著者: Ian Xu@Foresight Ventures

TL;DR

  • この記事では、AI と Web3 の交差点について説明し、オンチェーン AI が分散型インターネットにいかに大きな価値をもたらすかを探ります。Worldcoin、Pragma、Lyra Finance、Giza、Zama.ai、および潜在的な ML-as-a-Service アプリケーションなど、いくつかのプロジェクトを取り上げます。

  • この記事は、Web3 のコンテキストにおける AI はまだ初期段階にあるものの、大きな可能性を秘めていることを強調しています。オンチェーン AI は透明性と検証性を備えているため、効率性とセキュリティを大幅に向上させ、新しい製品形態を可能にします。ZKML は特に有望であり、ZK ロールアップは AI が Web3 の世界に参入するための入り口となる可能性があります。

  • 現在のインフラストラクチャは、ある程度の規模のモデルをサポートできますが、特にゼロ知識証明によるモデルの検証に関しては、依然として多くの不確実性があります。これは、オンチェーン AI にとって避けられない道と考えられていますが、ますます大規模になるモデルをサポートするには、証明システムの飛躍的な改善が必要です。

  • アプリケーションに関して言えば、オンチェーン AI は、ゲーム、DeFi、DID、ツールなど、Web3 のあらゆる側面に関与する可能性があります。既存のプロジェクトが少ないにもかかわらず、この記事では、オンチェーン AI の可能性と Web3 分野への変革的な影響について楽観的な見方をしています。

1. AI + Web3 = ?

開発者のインフラ構築への執念深い献身と、さまざまなロールアップソリューションの継続的な更新は、確かに、もともと遅れていたWeb3のコンピューティングパワーに突破口を開きました。これにより、AIをブロックチェーン上に配置することも可能になりました。しかし、オンチェーンAIを実装するために多大な努力を払う代わりに、オフチェーンでモデルを実行することで、ほとんどのニーズを満たすことができると言うこともできます。実際、現在、ほぼすべてのAIモデルはブラックボックスの集中モードで実行されており、さまざまな分野でかけがえのない価値を生み出しています。

1.1 最も基本的な質問に戻りましょう。ブロックチェーン上の AI とは何でしょうか?

主流の理解は、Web3 を通じて AI モデルを透明かつ検証可能にすることです。

より具体的に言うと、ブロックチェーン上の AI とは、人工知能モデルの完全な検証を意味します。つまり、モデルはネットワーク全体 (ユーザーまたは検証者) に次の 3 つの点を公開する必要があります。

  1. モデルアーキテクチャ。

  2. モデルのパラメータと重み: パラメータと重みを公開すると、製品のセキュリティに悪影響を与える場合があります。したがって、リスク管理モデルなどの特定のシナリオでは、セキュリティを確保するために重みを非表示にすることができます。

  3. モデル入力: Web3 のコンテキストでは、一般的にチェーン上の公開データです。

上記の条件が満たされると、モデル実行プロセス全体が決定論的になり、ブラックボックス操作ではなくなります。誰でもブロックチェーン上でモデルの入力と結果を検証できるため、モデルの所有者または関連する権限を持つ人物がモデルを操作することを防ぐことができます。



1.2 オンチェーン AI の原動力は何ですか?

オンチェーン AI の重要性は、Web2 AI の集中型運用モードを置き換えることではなく、次の点にあります。

  1. 分散化と信頼性を犠牲にすることなく、Web3の世界に次の段階の価値を生み出します。現在のWeb3はWeb2の初期段階のようなもので、より広範なアプリケーションに取り組んだり、より大きな価値を生み出したりする能力がまだありません。AIを取り入れて初めて、Dappの想像力は真に次の段階に飛躍し、これらのオンチェーンアプリケーションはWeb2アプリケーションのレベルに近づく可能性があります。この近さは、機能をもっと似せることではなく、Web3の価値を活用してユーザーエクスペリエンスと可能性を高めることです。

  2. これは、Web2 AI のブラックボックス操作モードに透過的で信頼性のないソリューションを提供します。

web3 のアプリケーション シナリオを想像してみてください。

  1. NFT 取引プラットフォームに推奨アルゴリズムを追加し、ユーザーの好みに基づいて対応する NFT を推奨し、コンバージョンを向上させます。

  2. より透明性と公平性を高めるために、ゲームに AI 対戦相手を追加します。

……

ただし、これらのアプリケーションは、既存の機能に AI を適用することで、効率性やユーザー エクスペリエンスをさらに向上させます。

  • それは価値がありますか？はい。

  • 価値は大きいですか？それは製品とシナリオによって異なります。

AI が生み出せる価値は、99 から 100 への最適化に限定されません。私が本当にワクワクするのは、0 から 1 への新しいアプリケーション、つまり、透明性と検証性に優れたオンチェーン モデルを通じてのみ実現できるユース ケースです。ただし、これらの「エキサイティングな」ユース ケースは、現在、主に想像力に依存しており、成熟したアプリケーションはありません。ブレインストーミングのアイデアをいくつか紹介します。

  1. ニューラル ネットワークの意思決定モデルに基づく暗号通貨取引: 1 つの製品形態は、コピー取引のアップグレード版、またはまったく新しい取引方法のようなものになるかもしれません。ユーザーは、他の経験豊富なトレーダーを信頼したり調査したりする必要がなくなり、完全にオープンで透明なモデルとそのパフォーマンスに賭けることになります。基本的に、AI は将来の暗号通貨価格の予測に基づいて、より迅速かつ決定的に取引を行います。ただし、オンチェーン AI に固有の「信頼のない自律性」がなければ、このような賭けの対象や基準は存在しません。ユーザー/投資家は、モデルの意思決定における理由、プロセス、さらには将来の上昇/下降の正確な確率を透過的に確認できます。

  2. 審判役の AI モデル: 製品は、AI モデルを通じてデータ ソースの精度を予測する、新しい形式のオラクルになる可能性があります。ユーザーはバリデーターを信頼する必要がなくなり、ノードの不正行為を心配する必要もありません。オラクル プロバイダーは、分散化を実現するために複雑なノード ネットワークや報酬罰則メカニズムを設計する必要さえありません。それに応じて、オンチェーンの透明性と検証可能性を備えた AI は、オフチェーン データ ソースの信頼レベルを検証するのにすでに十分です。この新しい製品形式は、セキュリティ、効率性、コストの面で優位に立つ可能性があり、分散化の対象は人間から「信頼のない自律性」の AI ツールに移行します。これは間違いなくより安全です。

  3. 大規模モデルに基づく組織管理/運用システム：DAOのガバナンスは本来、効率的で、分散化され、公平でなければなりませんが、現状はまったく逆で、緩く肥大化しており、透明性と公平性に欠けています。オンチェーンAIの導入は、管理モードと効率を最大化し、管理におけるシステム的および人的リスクを最小限に抑える、非常に適切なソリューションを提供できます。Web3プロジェクトの新しい開発および運用モードを想像することもできます。このモードでは、フレームワーク全体と将来の開発方向と提案は、開発チームの意思決定やDAOの投票にほとんど依存しません。代わりに、大規模モデルのより大きなデータ収集と計算能力に基づいて決定が下されます。ただし、これはすべてモデルがオンチェーンであることを前提としています。AIの「信頼のない自律性」がなければ、分散化された世界で人間からツールへの移行はありません。

……

要約すれば、

オンチェーンAIに基づく新しい製品形態は、分散化と信頼性の欠如という主題を人間からAIツールに移行させることと要約できます。これは、従来の世界の生産性の進化と一致しており、最初は人間の効率性の向上と強化に努め、その後、人間をインテリジェントツールに置き換え、セキュリティと効率の面で元の製品設計に革命をもたらしました。

最も重要な点、そして上記のすべての前提は、Web3 を通じて AI を透明かつ検証可能にすることです。



1.3 Web3の次の段階

Web3 は驚異的な技術革新であり、初期段階にとどまることはできません。トラフィックと経済モデルは重要ですが、ユーザーは常にトラフィックを追求したり、X を実行して収益を得るために多くのリソースを費やしたりするわけではありません。そのため、Web3 は次の波の新規ユーザーを獲得することはできません。しかし、1 つ確かなことがあります。それは、暗号通貨の世界における生産性と価値の革命は、AI の追加から生まれるはずだということです。

大まかに分けると以下の3つの段階に分けられると思います。

開始: ゼロ知識証明アルゴリズムとハードウェアの更新と反復により、オンチェーン AI の出現の最初の可能性が生まれます。(私たちはここにいます)

開発: AI による既存のアプリケーションの改善であれ、オンチェーン AI に基づく新製品であれ、どちらも業界全体を前進させています。

終局: オンチェーン AI の最終的な方向性は何ですか?

上記の議論はすべて、AIとWeb3の組み合わせによるボトムアップのアプリケーションシナリオの検討に関するものです。トップダウンアプローチに切り替えてオンチェーンAIを見ると、AIはWeb3自体にまで遡ることができるでしょうか？AI + ブロックチェーン = 適応型ブロックチェーン

一部のパブリックチェーンは、オンチェーンAIの統合をリードし、パブリックチェーンのレベルから一種の適応型へと変革します。開発の方向はもはやプロジェクト基盤の決定に依存せず、大量のデータに基づく意思決定に基づいており、自動化のレベルは従来のWeb3をはるかに超えているため、現在のマルチチェーンの繁栄とは一線を画しています。

検証可能かつ透明な AI のおかげで、Web3 の自己規制が実現されている例として、Modulus Lab が挙げたいくつかの例が挙げられます。

  1. オンチェーン取引市場は、信頼の仮定を必要とせずに、公開されているオンチェーンデータに基づいてステーブルコインの金利をリアルタイムで調整するなど、分散型の方法で自動的に調整できます。

  2. マルチモーダル学習により、オンチェーン プロトコルのインタラクションを生体認証で完了できるようになり、安全な KYC が提供され、完全に信頼できない ID 管理が実現します。

  3. オンチェーン アプリケーションがオンチェーン データによってもたらされる価値を最大限に引き出し、カスタマイズされたコンテンツの推奨などのサービスをサポートできるようにします。

別の観点から見ると、zkrollup は反復と最適化を続けていますが、zk エコシステムでのみ実行できる実際のアプリケーションが常に不足しています。ZKML はまさにこの点を満たしており、その想像空間も十分に大きいです。ZK-rollup は将来、AI が Web3 に参入するための入り口となり、より大きな価値を生み出す可能性があり、両者は互いに補完し合っています。

2. 実施と実現可能性

2.1 Web3 は AI に何を提供できるのか?

インフラストラクチャと ZK は、Web3 で最も競争が激しい分野であることは間違いありません。さまざまな ZK プロジェクトが、多層ネットワークの調査、モジュール化とデータ可用性レイヤーの開発、ロールアップのサービスとしてのさらなるカスタマイズ、さらにはハードウェア アクセラレーションなど、回路の最適化とアルゴリズムのアップグレードに多大な努力を払ってきました。これらの試みにより、Web3 インフラストラクチャのスケーラビリティ、コスト、コンピューティング能力が次のレベルに押し上げられています。



チェーンに AI を導入するのは良いことのように思えますが、具体的にはどのように行うのでしょうか?

1 つのアプローチは、ZK 証明システムを使用することです。たとえば、機械学習用のカスタマイズされた回路を作成し、オフチェーンで証人を生成するプロセスはモデル実行プロセスであり、モデル予測プロセスの証明 (モデル パラメーターと入力を含む) を生成すると、誰でもオンチェーンで証明を検証できます。

AI モデルは、ハードウェア アクセラレーションによって計算速度をさらに向上させながらも、効率的なクラスター上で実行されます。これにより、中央の人物や機関がモデルを改ざんしたり干渉したりできないようにしながら、計算能力を最大限に活用できます。つまり、次のことが保証されます。

モデル予測結果の確実性 = 検証可能 (入力 + モデルアーキテクチャ + パラメータ)

上記のアプローチに基づいて、オンチェーン AI にとってどのインフラストラクチャが重要であるかをさらに推測できます。

  1. ZKP システム、ロールアップ: ロールアップは、オンチェーン コンピューティング機能の想像力を広げ、多数のトランザクションをパッケージ化し、さらにコストを削減するために証明の証明を再帰的に生成します。現在の大規模モデルの場合、可能性を提供するための最初のステップは、証明システムとロールアップです。

  2. ハードウェア アクセラレーション: ZK ロールアップは検証可能な基盤を提供しますが、証明の生成速度はモデルの使いやすさとユーザー エクスペリエンスに直接関係します。モデルの証明を生成するために数時間待つのは明らかにうまくいかないので、FPGA によるハードウェア アクセラレーションは大きな後押しになります。

  3. 暗号化: 暗号化は暗号の世界の基盤であり、オンチェーン モデルと機密データもプライバシーを確​​保する必要があります。

補足：

大規模モデルの基礎は GPU です。高度な並列サポートがなければ、大規模モデルの効率は非常に低くなり、実行できません。したがって、オンチェーンの zk エコシステムの場合:

GPUフレンドリー = AIフレンドリー

Starknet を例にとると、Cario は CPU 上でしか実行できないため、いくつかの小さな決定木モデルしか展開できず、長期的には大規模なモデルの展開には適していません。

2.2 課題: より強力な証明システム

ZK Proof の生成速度とメモリ使用量は非常に重要です。1 つはユーザー エクスペリエンスと実現可能性に関連し、もう 1 つはコストとスケーラビリティに関連します。

現在のzkpシステムは十分でしょうか?

十分ですが、十分ではありません...

Modulus Lab は、モデルとコンピューティング パワーの具体的な状況について、「インテリジェンスのコスト: ゼロ知識による機械学習推論の証明」という記事で詳しく説明しています。時間があれば、ZKML 分野のこの「Paper0」をお読みください: https://drive.google.com/file/d/1tylpowpaqcOhKQtYolPlqvx6R2Gv4IzE/view

以下は、論文 0 で言及されているさまざまな証明システムです。



Modulus Lab は、上記の zk アルゴリズムに基づいて、時間消費とメモリ占有の 2 つの次元からテストを実行し、これら 2 つの次元で 2 つのコア変数 (パラメーターとレイヤー) を制御します。以下はベンチマーク スイートです。このような設計では、LeNet5 の 60k パラメーター ボリューム (0.5MFLOPS) から ResNet-34 の 22M パラメーター ボリューム (3.77 GFLOP) までをほぼカバーできます。



時間消費テスト:



メモリ消費テスト:



上記のデータに基づくと、全体的に、現在のzkアルゴリズムは、大規模なモデル証明の生成をサポートする可能性を備えていますが、対応するコストは依然として高く、10倍以上の最適化が必要です。Gloth16を例にとると、高い並行性によってもたらされる計算時間の最適化の恩恵を受けていますが、トレードオフとして、メモリ使用量が大幅に増加します。Plonky2とzkCNNの時間と空間におけるパフォーマンスも、この点を検証しています。

そのため、質問は実際には、zkp システムがオンチェーン AI をサポートできるかどうかから、オンチェーン AI をサポートするコストに見合う価値があるかどうかに変わりました。また、モデル パラメータが指数関数的に増加すると、証明システムへの圧力も急速に高まります。実際、現在、信頼できないニューラル ネットワークは存在するのでしょうか? いいえ! コストが高すぎるためです。

そのため、AI向けにカスタマイズされた証明システムを作成することは極めて重要です。同時に、非常に複雑なAIロジックを1回の呼び出しで実装するには、ガス消費モデルも再設計する必要があります。高性能なzkvmが不可欠です。しかし、現在では、OlaVM、Polygon Midenなど、多くの高性能な試みが見られます。これらのインフラストラクチャの継続的な最適化により、オンチェーンAIの実現可能性が大幅に向上します。

3. このアプリケーションは期待する価値があるか?

オンチェーン AI はまだ初期段階ですが、上の層から見ると、開始段階と開発段階の間にある可能性があります。ただし、AI の方向には優れたチームと革新的なアイデアが不足することはありません。

前述のように、Web3の世界におけるAIの発展段階を見ると、現在の市場は開始から発展の中間段階にあり、製品の試みの方向性は依然として既存の機能に基づくユーザーエクスペリエンスの最適化が中心となっています。しかし、最も価値のあることは、チェーン上のAIを通じて、信頼できない主体を人間からツールに変え、セキュリティと効率の面で元の製品形態を覆すことです。

次に、既存のアプリケーションの試みから始めて、オンチェーンAIの長期的な製品開発の方向性を分析します。

3.1 ロックフェラーボット：世界初のオンチェーンAI

Rockefellerは、Modulus Labチームが立ち上げた初のオンチェーンAI製品であり、強い「記念価値」を持っています。このモデルは本質的には取引ボットです。具体的には、Rockefellerのトレーニングデータは、チェーン上で公開されている大量のWEth-USDC価格/交換レートです。これは3層のフィードフォワードニューラルネットワークモデルであり、予測対象は将来のWEth価格の上昇と下落です。

取引ボットが取引を決定するプロセスは次のとおりです。

  1. ロックフェラーは、ZK ロールアップの予測結果に対して ZKP を生成します。

  2. ZKP は L1 上で検証され (資金は L1 契約によって保持されます)、操作が実行されます。

トレーディングボットの予測と資金運用は完全に分散化され、信頼されていないことがわかります。前述のように、より高い次元から見ると、ロックフェラーは新しいタイプのDefiゲームプレイに似ています。他のトレーダーを信頼することと比較して、このモードでは、ユーザーは実際に透明+検証可能+自律モデルに賭けています。ユーザーは、モデルの意思決定プロセスの合法性を確保するために中央集権的な機関を信頼する必要はありません。同時に、AIは人間の本性の影響を最大限に排除し、より断固とした決定を下すこともできます。



すでにロックフェラーにいくらか投資して試してみたいと思っているかもしれませんが、これで本当に儲かるのでしょうか?

いいえ、Modulus チームによると、それはできません。Rockefeller はアプリケーションというより、オンチェーン AI の概念実証 (POC) のようなものです。コスト、効率、証明システムの制限により、Rockefeller の主な目的は、オンチェーン AI の実現可能性を Web3 の世界に示すデモとして機能することです。(Rockefeller はミッションを完了し、現在はオフラインです T T)

3.2 Leela: 世界初のオンチェーンAIゲーム

最近リリースされた Leela v.s. the World も Modulus Lab の作品です。ゲームの仕組みはシンプルで、人間のプレイヤーがチームを組んで AI と戦います。ゲームでは、プレイヤーは賭け金を賭けることができ、各試合の終了時に、賭けたトークンの数に応じて敗者のプールが勝者に分配されます。



オンチェーンAIといえば、今回Modulus Labはより大規模なディープニューラルネットワーク（パラメータ数＞370万）を展開した。モデル規模と製品内容の点ではLeelaはRockefellerを上回っているが、本質的には依然として大規模なオンチェーンAI実験である。注目すべきはLeelaの背後にあるメカニズムと動作モードであり、オンチェーンAIの動作モードと改善の余地をよりよく理解するのに役立つ。以下は公式が示したロジック図である。



Leela が行うすべての動き、またはすべての予測は ZKP を生成し、契約によって検証された後にのみゲームで有効になります。つまり、信頼できない自律 AI のおかげで、ユーザーが賭けた資金とゲームの公平性は暗号化によって完全に保護されており、ゲーム開発者を信頼する必要はありません。

Leela は Halo2 アルゴリズムを採用しています。主な理由は、そのツールと柔軟な設計がより効率的な証明システムの設計に役立つためです。具体的なパフォーマンス状況については、上記のテスト データを参照してください。しかし同時に、Modulus チームは Leela の運用中に、証明生成の遅さやワンショット証明への不向きなど、Halo2 の欠点も発見しました。したがって、以前のテスト データから導き出された結論をさらに裏付けています。つまり、より大きなモデルを web3 に導入する必要がある場合、より強力な証明システムを開発する必要があります。

しかし、Leelaの価値は、AI + Web3ゲームにもっと大きな想像空間をもたらすことにあります。現時点では、King of Gloryのプレイヤーは、マッチメイキングアルゴリズムが完全にオンチェーンになることを大いに期待しているはずです:) Gamefiには、より高品質なコンテンツのサポートとより公平なゲームシステムが必要であり、オンチェーンAIはまさにこれを提供します。たとえば、AI駆動のゲームシーンやNPCをゲームに導入すると、プレイヤーのゲーム体験と経済システムのゲームプレイの両方に大きな想像空間が提供されます。

3.3 ワールドコイン: AI + KYC

Worldcoin は、生体認証を使用して ID システムを確立し、支払いなどの派生機能を実現するオンチェーン ID システム (プライバシー保護個人証明プロトコル) です。目標はシビル攻撃に対抗することであり、現在 140 万人を超える登録ユーザーがいます。



ユーザーは Orb と呼ばれるハードウェア デバイスで虹彩をスキャンし、個人情報がデータベースに追加されます。Worldcoin は、Orb ハードウェアの計算環境で CNN モデルを実行し、ユーザーの虹彩データの圧縮と有効性の検証を行います。強力に聞こえますが、真の分散型 ID 検証のために、Worldcoin チームは ZKP によるモデル出力の検証を模索しています。

課題

特筆すべきは、Worldcoin が使用する CNN モデルのサイズが、パラメータ = 180 万、レイヤー = 50 であることです。上記のテスト データに基づくと、現在の証明システムは時間的にはこれを処理できますが、メモリ消費量はコンシューマー グレードのハードウェアでは完了不可能です。

3.4 その他のプロジェクト

  1. Pragma: Pragma は、Starkware エコシステムから開発された ZK オラクルです。チームはまた、オンチェーン AI を通じて分散型オフチェーン データ検証の問題を解決する方法も模索しています。ユーザーはバリデーターを信頼する必要がなくなり、対応する物理情報を入力として読み取り、実際の資産または ID 検証の決定を下すなど、十分に正確で検証可能なオンチェーン AI を通じてオフチェーン データ ソースを検証できます。

  2. Lyra finance: Lyra financeはデリバティブ取引市場を提供するオプションAMMです。資本利用率を向上させるために、LyraチームとModulus Labは検証可能なAIモデルに基づくAMMの開発に協力しています。検証可能で公正なAIモデルにより、Lyra financeはオンチェーンAIの大規模な実装実験になる機会があり、初めてWeb3ユーザーに公正なマッチメイキングをもたらし、AIを通じてオンチェーン市場を最適化し、より高い収益を提供します。

  3. Giza: オフチェーン検証ではなく、オンチェーンで直接モデルを展開する ZKML プラットフォーム。いい試みですが…計算能力と Cairo の CUDA ベースの証明生成のサポート不足により、Giza は小さなモデルの展開しかサポートできません。これが最も致命的な問題です。長期的には、Web3 に破壊的な影響を与える可能性のある大規模なモデルには、GPU などの強力なハードウェア サポートが必要になります。

  4. Zama-ai: モデルの準同型暗号化。準同型暗号化は、f[E(x)] = E[f(x)] の暗号化形式です。ここで、f は演算、E は準同型暗号化アルゴリズム、x は変数です (例: E(a) + E(b) = E(a + b))。これにより、暗号文に対する特定の形式の代数演算によって暗号化された結果が得られ、この結果を復号化すると、平文に対して同じ演算を実行した場合と同じ結果が得られます。モデルのプライバシーは常に AI のホットスポットであり、ボトルネックとなっています。zk はプライバシーに配慮していますが、zk はプライバシーと同等ではありません。Zama は、モデルのプライバシー保護実行を保証することに尽力しています。

  5. ML-as-a-service: これは現時点では単なる考え方の方向性であり、具体的な応用はありませんが、目標は、集中型 ML サービス プロバイダーによる悪意のある動作と、ZKP によるユーザーの信頼の問題を解決することです。Daniel Kang は、記事「機械学習の信頼のない検証」で詳細に説明しています (記事内の図を参照)。



4. 結論

  • 全体的に見ると、Web3の世界におけるAIはまだ非常に初期の段階にありますが、オンチェーンAIの成熟と普及により、Web3の価値がさらに高まることは間違いありません。技術的には、Web3はAIに独自のインフラストラクチャを提供でき、AIはWeb3の生産関係を変えるための不可欠なツールです。この2つを組み合わせることで、多くの可能性が生まれ、刺激的で想像力豊かな場所になります。

  • AI がオンチェーン化を進める動機という観点から見ると、一方では、透明性と検証性を備えたオンチェーン AI が、分散化され信頼できない存在を人間から AI ツールへと変革し、効率性とセキュリティを大幅に向上させ、まったく新しい製品形態を生み出す可能性を提供します。他方では、Web3 のインフラストラクチャが継続的に進化するにつれて、Web3 にはこのインフラストラクチャの価値を最大化できるキラー アプリケーションが真に必要になります。ZKML はこの点に当てはまります。たとえば、ZK-rollup は、将来 AI が Web3 に参入する入り口になる可能性があります。

  • 実現可能性の観点から見ると、現在のインフラストラクチャはある程度の規模のモデルをサポートできますが、まだ多くの不確実性があります。ZKP を使用して検証可能なモデルを作成することは、現在、AI をオンチェーン化する唯一の方法であるように思われ、AI を Web3 アプリケーションに導入するための最も決定的な技術的方法である可能性もあります。ただし、長期的には、現在の証明システムは、ますます大きくなるモデルを十分にサポートするために飛躍的に改善する必要があります。

  • アプリケーションシナリオの観点から見ると、AIはゲーム、DeFi、DID、ツールなど、Web3のあらゆる方向にほぼ完璧に参加できます...既存のプロジェクトは非常に少なく、長期的な価値に欠けていますが、効率を向上させるツールから生産関係を変えるアプリケーションにはまだ移行していません。しかし、誰かが最初の一歩を踏み出したことはエキサイティングであり、オンチェーンAIとその将来の可能性を最も早く見ることができます。

参照

https://worldcoin.org/blog/engineering/intro-to-zkml

https://medium.com/coinmonks/chapter-1-how-to-put-your-ai-on-chain-8af2db013c6b

https://medium.com/@ModulusLabs/chapter-2-why-put-your-ai-on-chain-33b7625147b7

https://medium.com/@ModulusLabs/chapter-3-the-worlds-first-on-chain-ai-trading-bot-c387afe8316c

https://medium.com/@ModulusLabs/chapter-4-blockchains-that-self-improve-e9716c041f36

https://medium.com/@ModulusLabs/chapter-4-5-trustless-ai-for-living-breathing-games-cc9f24080e30

https://medium.com/@ModulusLabs/chapter-5-the-cost-of-intelligence-da26dbf93307

https://medium.com/@ModulusLabs/chapter-6-leela-vs-the-world-the-worlds-1st-on-chain-ai-game-17ea299a06b6

https://drive.google.com/file/d/1tylpowpaqcOhKQtYolPlqvx6R2Gv4IzE/view

https://medium.com/@danieldkang/trustless-verification-of-machine-learning-6f648fd8ba88

フォーサイトベンチャーズについて

Foresight Ventures は、今後数十年にわたってブロックチェーンの破壊的イノベーションを支援することに注力しています。当社は、VC ファンド、アクティブに管理されるセカンダリー ファンド、マルチ戦略 FOF、プライベート マーケット セカンダリー ファンドなど、複数のファンドを運用しており、運用資産総額は 4 億ドルを超えています。Foresight Ventures は、「ユニーク、独立、積極的、長期的な考え方」という信念を堅持し、成長するエコシステム内のポートフォリオ企業に幅広いサポートを提供しています。当社のチームは、Sequoia Capital、CICC、Google、Bitmain など、トップクラスの金融およびテクノロジー企業のベテランで構成されています。

ウェブサイト: https://www.foresightventures.com/

免責事項: Foresight Ventures のすべての記事は投資アドバイスを目的としたものではありません。個人は自身のリスク許容度を評価し、慎重に投資決定を行う必要があります。