原作者:エヴァン⨀
原文翻訳: TechFlow
暗号化と AI の融合はまだ非常に初期の段階にあります。市場には数え切れないほどのスマートエージェントやトークンが登場しているにもかかわらず、ほとんどのプロジェクトは単なる数字のゲームであり、チームはできるだけ多くの「ショット」を獲得しようとしているようです。
AIは私たちの世代の技術革命ですが、暗号通貨との組み合わせは、AI市場への早期参入のための流動性ツールとして捉えられています。
その結果、私たちはこの交差点において、ほとんどの物語が同じような「ジェットコースター」のような上昇と下降を経験する複数のサイクルを目撃してきました。
誇大宣伝サイクルを打破するにはどうすればいいでしょうか?
では、暗号化と AI における次の大きなチャンスはどこから生まれるのでしょうか?どのようなアプリケーションやインフラストラクチャが真の価値を生み出し、市場に適合できるのでしょうか?
この記事では、次の枠組みを通じてこの分野の主な興味深い点を探ってみたいと思います。
AI は暗号通貨業界にどのように貢献できるのでしょうか?
暗号通貨業界は AI にどのように貢献できるでしょうか?
特に、2つ目のポイントである分散型AIの可能性に興味があり、いくつかの興味深いプロジェクトを紹介します。
1. AIは暗号通貨業界にどのように貢献しますか?
以下は CV が提供したより包括的な生態地図です。
https://x.com/cbventures/status/1923401975766355982/photo/1
コンシューマー AI、インテリジェント エージェント フレームワーク、イネーブルメント プラットフォームには探索すべき垂直分野が多数ありますが、AI はすでに次の 3 つの主な方法で暗号通貨エクスペリエンスに影響を与えています。
1. 開発者ツール
Web2と同様に、AIはノーコードおよびローコード（バイブコード）プラットフォームを通じて暗号プロジェクトの開発を加速しています。これらのアプリの多くは、 Lovable.devなどの従来のドメインと同様の目標を持っています。
@poofnewや@tryoharaAIなどのチームは、技術系ではない開発者がスマート コントラクトに関する深い知識を持たなくても、すぐにオンラインになって反復処理を実行できるように支援しています。これにより、暗号プロジェクトの市場投入までの時間が短縮されるだけでなく、技術的なバックグラウンドがなくても、市場に精通したクリエイティブな人々にとって参入障壁が低くなります。
さらに、スマートコントラクトのテストやセキュリティなど、開発者エクスペリエンスの他の部分も改善されました: @AIWayfinder 、 @octane_security
2. ユーザーエクスペリエンス
暗号通貨業界ではオンボーディングとウォレットエクスペリエンス（Bridge、Sphere Pay、Turnkey、Privy など）において大きな進歩が遂げられていますが、中核となる暗号通貨ユーザーエクスペリエンス（UX）は質的に変化していません。ユーザーは依然として、複雑なブロックチェーン エクスプローラーを手動で操作し、複数ステップのトランザクションを実行する必要があります。
AIインテリジェントエージェントはこの状況を変え、新しいインタラクションレイヤーになりつつあります。
検索と発見:チームは「ブロックチェーンの Perplexity」のようなものを構築するために競争しています。これらのチャットベースの自然言語インターフェースにより、ユーザーは生の取引データを詳しく調べることなく、市場情報（アルファ版）を簡単に見つけたり、スマート コントラクトを理解したり、オンチェーンの動作を分析したりできます。
より大きなチャンスは、スマートエージェントがユーザーが新しいプロジェクト、収益機会、トークンを発見するためのゲートウェイになることができることです。 Kaito がスタートアップ プラットフォームでプロジェクトの注目度を高めるのと同様に、エージェントはユーザーの行動を理解し、ユーザーが必要とするコンテンツを積極的に提示することができます。これにより、持続可能なビジネス モデルが構築されるだけでなく、収益分配やアフィリエイト料金を通じて収益を上げることも可能になります。
意図ベースのアクション:複数の画面をクリックする代わりに、ユーザーは単に意図を表現するだけで済みます (例: 「1,000 ドルの ETH を最高利回りのステーブルコイン ポジションに変換する」)。エージェントは複雑な複数ステップのトランザクションを自動的に実行できます。
エラー防止: AI は、間違った取引金額の入力、詐欺トークンの購入、悪意のある契約の承認など、よくあるミスを防ぐこともできます。
Hey AnonがDeFAIを自動化した方法の詳細:
3. 取引ツールとDeFi自動化
現在、多くのチームが、ユーザーがよりスマートな取引シグナルを取得したり、ユーザーに代わって取引したり、戦略を最適化および管理したりできるようにするためのインテリジェント エージェントの開発に競い合っています。
収益最適化
エージェントは、金利の変化とリスク プロファイルに基づいて、貸付プロトコル、分散型取引所 (DEX)、ファーミング チャンスの間で資金を自動的に移動できます。
取引執行
AI は、市場データをより速く処理し、感情を管理し、事前に設定されたフレームワークに従うことで、人間のトレーダーよりも優れた戦略を実行できます。
ポートフォリオ管理
エージェントは、ポートフォリオのバランスを調整し、リスクエクスポージャーを管理し、さまざまなチェーンやプロトコル間で裁定取引の機会を獲得することができます。
エージェントが本当に一貫して人間よりも優れた資金管理を行うことができれば、既存の DeFi AI エージェントに比べて桁違いの改善となるでしょう。現在の DeFi AI は主にユーザーが意図したとおりに実行できるように支援しており、完全に自動化された資金管理へと移行していきます。しかし、この移行に対するユーザーの受け入れは電気自動車の普及プロセスと似ており、大規模な検証の前にはまだ大きな信頼のギャップが存在します。しかし、もし成功すれば、この技術はこの分野で最大の価値を生み出す可能性を秘めている。
この分野の勝者は誰でしょうか?
一部のスタンドアロン アプリケーションは配布に利点があるかもしれませんが、既存のプロトコルが AI テクノロジーを直接統合する可能性の方が高くなります。
DEX (分散型取引所) : よりスマートなルーティングと詐欺防止を可能にします。
貸付契約: ユーザーのリスク プロファイルに基づいてリターンを自動的に最適化し、ローンの健全性係数が一定の基準を下回った場合にローンを返済して、清算リスクを軽減します。
ウォレット：ユーザーの意図を理解する AI アシスタントへと進化。
取引プラットフォーム: ユーザーが取引戦略を遵守できるように AI 支援ツールを提供します。
最終見通し
暗号通貨インターフェースは進化し、ユーザーの財務目標を理解し、ユーザーが独力で行うよりも効率的に実行できる会話型 AI を組み込むようになります。
2. 暗号化はAIを助ける：分散型AIの未来
私の意見では、AI が暗号通貨を支援する可能性よりも、暗号通貨が AI を支援する可能性の方がはるかに大きいです。分散型 AI に取り組んでいるチームは、AI の将来に関する最も基本的かつ実用的な質問のいくつかを検討しています。
中央集権的なテクノロジー大手による巨額の資本支出に頼らずに、最先端のモデルを開発することはできるのでしょうか?
グローバルに分散されたコンピューティング リソースを調整して、効率的にモデルをトレーニングしたり、データを生成したりすることは可能ですか?
人類の最も強力なテクノロジーが少数の企業によって支配されたらどうなるでしょうか?
この分野についてさらに深く知りたい場合は、 @yb_effectの分散型 AI (DeAI) に関する記事を読むことを強くお勧めします。
まだ表面をなぞっただけだが、暗号通貨と AI の融合の次の波は、研究主導の学術的な AI チームから生まれる可能性が高いだろう。これらのチームは主にオープンソース AI コミュニティから構成されています。彼らは、分散型 AI の実際的な意義と哲学的価値を深く理解しており、これが AI を拡大する最善の方法であると信じています。
AIが現在直面している問題は何でしょうか?
2017 年、画期的な論文「Attention Is All You Need」で Transformer アーキテクチャが提案され、数十年にわたってディープラーニング分野の主要な問題が解決されました。 Transformer アーキテクチャは、2019 年に ChatGPT によって普及して以来、ほとんどの大規模言語モデル (LLM) の基盤となり、コンピューティング能力の競争の波を引き起こしました。
それ以来、AIトレーニングに必要な計算能力は毎年4倍に増加しています。これにより、AI 開発の集中化が進みました。事前トレーニングは、最大手のテクノロジー企業だけが所有するリソースである、より強力な GPU に依存するようになったためです。
イデオロギーの観点から見ると、中央集権型の AI は問題です。なぜなら、人類の最も強力なツールは、いつでも資金提供者によって制御されたり、撤回されたりする可能性があるからです。したがって、オープンソース チームが中央集中型ラボの進歩のペースと直接競合できない場合でも、その力学に挑戦してみることは依然として重要です。
暗号化は、経済調整のオープンモデルを構築するための基盤を提供します。しかし、この目標を達成する前に、ある疑問に答える必要があります。理想を満たすことに加えて、分散型 AI はどのような実際的な問題を解決できるのでしょうか?人々が協力し合うことがなぜそれほど重要なのか?
幸いなことに、この分野で作業しているチームは非常に実用的です。オープンソースは、テクノロジーの拡張方法の核となる考え方を表しています。小さなグループで協力することで、各チームは独自のローカル最大値を最適化し、それを基に構築し、最終的には、独自の規模と組織的慣性によって制限される集中型アプローチよりも速くグローバル最大値に到達します。
同時に、特に AI の分野では、オープンソースは知能を生み出すための必要条件でもあります。この知能は道徳的なものではなく、個人が与えるさまざまな役割や個性に適応できます。
実際には、オープンソースは、いくつかの非常に現実的なインフラストラクチャの制約に対処するイノベーションへの扉を開くことができます。
コンピューティングリソースの不足
AI モデルのトレーニングにはすでに大規模なエネルギー インフラストラクチャが必要です。現在、1～5GWのデータセンターを建設する複数のプロジェクトが進行中です。しかし、最先端モデルの継続的な拡張には、単一のデータセンターが供給できる以上のエネルギーが必要となり、都市全体のエネルギー消費量に匹敵するレベルに達することもあります。問題はエネルギー出力だけではなく、単一のデータセンターの物理的な制限でもあります。
これらの最先端モデルの事前トレーニング段階を過ぎても、新しい推論モデルや DeepSeek の出現により、推論段階のコストは大幅に増加します。 @fortytwonetworkチームは次のように述べています:
従来の大規模言語モデル（LLM）とは異なり、推論モデルはより多くの処理時間を割り当てることで、よりスマートな応答を生成することを優先します。しかし、この変化にはトレードオフが伴います。同じ計算リソースでは、より少ないリクエストしか処理できないのです。こうした大幅な改善を実現するには、モデルはより多くの「思考」時間を必要とし、計算リソースの不足をさらに悪化させます。
コンピューティング リソースの不足はすでに明らかです。たとえば、OpenAI は API 呼び出しを 1 分あたり 10,000 回に制限しており、これにより AI アプリケーションは実質的に約 3,000 人のユーザーのみに同時にサービスを提供できるように制限されています。トランプ大統領が最近発表した5000億ドル規模のAIインフラ構想「スターゲイト」のような野心的なプロジェクトでさえ、一時的な救済策にしかならないかもしれない。
ジェヴォンズのパラドックスによれば、効率性の向上は需要の増加により資源消費の増加につながることが多い。 AI モデルがより強力かつ効率的になるにつれ、新しいユースケースや採用の拡大によりコンピューティングの需要が急増する可能性があります。 ”
では、暗号化はどこから来るのでしょうか?ブロックチェーンはどのようにして AI の研究と開発を真に有意義に支援できるのでしょうか?
暗号技術は、根本的に異なるアプローチ、つまりグローバルに分散された、分散化されたトレーニングと経済調整を提供します。新しいデータ センターを構築するよりも、ほとんどの時間アイドル状態になっている、ゲーム リグ、暗号通貨マイニング機器、エンタープライズ サーバーなどにすでに存在する数百万の GPU を活用する方が簡単です。同様に、ブロックチェーンは、消費者のデバイス上のアイドル状態のコンピューティング リソースを活用することで、分散型推論を可能にします。
分散トレーニングが直面する主な問題の 1 つは、遅延です。暗号化要素に加えて、Prime Intellect や Nous などのチームは、GPU の通信要件を削減する技術的なブレークスルーに取り組んでいます。
DiLoCo (Prime Intellect): Prime Intellect の実装により、通信要件が 500 倍削減され、大陸をまたいだトレーニングが可能になり、90 ～ 95% のコンピューティング使用率を実現します。
DisTrO/DeMo (Nous Research): Nous Research の最適化ツール ファミリは、離散コサイン変換圧縮テクノロジにより、通信要件を 857 分の 1 に削減します。
しかし、従来の調整メカニズムでは、分散型 AI トレーニングに固有の信頼の課題を解決できず、ブロックチェーンの固有の特性により、ここで製品市場適合 (PMF) が見つかる可能性があります。
検証とフォールト トレランス:分散型トレーニングでは、参加者が悪意のある計算や誤った計算を送信するという課題に直面します。暗号化は、暗号検証スキーム（Prime Intellect の TOPLOC など）と不正行為を防ぐための経済的ペナルティ メカニズムを提供します。
許可なしの参加:承認プロセスを必要とする従来の分散コンピューティング プロジェクトとは異なり、暗号化により、完全に許可なしの貢献が可能になります。アイドル状態のコンピューティング リソースを持つ人なら誰でもすぐに参加して収益を上げ始めることができ、利用可能なリソースのプールを最大限に活用できます。
経済的インセンティブの調整:ブロックチェーン ベースのインセンティブ メカニズムは、個々の GPU 所有者の利益を集合的なトレーニング目標と一致させ、以前はアイドル状態だったコンピューティング リソースを経済的に生産的なものにします。
これを踏まえて、分散型 AI スタックのチームは、AI のスケーリング問題をどのように解決し、ブロックチェーンを活用できるのでしょうか?証明ポイントは何ですか?
1.プライムインテリクト：分散型および分散型トレーニング
DiLoCo : 通信要件を 500 分の 1 に削減し、大陸をまたいだトレーニングを可能にします。
PCCL : 動的メンバーシップ、ノード障害を処理し、大陸間通信速度 45 Gbit/s を実現します。
320 億のパラメータ モデルは現在、世界中に分散されたワーカー ノード全体でトレーニングされています。
実稼働環境で 90 ～ 95% のコンピューティング使用率を達成しました。
結果: INTELLECT-1 (100億パラメータ) と INTELLECT-2 (320億パラメータ) のトレーニングに成功し、大陸をまたいだ大規模モデルトレーニングが可能になりました。
2. Nous Research ：分散型トレーニングとコミュニケーションの最適化
DisTrO/DeMo : 離散コサイン変換テクノロジーにより、通信要件が 857 分の 1 に削減されました。
Psyche Network : ブロックチェーンの調整メカニズムを利用して、フォールトトレランスとインセンティブメカニズムを提供し、コンピューティングリソースをアクティブ化します。
インターネット上で最大規模の事前トレーニング演習の 1 つであるConsilience (400 億パラメータ) のトレーニングが完了しました。
3. Pluralis: プロトコル学習とモデル並列化
Pluralis は、プロトコル学習と呼ばれる従来のオープンソース AI とは異なるアプローチを採用しています。 Pluralis は、他の分散型トレーニング プロジェクト (Prime Intellect や Nous など) で使用されるデータ並列アプローチとは異なり、データ並列処理には経済的な欠陥があり、コンピューティング リソースのプールだけに頼っていては最先端のモデルをトレーニングするニーズを満たすのに不十分だと考えています。たとえば、Llama 3 (4,000 億パラメータ) のトレーニングには 16,000 個の 80 GB H100 GPU が必要です。
出典:リンク
プロトコル学習の中心的なアイデアは、モデル トレーナーに実際の値キャプチャ メカニズムを導入し、それによって大規模なトレーニングに必要なコンピューティング リソースをプールすることです。これは、トレーニングの貢献度に比例して部分的なモデル所有権を割り当てることによって行われます。このアーキテクチャでは、ニューラル ネットワークは共同でトレーニングされますが、重みの完全なセットを単一の参加者 (プロトコル モデルと呼ばれる) が抽出することはできません。この設定では、参加者が完全なモデルの重みを取得するための計算コストが、モデルの再トレーニングのコストを超えます。
プロトコル学習の具体的な動作モードは次のとおりです。
モデルの断片化:各参加者は、モデルの全体の重みではなく、部分的な断片 (シャード) のみを保持します。
共同トレーニング:トレーニング プロセスでは、完全なモデルを誰にも見せずに、参加者間でアクティベーションを渡す必要があります。
推論資格:推論には資格が必要です。資格は参加者のトレーニング貢献度に基づいて配布されます。このようにして、貢献者はモデルの実際の使用から収益を得ることができます。
プロトコル学習の重要性は、モデルを経済的なリソースまたは商品に変換し、完全に金融化できるようにすることです。このように、プロトコル学習は、真に競争力のあるトレーニング タスクをサポートするために必要な計算規模を実現することが期待されます。 Pluralis は、クローズドソース開発の持続可能性（クローズドソース モデル リリースの安定した収益など）とオープンソース コラボレーションの利点を組み合わせ、分散型 AI 開発の新たな可能性を提供します。
フォーティーツー：分散型群集推論
出典:リンク
他のチームが分散および非集中型のトレーニングの課題に焦点を当てているのに対し、Fortytwo は分散推論に焦点を当て、群知能を通じて推論フェーズでのコンピューティング リソース不足の問題を解決します。
Fortytwo は、推論に関連する計算不足という増大する問題に対処します。 M2 チップを搭載した MacBook Air などの消費者向けハードウェアのアイドル状態のコンピューティング能力を活用するために、Fortytwo は特殊な小さな言語モデルをネットワークに接続します。
42 のネットワークは複数の小さな言語モデルで構成されており、これらのノードは連携して互いの貢献を評価し、ピアツーピア評価を通じてネットワークの有効性を高めます。最終的に生成される応答は、ネットワークからの最も価値のある貢献に基づいており、推論の効率性をサポートします。
興味深いことに、 Fortytwoの推論ネットワーク アプローチは、分散/分散型トレーニング プロジェクトを補完することができます。 Fortytwo ノードで実行される小規模言語モデル (SLM) が、 Prime Intellect 、 Nous 、またはPluralisでトレーニングされたモデルになる可能性がある将来のシナリオを想像してください。これらの分散トレーニング プロジェクトは連携してオープン ソースの基礎モデルを作成し、その後特定のドメインに合わせて微調整され、最終的には Fortytwo のネットワークを通じて調整されて推論タスクが完了します。
要約する
暗号通貨と AI における次の大きなチャンスは、新たな投機的なトークンではなく、AI 開発を真に推進できるインフラストラクチャです。現在、集中型 AI が直面している拡張のボトルネックは、世界的なリソース調整と経済的インセンティブの調整における暗号分野の中核的な利点とまさに一致しています。
分散型 AI は、AI アーキテクチャの可能性を拡大するだけでなく、実験の自由と実際のリソースを組み合わせることで、より潜在的な技術的限界を探求するパラレル ユニバースを開きます。
