Arweave+AO Computer+AI が Web3 価値インターネットの実現を支援

現在、分散型AIエージェント（DAI-Agent）分野は注目を集めており、多くの記事が関連プロジェクトの特徴、解決する問題、将来の可能性について紹介しています。これらの記事は、ある程度投資家がプロジェクトを理解するのに役立ちますが、大半は深い分析に欠けており、AIの基本的な特徴や現在のWeb3の状況を深く探求していません。そのため、分散型AIがWeb3の価値インターネット実践において果たす役割、すなわちWeb3を最適化するのか、それとも重要なコンポーネントとして機能するのかを明確にすることが難しいです。分散型AIとWeb3の価値インターネット経済との内在的な論理が明確でなければ、分散型AIの役割を深く理解することはできず、そのコアコンポーネントがどのようにWeb3の問題を解決するかを把握することも難しいです。例えば、分散型モデルとDAI-Agentという2つの重要なコンポーネントがそれぞれどのような問題を解決し、彼らとWeb3との内在的な論理は何か。これらの内在的な論理を理解しなければ、この分野の潜在的な価値を評価することは難しいです。これは、私たちが高い潜在能力を持つ投資方向を正確に選択することを難しくし、たとえ正しいトラックとプロジェクトを選んでも、市場の感情の変動によって持続することが難しくなる可能性があります。これに対処するために、私は現在のWeb3の基本的な状況とAIの基本的な特徴を深く分析し、両者の融合がどのように価値インターネットの実現を促進するか、そしてArweaveとAOがどのようにAIを通じてこのプロセスを支援するかを探求する予定です。内容が豊富なため、筆者は2つの記事に分けて詳細に説明します：

• なぜ現在のWeb3は分散型AIとの融合が必要なのか、価値インターネットの実現のために。

現在、多くのパブリックチェーンプロジェクトは、ETHやさまざまなL2、Solanaなどのブロックチェーンの基盤インフラの最適化と拡張に主なエネルギーを注いでいます。しかし、私は、ブロックチェーンの拡張を追求するだけでは、AIを取り入れなければWeb3の価値インターネットの実現を進めることは難しいと考えています。現在、Web3は拡張能力が限られているだけでなく、データの断片化問題も存在し、ユーザーの個人データが異なるチェーンやDAppに分散しているため、管理が困難で、相互作用コストが高く、操作が複雑で、ユーザーがデータを積極的に提供することを著しく制限しています。さらに、分散型の特性は管理と協調の効率を低下させます。これらの問題はWeb3の発展を大きく制限しています。一方で、AIは自主的に学習し、推測し、意思決定を行う能力を持ち、AIエージェントはユーザーのインテリジェントアシスタントとして機能し、効率を大幅に向上させることができます。両者が融合することで、ユーザー体験が大幅に向上し、参入障壁が低下し、Web3の発展が促進されます。

• 分散型ストレージと計算プラットフォーム、分散型モデル、DAIAgentの内在的な関係：三者の結合がWeb3のデータ資産経済活動の閉ループを通じて、真の価値インターネットを実現する。

一、主要コンポーネントの紹介と関係

1、DAI-Agent

Web3の核心的な特徴の一つは、ユーザーが自身のデータをコントロールできることです。DAIAgentはユーザーがデータを集中管理し、集約するのを助け、データが各プラットフォームに分散するという痛点を効果的に解決し、同時にユーザーのインテリジェントアシスタントとして機能し、操作の難易度を下げ、Web3との相互作用の効率を向上させます。例えば、DAIAgentはユーザーがそのDIDライフサイクルを管理するのを支援し、DIDの作成、更新、撤回を含むことで、データ管理と使用体験を簡素化します。ここでは、AI-AgentとDIDの関係を詳細に探求する必要があります。Web3.0環境において、DIDとDAI-Agentは高度に補完的で適合性があります：

• a. データ統合と高品質な入力：

AI-Agentはプラットフォームを超えてデータを統合することができ（例えば、ソーシャル、医療、職業データ）、情報の孤島を効果的に打破します。そのインテリジェントアルゴリズムはDIDのニーズに基づいてデータをフィルタリング、クレンジング、フォーマット（例えば、各データソースの信頼性を評価し、重複または低価値データを除去し、DIDデータモデルの規範に従ってデータを整理）し、高品質なDIDの作成を保証します。同時に、差分プライバシー、同態暗号化、最新のマルチパーティセキュリティ計算（MPC）技術を利用して、原データを漏洩させることなくデータ分析計算を完了します（例えば、医療のセンシティブデータを集約する際に健康情報のニーズを満たしつつ、個人のプライバシーを保護します）。さらに、クロスチェーン相互運用性プロトコル（Polkadot、Cosmosなどのエコシステム）の成熟が進む中、DAIAgentはより多くのデータソース間のシームレスな接続を実現し、データ統合の効率と精度をさらに向上させることが期待されます。分散型アーキテクチャは、単一障害点やデータが単一のエンティティに支配されるリスクを回避するだけでなく、スマートコントラクトを通じて自動化されたデータ集約とリアルタイム更新を実現し、信頼性が高く動的なデジタルアイデンティティシステムの構築を強力に支援します。

• b. アイデンティティ認証と権限の基盤：

分散型環境において、デジタルアイデンティティシステムはDAIAgentに必要なアイデンティティ認証と権限メカニズムを提供し、AI-Agentが他のエージェントと安全に相互作用する際にその合法的なアイデンティティと権限を証明できるようにします。このプロセスは技術的手段に依存するだけでなく、分散型自律組織（DAO）メカニズムを通じて、コミュニティが共同で監視とガバナンスに参加することによって、システムの透明性と安全性をさらに強化します。

• c. 信頼の強化と相互作用コストの削減：

DIDシステムを利用することで、DAIAgentのアイデンティティと行動はより透明で検証可能になり、信頼を構築し、他のエージェントとの協力を促進します。同時に、AI-Agentはユーザーとシステムとの相互作用コストを削減し、複雑な操作を簡素化することで、分散型特性による低効率の問題を効果的に緩和します。さらに、新興のフェデラルラーニングやプライバシー計算技術を組み合わせることで、将来的にはDAIAgentが原データを露出させることなく、プラットフォームを超えたデータ協調とインテリジェントな意思決定を実現し、ユーザーにより正確で個別化されたサービスを提供できるようになるでしょう。

2、分散型モデル

モデルは大きな意味でAI-Agentの「脳」と見なすことができ、インテリジェンスを実現する核心コンポーネントです。将来的には多くのAI-Agentが登場し、さまざまな業界で機能し、これらの専門分野（医療、教育、金融など）はそれぞれ対応するAIモデルを必要とします。汎用AGIはユーザーの基本的なニーズを満たすことができますが、各専門分野に対しては、多くの専門化されたAI-Agentが協力して機能する必要があり、さまざまなモデルを持つことが求められます。分散型モデルは中央集権型モデルに比べて無許可、検証可能などの利点があるため、将来的にはDAI-Agentに好まれることが必至です：無許可の特性により、誰でもモデルの開発に参加でき、中央集権的な機関の承認に依存せず、技術のオープン化を促進します。同時に、無許可の特性により、DAIAgentはさまざまなモデルをより柔軟に調整でき、インテリジェンス属性を大幅に強化します。上記の利点に加えて、将来的にはデータ共有とモデル訓練の面で、フェデラルラーニングとクロスドメイン協力メカニズムが分散型モデルの発展を促進する重要な技術となるでしょう。特に金融や医療などの高感度分野においては、モデルの訓練プロセスとデータソースは多重検証を経る必要があり、システム全体の信頼性と堅牢性を確保します。

3、ブロックチェーン技術を核とした分散型ストレージと計算プラットフォーム

Web3のデータ権利を実現するためには、分散型ストレージと計算プラットフォームを構築し、検証可能なデータコンセンサス基盤インフラを確立する必要があります。具体的には、ArweaveとAOの全体的なソリューションは、ストレージと計算の両端でデータコンセンサス基盤インフラを構築し、以下の目標を達成しました：

• データストレージコストを削減し、データの安全性と改ざん防止を保障する；
• 大規模なデータ交換を促進し、分散型AIエコシステムのホスティングと運営に堅実な基盤を提供する；
• 統一されたデータストレージ層を通じて、データ統合プロセスを簡素化し、データの分散による統合の複雑性を低下させる；
• 同時に、このプラットフォームはWeb3内のDIDシステムの構築に必要なデータ支援を提供し、デジタルアイデンティティの管理と応用を強化します。

上記の3点は相互に補完し合います：

• DAIAgentはトークンインセンティブメカニズムを組み合わせて、ユーザーがデータを提供し、Web3と積極的に相互作用することを促進し、さらに多くのデータを形成します；
• 大量のデータの生成は分散型ストレージと計算プラットフォームの発展を促進します。なぜなら、プラットフォームはデータストレージコストを削減するだけでなく、データ権利を促進するからです；
• 分散型モデルは分散型プラットフォームにホスティングされる必要があり、ストレージと計算コストを削減し、モデルの検証可能性と検閲耐性を確保することで、モデルの安全性と信頼性を向上させ、モデルの発展をさらに促進します。

さらに、分散型モデルの訓練には大量の高品質データが必要であり、大規模な高品質データの出現はモデルの質を大幅に向上させます。モデルの質の向上はDAIAgentをますますインテリジェントにし、ユーザーのさらなる相互作用を引き起こし、より多くのデータを生成します。そして、データの不断の豊富さはストレージと計算プラットフォームの改善をさらに促進し、正の循環を形成し、環環相扣、生生不息、最終的には完全なデータ資産経済エコシステムを構成します。このエコシステムはデータ資産流通の閉ループを構築し、真の価値インターネットエコシステムを構成する鍵となります。以下の図を参照してください：

以上の論理分析に基づいて、DAI-Agentはエコシステム全体の中での重要な環節に過ぎず、その発展は大きな意味で他の2つの部分（すなわち分散型ストレージ/計算プラットフォームと分散型モデル）の支援に制約されています。したがって、このようなプロジェクトに投資する際には、そのプロジェクトが完全なデータ資産経済エコシステムを構築する能力を持っているか、または他の2つの側面と相対的に安定した協力関係を築いているかに注目する必要があります。単一の方向のプロジェクトにのみ投資する場合、リスクは大幅に増加します。また、現在人気のELIZA、VIRTUAL、APCなどのDAIAgentプロトコルは多様なモデルをサポートしていますが、一部のプロトコルはOpenAIなどの中央集権型モデルプロバイダーの接続を許可しています。これはユーザーの多様なニーズを満たすことができますが、中央集権型モデルの割合が高すぎると、無許可の特性が欠如しているため、プロトコルの長期的な発展を制約する可能性があります。

二、ここで重点的に紹介したいのは：Arweaveの永久ストレージ + AOの超並列コンピュータの全体的なソリューションです。

1、並列処理能力

イーサリアムなどのネットワークとは異なり、その基盤層および各Rollupは通常、単一プロセスとして実行されますが、AOは任意の数のプロセスを並行して実行し、計算の検証可能性を完全に保証します。さらに、これらのネットワークは世界的に同期した状態で実行する必要がありますが、AOの各プロセスは独立した状態を維持します。この独立性により、各プロセスはより多くの相互作用を処理でき、計算の拡張性が大幅に向上し、高性能と信頼性が求められるアプリケーションシーンに特に適しています。将来的には、多くのDAIAgentがチェーン上で継続的にタスクを実行するにつれて、システムの拡張性に対する要求がますます厳しくなり、AOの超並列処理能力がそのニーズを満たすことが期待されます。

2、大モデルおよびその他のさまざまなモデルをストレージおよび実行する能力を備えています

AOネットワークでは、現在単一ノードのメモリ制限は16GBですが、プロトコルレベルでのメモリ拡張上限は18EBに達することができ、これは現在のAI分野の大部分のモデル（例えば、Llama3の未量化バージョン、Falconシリーズ、その他のさまざまなモデル）を実行するのに十分です。GPT-4のパラメータが1.76兆を超え、GPT-5が50兆パラメータを突破することが予想されていることを考えると、将来的にはモデルの規模が継続的に増加するでしょう。AOの拡張能力は非常に強力で、物理的にメモリやGPUを増やすだけで計算ユニットを拡張し、大モデルの実行要件を満たすことができます。

Arweaveは独自のblockweave技術を採用しており、新しいブロックが複数の古いブロックと接続できるため、非常に強い拡張性を持っています。理論的には、さまざまなモデルや大規模データを保存できます。同時に、WeaveDrive技術を通じて、アプリケーションはローカルディスクにアクセスするかのようにArweave上のデータに簡便にアクセスでき、さまざまなアプリケーションの構築を可能にします。さまざまなアプリケーションはArweave上の永久ストレージデータにアクセスでき、AO+Arweaveは計算とストレージの両面からデータ権利の基盤インフラを構築し、大規模データ資産交換の基盤を築いています。これはAOプラットフォーム上でアプリケーションを開発することを意図する開発者にとって非常に魅力的です。同時に、各アプリケーションシーンはさまざまなモデルとDAI-Agentに多様な落地シーンを提供し、AIエコシステムの発展を促進します。

3、データはAIエコシステムの三大要素の一つです------AO + Arweaveエコシステムの大部分のデータは高品質データであり、統一データストレージ層を備えています

大規模かつ高品質なデータはモデル訓練にとって非常に重要です。高品質データは通常、正確性、一貫性、有効性、完全性、タイムリーさ、唯一性などの特性を備えています。AO+Arweaveエコシステム内で流通するデータの大部分はこれらの特性を満たしています。詳細な技術実装の詳細については、私の前回の記事「Arweave永久ストレージ + AO超並列コンピュータ：データコンセンサス基盤インフラの構築」をご覧ください。ここで特に強調したいのは、Arweaveの永久ストレージの利点です：その永久ストレージ特性により、保存されたデータはより重要であることが多いです。データの保存時間が長くなるほど、その価値がより明確になります。なぜなら、これは保存と追跡を容易にし、データ権利を確立するのに役立つからです。大規模な高品質データはAI訓練にとって極めて重要であり、Arweaveは統一データストレージ層として、さまざまなプロジェクトのデータを統合する能力を持っています。それに対して、イーサリアムやソラナなどは統一ストレージ層が欠如しているため、データ統合の難易度が高くなります。Arweaveのこれらの特性はデータ収集、統合、完全性の保障において重要な役割を果たし、これはWeb3内のDIDを構築する上で非常に重要です：統一データストレージ層はクロスプラットフォームデータ統合よりもはるかに便利です。さらに、AOとArweaveの統合は、すべてのエージェントの相互作用データが永久に保存されることを保証し、責任メカニズムおよびDIDと評判システムの構築を強力に支援します。例えば、現在RedStoneプロジェクトはArweaveを利用してDIDを構築し、責任メカニズムを確立することで、AI-Agentの発展に基盤インフラを提供しています。

4、AO + ArweaveはAIに高い検証可能性を与えます

検証可能性はAIの発展にとって極めて重要であり、AIモデルの予測と出力が透明で改ざん防止され、独立して検証可能な特性を持つことを保証し、AIに高い信頼性と安全性を提供します。これにより、金融、医療、法律、自動運転などの高信頼度の分野で広く応用されることが可能になります。同時に、検証可能性は開発者がモデルを安心して共有し、協力できるようにし、悪意のある改ざんを心配する必要がありません。AO+ArweaveはSCPストレージ方式を採用しており、AO内のすべてのデータとモデルがArweave上に全息的に保存され、誰でもデータソース、モデルの実行プロセス、出力結果を検証できます。同時に、計算ユニットが提供する暗号署名は計算結果の真実性と完全性をさらに保証します。ゼロ知識証明技術と分散検証メカニズムが進化するにつれて、将来的にはモデルの出力をリアルタイムで検証するだけでなく、モデルの訓練データ、パラメータの更新などの全過程を追跡し、監査することが可能になります。これにより、全方位的かつ多層的な信頼体系が形成されます。さらに、AOとPADOが共同で発起した検証可能な機密計算（vcc）は、ZKFHE（ゼロ知識全同態暗号化）技術を利用して、データとモデルのプライバシーを保護しつつ、検証可能性と計算可能性を確保します。このようなメカニズムはデータ共有のリスクを大幅に低下させるだけでなく、モデル提供者に知的財産権の保護を提供し、より多くの高品質モデルのオープン化と共有を促進します。トークンインセンティブメカニズムを組み合わせることで、この信頼体系はユーザーがデータを積極的に提供することをさらに促進し、全体のAIエコシステムをより高いレベルに発展させることが期待されます。

AO+Arweaveエコシステムの基本コンポーネントと相互関係は以下の図の通りです：

以上のように、AO+Arweaveエコシステムは分散型AIに優れた運用環境を提供します：それは優れた拡張性とホスティング能力を備え、分散型AIエコシステムを支えるのに適しているだけでなく、大規模高品質データのストレージと交換、並列計算、検証可能性などの面でも顕著な利点を持っています。これらの要因が相まって、AO+Arweaveエコシステムは分散型AIの発展に理想的なプラットフォームとなり、上述の論証を通じて、Web3の価値インターネットエコシステムの実現に必要な三大要素の中で、分散型AIが間違いなく重要な役割を果たすことが明らかです。したがって、AO+Arweave+AIはWeb3の実現を大幅に促進することが期待されます。