AIの計算能力はCryptoを媒介にしてピアツーピア取引ができるのか？3つのプロジェクトで新たなトレンドを知ろう。
前景は無限か、それとも資本バブルか？3つの代表的なプロジェクトを通じて、分散型AIコンピューティングの競技場を理解する。著者：Arkady childe
今日のデータ駆動の時代において、人工知能（AI）技術はかつてない速度で進化しています。特にAI大モデルのトレーニングは、技術の限界を次々と突破していますが、同時に大きな課題ももたらしています。その中で、非中央集権的な分散コンピューティングネットワークはAI大モデルのトレーニング分野で重要な役割を果たしていますが、直面している技術的なボトルネックや課題も無視できません。
非中央集権ネットワークの最大のニーズの一つは、AI大モデルのトレーニングをサポートすることです。しかし、このプロセスは複雑なデータ同期やネットワーク最適化の問題を伴い、これらの問題を解決することはコンピューティングネットワークの効率と効果を保証するために非常に重要です。さらに、データのプライバシーとセキュリティも無視できない重要な要素です。データのプライバシーを確保しつつ、効果的なモデルのトレーニングを行う方法は、解決すべき緊急の課題となっています。
現在、安全なマルチパーティ計算、差分プライバシー、フェデレートラーニング、同型暗号などの技術は特定のシナリオでその利点を示していますが、特に大規模な分散コンピューティングネットワークにおけるデータプライバシーの問題を扱う際には限界もあります。例えば、ゼロ知識証明（ZKP）技術にはこの分野で大きな可能性がありますが、それを大規模な分散コンピューティングネットワークでの大モデルのトレーニングに適用するには数年の研究と開発が必要です。これは学術界のさらなる関心とリソースの投入を必要とし、また大きな技術的コストと実際の応用の課題にも直面しています。
モデルのトレーニングと比較して、非中央集権的な分散コンピューティングネットワークはモデル推論においてより大きな実用的潜在能力を示しています。今後、この分野の成長の余地は非常に大きいと予想されています。それにもかかわらず、推論プロセスは通信遅延、データプライバシー、モデルのセキュリティなど多くの課題に直面しています。計算の複雑さとデータの相互作用性が相対的に低いため、モデル推論は分散環境で行うのに適していますが、これらの課題を克服する方法は依然として深く探求すべきテーマです。
この背景の中で、私たちは非中央集権的な分散コンピューティングネットワークの代表的なプロジェクトであるAkash Network、Gensyn、Togetherをさらに探求し、未来の生産方式を変える可能性のあるこの分野を理解していきます。
Akash Network：完全オープンソースのP2Pクラウドマーケット、トークンインセンティブで世界中の未使用コンピューティングリソースを活性化
Akash Networkはオープンソースのプラットフォームで、その核心理念は非中央集権的なピアツーピアクラウドマーケットを構築し、クラウドサービスを求めるユーザーと過剰な計算リソースを持つインフラ提供者をつなぐことです。
Akashのプラットフォームは、デプロイメントのホスティングと管理に特化しており、Kubernetesワークロードを実行するためのクラウド管理サービスを提供しています。簡単に言えば、Kubernetesはコンテナ化されたアプリケーションのデプロイ、スケーリング、管理を自動化するためのオープンソースシステムです。
Akashプラットフォームのユーザーは「テナント」と呼ばれ、主に特定の基準を満たすクラウドプロバイダーにDockerコンテナをデプロイしたい開発者です。Dockerコンテナの重要な特徴は、パッケージ化されたコードとその依存関係を含んでおり、アプリケーションがどの計算環境でも同じように実行されることを保証することです。これは、ノートパソコンで開発し、サンドボックスでテストし、クラウドで実行する際に、アプリケーションがコードを変更する必要がないことを意味します。
Akashマーケットのユニークな点は、その逆オークションモデルです。このモデルは、ユーザーが価格を自由に設定し、デプロイするコンテナのリソース要件を説明できるようにします。クラウドプロバイダーの計算リソースが十分に活用されていない場合、彼らはAkashマーケットを通じてこれらのリソースを貸し出すことができ、Airbnbのホストが空いている部屋を貸し出すのと似ています。注目すべきは、Akashを通じてコンテナをデプロイするコストが、主要な3つのクラウドサービスプロバイダー（Amazon Web Services、Google Cloud、Microsoft Azure）の約10分の1であることです。
Akash Networkのすべての取引と記録は、そのトークンであるAkash Token (AKT)を通じてチェーン上で行われます。このネットワークはCosmos SDKフレームワークに基づいてブロックチェーンを構築し、Tendermintビザンチンフォールトトレランス（BFT）エンジンを利用してその委任証明書（DPoS）コンセンサスアルゴリズムをサポートしています。AKTは単なる取引媒体ではなく、Akashネットワーク内でネットワークのセキュリティを確保し、報酬を提供し、ネットワークガバナンスに参加し、取引を処理するなど、さまざまな役割を果たしています。
このようにして、Akash Networkはより経済的で効率的なクラウドサービスの選択肢を提供するだけでなく、現代のクラウドコンピューティング分野におけるブロックチェーン技術の革新的な応用を示しています。
Gensyn：複雑な機械学習タスクを複数のサブタスクに分解して処理効率を向上
Gensynは、人工知能の計算市場のニーズに特化して設計されたブロックチェーンベースの非中央集権的深層学習計算プロトコルです。
このプロトコルの核心は、複雑な機械学習タスクを複数のサブタスクに分解し、参加者の計算リソースを通じて高度に並列化された計算を実現することです。この方法は計算効率を向上させるだけでなく、スマートコントラクトを通じてタスクの自動配分、検証、報酬を実現し、中央集権的な管理の必要性を排除します。
チームは2023年6月に著名なベンチャーキャピタル会社a16zがリードした4300万ドルのAラウンド資金調達を成功裏に完了し、累計資金調達額は5000万ドルに達しました。
Gensynプロトコルは、スマート計算ネットワークに似ており、主な特徴は以下の通りです：
確率的学習証明：勾配最適化プロセスのメタデータを利用して、作業完了の証明書を構築し、作業の完了状況を迅速に検証します；
グラフベースの位置決めプロトコル：多粒度のグラフベースの位置決めプロトコルを採用し、一貫した実行の交差検証を組み合わせて、作業の検証の一貫性を確保します；
Truebitスタイルのインセンティブゲーム：ステーキングと削減のメカニズムを通じてインセンティブゲームを構築し、参加者が誠実にタスクを履行することを保証します。
さらに、Gensynシステムに関与する4つの主要な役割は以下の通りです：
提出者：システムの最終ユーザーで、計算が必要なタスクを提供し、料金を支払います；
解決者：モデルのトレーニングを実行し、検証者が確認する必要のある証明を生成します；
検証者：解決者が提供する証明の正確性を検証する責任があります；
通報者：安全保障として、検証者の作業を審査し、問題を発見した場合に異議を申し立てます。
Gensynプロトコルは、コストとパフォーマンスの面で顕著な利点を持っています。例えば、イーサリアムのプルーフ・オブ・ワークからプルーフ・オブ・ステークへの移行と比較して、Gensynは参加者に計算リソースを利用して報酬を得る方法を提供し、計算コストを削減し、リソースの利用率を向上させます。Pythonシミュレーションのテスト結果は、Gensynプロトコルのモデルトレーニングにおける時間コストが約46％増加したものの、他の方法に比べてパフォーマンスが顕著に向上したことを示しています。
Gensynは、ブロックチェーンに基づく非中央集権的な計算プロトコルとして、スマートコントラクトを通じて機械学習タスクの配分と報酬を実現し、AIモデルのトレーニングを加速し、コストを削減することを目指しています。通信やプライバシーなどの課題に直面しながらも、Gensynは未使用の計算リソースを効果的に活用する方法を提供し、多様なモデルの規模とニーズを考慮して、より広範で柔軟な応用を実現しています。
Together：大モデルの開発と応用に特化し、シードラウンドで2000万ドルの資金調達
Togetherは、非中央集権的なAI計算ソリューションを提供することに専念するオープンソースの会社で、大モデルの開発と応用に特化しています。会社のビジョンは、誰もがどこでもAIにアクセスし、使用できるようにすることです。今年の5月、TogetherはLux Capitalがリードした2000万ドルのシードラウンド資金調達を完了しました。
TogetherはChris、Percy、Ceによって共同設立され、その初期の動機は大モデルのトレーニングに必要な大量の高性能GPUクラスターと高額な支出に対する認識から生まれました。彼らは、これらのリソースとモデルのトレーニング能力は少数の大企業に集中すべきではないと考えています。
Togetherの発展戦略は、オープンソースモデルと分散計算の応用に重点を置いています。彼らは、非中央集権的な計算ネットワークを使用する前提として、モデルがオープンソースである必要があると考えており、これがコストと複雑さを低減するのに役立ちます。最近発表されたLLaMAに基づくRedPajamaはその一例で、Togetherが複数の研究チームと協力して開始したプロジェクトで、完全にオープンソースの大規模言語モデルを開発することを目指しています。
モデル推論の面では、Togetherの研究開発チームはRedPajama-INCITE-3Bモデルに対して一連の更新を行い、LoRAを使用して低コストの微調整を実現し、モデルがCPU上でより効率的に動作するようにしています。モデルのトレーニングに関しては、Togetherは非中央集権的なトレーニングにおける通信ボトルネックの問題を解決するために、スケジューリングの最適化や通信圧縮の最適化などに取り組んでいます。
Togetherチームは、多様な専門的背景を持ち、大モデルの開発からクラウドコンピューティング、ハードウェアの最適化に至るまで、AI計算プロジェクトに対する全方位の考慮を示しています。彼らの戦略は、オープンソースの大モデルの開発、モデル推論における分散計算の応用のテスト、そして大モデルのトレーニングにおける分散計算の配置を含む、長期的な発展の計画を反映しています。
プロジェクトは現在初期段階にあり、多くの重要な詳細、例えばネットワークインセンティブメカニズムやトークンの使用ケースなどはまだ発表されていません。これらの要素は暗号プロジェクトの成功にとって重要です。そのため、業界はTogetherの今後の発展とさらなる詳細な開示に注目しています。
非中央集権的AIの未来は無限に広がっていますが、その中の課題も徐々に克服する必要があります
非中央集権的な計算ネットワークとAI技術の融合を考察すると、この分野は挑戦と潜在能力に満ちています。AIとWeb3の結合は、異なる2つの分野ですが、分散技術を使用してAIの独占を制限し、非中央集権的な合意メカニズムの形成を促進する点で自然な適合性があります。非中央集権的な計算ネットワークは、分散計算能力とプライバシー保護を提供するだけでなく、AIモデルの信頼性と信頼性を高め、迅速なデプロイと運用をサポートします。
しかし、この分野の発展は障害がないわけではありません。中央集権的な計算ネットワークにおける高額な通信コストは、非中央集権的なネットワークの大きな課題であり、ノードの信頼性とセキュリティを確保し、分散した計算リソースを効果的に管理するなど、多くの技術的な問題を克服する必要があります。
ビジネスの現実に戻ると、AIとWeb3の深い統合は魅力的ですが、研究開発費用が高額であり、ビジネスモデルが不明確であるという問題に直面しています。AIやWeb3のような分野は、現在も初期の発展段階にあり、その真の潜在能力は時間によって証明される必要があります。
