なぜブロックチェーンとAIの融合が自然なニーズなのか？
TechFlow厳選深潮セレクト
なぜブロックチェーンとAIの融合が自然なニーズなのか？
トレンドから見ると、AIはブロックチェーンに対して自然なニーズを持っており、自身の発展に真のレジリエンスを提供するためにブロックチェーンを必要としている。
Web3業界の深掘り報道に専念し潮流を洞察ブロックチェーンもまた最も重要なトレンドの一つである
今年に入って、AIの盛り上がりはブロックチェーンを大きく上回った。しかし、暗号分野が落胆する必要はない。ブロックチェーンの将来のチャンスをどう捉えるべきか。まず考えを述べておく：
-
ブロックチェーンは人類史上最も重要なトレンドの一つであり、Web2の情報インターネットからWeb3の価値インターネットへの進化も、生産性向上の要請に他ならない。わずか十数年という短い期間であり、まだ数十年の進化が続く。その基盤的な影響力は現時点ではAIに次ぐ第2位の技術と見なされている。
-
AIとブロックチェーンには融合のニーズがあるが、進展はそれほど速くないだろう。
今日は第二点、すなわち「AIとブロックチェーンの融合ニーズ」について簡単に説明する。
ブロックチェーンがAIを支援できる点
計算
誰もが知っているように、AIは膨大な計算能力を必要とする。空き時間の計算リソースをAIの処理に活用するという需要はあるものの、現在のところ、AIモデルの学習は高密度な計算作業であり非常にコストがかかる。汎用的なAI計算において、ブロックチェーンが貢献できる場面はまだ限られている。
特に問題視されているのは主に以下の三点だ：第一に、専用GPUハードウェアのサポートが必要であること。第二に、データ交換における遅延。第三に、分散型ネットワークでの計算タスク完了の検証方法である。
-
前述した通り、AI学習は高密度かつ大規模な計算を伴う。LLMのようなモデルは数十億以上のパラメータを持ち、その学習に必要なFLOPs（浮動小数点演算回数）は極めて巨大である。このような訓練は、Tensor Processing Unitsなど特殊なコンポーネントを持つAI用GPUによって初めて効率よく実行可能になる。さらに最適な性能を得るためには、すべてのGPUが同種で、同じレベルのものであることが望ましい。これにより、データ交換と継続的計算がスムーズに行える。しかし、分散型ネットワークでは参加者のGPUに一定の要求が生じる。要求が高くなるほど参入障壁も上がり、分散化や空きリソースの活用が難しくなる。
-
AI用GPUは頻繁にデータ交換を行う必要がある。ネットワーク遅延がある場合、分散型の計算リソースを用いたAI学習には不利となる。
-
分散的に計算タスクの完了を検証するには、比較的効率的で低コストな解決策が必要である。
以上は、現在の分散型計算とAIの統合における主な課題であり、これがAIとブロックチェーンの結合が難しい理由でもある。しかし、BlueFox Notesの見解としては、より多くの参加者が探索を進めることで、これらの障壁は徐々に取り除かれていくだろう。ただし、実現には相当な時間がかかると考えられる。
以下では、段階的に解決可能な領域について述べる。汎用AIの観点からは、暗号分野がすぐに関与するのは難しい。だが、特定分野のAIなら突破口を開ける可能性がある。この突破口は、現在のAI計算タスクとも密接に関連している。二つのポイントがある：第一に、現在のAI計算需要の大部分を占めているのは推論タスクである。第二に、一部のファインチューニングや推論タスクはリソース要求が小さく、分散型計算による実現の余地がある。これら二点が、分散型計算リソースの潜在的機会を示している。
特定分野、たとえば法律、医療、投資、教育、データ分析などの専門分野のAIは、初期段階でこのような特定分野に特化した分散型計算ネットワークに適しているかもしれない。前述したように、AIに分散型の計算リソースを提供する上での困難は、計算タスク自体の実行ではなく、その完了を分散的にどう検証するかにある。現在、GensynやTogetherといったプロジェクトがこの問題の解決を目指している。
Gensynは学術界の研究成果、例えば確率的学習証明（probabilistic proof of learning）やグラフベースの正確な位置特定プロトコルなどを統合しており、Truebitプロジェクトのインセンティブおよび均衡モデルも参考にしている。Gensynはプロセス全体を8段階に分け、AIタスクの提出、解析、学習、証明生成、証明の検証、チャレンジ、仲裁、決済までをカバーしている。「確率的学習証明」はベースライン距離の閾値を構築し、検証者に検証の基礎を提供する。「グラフベースの正確な位置特定」技術は、検証者が実行状況を監視するのに使われる。Truebitのゲーム理論モデルは関係者が合理的に行動することを促す。詳細なプロセスはGensynのホワイトペーパーを参照のこと。ちなみに、Truebitのようなオフチェーン計算プロジェクトもこの方向へ進化することで、新たなビジネスチャンスを得られるかもしれない。もちろん、その機会を評価するのは各チーム次第である。
分散型ネットワーク計算の実用化の難しさと比べて、AIモデル共有やAIデータ共有はより早く実現できる分野であるかもしれない。以下二点は、AIとブロックチェーンの統合において初期段階で突破口を開く可能性が高い：分散型モデル共有と分散型データ共有である。
モデル
トークン報酬を通じてモデル共有を奨励し、より優れたモデルを実現する。さらには、これらのモデルをブロックチェーン上にデプロイし、任意の参加者が共同で学習することで、モデルの発展を促進することも可能になる。また、AIモデルが複雑化するにつれ、推論結果への信頼性が重要になる。ここにオンチェーンの信頼できる推論（trusted inference）が役立つ。
モデルのファインチューニングや推論の分野では、Giza、ChainML、Bittensor、Modulus Labなどが探求を進めている。Gizaはオンチェーンのモデル市場を提供し、シンプルなモデルをオンチェーンに配置し、オンチェーン上で推論を行い、モデル所有者は使用時に報酬を得ることができる。
一方、ModulusはzkMLの概念を提唱している。コストの問題から、オンチェーンでの推論モデルの実行は非現実的だと考える。そのため、彼らの解決策はオフチェーンで推論を実行し、その後zkSNARKs証明を生成してチェーン上に記録し、スマートコントラクトを通じてその証明を利用するというものだ。
データ
トークン経済を通じて、ユーザーがモデルに対してフィードバックを行うことや、より高品質なデータを収集することをインセンティブづける。分散型のデータ収集により、特に特定分野において高品質なデータを得ることは、AIの発展にとって極めて重要である。同時に、これをZK技術と組み合わせることで、データのプライバシーを守りつつ利用できる。課題は、データ自体の品質をどう証明するかにある。
高品質なデータと分散型AIモデルの組み合わせは、AIの発展にとって非常に興味深い可能性を秘めている。
偽造防止
深層学習モデルの登場により、AIが生成する画像、音声、動画などが本物かどうかますます判別できなくなっている。AI生成時代において、コンテンツの真実性や改ざん防止がますます重要になっている。ブロックチェーンはこの問題を解決するための重要な技術手段である。
暗号化されたデータの身元認証と署名により、コンテンツ作成の真実性を保証し、偽造ではないことを確認できる。特にAIツールの乱用が進む中で、この問題は深刻である。これは偽造コンテンツに対抗する重要な技術的手段である。本物と偽物が混在する時代には、暗号技術を使って真偽を見極める必要がある。
また、ブロックチェーン技術を用いた権利確定も必要である。例えば、同じ絵画でも、AI生成かNFT画像かは外見からは判別しづらくなる。このときこそブロックチェーンの出番である。
よりレジリエントなAI
AIはブロックチェーンとの融合により、計算、モデル、データ、帯域幅、ストレージなど多方面からの支援を受け、分散型インフラの支えを得ることで、自己進化能力を高めることができる。さらに、ブロックチェーン分野の暗号化支払い、価値流通の仕組みも、AIの進化を支えることができる。
成熟したブロックチェーンインフラが整備されれば、AIはより多くの自己進化能力を得ることになる。言い換えれば、より分散化されたAIはAI自身の実現のためにも必要であり、ブロックチェーンの分散的特性を利用してAIを発展させることは、AI自身の進化の要請でもある。
AI自身の観点から言えば、最終的にマイクロソフトやグーグルなどの巨大企業に独占されてしまえば、その進化にとっても好ましくない。AIには自然と分散化を志向するニーズがあり、それがAIがよりレジリエントになるための内在的要請なのである。AI＋ブロックチェーンが生み出す力は、人々の想像をはるかに超える可能性がある。
AIがブロックチェーンを推進できる点
人工知能とオンチェーンデータの融合
AIによってオンチェーンの動的データを分析し、予測能力を得ることが可能になる。たとえば、投資研究などだ。最も注目すべき点の一つは、AIを組み込むことで、スマートコントラクトが動的な自律的判断を実現できるようになることだ。DeFiがリアルタイムデータに基づいて自動調整するなど、静的ではなく動的なスマートコントラクトは、ブロックチェーンに新たな応用シーンとユーザー需要を生み出すだろう。
人工知能の発展は、暗号アプリケーションに新たな可能性をもたらす。
AIはDeFi、Web3ゲーム、Web3ソーシャル、Web3アプリ（交通、宿泊、旅行など）にも新しい可能性をもたらす。例えば、AI＋Web3ゲームは前例のないゲーム形式を生み出すかもしれない。AI＋IoT＋暗号化支払いの組み合わせにより、よりスマートなネットワークが誕生するかもしれない。
ZKPの重要性
計算タスクのプライバシーと完了度を保証するには、ZKPの導入が必要であり、検証可能な作業証明（Proof of Work）を形成する。ZKPが成熟すれば、AIをブロックチェーン上に実装できるようになり、プライバシー保護付きの検証可能な機械学習も可能になる。
全体として、ブロックチェーンは分散型の枠組みを通じて、計算リソース、データ、モデルのプロトコルに対して協働アーキテクチャを提供し、最終的にAIの発展を促進できる。この過程には多くの細部の整備が必要であり、たとえば参加者の貢献（計算リソース、データ、モデルのいずれであれ）を証明する仕組みなどだ。これらを低コストで実現できなければ、ブロックチェーンによるAI支援は空中楼閣に終わってしまう。
もちろん、トレンドとして見れば、AIはブロックチェーンに対して天然のニーズを持っている。AIは自らの発展のために真のレジリエンスを得るために、ブロックチェーンを必要としているのだ。
同時に、AIはブロックチェーンアプリの進化にも貢献する。DeFi、ゲーム、その他アプリケーションにおいて、よりインテリジェントな暗号アプリが生まれる可能性がある。これは将来の大叙事（グランドナラティブ）になるかもしれない。次のサイクルでまだ未熟でも、その次のサイクルではそのような機会が訪れるかもしれない。
以上述べたのは一部にすぎず、完全なものではない。時間とともに増減する可能性もあり、読者の皆様からの追加コメントも歓迎する。（2か月前の記事で公開を忘れていたため、今日補足公開する。）
リスク警告：上記の分析はあくまで技術と市場に対する一面的な観察であり、必ずしも正しいとは限らない。各自で判断し、リスク管理を徹底してください。
TechFlow公式コミュニティへようこそ
Telegram購読グループ：https://t.me/TechFlowDaily
Twitter公式アカウント：https://x.com/TechFlowPost
Twitter英語アカウント：https://x.com/BlockFlow_News
蓝狐笔记
