1. 検証可能なAIが必要かどうかは、オンチェーンデータが変更されるかどうか、公平性とプライバシーが関係しているかどうかに依存します

   1. AIがオンチェーンの状態に影響を与えない場合、AIはアドバイザーとして機能できます。計算過程を検証せずに実際の結果を通じてAIサービスの品質を判断することができます。
   2. オンチェーンの状態が影響を受ける場合、サービスが個人を対象とし、プライバシーに影響を与えない場合、ユーザーは計算プロセスをチェックせずに、AIサービスの品質を直接判断できます。
   3. 多くの人々の間でAIの出力が公平性や個人のプライバシーに影響を与える場合、例えばAIを使用してコミュニティメンバーに報酬を評価・分配したり、AMMを最適化したり、生物データを関与させたりする場合、人々はAIの計算を検討したいと思うでしょう。ここでAIがPMFを見つける可能性があることが検証できます。

2. Vertical AIアプリケーションエコシステム：検証可能なAIの一端がスマートコントラクトであるため、検証可能なAIアプリケーションやさらにはAIおよびネイティブなdappsが信頼関係なしに互いを利用することができるかもしれません。これは潜在的な合成可能なAIアプリケーションエコシステムです

3. ホリゾンタルAIアプリケーションエコシステム：パブリックチェーンシステムは、AIサービスプロバイダーのためのサービス支払い、支払い紛争の調整、およびユーザーのニーズとサービスコンテンツのマッチングなどの問題を処理できるため、ユーザーはより高い自由度で分散型AIサービス体験を楽しむことができます。

1. Modulus Labs Overview and Application Stories

1.1 イントロダクションとコアソリューション

Modulus Labsは、スマートコントラクトの機能を大幅に向上させ、web3アプリケーションをより強力にすることができると信じている「オンチェーン」AI企業です。ただし、AIをweb3に適用する際には矛盾があります。つまり、AIは動作に大量の計算能力を必要とし、AIはオフチェーンの計算にとってブラックボックスです。これは、web3が信頼でき、検証可能であるという基本的要件を満たしていません。

そこでModulus Labsは、zk rollup(オフチェーン前処理+オンチェーン検証)スキームを利用し、AIを検証できるアーキテクチャを提案しました。具体的には、MLモデルはオフチェーンで実行され、さらにオフチェーンでML計算プロセス用にzkpが生成されます。このzkpを通じて、オフチェーンモデルのアーキテクチャ、重み、インプット(インプット)を検証することができます。もちろん、このzkpは、スマートコントラクトによる検証のためにチェーンに投稿することもできます。この時点で、AIとオンチェーンコントラクトはよりトラストレスに相互作用できる、つまり「オンチェーンAI」が実現されています。

検証可能なAIのアイデアに基づいて、Modulus Labsはこれまでに3つの「オンチェーンAI」アプリケーションを開発し、多くの可能なアプリケーションシナリオも提案しています。

1.2 アプリケーションケース

1. 最初にローンチされたのはRocky Botで、自動取引AIです。RockyはWeth/USDC取引ペアの歴史的データでトレーニングされました。彼は歴史的データに基づいて将来のwethのトレンドを判断します。取引の決定を行った後、その決定プロセス（計算プロセス）のためのzkpを生成し、トランザクションをトリガーするためにL1にメッセージを送信します。
2. 2番目はオンチェーンチェスゲーム「Leela vs. the World」です。ゲームの両プレーヤーはAIと人間で、ゲームの状況は契約上にあります。プレーヤーはウォレットを介して操作します（契約とやり取りします）。ただし、AIは新しいチェスゲームの状況を読み取り、判断を下し、全計算プロセスのためのzkpを生成します。両方のステップはAWSクラウド上で完了し、zkpはオンチェーン契約によって検証されます。検証が成功した後、ゲーム契約を使用して「チェスをプレイ」します。
3. 3つ目は「オンチェーン」AIアーティストであり、NFTシリーズzKMonを立ち上げました。その中心は、AIがNFTを生成し、それをチェーン上に投稿し、zkpも生成することです。ユーザーはzkpを通じて、自分のNFTが対応するAIモデルから生成されたものかどうかを確認できます。

さらに、Modulus Labsはいくつかの他のユースケースに言及しました：

1. AIを使用してオンチェーンデータやその他の情報を評価し、個人の信用評価を生成し、ユーザーの検証のためにzkpを公開します。
2. AIを使用してAMMのパフォーマンスを最適化し、ユーザーが検証できるようにzkpを公開します。
3. プライバシープロジェクトが規制圧力に対処するのを支援するために検証可能なAIを使用しますが、同時にプライバシーを公開しないようにします（おそらくMLを使用して、この取引が資金洗浄ではないことを証明する一方で、ユーザーアドレスなどの情報を開示しない）;
4. AIオラクル、およびzkpをリリースして、オフチェーンデータの信頼性を確認するために誰もがチェックできるようにします;
5. AIモデルコンペティションでは、参加者は独自のアーキテクチャと重みを提出し、その後モデルを統一されたテスト入力で実行して計算のためのzkpを生成し、最終的に契約が自動的に賞金を優勝者に送金します;
6. Worldcoinは、将来、ユーザーがアイリスのモデルをダウンロードして対応するコードをローカルデバイス上で生成し、モデルをローカルで実行してzkpを生成することができるかもしれないと述べた。 この方法で、オンチェーン契約は、ユーザーのアイリスコードが正しいモデルから生成されたものであること、および合理的なアイリスであることを検証するためにzkpを使用できます。同時に、生体情報はユーザー自身のデバイスから漏洩しません。

Photo Credit: Modulus Labs

1.3 検証可能なAIの必要性に基づいて、さまざまなアプリケーションシナリオについて話し合う

1.3.1 AIを検証する必要がない可能性のシナリオ

Rocky botのシナリオでは、ユーザーはML計算プロセスを検証する必要がない場合があります。まず、ユーザーには実際の検証を行う専門知識も能力もありません。検証ツールがあっても、ユーザーの視点では、「ボタンを押すと、インターフェースが表示され、このAIサービスは実際にあるモデルによって生成された」と表示されても、その信憑性は判断できません。第二に、ユーザーは検証する必要がありません。なぜなら、ユーザーはAIの収益性を重視しています。収益性が低い場合、ユーザーは移行し、常に最も良く機能するモデルを選択します。要するに、AIの最終結果がユーザーが求めているものであるとき、検証プロセスは重要ではないかもしれません。なぜなら、ユーザーは最もよく機能するサービスに移行する必要があるからです。

**ひとつの可能な解決策は、AIがアドバイザーとしてのみ機能し、ユーザーが独立して取引を実行することです。**人々が取引目標をAIに入力すると、AIはオフチェーンでより良い取引経路/取引方向を計算して返し、ユーザーはそれを実行するかどうかを選択します。人々はまた、その背後にあるモデルを検証する必要はありません。高いリターンをもたらす製品を選択するだけです。

もう1つの危険ですが、非常に可能性の高い状況は、人々が自分の資産やAI計算プロセスについてまったく気にしないことです。お金を自動的に稼ぐロボットが現れると、人々はそのロボットに直接お金を預けることさえも覚悟しています。CEXや伝統的な銀行にトークンを預けて資産を管理するのと同様です。人々はそれの背後にある原理を気にしないので、最終的にどれだけお金を得るかだけを気にします。あるいは、プロジェクト側が彼らに稼ぐために示すお金の量にさえ気を取られます。この種のサービスは迅速に多くのユーザーを獲得することができ、検証可能なAIを使用するプロジェクト側の製品よりもさらに速く反復する可能性があります。

一歩後退して、AIがオンチェーンの状態変更に一切参加せず、単にオンチェーンデータをスクレイプしてユーザーのために前処理するのであれば、計算プロセスのためにZKPを生成する必要はありません。このタイプのアプリケーションのいくつかの例を「データサービス」としてここに示します:

1. Mestが提供するチャットボックスは典型的なデータサービスです。ユーザーは質問と回答を使って、NFTにいくらお金を使ったかなどのオンチェーンデータを理解することができます。
2. ChaingPTは、取引前にスマートコントラクトを解釈し、適切なプールで取引しているかどうかを知らせたり、取引が逮捕される可能性があるかどうかを知らせたりすることができる多機能AIアシスタントです。 ChaingPTはまた、AIニュースの推奨事項を準備し、画像を自動生成してNFTとして投稿するための提案を入力し、その他のサービスを提供する準備をしています。
3. RSS3はAIOPを提供しているため、ユーザーはオンチェーンデータを選択し、特定のオンチェーンデータでAIをトレーニングしやすくするための特定の前処理を行うことができます。
4. DeVillamaとRSS3は、ChatGPTプラグインも開発しており、ユーザーは会話を通じてオンチェーンデータを取得できます;

1.3.2 検証可能なAIが必要とされるシナリオ

この記事は、公正性やプライバシーを伴う複数人のシナリオにおいて、検証を提供するためにZKPが必要であり、Modulus Labsが言及したいくつかのアプリケーションについて議論されています。

1. コミュニティがAIによって生成された個人の評判に基づいて個人を報酬する場合、コミュニティメンバーは避けられずに、MLの計算プロセスである評価意思決定プロセスの再検討を要求します;
2. AMMのAI最適化シナリオには、複数の人々の間で利益を分配する必要があり、AIの計算プロセスも定期的に確認する必要があります。
3. プライバシーと規制をバランスさせる際、ZKは現在、より良い解決策の1つです。サービスプロバイダーがサービスでMLを使用して個人データを処理する場合、全体の計算プロセスに対してZKPを生成する必要があります。
4. オラクルは幅広い影響力を持っているため、AIによって制御されている場合、AIが正常に機能しているか定期的にチェックするためにZKPを生成する必要があります。
5. 競技中、一般の人々や他の参加者は、MLの計算が競技仕様に準拠しているかどうかを確認する必要があります。
6. Worldcoinの潜在的なユースケースの中で、個人の生体データの保護も強い要件です;

一般的に、AIが意思決定者に類似しており、その出力が広範囲に影響を与え、多くの当事者の公平性を関係している場合、人々は意思決定プロセスの見直しを要求するか、単にAIの意思決定プロセスに大きな問題がないことを確認し、個人のプライバシーを保護することが非常に緊急な要件となります。

したがって、「AIの出力がチェーン上の状態を変更するかどうか」と「公平性/プライバシーに影響を与えるかどうか」という2つの基準は、検証可能なAIソリューションが必要かどうかを判断するための基準です

1. AIの出力がオンチェーンの状態を変更しない場合、AIサービスは推奨者として機能することができます。人々は計算プロセスを検証せずに、推奨効果を通じてAIサービスの品質を判断することができます。
2. AIの出力がオンチェーンのステータスを変更する場合、サービスの対象が個人のみでプライバシーに影響を与えない場合、ユーザーは計算プロセスを確認せずにAIサービスの品質を直接判断できます。
3. When AI output directly affects fairness among many people, and AI automatically modifies on-chain data, the community and the public need to test the AI decision-making process;
4. MLで処理されるデータに個人のプライバシーが関わる場合、プライバシーを保護し、規制要件に対処するためにzkも必要です。

写真提供: Kernel Ventures

2. 2つのパブリックチェーンベースのAIエコシステムモデル

いずれにせよ、Modulus Labsのソリューションは、AIが暗号を組み合わせて実用的なアプリケーション価値をもたらす方法について非常に示唆に富んでいます。しかし、パブリックチェーンシステムは個々のAIサービスの機能を向上させるだけでなく、新しいAIアプリケーションエコシステムを構築する潜在能力を持っています。この新しいエコシステムは、Web2とは異なる関係をもたらしました。AIサービスとユーザーの関係、さらには上流と下流のリンクが協力する方法さえもです。潜在的なAIアプリケーションエコシステムモデルは、2つのタイプに要約することができます：垂直モードと水平モデル。

2.1 垂直モード：AI間の相互運用性を実現することに焦点を当てる

「リーラ対世界」チェーンチェスのユースケースは特別な位置を占めています。人々は人間またはAIに賭けをすることができ、トークンはゲーム終了後に自動的に分配されます。この時点で、zkpの意味はユーザーがAIの計算を検証するだけでなく、オンチェーンの状態遷移をトリガーするための信頼保証としての役割もあります。信頼の保証により、AIサービス間やAIとクリプトネイティブDApps間でDAppレベルの合成性が生じる可能性もあります。

画像ソース：Kernel Ventures、Modulus Labsからの参照を元に

組み合わせ可能なAIの基本単位は、[オフチェーンMLモデル - zkp生成 - オンチェーン検証コントラクト - メインコントラクト] です。この単位は「Leela vs. the World」フレームワークに基づいていますが、単一のAI dappの実際のアーキテクチャは、上の画像に表示されているものとは異なる場合があります。まず、チェスゲームの状況では契約が必要ですが、実際にはAIはオンチェーンの契約が必要ないかもしれません。ただし、組み合わせ可能なAIのアーキテクチャに関しては、主要業務が契約を通じて記録される場合、他のdappがそれと組み合わせるのがより便利かもしれません。第二に、メインコントラクトはAI dapp自体のMLモデルに必ずしも影響を与える必要はありません。なぜなら、AI dappは単方向の効果を持つ可能性があるからです。MLモデルが処理された後、自身のビジネスに関連する契約をトリガーし、他のdappによって呼び出されるだけで十分です。

契約間の呼び出しは、異なるWeb3アプリケーション間の呼び出しです。これらは個人の身元、資産、金融サービス、さらにはソーシャル情報に関する呼び出しです。私たちは、AIアプリケーションの特定の組み合わせを想像することができます。

1. Worldcoinは、個人の虹彩データを生成するためにMLとzkpを使用します;
2. この評判スコアリングAIアプリは、まず、このDIDの背後にいる人物が実際の人物であるかどうか（後ろに虹彩データがある）を検証し、その後、オンチェーンの評判に基づいてユーザーにNFTを割り当てます。
3. レンディングサービスは、ユーザーが所有するNFTに応じてローンのシェアを調整します;
4. …

公共チェーンフレームワーク内のAI間の相互作用は、議論されていないものではありません。フルチェーンゲームのRealmsエコシステムへの貢献者であるLoafは、AI NPCがプレイヤーのようにお互いと取引できるよう提案しました。これにより、経済システム全体が最適化され、自動的に運営されるようになります。AI Arenaは、AI自動化バトルゲームを開発しました。ユーザーはまずNFTを購入します。NFTはバトルロボットを表し、その背後にはAIモデルがあります。ユーザーはまず自分でゲームをプレイし、その後データをAIに渡してシミュレート学習を行います。ユーザーがAIが十分に強力だと感じたとき、自動的に他のAIと競技場で対戦できます。Modulus Labsは、AI ArenaがすべてのこのAIを検証可能なAIに変えたいと述べています。これらのケースの両方で、AI同士が相互作用し、相互作用するときに直接オンチェーンデータを修正する可能性が見出されました。

ただし、組み合わせ可能なAIの具体的な実装には、異なるDappsが互いのzkpを使用したり契約を検証したりする方法など、多くの議論がまだ残っています。ただし、zk分野には多くの優れたプロジェクトもあります。たとえば、RISC Zeroは、オフチェーンで複雑な計算を実行し、zkpをチェーンにリリースすることで多くの進展を遂げています。いつか適切な解決策を見つけることができるかもしれません。

2.2 水平モデル：分散に焦点を当てたAIサービスプラットフォーム

この点に関して、私たちは主にプリンストン、清華大学、イリノイ大学アーバナ・シャンペーン校、香港科技大学、ウィットネス・チェーン、およびエイゲン・レイヤーの人々によって共同提案された分散型AIプラットフォームであるSAKSHIを紹介しています。その中核目標は、ユーザーがより分散型の方法でAIサービスにアクセスできるようにすることであり、全プロセスをより信頼できるものにし、自動化することです。

写真提供：SAKSHI

SAKSHIの構造は、サービス層（サービス層）、制御層（制御層）、トランザクション層（トランザクション層）、プルーフ層（プルーフ層）、エコノミック層（エコノミック層）、およびマーケット層（マーケットプレイス）の6つの層に分割できます。

市場はユーザーに最も近いレベルです。市場には、異なるAIプロバイダーを代表してユーザーにサービスを提供するための集約機関があります。ユーザーは集約機関を通じて注文を行い、サービスの品質と支払い価格について集約機関と合意します（この合意はSLA-サービスレベル合意と呼ばれます）。

次に、サービス層はクライアント側向けのAPIを提供し、その後、クライアントがアグリゲータにML推論リクエストを行い、リクエストはAIサービスプロバイダとのマッチングに使用されるサーバに送信されます（リクエストを転送するルートはコントロール層の一部です）。そのため、サービス層とコントロール層は、複数のweb2サーバを持つサービスに似ていますが、異なるサーバは異なるエンティティによって運営され、各サーバはSLA（以前に締結されたサービス契約）とアグリゲータを介してリンクされています。

SLAsはスマートコントラクトの形でチェーン上に展開され、すべてが取引層に属しています（注：このソリューションでは、それらは証人チェーンに展開されています）。取引層はまた、サービス注文の現在の状態を記録し、支払い紛争を処理するためにユーザー、集約者、およびサービスプロバイダーを調整するために使用されます。

トランザクションレイヤーが紛争を処理する際に頼る証拠を持つために、プルーフレイヤー（プルーフレイヤー）は、サービスプロバイダーがSLAで合意されたモデルを使用しているかどうかを確認します。ただし、SAKSHIはML計算プロセスのzkpを生成することを選択せず、代わりに、サービスをテストするためにチャレンジャーノードのネットワークを確立することを望んで楽観的な証拠の考えを使用しました。ノードのインセンティブは、ウィットネスチェーンが負担しています。

SLAとチャレンジャーノードネットワークはWitness Chain上にありますが、SAKSHIの計画では、Witness Chainは独自のトークンインセンティブを利用して独立したセキュリティを実現する予定はありません。代わりに、Eigen Layerを介してEthereumのセキュリティを利用する予定です。したがって、実際には、経済全体はEigen Layerに依存しています。

見てわかるように、SAKSHIはAIサービスプロバイダーとユーザーの間に位置し、異なるAIを分散型に組織してユーザーにサービスを提供します。これはより水平なソリューションに近いものです。SAKSHIの中心は、AIサービスプロバイダーがオフチェーンモデル計算の管理により注力し、ユーザーのニーズとモデルサービスをマッチングし、サービスの支払い、オンチェーン契約を通じたサービス品質の検証、および支払い紛争の自動解決を試みることです。もちろん、現在のところ、SAKSHIはまだ理論段階にあり、決定すべき実装の詳細もたくさんあります。

3. 未来の展望

組み合わせ可能なAIや分散型AIプラットフォームであっても、公開チェーンに基づくAIエコシステムモデルには共通点があるようです。例えば、AIサービスプロバイダーはユーザーと直接接続する必要はなく、MLモデルを提供し、オフチェーン計算を行うだけです。支払い、紛争解決、ユーザーのニーズとサービスとの調整など、すべてが分散型の契約によって解決できます。信頼できるインフラとして、公開チェーンはサービスプロバイダーとユーザー間の摩擦を減らし、ユーザーはこの時点でより高い自律性を持っています。

公開チェーンをアプリケーションの基盤として使用する利点は陳腐ですが、AIサービスにも当てはまることは真実です。しかし、AIアプリケーションと既存のdappアプリケーションの違いは、AIアプリケーションがすべての計算をチェーン上に配置することができないため、AIサービスをより信頼できる方法で公開チェーンシステムに接続するためにzkまたは楽観的証明を使用する必要がある。

一連のアカウント抽象化などの経験最適化ソリューションの実装により、ユーザーはニーモニック、チェーン、ガスの存在を感じることができなくなる可能性があります。これにより、パブリックチェーンエコシステムは、Web2におけるエクスペリエンスにおいてより近くなりますが、ユーザーはWeb2サービスよりも高い自由度と合成性を得ることができます。これはユーザーにとって非常に魅力的でしょう。パブリックチェーンに基づくAIアプリケーションエコシステムは、楽しみにする価値があります。

Kernel Venturesは、インフラ、ミドルウェア、dApps、特にZK、Rollup、DEX、モジュラーブロックチェーンに焦点を当てた、70以上の早期段階の投資を行っている研究開発コミュニティによる暗号ベンチャーキャピタルファンドです。また、アカウント抽象化、データ可用性、スケーラビリティなど、次の10億人の暗号ユーザーをホストするであろう垂直の開発にも力を入れています。過去7年間、私たちは世界中のコア開発コミュニティや大学ブロックチェーン協会の発展を支援することに取り組んできました。

免責事項：

1. この記事は再掲載されました[ミラー]. すべての著作権は元の著者に帰属します [Kernel Ventures Jerry Luo].この転載に異議がある場合は、Gate Learnチーム(gatelearn@gate.io）,そして彼らは迅速に対処します。
2. 免責事項：本文に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。特に言及されていない限り、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。