Web3 AIの開発状況と今後の方向性

NVIDIAの株価が再び新高値を更新し、マルチモーダルモデルの進展がWeb2 AIの技術的障壁を深めています。意味的整合から視覚理解、高次元埋め込みから特徴融合まで、複雑なモデルが前例のない速度で様々なモダリティの表現方法を統合し、ますます閉鎖的なAIの高地を構築しています。米国株式市場も実際の行動で投票しており、暗号通貨関連の株やAI株はいずれも小牛相場を迎えています。しかし、この熱潮は暗号通貨の分野とはほとんど無関係です。

最近のWeb3 AIの試み、特にエージェントの方向性の探求は、方向性がずれているようです：非中央集権的な構造を使ってWeb2スタイルの多モーダルモジュラーシステムを構築しようとすることは、実際には技術的および思考の二重のミスマッチです。モジュールの結合性が非常に高く、特徴の分布が非常に不安定で、計算能力の需要がますます集中している今日において、多モーダルモジュラーはWeb3エコシステムの中で立ち上がるのが難しいです。

Web3 AIの未来は模倣にあるのではなく、戦略的な迂回にあります。高次元空間における意味的整合から、注意メカニズムにおける情報のボトルネック、さらには異種計算力の下での特徴の整合に至るまで、再考が必要です。Web3 AIは「農村が都市を包囲する」という戦術戦略を採用すべきです。

Web3 AIはフラットなマルチモーダルモデルに基づいており、意味の整合性が取れないためパフォーマンスが低下しています

現代のWeb2 AIのマルチモーダルシステムにおいて、「セマンティックアライメント」とは、異なるモダリティの情報を同一のセマンティック空間にマッピングすることを指し、モデルがこれらの形式の異なる信号の背後にある意味を理解し比較できるようにすることです。高次元の埋め込み空間が実現されることが前提で、ワークフローを異なるモジュールに分割することに意味があるのです。しかし、Web3エージェントプロトコルにおいては、高次元の埋め込みを実現することが難しいため、モジュール化はWeb3 AIの錯覚である可能性があります。

Web3 AI に高次元空間を実現することを要求することは、Agent プロトコルが関連するすべての API インターフェースを自ら開発することを要求することに等しく、これはそのモジュール化の本来の意図に反します。Web3 AI の中小企業が描くモジュール化されたマルチモーダルシステムは、吟味に耐えません。高次元アーキテクチャはエンドツーエンドの統一トレーニングまたは協調最適化を要求します：信号キャプチャから戦略計算、実行およびリスク管理に至るまで、すべてのプロセスは同一の表現と損失関数を共有する必要があります。

業界のバリアを持つ全リンクインテリジェントエージェントを実現するには、エンドツーエンドの共同モデリング、モジュール間の統一埋め込み、協調トレーニングと展開のシステムエンジニアリングが必要ですが、現在の市場にはそのような痛点は存在せず、当然それに伴う市場の需要も不足しています。

低次元空間では、アテンションメカニズムを精密に設計することが難しい

高レベルのマルチモーダルモデルは、精密なアテンションメカニズムの設計を必要とします。アテンションメカニズムは本質的に、計算リソースを動的に配分する方法であり、モデルが特定のモーダル入力を処理する際に、最も関連性の高い部分に「焦点」を絞ることを可能にします。

なぜモジュール化されたWeb3 AIは統一された注意スケジューリングを実現するのが難しいのか？まず、注意メカニズムは統一されたQuery-Key-Value空間に依存しており、すべての入力特徴が同じ高次元ベクトル空間にマッピングされなければ、点積計算によって動的な重みを計算することができません。しかし、独立したAPIはそれぞれ異なるフォーマットや分布のデータを返し、統一された埋め込み層がないため、相互作用可能なQ/K/Vのセットを形成するのが難しいのです。

次に、マルチヘッドアテンションは同じ層で異なる情報源に同時に並行して注目し、結果を集約することを可能にします。一方、独立したAPIはしばしば線形呼び出しであり、各ステップの出力は次のモジュールの入力に過ぎず、並列性やダイナミックウェイティングの能力が不足しています。

最後に、本当の注意機構は全体の文脈に基づいて各要素に動的に重みを割り当てます。APIモードでは、モジュールは呼び出されるときの「独立した」文脈しか見ることができず、互いにリアルタイムで共有される中枢文脈がないため、モジュール間のグローバルな関連性と焦点を実現することはできません。

離散型のモジュール化の組み合わせは、特徴融合が浅い静的接続に留まることを引き起こす

"特徴融合"は、整合と注意に基づいて、異なるモダリティから処理された特徴ベクトルをさらに組み合わせて、下流タスクで直接使用できるようにするものです。Web3 AIは当然、最も単純な結合段階に留まっています。動的特徴融合の前提は高次元空間と精密な注意メカニズムであり、その前提条件が満たされない場合、最終段階の特徴融合も優れた性能を発揮できません。

Web2 AIはエンドツーエンドの共同訓練に傾いています：同じ高次元空間でさまざまなモダリティの特徴を同時に処理し、注意層や融合層とともに下流タスク層を協調的に最適化します。一方、Web3 AIは、さまざまなAPIを独立したエージェントとしてパッケージ化し、それぞれの出力ラベル、数値、または閾値アラームを単純に組み合わせて、主なロジックや人工的に総合的な意思決定を行う離散モジュールの組み合わせをより多く採用しています。この方法は、統一された訓練目標が欠けているだけでなく、モジュール間の勾配の流れもありません。

AI業界の壁が深まっているが、痛点はまだ現れていない

Web2 AIの多モーダルシステムは、非常に大規模なプロジェクトです。それは、膨大で多様かつ精密に注釈されたクロスモーダルデータセットを必要とするだけでなく、大量のGPUとトレーニング時間も必要です。モデルアーキテクチャにおいては、さまざまな最新のネットワークデザイン理念と最適化技術が統合されています。エンジニアリングの実装においては、拡張可能な分散トレーニングプラットフォーム、監視システム、モデルバージョン管理およびデプロイのパイプラインを構築する必要があります。このような全リンク、フルスタックのシステム的な作業は、資金、データ、計算能力、人材、さらには組織の協調に対して非常に高い要求を持つため、強力な業界の壁を形成しています。

Web3 AIや製品市場適合性を謳う暗号通貨製品は、「農村が都市を包囲する」戦術で発展する必要があります。まずは周辺シーンで小規模に試験運用を行い、基盤がしっかりしてからコアシーンの出現を待つべきです。Web3 AIの核心は分散化にあり、その進化の道筋は高並列性、低結合性、異種計算力の互換性を反映しています。これにより、Web3 AIはエッジコンピューティングなどのシーンでより優位性を持ち、軽量構造、容易な並列処理、インセンティブ可能なタスクに適しています。

しかし、現在 Web2 AI の壁はまだ形成され始めたばかりであり、これは主要企業間の競争の初期段階です。Web2 AI の利益がほとんど消失したときに残された痛点が、Web3 AI の入り込む機会となります。それまでの間、Web3 AI は「農村が都市を包囲する」可能性のあるプロトコルを慎重に見極め、小さなシーンでの繰り返しが可能かどうか、動的に変化する市場環境に対応するための十分な柔軟性を持っているかに注目する必要があります。