DePIN の多次元分析は人工知能にどのように役立ちますか?

原著者: Filecoin、インサイト ライター、Portal Ventures 投資パートナー Catrina

出典: ファイルコインネットワーク

かつて、スタートアップ企業は、そのスピード、機敏性、起業家文化により、組織の慣性の束縛から解放され、長期にわたり技術革新をリードしてきました。 **しかし、これはすべて人工知能の時代によって書き換えられます。 **これまでのところ、画期的な「AI」製品の開発者は、「Microsoft」、OpenAI、Nvidia、Google、さらには「Meta」などの伝統的なテクノロジー大手です。

**どうしたの? **今回巨人はなぜ先発に勝てたのか?スタートアップ企業は優れたコードを書くことができますが、テクノロジー大手と比べていくつかの障害に直面しています。

  • 計算コストは依然として高い *AI; 開発にはリバースローブがある: AI に関する懸念と不確実性; 必要なガイドラインの欠如により社会的影響がイノベーションを妨げる
  • AI; ブラックボックス問題
  • 大手テクノロジー企業が構築した「データ堀」が参入障壁を形成

では、なぜブロックチェーン技術が必要なのでしょうか?それは人工知能とどこで交差するのでしょうか?すべての問題を一度に解決できるわけではありませんが、Web3 の 分散物理インフラストラクチャ ネットワーク (DePIN) は、上記の問題を解決する条件を作り出します。以下では、「DePIN」の背後にあるテクノロジーが人工知能にどのように役立つかを、主に 4 つの次元から説明します。

  • インフラストラクチャ コストを削減
  • VERIFY クリエイターとパーソナリティ
  • FILL AI、民主主義と透明性
  • 設定 データ貢献報酬メカニズム

下:

※ **「web3」**とは次世代インターネットのことであり、ブロックチェーン技術などの既存技術がその有機的な構成要素です。

  • 「ブロックチェーン」 は、分散型台帳技術を指します。
  • 「暗号」 は、インセンティブと分散化のためのトークン メカニズムの使用を指します。

1. インフラストラクチャのコストを削減する (コンピューティングとストレージ)

技術革新の波はすべて、高価なものが無駄になるほど安価になることから始まります。

– 社会の技術的負債とソフトウェアのグーテンベルク モーメント、経由: SK Ventures

インフラストラクチャの手頃な価格がどれほど重要であるか (人工知能のインフラストラクチャとは、データのコンピューティング、送信、保存にかかるハードウェアのコストを指します)、カルロタ・ペレス; 技術革命の理論は、その理論が技術的なブレークスルーを提案していることを示しています。 2 つの段階が含まれます :DePIN の多次元分析は人工知能にどのように役立ちますか?

出典: カルロタ・ペレス、技術革命理論

  • 導入フェーズは、顧客が新しい製品の価値提案を理解していないため、多額のベンチャー キャピタル投資、インフラストラクチャ構築「プッシュ」市場投入 (GTM) 戦略によって特徴付けられます。テクノロジー。
  • 導入段階は、インフラストラクチャ供給の大幅な増加を特徴とし、新規参入者を誘致するための敷居を下げ、「プル」**** 市場プロモーション (GTM) 戦略を採用している。これは高度な市場促進を示しています。製品市場のマッチング、顧客はまだ形成されていない製品を期待しています。

「ChatGPT」などの試みが市場適合性と顧客の需要を実証した今、「AI」が導入段階に入ったと感じる人もいるかもしれません。 **しかし、AI には、価格に敏感な新興企業が構築して実験できる余剰インフラストラクチャという重要な要素が欠けています。 **

### 質問

現在の物理インフラ分野は、AWS、GCP、Azure、Nvidia、Cloudflare、Akamai などの垂直統合型寡占によって主に独占されており、業界の利益率は高く、コモディティに対する AWS の粗利益率は推定されています。コンピューティング ハードウェアは 61 % です。したがって、AI 分野、特に LLM 分野への新規参入者は、非常に高い計算コストに直面する必要があります。

  • ChatGPT; 1 回のトレーニングのコストは 400 万米ドルと推定され、ハードウェア推論の運用コストは 1 日あたり約 700,000 米ドルです。
  • ブルーム、バージョン 2 には 1,000 万ドル、トレーニングと再トレーニングに 100 万ドルかかる可能性があります。
  • 「ChatGPT」が「Google」検索に参入すると、Google の収益は減少し、360 億ドル、** 莫大な利益がソフトウェア プラットフォーム (Google) からハードウェア プロバイダー (Nvidia) に移されることになります。 **

DePIN の多次元分析は人工知能にどのように役立ちますか?

出典: レイヤーごとの分析 — LLM、検索アーキテクチャとコスト

### 解決

DePIN; Filecoin (2014 年に誕生; DePIN; インターネット レベルのハードウェアの収集と分散データ ストレージの提供に重点を置いたパイオニア)、Bacalhau、Gensyn.ai、Render Network、ExaBits (マッチング用、CPU/GPU、需要と供給の調整層)は、次の 3 つの側面を通じてインフラストラクチャ コストを 75% ~ 90%+ 節約できます。

1. 供給曲線を押し上げ、市場競争を刺激します

DePIN; ハードウェア サプライヤーがサービス プロバイダーになる平等な機会を提供します。これは、誰もが「マイナー」として参加し、CPU/GPU やストレージ能力を金銭的な報酬で交換できる市場を生み出し、それによって既存のプロバイダーとの競争を生み出します。

「AWS」のような企業は、ユーザー インターフェイス、運用、垂直統合において「17」の先行者利益を間違いなく享受していますが、**DePIN; は、集中サプライヤーからの価格設定を受け入れることができない新しい顧客ベースを引きつけています。 **Ebay と同様、ブルーミングデールと直接競合するわけではありませんが、同様のニーズを満たすために より経済的な代替手段を提供しています。分散ストレージ ネットワークは集中型プロバイダーに代わるものではなく、価格に敏感なユーザーにサービスを提供することを目的としています。グループ。

2. 暗号化された経済設計を通じて市場の経済バランスを促進

DePIN によって作成された補助金メカニズムにより、ハードウェア サプライヤーがネットワークに参加するよう誘導できるため、エンド ユーザーのコストが削減されます。原理的には、AWS、ファイルコイン、Web2 と Web3 のストレージ プロバイダーのコストと収益を確認できます。 DePIN の多次元分析は人工知能にどのように役立ちますか?

顧客は価格を引き下げられます: DePIN; ネットワークが競争市場を生み出し、Bertrand; スタイルの競争を導入することで、顧客の支払い手数料が削減されます。対照的に、AWS EC;2; が存続するには、約 55% のマージンと 31% の全体マージンが必要です。 DePIN、ネットワークによって提供されるトークン、インセンティブ/ブロック報酬新しい収入源です。 Filecoin のコンテキストでは、ストレージプロバイダーがホストする実際のデータが多ければ多いほど、より多くのブロック報酬 (トークン) を獲得できます。 **したがって、ストレージプロバイダーには、より多くの顧客を引きつけて取引を成立させ、収益を増やすインセンティブがあります。 **いくつかの新興コンピューティング、DePIN、ネットワークのトークン構造は未公開のままですが、おそらく同様のパターンに従います。同様のネットワークには次のようなものがあります。

  • Bacalhau: データが保存されている場所に計算をもたらし、大量のデータの移動を回避する調整層。
  • exaBITS: AI、および計算集約型アプリケーションを提供する分散コンピューティング ネットワーク。
  • Gensyn.ai: 深層学習モデル コンピューティング プロトコル。

3. オーバーヘッド コストの削減: Bacalhau、exaBITS など、DePIN、ネットワーク、および IPFS/コンテンツ アドレス可能ストレージの利点は次のとおりです。

  • 潜在的なデータ可用性の解放: スポーツ スタジアムで生成される大量のイベント データなど、大規模なデータ セットの送信には帯域幅コストがかかるため、現在、大量のデータが利用されていません。 DePIN; プロジェクトはオンサイトでデータを処理し、意味のある出力のみを送信し、潜在的なデータの可用性を明らかにします。
  • 運用コストの削減: データをローカルで取得することで、データ入力、転送、インポート/エクスポートのコストを削減します。
  • **機密データの共有における手作業を最小限に抑える: **病院、A、および B; がそれぞれの患者の機密データを組み合わせて分析する必要がある場合、バカリャウ、調整、GPU、コンピューティング能力をプロセス機密で直接使用できます。面倒な管理プロセスを通じて取引相手と個人識別情報 (PII) を交換することなく、データをローカルに保存できます。
  • **基本的なデータ セットを再計算する必要はありません: **IPFS/コンテンツ アドレス可能ストレージには、データの重複排除、トレース、検証機能が備わっています。 「IPFS」の機能やコストパフォーマンスについては、こちらの記事をご覧ください。

**AI; 概要を生成します: **AI; ニーズ; DePIN; 手頃な価格のインフラストラクチャを提供します。インフラストラクチャ市場は現在、垂直統合された寡占企業によって支配されています。 Filecoin、Bacalhau、Render Network、ExaBits などのネットワーク、DePIN などのネットワークは、ハードウェア サプライヤーになる機会を民主化し、競争を導入し、暗号化の経済設計を通じて市場の経済バランスを維持し、コストを削減します。75%、-90%、上記、そして諸経費を削減します。

2. 作成者と人格を検証する

### 質問

最近の調査によると、AI 学者の **50%;が、「AI」が人間に壊滅的な危害を与える可能性は 10%; を超えていると考えています。 **

AIによる社会混乱が生じているにもかかわらず、規制や技術仕様が整備されていない状態が「リバースローブ」と呼ばれ、警戒が必要だ。

たとえば、この Twitter では、ビデオ、ポッドキャストのホストであるジョー ローガンと保守派のコメンテーターであるベン シャピロが映画「レミーのおいしいレストラン」について議論していますが、このビデオは AI によって生成されています。 DePIN の多次元分析は人工知能にどのように役立ちますか?

出典: ブルームバーグ

AI の社会的影響が、偽のブログ、会話、画像によって引き起こされる問題をはるかに超えて広がっていることは注目に値します。

  • 2024 年の米国選挙中、AI、生成されたディープフェイク、キャンペーン コンテンツが初めて本物と同等の効果を達成しました。
  • 上院議員; エリザベス・ウォーレン; のビデオは、彼女に「共和党員は投票を許可されるべきではない」などと「発言」させるために編集された(噂は誤りであることが暴かれた)。 *音声合成されたバイデンの声はトランス女性を批判している。
  • アーティストのグループが、Midjourney、および Stability に対して集団訴訟を起こしました。 *AI;ザ・ウィークエンドとドレイクによって生成;デュエット曲「ハート・オン・マイ・スリーブ」はストリーミングプラットフォームで急速に広まりましたが、後に削除されました。新しいテクノロジーが規制なしで主流になると、多くの問題が発生します。**著作権侵害は「逆ローブ」問題です。 **

では、Web3 に「AI」の関連仕様を追加できるでしょうか?

### 解決

暗号化チェーン上の出所証明を使用して、個人証明と作成者証明を提供します

ブロックチェーン技術を真に機能させる - 不変のオンチェーン履歴を含む分散台帳として、デジタル コンテンツの信頼性をコンテンツ暗号証明を通じて検証できます。

作成者の証明および個人の証明としてのデジタル署名

「ディープフェイク」を識別するには、元のコンテンツの作成者に固有のデジタル署名を使用して暗号証明を生成できます。デジタル署名は、作成者のみが知っている秘密キーを使用して作成でき、誰もが利用できる公開キーによって検証できます。 。署名があることにより、作成者が人間であるか AI であるかにかかわらず、コンテンツが元の作成者によって作成されたことを証明でき、コンテンツへの変更が許可されているかどうかを検証することもできます。

真正性証明に IPFS およびマークル ツリーを使用

IPFS は、コンテンツ アドレッシングとマークル ツリーを使用して大規模なデータセットを参照するための分散プロトコルです。ファイルの内容が受信されて変更されたことを証明するために、マークル プルーフが生成されます。マークル プルーフは、マークル ツリー内の特定のデータ ブロックの位置を示すハッシュの文字列です。変更が行われるたびに、ハッシュがマークル ツリーに追加され、ファイル変更の証拠が提供されます。

暗号化スキームの問題点はインセンティブ メカニズムです結局のところ、「ディープフェイク」作成者を特定することで社会への悪影響は軽減できますが、同じような経済的利益はもたらされません。この責任は、Twitter、Meta、Google などの主流メディア配信プラットフォームにある可能性が高く、実際にそのとおりです。 **では、なぜブロックチェーンが必要なのでしょうか? **

その答えは、ブロックチェーンの暗号署名と信頼性の証明** がより効率的で、検証可能で、確実であるということです。 現在、「ディープフェイク」を検出するプロセスは主に機械学習アルゴリズム (「Meta;」の「Deepfake Detection Challenge」、Google; の「Ametric Numerals」(ANS)、;c;2;pa など) を通じて行われています。 ) 視覚的なコンテンツの法則と異常を識別します。 しかし、多くの場合、十分な精度が得られず、「ディープフェイク」の開発速度に遅れをとっています。 **通常、信頼性を判断するには手動によるレビューが必要ですが、非効率的でコストがかかります。

いつかすべてのコンテンツに暗号署名が付けられ、誰もが作成元を検証できるようになり、改ざんや偽造にフラグを立てることができれば、私たちは美しい世界を迎えることになるでしょう。

**AI;生成の概要: **AI; は、特にディープフェイクやコンテンツの不正使用など、社会に重大な脅威をもたらす可能性がある一方、クリエイター認証やデジタル署名の使用などの Web3 テクノロジー、IPFS、メルケル氏の信頼性証明などは、このツリーは、デジタル コンテンツの信頼性を検証し、不正な変更を防止し、「AI」の仕様を提供することができます。

3. AI、民主化

### 質問

現在の「AI」は独自のデータと独自のアルゴリズムで作られたブラックボックスです。大手テクノロジー企業 (LLM) の閉鎖的な性質は、私の目には 「AI; 民主主義」 を殺します。つまり、すべての開発者、さらにはユーザーさえも「LLM; モデル」にアルゴリズムとデータを提供できるということです。モデルでは、利益が出たら利益の一部を受け取ります(関連記事)。

AI; 民主主義 = 可視性 (モデルに入力されたデータとアルゴリズムを確認できます)** + 貢献度** (データまたはアルゴリズムをモデルに貢献できます)。

### 解決

AI 民主主義の目的は、生成型 AI モデルを公衆に公開し、関連性を持たせ、公衆が所有できるようにすることです。以下の表は、AI の現状と Web3 ブロックチェーン テクノロジーによって実現できる将来を比較したものです。

DePIN の多次元分析は人工知能にどのように役立ちますか?

**現在のところ - **

お客様向け:

  • 一方向受信、LLM、出力
  • 個人データの使用方法を制御できない

開発者向け:

  • 低い構成可能性
  • ETL; データ処理は追跡不可能であり、再現が困難です。 ※データの提供元はデータ所有者に限定されます
  • クローズド ソース モデルには、API、有料アクセス経由でのみアクセスできます。
  • 共有データ出力には検証可能性が欠けており、データ サイエンティストはローエンドのデータ クリーニングに時間の 80% を費やしています。

ブロックチェーン結合後——

お客様向け:

ユーザーは、微調整の基礎としてフィードバック (バイアス、コンテンツのモデレーション、出力に関する詳細なフィードバックなど) を提供できます。

ユーザーは、モデルが利益を上げた後、利益と引き換えにデータを提供することを選択できます

開発者向け:

  • **分散データ管理層: **時間のかかるデータのラベル付けやその他のデータ準備作業をクラウドソーシングで繰り返す
  • 可視性、検証可能なソースを使用してアルゴリズムを組み合わせて微調整する機能 (すべての変更の改ざん防止履歴を確認できます)
  • データ主権 (コンテンツ アドレッシング/IPFS 経由、有効) およびアルゴリズム主権 (例: Urbit、データとアルゴリズムのピアツーピアの組み合わせと移植性が有効)
  • **Accelerate;LLM;Innovate、**Accelerate;LLM;基盤となるオープンソース モデルのさまざまなバリアントから革新します。
  • **再現可能なトレーニング データ出力、**ブロックチェーンの不変の過去の記録、ETL、操作およびクエリ (例: Kamu) を介して。

Web2 のオープン ソース プラットフォームも妥協策を提供するという人もいますが、その効果は理想的ではありません。関連する議論については、exaBITS のブログ投稿を参照してください。

AI;世代の概要: ビッグテックの閉鎖的;LLM;殺された「AI;民主主義」、つまり、各開発者またはユーザーはアルゴリズムとデータを「LLM;モデル」に貢献でき、モデルが完成したときに利益の一部を得ることができます。儲かる。 AI は、一般に公開され、一般に関連し、一般の人が所有するものである必要があります。ブロックチェーン ネットワークの助けを借りて、ユーザーはフィードバックを提供し、実現された利益と引き換えにモデルにデータを提供することができ、開発者はアルゴリズムを組み合わせて微調整するための可視性と検証可能なソースを取得することもできます。 Content Addressing/IPFS や Urbit などの Web3 イノベーションにより、データとアルゴリズムの主権が可能になります。トレーニング データ出力の再現性は、ブロックチェーンの不変の過去の記録、ETL、操作とクエリを通じても可能になります。

4. データ貢献報酬メカニズムをセットアップする

### 質問

現在、最も価値のある消費者データは大手テクノロジー企業の独占的な資産であり、中核的なビジネス上の障壁となっています。テクノロジー大手には、このデータを外部の関係者と共有するインセンティブがありません。

では、なぜ作成者やユーザーから直接データを取得できないのでしょうか?なぜデータを公開リソースにし、データを提供し、データサイエンティストが使用できるようにオープンソースにすることができないのでしょうか?

簡単に言えば、インセンティブメカニズムと調整メカニズムの欠如が原因です。データの維持と実行、ETL (抽出、変換、ロード) には大きなオーバーヘッド コストがかかります。実際、コンピューティングコストを除いて、データストレージだけでも 2030 年までに 7,770 億ドルの産業になるでしょう。データ処理の作業とコストを無料で引き受ける人はいません。

見てみましょう; OpenAI は当初、オープンソースかつ非営利であることを設定していましたが、コストを実現するのが難しく、コストをカバーできません。 2019年、OpenAIはマイクロソフトからの資本注入を受け入れなければならず、アルゴリズムは公開されなくなった。 2024 年までに OpenAI の利益は 10 億米ドルに達すると推定されています。

### 解決

Web3 は、「dataDAO」という名前の新しいメカニズムを導入し、AI、モデル所有者とデータ貢献者の間での収入の再分配を促進し、クラウドソーシングによるデータ貢献に対するインセンティブ層を作成します。紙面の都合上、ここでは展開しませんが、さらに詳しく知りたい場合は、次の 2 つの記事をご覧ください。

  • DataDAO の仕組み/DataDAO、原理、著者は; Protocol Labs; HQ Han
  • web3/web3 でのデータの貢献と収益化の仕組み データの貢献と収益化の仕組みについては、この記事で「dataDAO」のメカニズム、欠点、機会について詳しく説明しました。

一般に、DePIN は別のアプローチを採用し、Web3 と AI のイノベーションを促進するための新しいハードウェア エネルギーを提供します。大手テクノロジー企業が AI 業界を独占する一方で、新興プレーヤーはブロックチェーン テクノロジーを活用して競争に参加できます: DePIN、ネットワークは計算コストを下げることで参入障壁を低くし、ブロックチェーンの検証可能で分散された性質により、真のオープン、AI、可能性、dataDAO、およびデータの貢献を促進するその他の革新的なメカニズム、ブロックチェーンの不変性と改ざん防止機能により作成者の身元証明書が提供され、「AI」の社会的悪影響に関する人々の懸念が払拭されます。

原文表示
内容は参考用であり、勧誘やオファーではありません。 投資、税務、または法律に関するアドバイスは提供されません。 リスク開示の詳細については、免責事項 を参照してください。
  • 報酬
  • コメント
  • 共有
コメント
0/400
コメントなし
  • ピン
いつでもどこでも暗号資産取引
qrCode
スキャンしてGate.ioアプリをダウンロード
コミュニティ
日本語
  • 简体中文
  • English
  • Tiếng Việt
  • 繁體中文
  • Español
  • Русский
  • Français (Afrique)
  • Português (Portugal)
  • ไทย
  • Indonesia
  • 日本語
  • بالعربية
  • Українська
  • Português (Brasil)