多くのビットコインマイナーが出現しました。このエネルギーの多くは、社会が避けている低コストで炭素集約的な資源から来ています。したがって、ビットコインマイナーが提供できる最も魅力的な価値提案は、AI バックエンドインフラストラクチャを駆動するための低コストのエネルギーインフラストラクチャです。

AWS や Microsoft などのハイパースケールコンピューティングプロバイダーは、垂直統合型の運用に投資し、独自のエネルギーエコシステムを構築する戦略を追求してきました。大手ハイテク企業は上流に進出し、独自のチップを設計し、その多くが再生可能であるエネルギーを独自に調達しています。現在、データセンターは米国企業が利用できる再生可能エネルギーの 3 分の 2 を消費しています。 Microsoft と Amazon はともに、2025 年までに 100% 再生可能エネルギーの供給を達成することを約束しています。しかし、予想されるコンピューティング需要が予想を上回れば、一部の人が言うように、AI中心のデータセンターの数は2027年までに2倍になり、設備投資は現在の予想の3倍になる可能性がある。大手ハイテク企業はすでに電力料金として0.06～0.10ドル/kWhを支払っているが、これは競争力のあるビットコインマイナーが通常支払う金額（0.03～0.05kWh）よりもはるかに高価である。 AI のエネルギー需要が大手ハイテク企業の現在のインフラ計画を超えた場合、ハイパースケールマイナーに対するビットコインマイナーの電力コストの優位性が大幅に高まる可能性があります。マイナーは、GPU の供給に関連した利益率の高い人工知能ビジネスにますます魅力を感じています。注目すべきは、Hive が 10 月に報告したところによると、HPC と AI の運用により、メガワットあたりの収益がビットコインマイニングの 15 倍に達したということです。人工知能の機会を捉えている他のビットコインマイナーには、Hut 8 や Applied Digital などがあります。

ビットコインマイナーはこの新しい市場で成長を経験しており、収益の多様化と収益報告の充実に貢献しています。 Hut 8 の 2023 年第 3 四半期アナリストとの電話会議で、最高経営責任者 (CEO) のジェイミー・レバートン氏は、「当社の HPC ビジネスでは、新規顧客の追加と既存顧客の成長により、第 3 四半期にある程度の勢いを生み出しました。先週、オンデマンドのクラウドサービスを開始しました」と述べました。このサービスは、人工知能、機械学習、視覚効果、レンダリングワークロードをサポートできる Kubernetes ベースのアプリケーションを、GPU からの HPC サービスを求める顧客に提供します。このサービスは、プロビジョニング時間を数日から数分に短縮しながら、制御を顧客の手に委ねます。 Hut 8 2023 年第 3 四半期からの HPC ビジネスは 450 万ドルの収益を達成し、同期間の同社収益の 25% 以上を占めた HPC サービスと新製品の需要の高まりビットコインの半減期が近づいているため、市場の状況によっては、HPC の収益が間もなくマイニングの収益を超える可能性があり、この事業分野の将来の成長を促進するはずです。

彼らのビジネスは有望に思えますが、人工知能に目を向けているビットコインマイナーは、データセンター構築スキルの不足や電源を拡張できないために問題に遭遇する可能性があります。これらのマイナーは、データセンターに特化した新しい営業スタッフを雇用するコストによる運用オーバーヘッドに関連する課題も見つける可能性があります。さらに、現在の採掘作業は、安価なエネルギーを最適化する結果、高速光ファイバー接続が不足していることが多い遠隔地に設置されるため、適切なネットワーク遅延や帯域幅がありません。

人工知能のための分散型クラウドの実装

また、AI サーバーリソース市場の小さいながらも重要な部分を獲得する、コンピューティング中心の暗号プロジェクトのロングテールも見られます。これらの組織は、ハイパースケールを超えてコンピューティングクラスターを調整し、新興 AI ビルダーのニーズに合わせた価値提案を提供します。分散コンピューティングの利点には、カスタマイズ可能性、オープンアクセス、契約条件の改善などが含まれます。これらのブロックチェーンベースのコンピューティング企業により、小規模な AI プレーヤーは、H 100 や A 100 などのハイエンド GPU の莫大な費用と一般的な入手不能を回避できます。暗号 AI ビジネスは、暗号トークンインセンティブを中心に構築された物理インフラストラクチャのネットワークを構築することで需要に応え、同時に独自の IP を提供してソフトウェアインフラストラクチャを作成し、AI アプリケーションのコンピューティング使用を最適化します。ブロックチェーンコンピューティングプロジェクトは、市場手法と暗号化報酬を使用して、独立したデータセンター、余剰のコンピューティング能力を持つエンティティ、および元 PoW マイナーから安価なコンピューティングを発見します。 AI モデルの分散コンピューティングを提供するプロジェクトには、Akash、Render、io.net などがあります。

Akash は、CPU、GPU、メモリ、ストレージを提供する一般的な分散型「スーパークラウド」と考えることができる Cosmos ベースのプロジェクトです。実際、これはクラウドサービスユーザーとクラウドサービスプロバイダーをつなぐ双方向の市場です。 Akash のソフトウェアは、AI モデルのトレーニング、微調整、実行を容易にするツールを作成しながら、コンピューティングの需要と供給を調整するように設計されています。 Akash はまた、マーケットプレイスの買い手と売り手が誠実に義務を履行することを保証します。 Akash は $AKT トークンを通じて調整されており、クラウドサービスの料金を割引価格で支払うために使用できます。 $AKT は、GPU コンピューティングプロバイダーや他のネットワーク参加者に対するインセンティブメカニズムとしても機能します。供給面では、Akash マーケットプレイスには 65 の異なるベンダーが存在するため、Akash はコンピューティングベンダーの追加において大きな進歩を遂げました。 2023 年 8 月 31 日の Akash の AI スーパークラウドの発売を前にコンピューティング需要は低迷していましたが、コンピューティング購入者は発売日以来 138,000 ドルを費やしました。

最近 Solana に移転した Render は、当初、画像やビデオをレンダリングするための GPU パワーを提供する分散グループとアーティストを結び付けることに重点を置いていました。ただし、Render は、深層学習モデルをサポートするために、分散型 GPU クラスターを機械学習ワークロードに集中させ始めています。ネットワーク改善提案 RNP-004 を通じて、Render は外部ネットワーク (io.net など) に接続するための API を備え、機械学習に Render の GPU ネットワークを活用します。その後、Render コミュニティからの提案が承認され、機械学習タスクのために Beam および FEDML を介して GPU にアクセスできるようになりました。その結果、Render は、プロバイダーに RNDR ドルを支払い、ネットワークのバックエンドインフラストラクチャを実行するエンティティに RNDR インセンティブを提供することで調整され、GPU ワークロードの分散型ファシリテーターとなりました。

io.net GPUの価格比較。出典: io.net 2024 年 1 月 4 日現在。

Solana のもう 1 つの興味深いプロジェクトは io.net です。これは、DePIN または分散型物理インフラストラクチャネットワークと考えられています。 io.net の目的も GPU を提供することですが、AI モデルを駆動するために GPU を適用することだけに重点を置いています。 Io.net は、単に計算を調整するだけでなく、コアスタックにさらに多くのサービスを追加しました。そのシステムは、ネットワーク全体の AI ワークロードを適切に促進およびトラブルシューティングするための作成、消費、微調整を含む AI のすべてのコンポーネントを処理すると主張しています。このプロジェクトでは、独自の GPU だけでなく、Render や Filecoin などの他の分散型 GPU ネットワークも活用しています。 io.net には現在トークンが不足していますが、2024 年の第 1 四半期にローンチする予定です。

分散コンピューティングのボトルネックを克服する

ただし、ディープラーニングモデルのトレーニングに必要な一般的な 633 TB 以上のデータによってネットワーク需要が課せられるため、この分散コンピューティングを活用することは依然として課題です。世界中にあるコンピュータシステムでは、遅延やコンピュータの機能の違いにより、並列モデルのトレーニングに新たな障害が生じています。オープンソースのベースモデル市場に積極的に参入している企業の 1 つが Together です。同社は、オープンソース AI モデルをホストするための分散型クラウドを構築しています。これにより、研究者、開発者、企業は、データ、モデル、計算を組み合わせた直観的なプラットフォームを通じて AI を活用および改善できるようになり、AI のアクセシビリティを拡大し、次世代のテクノロジー企業を強化できるようになります。 Together は、主要な学術研究機関と協力して、研究所が人工知能研究のためのコンピューティングを一元化できるようにするための Together 研究用コンピューターを構築しました。同社はまた、スタンフォード大学の基本モデル研究センター (CRFM) と協力して、言語モデルの全体的評価 (HELM) を作成しました。 HELM は、そのような基礎となるモデルを評価するための標準化されたフレームワークを提供することで、人工知能の透明性を高めるように設計された「生きたベンチマーク」です。

Together の創設以来、創設者 Vipul Ved Prakash は、1) GPT-JT (1 Gbps 未満のリンクでトレーニングされた 6 B パラメータモデルを備えたオープン LLM)、2) OpenChatKit (特殊なデータを作成するための強力なオープンソース基盤) を含む複数のプロジェクトを主導してきました。 3) RedPajama は、研究および商用アプリケーションの基礎となることを目的とした主要なオープンソースモデルを作成するプロジェクトです。 Together プラットフォームは、コモディティハードウェアのオープンモデル、分散型クラウド、包括的な開発者クラウドで構成される基礎モデルであり、消費者マイナー、仮想通貨マイニングファーム、T2 ～ T4 クラウドプロバイダー、アカデミックコンピューティングなどのさまざまなコンピューティングソースを統合します。

Together のような分散型かつ民主化されたクラウドコンピューティングソリューションは、新しいモデルの構築コストを大幅に削減し、アマゾンウェブサービス、Google Cloud、Azure などの既存の巨人を破壊し、競合する可能性があると信じています。コンテキストとして、AWS キャパシティブロックおよび AWS p 5.48 xlarge インスタンスを、同じ数の H 100 SXM 5 GPU で構成された Together GPU クラスターと比較すると、Togetter の価格は AWS より約 4 倍低くなります。

Open LLM がより正確になり、より広く採用されるようになると、Linux における Red Hat と同様に、Togetter がオープンソースモデルの業界標準になる可能性があります。この分野の競合他社には、モデルプロバイダーの Stability A や HuggingFace、人工知能クラウドプロバイダーの Gensyn や Coreweave などがあります。

暗号通貨インセンティブによる AI モデルの強化

ブロックチェーンと暗号通貨のインセンティブは、ネットワーク効果とネットワーク効果の規模に関連する報酬が人々に有益な仕事を強いることを示しています。ビットコインマイニングのコンテキストでは、高価な電力、技術的人材、ASIC マシンを使用してビットコインネットワークを保護することが課題となります。この経済リソースの調整により、ビットコインに対する経済攻撃に対する Sybil 攻撃防御メカニズムが提供されます。その代わりに、これらのリソースを調整するマイナーは BTC USD を受け取ります。ただし、AI における有用な作業のためのグリーンスペースははるかに大きく、すでにいくつかのプロジェクトが AI および機械学習モデルの改善を推進しています。

これらのプロジェクトの中で最も独創的なのが Numerica です。現在、Numerai は、株式ポートフォリオを構築することで財務利益を最適化するための最良の機械学習モデルを特定することを目的とした分散型データサイエンストーナメントと考えることができます。各エポックでは、匿名の Numerai 参加者に隠された生データへのアクセスが与えられ、このデータを使用して最高のパフォーマンスを発揮する株式ポートフォリオを構築するよう求められます。参加するには、ユーザーは予測を提出する必要があるだけでなく、モデルの価値を証明するためにモデルの予測の背後に NMR トークンを賭けることも強制されます。他のユーザーも、パフォーマンスが最も優れていると思われるモデルにトークンを賭けることができます。その後、誓約され提出された各モデルの出力が機械学習アルゴリズムに入力され、Numerai One ヘッジファンドの投資決定を知らせるメタモデルが作成されます。最高の情報係数または有効性を持つ「推論」を提出したユーザーには、NMR トークンが与えられます。同時に、最悪のモデルを賭けた人はトークンを削減されます (没収され、勝者に報酬を与えるために再利用されます)。

Bittensor のサブネットとユースケース。出典: https://taostats.io/api/ 2024 年 1 月 2 日現在。

Bitensor は、Numerai の中核概念を大幅に拡張する同様のプロジェクトです。 Bittensor は、AI/ML モデルに経済的インセンティブを提供するネットワークであるため、「機械知能のビットコイン」と考えることができます。これは、AI モデルを構築する「マイナー」と、これらのモデルの出力の品質を評価する「検証者」エンティティによって行われます。 Bittensor のアーキテクチャは、基本ネットワークと多数の小さなサブネット (サブネット) から構成されます。各サブネットワークは、マシンインテリジェンスの異なる領域に焦点を当てています。バリデーターは、AI モデルの品質を評価するために、これらのサブネット上のマイナーにさまざまな質問やリクエストを出します。

最もパフォーマンスの高いモデルには最高の TAO トークンが与えられ、バリデーターにはマイナーの正確な評価に対して報酬が支払われます。高いレベルでは、バリデーターとマイナーの両方が各サブネットに参加するためにトークンをステークする必要があり、合計ステーキングに占める各サブネットの割合によって、すべての Bittensor の合計インフレから受け取る TAO トークンの数が決まります。したがって、各マイナーには、最大の報酬を獲得するためにモデルを最適化するインセンティブがあるだけでなく、モデルを最適な人工知能ドメインサブネットに集中させるインセンティブもあります。さらに、マイナーとバリデーターは参加するために資金を維持する必要があるため、全員が資本コストの壁を超えるか、システムから退出する必要があります。

2024 年 1 月の時点で、32 の異なるサブネットがあり、それぞれが機械学習または人工知能の特定の領域に特化しています。たとえば、サブネット 1 は、ChatGPT と同様に LLM を要求するテキストです。このサブネット上で、マイナーは応答品質を評価するバリデータプロンプトに最適に応答するように調整されたさまざまなバージョンの LLM を実行します。「Taoshi」と呼ばれるサブネット 8 では、マイナーがビットコインやさまざまな金融資産の価格の短期予測を提出します。 Bitensor には、人間の言語翻訳、ストレージ、オーディオ、Web スクレイピング、機械翻訳、画像生成専用のサブネットもあります。サブネットの作成は許可が必要なく、200 TAO を持つ人なら誰でもサブネットを作成できます。サブネットオペレーターは、各サブネットのアクティビティに対する評価と報酬のメカニズムを作成する責任があります。たとえば、Bittensor の背後にある基盤である Opentensor はサブネット 1 を実行しており、最近、Cerebras と共同でそのサブネット上のマイナーの LLM 出力を評価するモデルをリリースしました。

これらのサブネットは、当初はインフレ報酬によって全額補助されますが、最終的には各サブネットが財政的に維持する必要があります。したがって、サブネットのオペレータとバリデータは、外部ユーザーが有料で各サブネットのサービスにアクセスできるようにするツールを作成するために協力する必要があります。インフレによる TAO 報酬が減少するにつれて、各サブネットは維持するために外部収益にますます依存するようになります。この競争環境では、最高のモデルを作成し、他のモデルがこれらのモデルの収益性の高い現実世界のアプリケーションを作成するように奨励するという直接的な経済的圧力がかかります。 Bittensor は、気が利かない中小企業を活用して AI モデルを特定し収益化することで、AI の可能性を解き放っています。著名なビッテンソール伝道者モグマシン氏が言うように、この力関係は「人工知能をめぐるダーウィンの競争」とみなすことができます。

もう 1 つの興味深いプロジェクトは、暗号を使用して、人間や他のコンピュータープログラムに代わって自律的にタスクを完了するようにプログラムされた人工知能エージェントの作成を奨励することです。これらのエンティティは本質的に、特定の問題を解決するために設計された適応型コンピュータープログラムです。エージェントは、チャットボット、自動取引戦略、ゲームのキャラクター、さらには仮想世界のアシスタントを含む包括的な用語です。この分野の注目すべきプロジェクトの 1 つは、NFT を使用して、所有され、駆動され、訓練された人工知能エージェントを作成するプラットフォームである Altered State Machine です。 Altered State Machine では、ユーザーは「エージェント」を作成し、GPU の分散クラスターを使用してエージェントを「トレーニング」します。これらのエージェントは、特定の使用例に合わせて最適化されています。もう 1 つのプロジェクトである Fetch.ai は、各ユーザーのニーズに合わせてカスタマイズされたエージェントを作成するためのプラットフォームです。 Fetch.ai は、登録とリースまたは販売代理店が可能な SaaS ビジネスでもあります。

AIトークンは2023年1月1日から返却されます

出典: Artemis XYZ 2024 年 1 月 10 日現在。過去のパフォーマンスは将来の結果を保証するものではありません。

ゼロ知識 (zk) 証明による検証

2023 年は新しい AI モデルにとって画期的な年であり、OpenAI は ChatGPT を発表し、Meta は LLAMA-2 を発表し、Google は BERT を発表しました。ディープラーニングの期待により、2023 年 6 月時点で米国には 18,563 社を超える人工知能関連のスタートアップ企業があります。これらの新興企業やその他の企業は、何千もの新しいベースモデルと微調整されたモデルを作成してきました。しかし、ベンチャーキャピタルの 4 ドルのうち 1 ドルが AI 関連企業に投資されている分野では、多くの新しい事業体の急増は深刻な懸念を引き起こすはずです。

各モデルを実際に作成し、所有しているのは誰ですか?
出力は指定されたモデルによって実際に生成されますか?
このモデルは本当に宣伝どおりに機能しますか?
各モデルのデータソースは何ですか?そのデータの所有者は誰ですか?
トレーニング、微調整、および/または推論は著作権やデータ権を侵害しますか?

これらのモデルの投資家とユーザーはどちらも、これらの問題を解決できると 100% 確信する必要があります。現在、コード生成用の HumanEval、LLM 補助タスク用の Chatbot Arena、LLM 推論機能用の ARC Benchmark など、LLM 出力のさまざまなコンポーネントに対して多くのベンチマークが存在します。しかし、Hugging Face の Open LLM Leaderboard のようなモデルの透明性への試みにもかかわらず、モデルの有効性、最終的な来歴、またはトレーニング/推論データのソースについての具体的な証拠はありません。ベンチマークをゲームできるだけでなく、(別のモデルに接続する API を使用するのとは対照的に) 特定のモデルが実際に実行されているかどうかを判断する方法がなく、リーダーボード自体が正直であるという保証もありません。

これは、パブリックブロックチェーン、人工知能、ゼロ知識 (zk) 証明と呼ばれる最先端の数学分野の統合です。 zk 証明は、基礎となるデータを誰にも明らかにすることなく、データに関する記述が正しいことを望ましいレベルの数学的確実性で証明できる暗号化の応用です。ステートメントには単純なステートメント (ランキングなど) を含めることができますが、複雑な数学的計算に拡張することもできます。たとえば、誰かは、サンプルの相対的な富を他人に明かさずに知っていることを証明できるだけでなく、グループの平均と標準偏差の正しい計算を証明することもできます。基本的に、データの詳細や計算の実行方法を明らかにすることなく、データを理解していること、および/またはデータを使用して真実の主張を行ったことを実証できます。人工知能以外では、proof-of-zk がイーサリアムの拡張に使用され、レイヤー 2 ブロックチェーン上でオフチェーンでトランザクションを実行できるようになりました。最近、zk 証明が深層学習モデルに適用され、以下が証明されています。

特定のデータを使用してモデルを生成するか、推論出力を提供します (どのデータ/ソースが使用されないかも)
特定のモデルを使用して推論を生成する
推論出力は改ざんされていない

zk プルーフは、パブリックな永続的なブロックチェーンに公開し、スマートコントラクトを介して検証できます。その結果、ブロックチェーンは人工知能モデルの重要な特性を公に反論の余地なく証明できるようになります。 ZK を AI に適用する 2 つの最先端のプロジェクトは、「ゼロ知識機械学習」(ZKML) と呼ばれ、EZKL と Modulus です。 EZKL は、Halo 2 証明システムを使用して、イーサリアムの EVM で公的に検証できるゼロ知識証明である zk-snarks を生成します。 EZKL が現在証明できるモデルサイズは比較的小さく、ChatGPT 4 の 175 B パラメータと比較すると、約 1 億パラメータです。EZKL CEO の Jason Morton 氏は、「技術的な制限」の問題ではなく「エンジニアリングの問題」を検討していると考えています。 EZKL は、証明を分割して並列実行することで証明の問題を克服でき、それによってメモリの制約と計算時間を削減できると考えています。実際、ジェイソン・モートンは、いつか「モデルの検証がブロックチェーントランザクションに署名するのと同じくらい簡単になるだろう」と信じています。

ZKML は、人工知能に適用すると、著作権問題や人工知能のセキュリティなど、人工知能実装の重要な問題点を解決できることを証明します。ニューヨーク・タイムズの最近のオープンAIとマイクロソフトに対する訴訟が示しているように、著作権法はデータの所有権に適用され、AIプロジェクトはデータの出所の証明を提出することを義務付けられることになる。 ZKML テクノロジーを使用すると、モデルとデータの所有権をめぐる紛争を法廷で迅速に解決できます。実際、ZKML の最も優れたアプリケーションの 1 つは、Ocean Protocol や SingularityNet などのデータ/モデルマーケットプレイスがリストの信頼性と有効性を証明できるようにすることです。

AI モデルは、最終的には精度と安全性が重要な領域に拡大されるでしょう。 2027 年までに、重機、ロボット、自律型ドローン、車両など、58 億台の AI エッジデバイスが存在すると推定されています。マシンインテリジェンスは、人を傷つけたり殺したりする可能性のあるものに適用されるため、信頼できるソースからの高品質のデータを使用して、信頼できるモデルがデバイス上で実行されていることを証明することが重要です。これらのエッジデバイスから継続的なリアルタイムプルーフを構築し、ブロックチェーンに公開することは経済的および技術的に難しい場合がありますが、アクティブ化時にモデルを検証したり、定期的にブロックチェーンに公開したりする方がより現実的である可能性があります。しかし、0x PARC Foundation の Zupass は、エッジデバイスで何が起こったかの証拠を安価に確立できる「データ搬送証明」から派生した原始的な証明を構築しました。現在、これはイベント出席に関連していますが、これはすぐにアイデンティティやヘルスケアなどの他の領域にも移行すると予想されます。

ロボット外科医の AI モデルはどの程度優れていますか?

機器の故障に対して責任を問われる可能性のある企業の観点からすると、自社のモデルが高額な費用がかかる事故の原因ではないという検証可能な証拠を保持することが理想的であるように思えます。同様に、保険の観点からは、実際のデータでトレーニングされた信頼できるモデルの使用を検証し、証明することが経済的に必要になる可能性があります。同様に、AI ディープフェイクの世界では、ブロックチェーンによって検証および認証されたカメラ、電話、コンピューターを活用してさまざまなアクションを実行することが標準になる可能性があります。もちろん、改ざんや詐欺を防ぐために、これらのデバイスの信頼性と正確性の証明は、公開されているオープンソース台帳に投稿される必要があります。

これらの証明には大きな期待が寄せられていますが、現時点ではガスコストと計算オーバーヘッドによって制限されています。現在のETH価格によれば、チェーン上の証明を提出するには約30万〜50万ガスの費用がかかります（現在のETH価格によれば約35〜58米ドル）。計算の観点から、Eigenlayer の Sreeram Kennan 氏は、「AWS で実行するには 50 ドルかかる証明計算は、現在の ZK 証明テクノロジーを使用すると約 100 万倍の費用がかかるでしょう。」と推定しています。その結果、ZK 証明の開発ペースははるかに速くなります。数年前には誰もが予想していましたが、実際の使用例が明らかになるまでには、まだ長い道のりがあります。 ZKML のアプリケーションに興味がある人がいるとします。この場合、実証済みのオンチェーンスマートコントラクトモデルによって審査される分散型歌唱コンテストに参加し、その結果をブロックチェーンに永続的にアップロードすることができます。

ブロックチェーンベースのアイデンティティを通じて人間性を構築する

高度なマシンインテリジェンスが広く普及した場合に考えられる結果の 1 つは、自律エージェントが最も多量のインターネットユーザーになることです。 AI エージェントのリリースにより、意図的にボットが生成するスパムによってネットワーク全体が混乱したり、無害なタスクベースのエージェントがネットワークを詰まらせたりする可能性が高くなります (「スパムの除去」)。ボットが約 10 万ドル相当の裁定取引の機会を求めて競争したため、Solana のデータトラフィックは毎秒 100 ギガバイトに達しました。 AI エージェントが何百万もの企業 Web サイトを人質に取り、何十億ドルも巻き上げることができたときに、Web トラフィックの洪水が起こることを想像してみてください。これは、将来のインターネットが人間以外のトラフィックに制限を課すことを示唆しています。このような攻撃を制限する最善の方法の 1 つは、安価な資源の過剰使用に対して経済税を課すことです。しかし、スパム請求の最適な枠組みをどのように決定し、人間性をどのように判断すればよいのでしょうか?

幸いなことに、ブロックチェーンにはすでに AI ボットスタイルの Sybil 攻撃に対する防御機能が組み込まれています。人間以外のユーザーの計測と人間以外のユーザーへの課金の組み合わせは理想的な実装ですが、計算量が若干多くなる作業 (Hashcash など) はボットを阻止します。人間性の証明という点では、ブロックチェーンは匿名性を克服して過少担保融資やその他の評判に基づく活動などの活動を可能にすることに長い間苦労してきました。

身元証明を推進する 1 つの方法は、JSON Web トークン (JWT) を使用することです。 JWT は、Google などの Web サイトにログインするときに生成される、「Cookie」に似た「0 Auth」認証情報です。これらを使用すると、Google にサインインしているときにインターネット上のサイトにアクセスするときに、Google の ID を明らかにすることができます。 L1 ブロックチェーン Sui によって作成された zkLogin を使用すると、ユーザーはウォレットの秘密キーとアクションを、JWT を生成する Google または Facebook アカウントにリンクできます。 zk P2P はこの概念をさらに拡張し、JWT を利用してユーザーが許可なく法定通貨を Base ブロックチェーン上の暗号通貨に交換できるようにします。これは、決済アプリ Venmo を介してピアツーピアの現金送金を確認することで行われ、電子メール JWT で確認されると、スマートコントラクトエスクラウド USDC トークンのロックが解除されます。両方のプロジェクトの結果として、オフチェーンのアイデンティティとの強い結びつきが生まれます。たとえば、zkLogin はウォレットアドレスを Google ID に接続しますが、zk P2P は Venmo の KYC ユーザーのみが利用できます。どちらもオンチェーン ID を可能にするのに十分な強固な保証を欠いていますが、他の人が使用できる重要な構成要素を作成します。

ブロックチェーンユーザーの人間性を確認しようとするプロジェクトは数多くありますが、最も大胆なのは OpenAI CEO のサムアルトマン氏が設立した WorldCoin です。ユーザーが虹彩をスキャンしなければならないディストピア的な「オーブ」マシンのせいで物議を醸しているが、ワールドコインは、簡単に偽造したり機械知能に圧倒されたりすることができない不変のアイデンティティシステムに向かって進んでいる。これは、WorldCoin が各人の固有の目の「指紋」に基づいて暗号化識別子を作成し、その指紋をサンプリングして一意性と信頼性を確保できるためです。認証後、ユーザーはオプティミズムブロックチェーン上でワールド ID と呼ばれるデジタルパスポートを受け取り、ユーザーはブロックチェーン上で人間性を証明できるようになります。何よりも、個人固有の署名は暗号化されているため決して公開されず、追跡することもできません。 World ID は、ブロックチェーンアドレスが人間のものであると単純に主張します。 Checkmate のようなプロジェクトは、すでに世界 ID をソーシャルメディアプロフィールにリンクして、ユーザーの一意性と信頼性を確保しています。 AI 主導の未来のインターネットでは、オンラインでのあらゆるやり取りにおいて人間性を明示的に示すことが一般的になるかもしれません。人工知能が CAPTCHA の制限を克服すると、ブロックチェーンアプリケーションは ID を安価、迅速、具体的に証明できるようになります。

ブロックチェーン技術で人工知能に貢献

私たちが人工知能革命の初期段階にいることは疑いの余地がありません。しかし、機械知能の成長軌道が最も大胆な予測と一致する場合、AI は潜在的な害を克服しながら優れたパフォーマンスを発揮することに挑戦する必要があります。私たちは、暗号通貨は、成果が豊富だが潜在的に狡猾な人工知能プラントを適切に「訓練」するための理想的なグリッドであると信じています。ブロックチェーンの AI ソリューションセットは、より応答性が高く、柔軟性が高く、潜在的には安価な分散コンピューティングを提供することで、マシンインテリジェンスの作成者の生産量を増やすことができます。また、より良いモデルを作成できるビルダーを奨励すると同時に、他の人がこれらの AI モデルを使用して有用なビジネスを構築するための金銭的インセンティブを提供します。同様に重要なことは、モデル所有者は、保護されたデータソースが使用されていないことを実証しながら、モデルの有効性を実証できることです。 AI ユーザーにとって、暗号化アプリケーションは、実行しているモデルがセキュリティ標準を満たしていることを確認するのに役立ちます。他の人にとって、ブロックチェーンと暗号通貨は罰と報酬のもつれであり、人工知能が必然的になるガリバーの足かせとなるかもしれません。