近年、GPTシリーズ製品の連続リリースにより、人工知能は様々な産業を変革しています。様々なAIアプリケーションが私たちの日常の仕事や生活に入り、作業効率を向上させ、ライフスタイルの習慣を変え、企業の運営コストを削減していることを目撃してきました。次の技術革命の出発点としてAIがなっていることを認めざるを得ません。

AI技術革命の核心は、十分な計算能力、アルゴリズムモデル、そして膨大な訓練データにあります。現在、高性能GPU計算能力は不足しており、高価であり、アルゴリズムは同質化されがちであり、モデル訓練データのデータコンプライアンスとプライバシー保護に関する問題があります。ブロックチェーン技術は、分散化と分散型ストレージなどの特性を持ち、AIモデルの開発、展開、運用に効果的に適用することができます。

ブロックチェーンの特性を活用して、AIの計算能力の問題を解決する。

AI開発プロセスでは、GPUコンピューティングパワーの不足や高い利用コストなどの問題に直面しているため、一部のブロックチェーンプロジェクトはブロックチェーンベースのソリューションを通じてこれらの問題に取り組もうとしています。

Render Networkは、業界をリードするotoyソフトウェアを使用して、GPUコンピューティングパワーの需要とアイドルGPUリソースプロバイダーとの間のギャップを埋める高性能分散レンダリングプラットフォームです。このセットアップにより、アイドルGPUリソースを人工知能や仮想現実などの高需要コンピューティング分野に低コストで供給することが可能となります。

このエコシステムでは、アイドルGPUのプロバイダーは、さまざまなレンダリングタスクを完了するために、自分のデバイスをRender Networkに接続し、需要者はGPUプロバイダーにトークン報酬で報酬を支払います。この分散型アプローチは、リソースの利用効率を最大化し、参加者に価値を創出し、人工知能の開発および運用コストを削減します。昨年12月に、Renderは、インフラをEthereumチェーンから高TPS Solanaに移行することで、技術的な大幅な飛躍を達成し、Solanaの高性能と高いスケーラビリティを活用して、リアルタイムストリーミングとステート圧縮を含むRenderの機能を強化しました。

Render Networkでのレンダリングされたイメージ

Akashは、世界中のアイドルCPU、GPU、ストレージ、帯域幅、専用IPアドレス、およびその他のネットワークリソースを集約し、人工知能などのタスクのために高い計算能力を必要とする企業や個人に貸し出す分散コンピューティングプラットフォームです。これにより、これらのリソースを最大限に活用し、GPUレンタルサービスを提供できます。GPUレンタルリソースを提供するユーザーはAKTトークンを受け取り、需要者は低コストで計算能力にアクセスできます。プラットフォームトークンであるAKTは、レンタルネットワークリソースの支払いに使用されるだけでなく、エコシステムのガバナンスとネットワークセキュリティの維持に参加するバリデーターを奨励するインセンティブとしても機能します。プラットフォームは、ネットワークリソースの支払いを清算する際に一定の取引手数料を徴収し、プラットフォームエコシステムのすべての参加者が収入を得ることができ、プラットフォームの長期的な持続可能性とビジネスモデルの持続的成長を促進します。

Akash Networkのネットワークリソースのリアルタイム統計グラフ

Livepeerは、ライブおよびオンデマンドのストリーミングメディア用のビデオインフラストラクチャネットワークプラットフォームです。ユーザーは、プラットフォームソフトウェアを実行して、コンピュータのGPU、帯域幅、およびその他のリソースを利用してビデオのトランスコーディングと配信に参加できます。このアプローチにより、ビデオストリームの信頼性が向上し、トランスコーディングや配信などの関連コストが最大50倍削減されます。さらに、Livepeerプロジェクトは、AIビデオコンピューティングタスクをLivepeerネットワークに導入し、オーケストレータによって運営されるGPUネットワークを活用して高品質なAI動画を生成し、動画コンテンツの作成コストを削減しています。

上記のブロックチェーンプロジェクトの説明から、ブロックチェーンは、分散型および分散特性を活用して、アイドルネットワークリソースを効果的に利用し、AIコンピューティングパワーの現在の不足と高コストに対処することができることが明らかです。このモデルが将来、さらに多くの実世界のシナリオでAIスタートアップによって検証され、認識されると、計算パワーの問題を大幅に緩和するでしょう。

AIとブロックチェーンデータの統合。

データはAIモデルの基礎であり、モデルを訓練するために使用されるデータは、さまざまなAIモデルの違いを決定します。他のデータソースと比較して、ブロックチェーンデータはより高品質で透明性があり、ブロックチェーン上のユーザーの識別を可能にします。

Arkhamは、AI技術を使用してオンチェーンデータとインテリジェンス分析を提供するユーザーに報酬を与えるプラットフォームです。独自の人工知能エンジンであるULTRAは、オンチェーンアドレスに実世界のユーザーをラベリングすることができ、分散型のオンチェーン匿名アドレスを実世界の個人とリンクさせることができます。ユーザーは、AIモデルを通じてオンチェーン匿名アドレスの大量のラベル付きデータを取得することで、Arkhamを通じてエンティティのオンチェーントランザクション情報を解明することができます。暗号通貨犯罪を調査する際の最大の課題は、匿名アドレスを介した資金移動を特定することです。規制当局は、Arkhamが提供するラベルデータを通じてマネーロンダリングや詐欺などの犯罪活動を追跡および調査することができます。

Arkhamプラットフォームのオンチェーンデータ可視化マップ

さらに、アーカムはオンチェーンのインテリジェンス情報取引機能も備えています。アーカムの相互交換機能により、オンチェーンアドレスとオフチェーンの実世界の情報との交換が可能になります。ユーザーは、プラットフォーム上の報奨金を通じてオンチェーンの情報インテリジェンスを収集することができ、貴重なオンチェーン情報もプラットフォーム上でオークションにかけることができます。特定の製品の詳細な分析については、記事「アーカムはオンチェーン規制の有力なツールになれるのか？“以前に書かれた。

Arkhamの人工知能エンジンULTRAは、Palantirからの支援を受けて開発されました。Palantirは、米国政府に人工知能サービスを提供するビッグデータ分析およびインテリジェンスサービス企業であり、OpenAIの創設者たちからも支援を受けています。このような強力なサポートと強力なAIモデルトレーニングデータソースへのアクセスを持つことで、Arkhamは業界で最も堅牢なオンチェーンデータラベリングライブラリを所有しています。

AIモデルトレーニング用の大量データの高コストに対処するために、Arweave、Filecoin、Storjなどのブロックチェーンストレージプロジェクトが解決策を提供しています。Arweaveの永久保存のための一度きりの支払いや、Filecoinの効率的なペイアズユーゴーモデルなど、これらの解決策はデータストレージコストを大幅に削減します。さらに、分散型ストレージは、従来のストレージ方法に比べて自然災害によるデータ損失のリスクを軽減することができます。

ChatGPTを使用することで作業効率を向上させることができますが、AI会話の精度を高めるためにモデルを最適化するには、トレーニングと微調整のために大量のユーザーデータが必要です。そのため、機密データや個人情報データの漏洩のリスクがあります。Zamaは、ブロックチェーンや人工知能向けに最先端の完全同型暗号（FHE）ソリューションを構築するオープンソースの暗号企業です。Zama Concrete MLは機密データを安全に処理し、機密性を維持しながら異なる機関間でデータ協力を可能にし、効率とデータセキュリティを向上させることができます。トレーニング中に個人の医療記録などのプライバシーデータを暗号化し、各ユーザーが最終結果のみを見ることができ、他の人の機密データを見ることはできません。

AIエージェントのブロックチェーンプロジェクトへの統合。

OpenAIは、AIエージェントを、自律的に理解し、認識し、計画し、記憶し、ツールを使用し、複雑なタスクの実行を自動化する能力を持つ大規模言語モデル（LLM）によって駆動されるシステムと定義しています。OpenAIのGPTモデルの連続したリリースにより、AIエージェントの適用がますます進んでいます。

Fetch.aiは、自律型AIエージェント間の経済活動を主に促進する自己学習ブロックチェーンネットワークです。Fetch.aiは、AIエージェント、Agentverse、AIエンジン、Fetchネットワークの4つのパーツで構成されています。ユーザーは、Agentverse上でプラットフォームが提供するAIエージェントのユースケースを使用して、独自のAIエージェントを作成、開発、展開することができます。また、プラットフォーム上の他のユーザーに自分のAIエージェントを宣伝することもできます。DeltaVはFetch.aiのAIベースのチャットインターフェースです。ユーザーはこのインターフェースを介してリクエストを入力し、AIエンジンがユーザーの入力を読み取り、実行可能なタスクに変換し、Agentverseの最適なAIエージェントを選択してタスクを実行します。現在、ドイツの企業であるBoschは、AIエージェント技術をモビリティとスマートホームアプリケーションと統合するためにFetch.aiと協力し、IoT経済のWeb3時代への扉を共同で開いています。

Fetch.aiエコシステムの構成

AIエージェントアプリケーションQnA3.AIは、暗号化産業のAI質問応答ロボット、技術分析ロボット、資産取引機能をWeb3の世界に導入しています。QnA3ボットを通じて、ユーザーは暗号資産取引時に実際の取引を収集、分析、実行することができます。「質問と回答」「技術分析」「リアルタイム取引」の製品機能を通じて、取引決定におけるユーザーの主観的感情の干渉を最小限に抑えた動作が実現されています。

可能な法的リスク

1. データエクスポートリスク

上記の紹介で、一部の分散型ストレージプロジェクトが、AIモデルトレーニングのデータストレージの問題を低コストで解決していることが述べられています。これにより、AI起業に取り組む個人やスタートアップの進出の障壁が低くなります。ただし、この分散型ストレージアプローチには、データが管轄外に出るリスクがあるかもしれません。

国家インターネット情報局は、「データ輸出のセキュリティ評価ガイドライン(第1版)」を発行しました。このガイドラインには、データ輸出行動には次のようなものが含まれています:

(1)国内業務中に収集および生成されたデータを海外の場所にデータプロセッサーに転送および保存すること；

(2) データプロセッサーによって収集および生成されたデータを国内で保存し、海外の機関、組織、または個人がデータをクエリ、取得、ダウンロード、エクスポートできるようにする。

（3）国家インターネット情報局によって規制された他のデータのエクスポート動作。

では、「輸出」とは何を意味するのでしょうか？中華人民共和国出入国管理法第89条によると、「輸出」とは、中国本土から他国や地域、中国本土から香港特別行政区やマカオ特別行政区、中国本土から台湾への旅行を指します。したがって、輸出の有無の判断は管轄権に基づいていることが分かります。

分散型ストレージプロジェクトでは、ユーザーはIPFSなどの分散型分散ネットワークにデータを保存します。ネットワークに保存されているファイルは、いくつかの小さなデータチャンクに分割され、暗号化され、さまざまなノードに保存されます。ストレージノードは世界中に分散しています。国内のAIスタートアップが、このような分散型プロジェクトのノードにAIモデルのトレーニング用データを保存するとしたら、確かにデータ輸出のリスクがあります。

2. 機密プライバシーデータ漏洩のリスク

AIエージェントアプリケーションの例として、QnA3.AIのようなアプリケーションでは、ユーザーは暗号資産の取引情報を取得し、取引を実行するためにAIと会話します。これらのやり取りから生成される個人のQ&Aダイアログは、プロジェクトがモデルのトレーニングと最適化に利用する場合、プライバシーデータが漏洩するリスクをもたらします。悪意のある行為者によって利用されれば、取引データの漏洩は投資の失敗やさらなる損失につながる可能性があります。

免責事項：

1. この記事は[から転載されましたweb3caff], すべての著作権は原著作者に帰属します [クリス・チュヤン]. If there are objections to this reprint, please contact the Gate Learnチームが迅速に対応いたします。
2. 責任の免除: この記事で表現されている意見は、著者個人のものであり、投資アドバイスを構成するものではありません。
3. 他の言語への記事の翻訳は、Gate Learnチームによって行われます。特記されていない限り、翻訳された記事のコピー、配布、または盗用は禁止されています。