分散型AI：応用シナリオと主要プロジェクトの目録

著者：ケイシー（パラダイム・インベストメンツ、パートナー）、翻訳：金財小窓

私は、オープンがイノベーションをもたらすと信じています。近年、AIは飛躍的に成長し、世界的な有用性と影響力を持つようになりました。リソースの統合によってコンピューティングパワーが増大するにつれ、AIは当然、より多くのコンピューティングパワーを持つ側が次第に優位に立つという集中化の問題を生む。これはイノベーションのペースを妨げることになる。私は、分散化とWeb3がAIのオープン性を維持するための強力な候補だと考えています。

サポート: クラウドソーシング リソースの airbnb/uber モデルは、アイドル状態のコンピューティング リソースがマーケットプレイスに集約されるコンピューティングに拡張される可能性があります。これは以下のような問題に対処する可能性があります：特定のユースケース（特定のダウンタイム/遅延障害への対処）に対してより低コストのコンピューティングリソースを提供する、将来的に規制または非合法化される可能性のあるモデルを訓練するために検閲に強いコンピューティングリソースを使用する。

反論：クラウドソース・コンピューティングは規模の経済を可能にしない。分散コンピューティングは完全なパラドックスであり、実際にはHPCと対立するものです......信じられないなら、インフラ/機械学習エンジニアに聞いてみてください！分散型推論

オープンソース・モデルの推論を分散型で実行する

賛成意見：オープンソース（OS）モデルは、ある意味でクローズドソース・モデルに近づきつつあり、ますます多くの採用を獲得しています。ほとんどの人は、HuggingFaceやReplicateのような集中型サービスを使用してOSモデルの推論を実行しており、プライバシーや検閲の問題を引き起こしている。1つの解決策は、分散または分散プロバイダーを通して推論を実行することです。

反対意見：推論を分散させる必要はなく、ローカル推論が最終的な勝者になるでしょう。7b以上のパラメトリックモデル推論を処理できる専用チップが現在リリースされています。エッジコンピューティングは、プライバシーと検閲への耐性という点で、私たちのソリューションです。

プロジェクト例：Ritual、gpt4all（ホスト型）、Ollama（Web2）、Edgellama（Web3、P2P Ollama）、Petals

3、オンチェーンのAIインテリジェンス

機械学習を利用したオンチェーンのアプリ

サポート：AIインテリジェンス（AIを使用するアプリ）には、トランザクションのためのオーケストレーション層が必要です。決済に暗号通貨を使用することは、AIインテリジェンスにとって理にかなっている。暗号通貨はそれ自体がデジタルテクノロジーであり、KYC認証によって銀行口座を開設することはできないからだ。非中央集権的な人間のAI知能は、プラットフォームのリスクからも解放される。例えば、OpenAIが突然彼らのChatGPTプラグインのアーキテクチャを変更することを決定し、私のTalk2Booksプラグインが事前通知なしに壊れてしまう可能性がある。これが実際に起こることだ。オンチェーンで作成されたインテリジェンスには、そのようなプラットフォームリスクはありません。

異議あり：エージェントは製品化する準備ができていない......まったく準備ができていません。BabyAGIやAutoGPTなどはおもちゃです！また、決済に関しては、AIエージェントを作成するエンティティは、Stripe APIを使用することができ、暗号化された決済は必要ない。プラットフォームリスクの議論では、これは暗号通貨の使い古されたユースケースであり、私たちはまだそれを見たことがない。

プロジェクトの例：AI Arena、MyShell、Operator.io、Fetch.ai

4、データとモデルのソース

データと機械学習モデルの自律的な管理と価値収集

データの所有権は、それを収集する企業ではなく、それを生成するユーザーに属するべきだという考えを支持する。データはデジタル時代において最も価値のある資源であるにもかかわらず、大手テック企業に独占され、金融化という点では十分に機能していない。高度にパーソナライズされたウェブが到来し、それにはポータブルなデータとモデルが必要です。暗号ウォレットを異なるDapps間で流通させるのと同じように、私たちはデータやモデルをインターネット上でアプリケーションからアプリケーションへ持ち運ぶことになる。バイデンでさえ認めているように、データソーシングは大きな問題であり、特に偽造が深刻化している。ブロックチェーンアーキテクチャは、データ証明のパズルに対する最良の解決策になるかもしれない。

反論：誰も自分のデータやプライバシーを所有することに関心がない。私たちは、ユーザーの嗜好について何度も何度もこのようなことを目にしてきた。FacebookやInstagramのサインアップを見ればわかる！最終的には、人々は機械学習データをOpenAIに託すだろう。率直に言おう。

プロジェクトの例：Vana、Rainfall

5、トークンにインセンティブを与えるアプリ（コンパニオンクラスなど）。アプリ）

暗号トークンのインセンティブがあるCharacter.aiを想像してみてください

支持する意見です：暗号トークンのインセンティブは、ネットワークや行動のブートストラップを開始するのに非常に効果的です。AIコンパニオンは魅力的な市場であり、この領域は1兆ドル規模のAIネイティブ市場になると考えています。2022年、アメリカ人はペットに1300億ドル以上を費やします。AIコンパニオンアプリはペット2.0です。マーケット・フィットを達成したAIコンパニオン・アプリはすでに登場しており、Character.aiの平均セッション時間は1時間以上だ。私たちは、プロダクト・マーケット・フィットを達成したAIコンパニオンアプリをすでに見ています。

反論：これは暗号通貨投機熱狂の延長線上の現象に過ぎず、長続きはしないだろう。トークンはWeb 3.0の顧客獲得コストであり、我々はAxie Infinityから教訓を学んでいないのだろうか？

プロジェクトの例：MyShell、Deva

6、トークンに触発された機械学習操作（例えば、トレーニング、RLHF、推論）

暗号トークンのインセンティブを使ったScaleAIを想像してみよう

支持する意見：暗号インセンティブは、機械学習のワークフロー全体で使うことができます。重みの最適化、微調整、RLHFなどの行動にインセンティブを与えることができます。

ポジション：MLOps（機械学習オペレーション）は、品質が非常に重要であるため、暗号通貨インセンティブのユースケースとしては不適切です。暗号トークンは、エントロピーが問題ないときには消費者の行動にインセンティブを与えるのに適しているが、品質と正確さが重要なときには行動を調整するのに適していない。

プロジェクトの例：BitTensor、Ritual

7、オンチェーン検証可能性（ZKML）。

どのモデルをオンチェーンで効率的に実行し、暗号の世界にプラグインできるかを実証する

支持する意見：オンチェーンモデル検証可能性は、コンポーザビリティを解き放ちます。これは、DeFiと暗号の両方のドメインで組み合わせ出力を活用できることを意味します。今から5年後、病院に行って医師に診てもらわなくても、医師のモデルを実行するインテリジェンスが私たちの代わりに私たちの体をチェックしてくれるようになったとき、私たちは彼らの知識や、診断にどのモデルが使われたかを検証する何らかの方法が必要になるでしょう。モデルの検証可能性は、インテリジェンスの評判に似ている。

反論：どのモデルが実行されているかを検証する必要はない。それは私たちが最も懸念していることではありません。私たちはここで馬よりもカートを優先している。誰もllama2を実行しないが、バックグラウンドで他のモデルが実行されていることを恐れている。これは、暗号（Zero Knowledge Proofs）が意図的に解決すべき問題を探し、Zero Knowledge Proofs（ZK）が大々的な誇大広告のために多くのVCマネーを得た結果である。

プロジェクト例：Modulus Labs, UpShot, EZKL