Cortexは、スマートコントラクトで機械学習の推論を実行できるよう設計されたブロックチェーンです。アプリケーションは、トランザクションの一部として対応するAIモデルを呼び出し、その出力をコントラクトのロジックで使用できます。CTXCはネットワークのネイティブトークンであり、コンピューティングリソースの支払いに使用されます。

トレーニングと推論の区別は重要です。トレーニングはデータからモデルを開発すること、推論はトレーニング済みのモデルを新しい入力に適用することです。Cortexのアーキテクチャは、後者をブロックチェーンの実行に組み込みます。そのため、Cortexへの投資判断は、トークンの供給量や取引環境に加えて、有用な計算と持続的なアプリケーション需要に左右されます。

AIがコントラクトの一部になると何が変わるのか？

多くのAIアプリケーションは、外部サーバーで答えを計算し、それをブロックチェーンに渡します。コントラクトはその答えを記録したり、それに基づいて動作したりできますが、その計算を提供する者に依存します。Cortexのアーキテクチャの概要では、異なるアプローチが説明されています。対応モデルはストレージ層を通じて利用でき、その推論はネットワークのコンセンサスによって検証されます。

これにより、計算がトランザクションを規定するルールの中に組み込まれます。小規模な分類器を使ってプレイヤーの入力を解釈するゲームを考えてみましょう。報酬が分類結果に依存する場合、参加者には一貫した報酬ルールだけでなく、一貫した計算も必要です。モデルの出力を再現することで計算には対処できますが、モデルが適切に設計されていることや、報酬ルールが妥当であることを証明することはできません。

利点は、入力、計算、コントラクトのアクションの間のつながりを、より検証しやすくできることです。その有用性は、その追加の検証が必要なリソースを正当化できるかどうかに左右されます。

CVMはノード間で推論を再現可能にする

Cortex Virtual Machineのドキュメントでは、CVMは推論命令で拡張されたEVM互換環境として説明されています。モデルの呼び出しと従来のスマートコントラクトロジックを同時に実行できます。その実行エンジンであるSynapseは決定論的な処理を使用するため、異なるコンピューティング環境でも一貫した推論結果を生成できます。

ブロックチェーンのノードは状態について合意しなければならないため、一貫性が重要です。小さな数値の違いでも、結果がコントラクトのしきい値の反対側に位置することになれば、重大な影響が生じます。異なるマシンで分類器が異なるカテゴリーを返すと、どのコントラクトアクションを実行すべきかについて意見の相違が生じます。

CortexランタイムはGPUアクセラレーションによる推論をサポートし、ネットワークのCuckoo Cycleプルーフ・オブ・ワークメカニズムがブロック生成を管理します。モデルの実行とブロックの生成は、アーキテクチャ上では別々の役割を担います。

CortexのModel Representation Tool（MRT）は、対応する浮動小数点モデルを整数演算を使用した固定小数点表現に変換します。そのため、モデルの準備はチェーンが実行できる内容に影響します。開発者は変換後の精度をテストし、必要な演算子がサポートされていることも確認する必要があります。

トレーニング済みモデルからオンチェーンの結果へ

Cortexのモデル開発チュートリアルでは、トレーニング、量子化、アップロードを分けて説明しています。トレーニングは開発者の機械学習環境で行われます。その後、準備されたモデルがCortex上で利用できるようになります。アプリケーションが答えを要求するたびに、チェーンがモデルを再学習する必要はありません。

ストレージ層のドキュメントでは、モデルとデータの可用性を確保する分散ファイルシステムについて説明しています。大容量のモデルファイルと通常の台帳記録は異なる目的を果たします。アプリケーションには、モデルへの信頼できるアクセスと、正確なトランザクション実行の両方が必要です。

公式のAIスマートコントラクトチュートリアルでは、手書き数字の認識を例にプロセスを説明しています。コントラクトが参照されたモデルに入力を渡し、推論された数字を保存します。この例はプログラミング上の関係を説明するものであり、より大規模なモデルについて、現在の商業的導入や性能を示すものではありません。

CTXCは計算に支払い、Endorphinは処理量を測定する

CTXCトークンのドキュメントでは、CTXCをCortexのCVMコンピューティングリソースの支払いに使用するネイティブ手段と説明しています。Endorphinは手数料メカニズムで使用される実行リソースの単位であり、2つ目の取引可能なトークンではありません。

Endorphinのドキュメントでは、トランザクションがリソース上限と単位あたりの価格を設定し、その価格がCTXC建てになることを説明しています。プロトコルのモデル手数料の計上では、推論トランザクション手数料の一部がモデル提供者に配分されます。これにより、ブロック生成と並んでモデルへの貢献にも経済的な役割が与えられます。

こうしたインセンティブには実際的な限界があります。有用なモデルには利用者が必要であり、利用者には、実行コストに見合う利用理由が必要です。開発者は、検証可能な結果の価値を、実行手数料、モデルの利用可能性、アプリケーションにかかるその他のコストと比較する必要があります。技術的に対応しているモデルでも、頻繁な利用には適さない場合があります。

CTXCを保有することは、モデルを提供したりブロックを生成したりすることとは別の活動です。トークンを所有しているだけで、保有者がすべての推論手数料を受け取る権利を得たり、保証された収入源が生じたりするわけではありません。計算需要はトークンの有用性を支える可能性がありますが、市場価格は供給、期待、流動性も反映します。

有用なAIには再現可能な出力以上のものが必要

Cortexの開発者向けページでは、ゲーム、融資、保険における潜在的な用途について説明しています。これらはアーキテクチャの可能な用途です。評価においては、AIを利用できる業界の一覧よりも、継続的な利用者がいる導入済みアプリケーションのほうが強い証拠となります。

決定論的な実行は、同じモデルと入力から一貫した結果が得られるかどうかに答えるものです。モデルの品質は、その結果が有用かどうかを問います。質の低いデータでトレーニングされたモデルは、同じ間違いを確実に繰り返す可能性があります。その出力を担保や支払いの制御に使用するコントラクトは、その間違いを増幅させる可能性があります。

入力の品質も別の依存要因です。計算を再現できても、外部の価格、本人確認の主張、その他の提出された事実が真実であることを証明することはできません。機密性の高い入力には、明確なプライバシー設計も必要です。公開検証可能な計算によって個人データの機密性が保たれると、決して想定すべきではありません。

リソースの制約により、モデルのサイズ、サポートされる演算、応答時間の間でトレードオフが生じます。開発活動、稼働している統合、実際に支払われた利用実績は、アプリケーションが実行可能なバランスを見いだしたかどうかを示すのに役立ちます。投資家は、こうした運用実績をAIトークン全般の人気とは別に評価すべきです。

バリュエーションには供給に関する問題も加わります。KTXの時価総額と完全希薄化後評価額に関するガイドでは、比較においてトークンの単価だけでは不十分な理由を説明しています。取引の執行品質も重要です。市場流動性によって、取引が利用可能な価格をどの程度動かす可能性があるかが決まります。

暗号資産市場を比較する読者は、KTX市場ページを確認し、KTXアカウントを登録して、対象となるユーザーが利用できるサービスを確認できます。

よくある質問

CortexはオンチェーンでAIモデルをトレーニングしますか？

文書化されているワークフローでは、ブロックチェーンの実行外でモデルをトレーニングし、MRTで準備してから推論用にアップロードします。モデルを呼び出すことは、既存の学習済みパラメータを入力に適用することであり、新しいモデルをトレーニングすることとは異なります。

EVM互換性があるということは、CortexはEthereumの一部ですか？

いいえ。互換性は実行環境と使い慣れたコントラクトツールに関するものです。Cortexには独自のブロックチェーン、ネイティブトークン、推論拡張機能があります。Cortexのトランザクションは自動的にEthereumのトランザクションになるわけではなく、資産を移動する際にはネットワークの選択が依然として重要です。

情報提供のみを目的としたものであり、投資助言ではありません。暗号資産には市場、流動性、技術に関するリスクがあります。