Web3 AI またはエージェントプロトコルは、高次元埋め込み空間の実現が困難です。ほとんどの Web3 エージェントは、既存の API をそれぞれ独立したモジュールに封装しただけで、統一された中枢埋め込み空間やクロスモジュール注意メカニズムが欠如しているため、情報がモジュール間で多角的かつ多層的に相互作用できず、線形のパイプラインを通るしかなく、単一の機能を示すだけで、全体の閉ループ最適化を形成できません。
Web3 AI は現在、最も単純な特徴結合の段階にあります。Web2 AI はエンドツーエンドの共同訓練を傾向としており、同じ高次元空間内で多モーダル特徴を同時に処理し、注意層や融合層を通じて下流タスク層と協調最適化します。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カプセル化し、各自の出力ラベル、数値、または閾値アラームを単純に組み合わせ、主線のロジックまたは人間によって総合的な意思決定を行う方式をより多く採用しています。
Web3 AI の核心は非中央集権にあり、その進化の道筋は高並列、低結合、異種計算能力の互換性として表れています。これにより、Web3 AI はエッジコンピューティングなどのシナリオでより優位性を持ち、軽量構造、容易な並列化、報酬を与えられるタスクに適しています。具体的には、LoRA 微調整、行動整列の後訓練タスク、クラウドソーシングデータの訓練と注釈、小型基盤モデルの訓練、エッジデバイスの協調訓練などが含まれます。
Web3 AIのジレンマと突破：模倣から戦略的回避への発展の道
Web3 AI のジレンマと未来の方向性
最近、NVIDIAの株価が再び最高値を更新し、マルチモーダルモデルの進展がWeb2 AIの技術的障壁をさらに強化しました。意味の整合から視覚理解、高次元埋め込みから特徴融合まで、複雑なモデルが驚くべき速度で様々なモーダル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AI分野への期待を実際の行動で示しており、暗号通貨市場もAI株も小さなブル相場を呈しています。
しかし、この熱潮は暗号通貨分野とはあまり関係がないようです。私たちが見ているWeb3 AIの試み、特に最近数ヶ月のエージェント方向の発展は、方向性に偏りがあるように思えます：非中央集権的な構造を使ってWeb2スタイルのマルチモーダルモジュラーシステムを組み立てようとしていることは、実際には技術と思考の二重のずれです。モジュールの結合性が非常に高く、特徴分布が高度に不安定で、計算能力の需要がますます集中している今日、Web3におけるマルチモーダルモジュラーは立脚するのが難しいです。
Web3 AIの未来は単純な模倣にあるのではなく、戦略的な迂回にあります。高次元空間の意味的整合から、注意機構における情報ボトルネック、そして異種コンピューティングにおける特徴の整合まで、これらは重点的に考慮すべき方向です。
意味の整合のジレンマ
Web3 AI またはエージェントプロトコルは、高次元埋め込み空間の実現が困難です。ほとんどの Web3 エージェントは、既存の API をそれぞれ独立したモジュールに封装しただけで、統一された中枢埋め込み空間やクロスモジュール注意メカニズムが欠如しているため、情報がモジュール間で多角的かつ多層的に相互作用できず、線形のパイプラインを通るしかなく、単一の機能を示すだけで、全体の閉ループ最適化を形成できません。
Web3 AIが高次元空間を実現することを要求することは、Agentプロトコルに関連するすべての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意図に反します。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、リスク管理まで、すべてのプロセスが同じ表現と損失関数を共有します。
注意力メカニズムの限界
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。注意メカニズムは統一されたクエリ-キー-バリュー空間に依存しており、すべての入力特徴は同じ高次元ベクトル空間にマッピングされなければならず、そうすることでドット積計算による動的重み付けが可能になる。しかし、独立したAPIはそれぞれ異なるフォーマットと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ことはできない。
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、並行性や多路動的加重の能力が欠けています。
特徴融合の浅薄化
Web3 AI は現在、最も単純な特徴結合の段階にあります。Web2 AI はエンドツーエンドの共同訓練を傾向としており、同じ高次元空間内で多モーダル特徴を同時に処理し、注意層や融合層を通じて下流タスク層と協調最適化します。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カプセル化し、各自の出力ラベル、数値、または閾値アラームを単純に組み合わせ、主線のロジックまたは人間によって総合的な意思決定を行う方式をより多く採用しています。
AI業界における障壁と機会
Web2 AIのマルチモーダルシステムは、資金、データ、計算能力、人材、さらには組織の協調に対する要求が非常に高いため、極めて大規模なエンジニアリングプロジェクトとなっています。このため、非常に強い業界の壁が形成されています。しかし、この壁の形成はWeb3 AIにも潜在的な機会をもたらします。
Web3 AI の核心は非中央集権にあり、その進化の道筋は高並列、低結合、異種計算能力の互換性として表れています。これにより、Web3 AI はエッジコンピューティングなどのシナリオでより優位性を持ち、軽量構造、容易な並列化、報酬を与えられるタスクに適しています。具体的には、LoRA 微調整、行動整列の後訓練タスク、クラウドソーシングデータの訓練と注釈、小型基盤モデルの訓練、エッジデバイスの協調訓練などが含まれます。
今後の開発戦略
Web3 AIは「農村が都市を包囲する」戦術を採用すべきである：
エッジから切り込む。力が弱く、市場の根付いたシーンが少ない小さな市場でまず足場を固め、徐々にリソースと経験を蓄積する。
点と面を結びつけ、環状に推進し、十分に小さなアプリケーションシーンで不断にイテレーションを行い、製品を更新する。
柔軟に対応し、さまざまなシーンに応じて迅速に調整でき、小さな市場間を柔軟に移動し、最速のスピードで目標分野に近づくことができる。
インフラに過度に依存することを避け、ネットワークアーキテクチャの軽量化を維持して、適応性と生存能力を高める。
Web2 AI の恩恵がほぼ消え去ったとき、残された痛点こそが Web3 AI の真の切り口となる機会です。それまでの間、Web3 AI は発展の方向性を慎重に選ぶ必要があり、自ら痛点を作り出す罠に陥らないようにし、周辺シーンで実力を蓄えることに専念するべきです。未来の突破口に備えるために。