乳房密度の分類と透明性の高いレポート生成に重点を置いた医療 AI ツール、 QBio をご覧ください。 X 線写真をアップロードすると、数分以内に乳房密度が A、B、C、または D のいずれであるかが通知され、意思決定プロセスを説明する詳細なレポートも表示されます。
これはFetchとHybridによって開発されました。 QBio は単なる前菜であり、真の主役は ASI-1 Mini です。
Fetch は非常に古いプロジェクトです。 Defiが市場全体の注目を集めていた数年間、FetchはAI + Cryptoに注力し、常にマルチモデルエージェントの総合技術研究開発と応用に重点を置いてきました。
ASI-1 Miniとは
今年 2 月、Fetch は世界初の Web3 ネイティブ大規模言語モデル (LLM) である ASI-1 Mini をリリースしました。 Web3ネイティブとは何ですか?簡単に言えば、ブロックチェーンとシームレスに統合されており、AI を使用するだけでなく、$FET トークンと ASI ウォレットを通じて AI に投資し、トレーニングし、所有することもできます。
では、ASI-1 Mini とは何でしょうか?
これは、複数の AI エージェントを調整し、複雑な複数ステップのタスクを処理できる、エージェント AI 専用に設計された大規模な言語モデルです。
たとえば、QBio の背後にある ASI <TRAIN/> 推論エージェントは、ASI-1 Mini の一部です。乳房密度を分類できるだけでなく、意思決定プロセスを説明し、AIの「ブラックボックス問題」を解決することもできます。さらに、ASI-1 Mini の実行に必要なのは 2 つの GPU だけです。他の LLM (16 個の H100 GPU を必要とする DeepSeek など) と比較してコストが非常に低いため、中小規模の機関での使用に適しています。
ASI-1 Miniの革新
ASI-1 Mini は、大幅に低いハードウェア コストで主要な LLM に匹敵するパフォーマンスを実現し、動的推論モードと高度な適応機能を備えているため、より効率的でコンテキストを考慮した意思決定が可能になります。
MoMとMoA
これらはすべて頭字語です。恐れることはありません。それらはシンプルです。モデルの混合(MoM)、エージェントの混合(MoA)
それぞれが異なるタスクに焦点を当て、シームレスに連携する AI エキスパートのチームを想像してみてください。これにより、効率性が向上するだけでなく、意思決定プロセスの透明性も高まります。たとえば、医療画像分析では、MoM は画像認識に特化したモデルとテキスト生成に特化した別のモデルを選択し、MoA はこれら 2 つのモデルの出力を調整して、最終レポートが正確かつ読みやすいものになるようにする責任を負います。
透明性と拡張性
従来の LLM は多くの場合「ブラック ボックス」です。質問すると答えが返ってきますが、残念ですが、なぜその答えが返ってくるのかはわかりません。 ASI-1 Miniは違います。多段階の推論を続けることで、これらの理由によりこの答えを選択したことがわかります。これは、特に医療分野では非常に重要です。
ASI-1 Mini のコンテキスト ウィンドウは 1,000 万トークンまで拡張され、マルチモーダル機能 (画像やビデオの処理など) をサポートします。今後は、ロボット工学やバイオテクノロジーなどの最先端分野に焦点を当てたCortexシリーズのモデルを発売する予定です。
ハードウェア効率
他の LLM ではハードウェア コストが高額になるのに対し、ASI-1 Mini の実行には 2 つの GPU のみが必要です。つまり、数百万ドル規模のデータセンターを必要とせず、小規模なクリニックでも導入できるということです。
なぜそんなに効率的なのでしょうか? ASI-1 Mini の設計哲学は「Less is more」です。アルゴリズムとモデル構造を最適化することで、限られたコンピューティング リソースの使用を最大化します。対照的に、他の LLM はより大規模なモデルを追求する傾向があり、その結果、膨大なリソースが消費されます。
コミュニティ主導
他の大規模言語モデルとは異なり、ASI-1 Mini は分散型でコミュニティ主導です。 ASI-1 Mini は、$FET 保有者向けの段階的なフリーミアム製品であり、Web3 ウォレットに接続して全機能を利用できるようになります。ウォレットに保持する FET トークンが多ければ多いほど、モデルの機能を探索できるようになります。
このコミュニティ主導のモデルはクラウドファンディングに似ていますが、人工知能のトレーニングと検証に使用される点が異なります。ハイテクはもはやエリートだけのものではなく、誰もが参加できるものとなっています。
LLM が比較的成熟しているのに、なぜ別途 ASI-1 Mini を開発する必要があるのでしょうか?理解しやすく、Web3とAIの統合におけるギャップを埋めます。
現在、LLM (ChatGPT や Grok など) は主に集中型環境に対応していますが、ASI-1 Mini は分散型エコシステム向けに設計された最初の LLM です。 AI の透明性と効率性が高まるだけでなく、コミュニティのメンバーが AI の成長から直接恩恵を受けることも可能になります。
ASI-1 Miniの登場は、AIが「ブラックボックス」から「透明性」、「集中化」から「分散化」、「ツール」から「資産」へと移行することを示しています。医療分野(QBioなど)で役割を果たすだけでなく、金融、法律、科学研究など多くの分野で可能性を示すことができます。
今月、FetchはRivalzと提携し、ASI-1 MiniをRivalzのAgentic Data Coordination System(ADCS)に統合し、オンチェーンAI推論を可能にしました。この連携により、分散型アプリケーションはブロックチェーン上で高度な AI 推論機能に直接アクセスできるようになります。
従来のブロックチェーン環境はリソースによって制限されており、スマート コントラクトは軽量なタスクしか処理できません。通常、単純なデータ(価格など)はオラクルを通じて取得され、複雑な AI モデルを直接実行することはできません。 ADCS はこの問題を完璧に解決します。 AI 推論の複雑な計算はオフチェーンで完了し、結果はブロックチェーンに安全に返されるため、分散化と信頼性が確保されます。