分散型AIとゼロ知識証明がいかにコンピューティングを民主化するか

By Mahesh Ramakrishnan, Vinayak Kurup, CoinDesk; Compiled by Tao Zhu, Golden Finance

7月下旬、マーク・ザッカーバーグは、「オープンソースが前向きなAIの未来に不可欠である」理由を説明する手紙を書いた。その手紙の中で、彼はオープンソースのAI開発の必要性を饒舌に語った。かつてはオタクだった10代の創業者は、今では水上スキーをし、金の鎖を身につけ、柔術と戦う「ザッカーバーグ」として、オープンソースモデル開発の救世主と呼ばれている。

しかし今のところ、彼とメタ・チームはこれらのモデルがどのように展開されるのかについては詳しく説明していない。モデルの複雑さによる計算上の要求が高まるにつれ、モデルの展開が少数の参加者によってコントロールされるなら、私たちは同じような形の中央集権に屈してしまうのだろうか？分散型AIはこの課題を解決する可能性を秘めていますが、この技術には業界をリードする暗号技術の進歩と独自のハイブリッドソリューションが必要です。

集中型クラウドプロバイダーとは異なり、分散型AI（DAI）は、AIの推論とトレーニングの計算プロセスを複数のシステム、ネットワーク、場所に分散させます。正しく実装された場合、分散型物理インフラネットワーク（DePIN）の一種であるこれらのネットワークは、検閲への耐性、計算アクセス、コストの面でメリットをもたらします。

DAIは、AI環境と分散型インフラストラクチャー自体という、主に2つの分野で課題を抱えています。集中型システムと比較して、DAIはモデルの詳細への不正アクセスや、専有情報の盗難やコピーに対する追加的な保護を必要とします。その結果、オープンソースモデルに重点を置きながらも、クローズドソースモデルと比較してオープンソースモデルの潜在的なパフォーマンス上のデメリットを認識しているチームにとって、これは十分に検討されていない機会です。

特に分散型システムは、ネットワークの整合性とリソースのオーバーヘッドの点で障害に直面しています。たとえば、異なるノードに分散されたクライアントデータは、より多くの攻撃ベクトルにさらされます。攻撃者はノードを立ち上げてその計算を分析したり、ノード間のデータ転送を傍受しようとしたり、あるいはシステムのパフォーマンスを低下させるバイアスを導入したりすることができます。安全な分散型推論モデルにおいても、計算プロセスを監査するメカニズムが必要である。ノードは不完全な計算を提示することでリソース・コストを節約し、信頼できる中央集権的な参加者がいないために検証は複雑になる。

Zero Knowledge Proof

Zero Knowledge Proof (ZKP)は、現在のところ計算コストが法外に高いものの、DAIにおけるいくつかの課題に対する潜在的な解決策の1つです。ZKPは、一方の当事者（証明者）が他方の当事者（検証者）を説得し、声明の妥当性以外の声明自体の詳細を明らかにすることなく、声明の真実性を信じることを可能にする暗号メカニズムである。他のノードはこの証明を素早く検証することができ、各ノードがプロトコルに従って行動していることを証明する方法を提供する。証明システムとその実装の技術的な違い（これについては後で詳しく説明します）は、この分野の投資家にとって重要です。

中央集権的なコンピューティングは、モデルのトレーニングを、十分なポジションとリソースを持つ少数のプレイヤーに制限します。zkpは、コンシューマーハードウェア上のアイドルコンピューティングを解放する一部となる可能性があります。例えば、MacBookは、その余分な計算帯域幅を使用して、大規模な言語モデルのトレーニングを支援し、そのユーザーのためにトークンを獲得することができます。

消費者向けハードウェアを使用した分散型トレーニングや推論の展開は、GensynやInference Labsなどのチームの焦点となっています。AkashやRenderのような分散型コンピューティングネットワークとは異なり、計算シャーディングは複雑さ、つまり浮動小数点問題を追加します。未使用の分散コンピューティングリソースを活用することで、小規模な開発者でも、関係する課題に対処するツールにアクセスできる限り、独自のネットワークをテストし、訓練することができるようになります。

現在、ZKPシステムは、ローカルで計算を実行するよりも4～6桁高いコストがかかるようです。また、ZKPを使用すると、高い計算（モデルのトレーニングなど）や低いレイテンシ（モデルの推論など）を必要とするタスクでは、非常に時間がかかります。それに比べて、6桁の低下は、M3 Maxチップ上で動作するa16zのJoltのような最先端のシステム上でプログラムを証明することが、TI-84グラフ計算機で実行するよりも150倍遅いことを意味します。

人工知能は大量のデータを扱うことができるため、ゼロ知識証明（ZKP）と互換性がありますが、ZKPが広く使われるようになるには、暗号技術のさらなる進歩が必要です。 Binius証明システムとコミットメントスキームを設計した）Irreducible、Gensyn、TensorOpera、Hellas、Inference Labsなどのチームによる継続的な研究は、このビジョンの実現に向けた重要な一歩となるだろう。しかし、真のイノベーションには時間と数学的進歩が必要であるため、このスケジュールは楽観的すぎるままです。

その一方で、他の可能性とハイブリッドソリューションに注目する価値があります。HellasAIと他の企業は、知識ゼロで処理する必要がある計算のサブセットのみを許可する楽観的チャレンジゲームを可能にする、モデルと計算を表現するための新しい方法を開発しています。楽観的証明は、誓約があり、不正行為を証明する能力があり、システム内の他のノードが計算を調べているという信頼できる脅威がある場合にのみ有効である。Inference Labsによって開発された別のアプローチでは、ノードが誓約によってZKPを生成することを約束するクエリーサブセットを検証しますが、クライアントが最初に挑戦した場合にのみ証明を提供します。

まとめ

分散化されたAIの訓練と推論は、少数の大手プレイヤーによる力の強化に対する安全装置として機能すると同時に、以前はアクセスできなかった計算のロックを解除します。あなたのコンピューターは、バックグラウンドで追加の処理能力を利用することで、あなたのために知らず知らずのうちに実際のお金を稼ぐことができるようになる。計算の正しい実行をシンプルに証明することで、最大手のクラウド・プロバイダーが利用する信頼が不要になり、小規模なプロバイダーによる計算ネットワークが企業の顧客を引き付けることができるようになります。

ゼロ知識証明はこのような未来を可能にし、（イーサネットのシングルスロット最終性のビジョンのように）コンピュートネットワーク以上の重要な部分となる一方で、その計算オーバーヘッドは依然として障壁となっています。楽観的ゲームのゲーム理論的メカニクスとゼロ知識証明の選択的使用を組み合わせたハイブリッドソリューションは、はるかに優れたソリューションであり、ZKPがより高速になるまで、ユビキタスブリッジポイントになる可能性が高いです。

ローカルおよび非ローカルの暗号通貨投資家にとって、分散型AIシステムの価値と課題を理解することは、資本を効果的に展開する上で非常に重要です。チームはノードのプルーフ・オブ・コンピュートやネットワークの冗長性に関する疑問に対する答えを持つべきです。さらに、多くのDePINプロジェクトで観察されているように、分散化は時間をかけて行われるものであり、チームがこのビジョンを達成するための明確な計画を持つことが重要である。DePINコンピューティングに関連する課題に対処することは、個人や小規模な開発者にコントロールを戻すために重要です。