検証可能なAIから組合せ可能なAIへ：ZKMLユースケースの再考
TechFlow厳選深潮セレクト
検証可能なAIから組合せ可能なAIへ：ZKMLユースケースの再考
AIアプリケーションはすべての計算をブロックチェーン上に置くことはできないため、zkまたはオプティミスティックな証明を用いて、AIサービスがより信頼不要な形でパブリックチェーンシステムに接続できるようにする必要がある。
Web3業界の深掘り報道に専念し潮流を洞察執筆：Turbo Guo
査読：Mandy、Joshua
TLDR：
Modulus Labsは、オンチェーン実行ではなくML計算をオフチェーンで実行し、その計算に対してゼロ知識証明（zkp）を生成することで検証可能なAIを実現しています。本稿ではこのアプローチをアプリケーションの視点から再評価し、どのようなシナリオで真に必要とされるのか、また需要が弱いケースは何かを分析します。さらに、パブリックブロックチェーンに基づくAIエコシステムとして、横方向および縦方向の二つのモデルを提示します。主な内容は以下の通りです。
-
検証可能なAIが必要かどうかは、「オンチェーンデータを変更するか」「公平性やプライバシーに関わるか」の二点にかかっている
-
AIが出力する結果がオンチェーン状態に影響しない場合、AIは単なる「提案者」として機能する。ユーザーはその提案の実際の成果を通じてサービス品質を判断できるため、計算プロセス自体の検証は不要である。
-
オンチェーン状態に影響を与える場合でも、サービスが個人向けであり、プライバシーへの影響がないなら、ユーザーは依然として直接的にAIの品質を判断でき、計算プロセスの検証は不要である。
-
AIの出力が複数人の間の公平性や個人のプライバシーに影響する場合、例えばコミュニティメンバーの評価と報酬配分にAIを使用する、AMMの最適化にAIを活用する、または生体データを扱うような場面では、人々はAIの計算プロセスを検証したいと考えるようになる。このような場面こそが、検証可能なAIが製品市場適合（PMF）を見出す可能性のある領域である。
-
縦方向のAIアプリケーションエコシステム：検証可能なAIの一方がスマートコントラクトであることから、AIアプリケーション同士、あるいはAIとネイティブdAppの間で信頼なしに相互呼び出しを行うことが可能になる。これは、将来的な組み合わせ可能なAIアプリケーションエコシステムにつながる。
-
横方向のAIアプリケーションエコシステム：パブリックブロックチェーンシステムは、AIサービスプロバイダーに対する支払い処理、支払い紛争の調整、ユーザーのニーズとサービス内容のマッチングなどを担うことができ、より自由度の高い非中央集権的なAIサービス体験をユーザーに提供する。
1. Modulus Labs の概要と応用事例
1.1 概要とコアソリューション
Modulus Labs は「オンチェーンAI」企業であり、AIがスマートコントラクトの能力を大幅に高め、Web3アプリケーションをより強力なものにすると考えている。しかし、AIをWeb3に適用する際には矛盾がある。すなわち、AIの実行には膨大な計算リソースが必要だが、オフチェーンでのAI計算はブラックボックスとなり、Web3の「信頼不要（trustless）」「検証可能」という基本要件に反してしまう。
そこでModulus Labsは、zkロールアップの「オフチェーン前処理＋オンチェーン検証」という枠組みを参考に、検証可能なAIアーキテクチャを提唱している。具体的には、MLモデルをオフチェーンで実行し、同時にその計算プロセスに対してゼロ知識証明（zkp）を生成する。このzkpにより、オフチェーンのモデル構造、重み、入力（inputs）が検証可能となり、当然ながらこのzkpはオンチェーンに提出され、スマートコントラクトによって検証されることも可能である。これにより、AIとオンチェーンコントラクトとの間でより信頼不要なインタラクションが実現され、「オンチェーンAI」が達成される。
この検証可能なAIという考え方を基に、Modulus Labsはこれまでに3つの「オンチェーンAI」アプリケーションをリリースしており、その他にも多くの応用シナリオを提示している。
1.2 応用事例
-
最初にリリースされたのはRocky bot — 自動取引AI。RockyはwEth/USDCペアの過去データで学習されており、歴史的データに基づいて将来のwETH価格の動きを予測し、取引判断を行った後、その意思決定プロセス（計算プロセス）に対してzkpを生成する。その後、L1にメッセージを送信して取引をトリガーする。
-
二つ目は「Leela vs the World」というオンチェーンチェスゲーム。対戦相手はAIと人間で、盤面の状態はコントラクト上に保存されている。プレイヤーはウォレットを使って操作（コントラクトとのインタラクション）を行う。一方、AIは新しい盤面情報を読み取り、次の手を判断し、その一連の計算プロセスに対してzkpを生成する。これらの一連の処理はAWSクラウド上で行われ、生成されたzkpはオンチェーンのコントラクトで検証され、検証成功後に盤面コントラクトを呼び出して「着手」する。
-
三つ目は「オンチェーン」AIアーティストで、NFTシリーズ「zkMon」を発表。特徴は、AIがNFTを生成してオンチェーンに発行すると同時に、その生成プロセスに対応するzkpも生成することにある。ユーザーはこのzkpを用いて、自分のNFTが本当に指定されたAIモデルによって生成されたかを検証できる。
さらに、Modulus Labsは以下のような他のユースケースも言及している。
-
個人のオンチェーンデータなどをAIで評価し、個人の評判スコアを生成し、ユーザーが検証可能な形でzkpを公開する；
-
AIを用いてAMMのパフォーマンスを最適化し、zkpを公開してユーザーが検証できるようにする；
-
検証可能なAIを用いてプライバシープロジェクトが規制当局に対応しつつ、プライバシーを守る（例えば、MLを使ってその取引がマネロンではないことを証明しつつ、ユーザーのアドレスなどの情報を開示しない）；
-
AIオラクルで、オフチェーンデータの信頼性を誰もが検証できるようzkpを公開する；
-
AIモデルコンテスト。参加者は自らのモデル構造と重みを提出し、統一のテスト入力でモデルを実行、計算に対応するzkpを生成。最終的にコントラクトが自動で賞金を勝者に送金する；
-
Worldcoinは将来、ユーザーが端末に虹彩コード生成用のモデルをダウンロードし、ローカルでモデルを実行してzkpを生成する可能性があると述べている。これにより、オンチェーンコントラクトはzkpを使って「虹彩コードが正しいモデルと適切な虹彩データから生成されたこと」を検証できる一方で、生体情報がユーザーのデバイスを離れないようにできる；
1.3 検証可能なAIの必要性に関する考察：異なる応用シナリオの検討
1.3.1 検証可能なAIが不要かもしれないシナリオ
Rocky botのケースでは、ユーザーがML計算プロセスを検証したいと思う動機は薄い。 第一に、ユーザーは専門知識を持たず、本当に検証できる能力を持っていない。仮に検証ツールがあったとしても、ユーザーにとっては「あるボタンを押したら、画面に『このAIサービスは確かに特定のモデルで生成されました』と表示されるだけ」であり、それが真実かどうかは確認できない。第二に、ユーザーには検証する必要がない。なぜならユーザーが関心を持つのはAIの収益率だからである。収益率が低ければ直ちに他へ移行し、常に最も良い成果を出すモデルを選ぶだろう。つまり、ユーザーが関心を持つのがAIの最終的な成果である限り、計算プロセスの検証にはあまり意味がない。ユーザーは最も効果的なサービスに移行すればよいだけだからだ。
一つの代替案として、AIはあくまで「提案者」として機能し、ユーザーが自ら取引を実行する方法がある。ユーザーが自分の取引目標をAIに入力すると、AIはオフチェーンで計算を行い、より良い取引パス／方向を返す。ユーザーはそれを実行するかどうかを選択する。この場合、背後のモデルを検証する必要はない。ただ、最も高いリターンをもたらす製品を選べばよい。
もう一つの危険だが極めてあり得るシナリオは、人々が資産の支配権やAIの計算プロセスにまったく関心を持たないこと。自動的に利益を生むロボットが現れれば、人々は喜んで資金を委託するだろう。まるでトークンをCEXや伝統的な銀行に預けて資産運用するのと同じである。人々は背後の仕組みに興味を持たず、最終的にいくら受け取れるか、あるいはプロジェクト側がいくら儲けたと表示するかだけに注目する。このようなサービスは大量のユーザーを短期間で獲得でき、検証可能なAIを採用するプロジェクトよりも製品のイテレーション速度が速くなる可能性さえある。
さらに言えば、AIがそもそもオンチェーン状態を変更しない場合、つまりオンチェーンデータを取得してユーザー向けに前処理を行うだけであれば、計算プロセスにZKPを生成する必要もない。ここではこうしたアプリケーションを【データサービス】と呼ぶ。以下にいくつかの事例を挙げる：
-
Mestが提供するチャットボットは典型的なデータサービスで、質問形式で自分のオンチェーンデータについて知ることができる。例えば「NFTにいくら使ったか？」など。
-
ChainGPTは多機能AIアシスタントで、取引前にスマートコントラクトを解釈し、正しいプールと取引しているか、またはフロントランやサンドウィッチ攻撃のリスクがあるかを教えてくれる。また、AIニュースの推薦、プロンプト入力による画像自動生成とNFT化なども計画している。
-
RSS3はAIOPを提供しており、ユーザーが特定のオンチェーンデータを選択し、ある程度の前処理を行えるようにすることで、特定のデータを使ってAIを訓練しやすくしている。
-
DefiLlamaとRSS3はChatGPTプラグインを開発しており、会話形式でオンチェーンデータを取得できる。
1.3.2 検証可能なAIが必要となるシナリオ
本稿では、複数人に影響し、公平性やプライバシーが関わるシナリオにおいてZKPによる検証が必要だと考える。以下にModulus Labsが言及したいくつかの応用を検討する。
-
コミュニティがAIによって生成された個人評判に基づいて報酬を配布する場合、メンバーは評価・決定プロセス（すなわちMLの計算プロセス）の検証を要求するだろう；
-
AIによるAMM最適化は複数人の利益分配に関わるため、定期的にAIの計算プロセスを検証する必要がある；
-
プライバシーと規制の両立において、ZKは現在もっとも有望な手段の一つ。サービス提供者がプライバシーを含むデータをMLで処理する場合、計算全体に対してZKPを生成する必要がある；
-
オラクルは影響範囲が広いため、AIによって制御される場合は、AIが正常に動作しているかを定期的にZKPで検証する必要がある；
-
コンテストでは、一般市民や他の参加者がMLの演算が競技規定に合致しているかを検証したいと考える；
-
Worldcoinの潜在的なユースケースでは、個人の生体データの保護も非常に強い要望となる；
総じて、AIが「意思決定者」のように振る舞い、その出力が広範囲にわたって複数人の公平性に影響する場合、人々はその意思決定プロセスの検証を求めることになる。あるいは単に「AIの意思決定プロセスに重大な問題がないこと」を保証したい。そして、個人のプライバシーを守ることは非常に明白なニーズである。
したがって、「AIの出力がオンチェーン状態を変更するか」「公平性／プライバシーに影響するか」の二点が、検証可能なAIソリューションが必要かどうかを判断する基準となる。
-
AIの出力がオンチェーン状態を変更しない場合、AIサービスは提案者の役割を果たせ、ユーザーは提案の成果によってサービス品質を判断できるため、計算プロセスの検証は不要である；
-
AIの出力がオンチェーン状態を変更する場合でも、サービスが個人向けでプライバシーに影響しないなら、ユーザーは依然として直接的にAIの品質を判断でき、計算プロセスの検証は不要である；
-
AIの出力が複数人の公平性に直接影響し、かつAIが自動的にオンチェーンデータを変更する場合、コミュニティや一般市民はAIの意思決定プロセスを検証したいと考える；
-
MLが扱うデータが個人のプライバシーに関わる場合、ZKを使ってプライバシーを保護し、規制要件に対応する必要がある。
2. パブリックブロックチェーンに基づく二種類のAIエコシステムモデル
いずれにせよ、Modulus Labsのアプローチは、AIが暗号資産と結びつき、実際の応用価値を生み出すことに大きな示唆を与えてくれる。しかし、パブリックブロックチェーンの枠組みは個々のAIサービスの能力を高めるだけでなく、新たなAIアプリケーションエコシステムを構築する可能性を秘めている。この新しいエコシステムは、Web2とは異なるAIサービス間の関係、AIサービスとユーザーの関係、さらにはサプライチェーン全体の協働様式をもたらす。こうした潜在的なAIエコシステムを、縦方向モデルと横方向モデルの二つに整理できる。
2.1 縦方向モデル：AI間の組み合わせ可能性の実現に重点
「Leela vs the World」におけるオンチェーンチェスというユースケースには特異な点がある。人々は人間またはAIに賭けることができ、試合終了後に自動的にトークンが分配される。この場合、zkpの意義は単にAIの計算プロセスをユーザーが検証できるだけでなく、オンチェーン状態の遷移をトリガーする際の信頼保障としても機能する。この信頼保障があれば、AIサービス同士、あるいはAIとクリプトネイティブなdAppの間に、dAppレベルの組み合わせ可能性が生まれる。
組み合わせ可能なAIの基本単位は【オフチェーンMLモデル - zkp生成 - オンチェーン検証コントラクト - メインコントラクト】である。これは「Leela vs the World」のフレームワークに着想を得たものだが、実際の単一AI dAppのアーキテクチャは図とは異なるかもしれない。第一に、チェスでは盤面状態を記録するためにコントラクトが必要だが、実際のAI dAppでは必ずしもオンチェーンコントラクトを必要としない。しかし、主要業務がコントラクトによって記録されている場合、他のdAppとの組み合わせが容易になる。第二に、メインコントラクトがAI dApp自身のMLモデルに影響を与える必要はない。あるAI dAppが一方向的に影響を与えるだけでよく、MLモデルが処理を完了した後、自身のビジネスに関連するコントラクトをトリガーすればよく、そのコントラクトが他のdAppから呼び出される可能性がある。
拡張して考えると、コントラクト間の呼び出しは異なるWeb3アプリケーション間のやり取りであり、個人のアイデンティティ、資産、金融サービス、さらにはソーシャル情報のやり取りでもある。以下のような具体的なAIアプリケーションの組み合わせを想像できる。
-
WorldcoinがMLを使って個人の虹彩データからアイリスコードとzkpを生成する；
-
評判スコアAIアプリケーションがまずこのDIDが本当に人間かどうか（虹彩データの裏付けがあるか）を検証し、その後オンチェーンの評判に基づいてユーザーにNFTを付与する；
-
貸借サービスがユーザーが持つNFTに応じて貸出額を調整する；
パブリックブロックチェーン枠組みにおけるAI間の相互作用は、未踏のテーマではない。全チェーンゲーム「Realms」のエコシステム貢献者Loafは、AI NPCがプレイヤーと同様に相互に取引でき、経済システム全体が自己最適化・自動稼働できると提唱している。AI ArenaはAIによる自動対戦ゲームを開発しており、ユーザーはまずNFTを購入する（各NFTは戦闘ロボットを表し、背後にはAIモデルがある）。ユーザーはまず自分でプレイし、そのデータをAIに学習させる。AIが十分に強くなったと感じたら、他のAIと自動対戦させるためにアリーナに投入できる。Modulus Labsによれば、AI ArenaはこれらのAIをすべて検証可能なAIに変換することを目指している。どちらのケースも、AI同士が相互に作用し、その過程で直接オンチェーンデータを変更する可能性を示している。
ただし、組み合わせ可能なAIの具体的な実装にはまだ多くの課題が残っている。例えば、異なるdAppが互いのzkpや検証コントラクトをどのように利用するかなど。しかし、zk分野にはRISC Zeroのような優れたプロジェクトがあり、複雑なオフチェーン計算を行い、そのzkpをオンチェーンに発行する技術で多くの進展を遂げており、いつか適切な組み合わせが実現するかもしれない。
2.2 横方向モデル：非中央集権型AIプラットフォームの実現に重点
この方向性については、SAKSHIという非中央集権型AIプラットフォームを紹介する。これはプリンストン大学、清華大学、イリノイ大学アーバナ・シャンペーン校、香港科技大学、Witness Chain、Eigen Layer出身のメンバーによって共同で提案されたもので、ユーザーがより非中央集権的な形でAIサービスを受けられるようにし、プロセスをより信頼不要かつ自動化することを目的としている。
SAKSHIのアーキテクチャは六層に分けられる：サービスクレイ（Service Layer）、コントロールレイヤー（Control Layer）、トランザクションレイヤー（Transaction Layer）、プロルフライヤー（Proof Layer）、エコノミックレイヤー（Economic Layer）、マーケットプレイス（Marketplace）である。
マーケットプレイスはユーザーに最も近い層で、さまざまなAIプロバイダーを代表するアグリゲーターがサービスを提供する。ユーザーはアグリゲーターを通じて注文を行い、サービス品質と支払価格に関してSLA（Service-level agreement）を締結する。
次に、サービスクレイはクライアント側にAPIを提供し、クライアントはアグリゲーターに対してML推論リクエストを送信する。リクエストはAIサービスプロバイダーをマッチングするサーバーに送られる（リクエストのルーティングはコントロールレイヤーの一部）。したがって、サービスクレイとコントロールレイヤーは、複数のサーバーを持つWeb2サービスに似ているが、異なる主体がそれぞれのサーバーを運営しており、個々のサーバーはSLA（事前に締結されたサービス契約）を通じてアグリゲーターと関連付けられている。
SLAはスマートコントラクトの形でオンチェーンにデプロイされる（このスキームではWitness Chain上にデプロイ）。トランザクションレイヤーはサービス注文の現在の状態を記録し、ユーザー、アグリゲーター、サービスプロバイダー間の支払い紛争を調整する。
トランザクションレイヤーが紛争処理時に根拠を持てるように、プロルフライヤーはサービスプロバイダーがSLAに従ってモデルを使用しているかを検証する。しかしSAKSHIはML計算プロセスに対してzkpを生成するのではなく、オプティミスティックな証明（楽観的証明）の考え方を採用し、検証者ノードネットワークを構築してサービスを検証することを目指している。ノードへのインセンティブはWitness Chainが負担する。
SLAと検証者ノードネットワークはWitness Chain上にあるが、SAKSHIのスキームでは、Witness Chainは独自のネイティブトークンで独立した安全性を確保しようとするのではなく、Eigen Layerを通じてイーサリアムのセキュリティを借用する。したがって、エコノミックレイヤー全体はEigen Layerに依存している。
SAKSHIはAIサービスプロバイダーとユーザーの中間に位置し、異なるAIを非中央集権的に組織してユーザーにサービスを提供している。これはまさに横方向のアプローチといえる。SAKSHIの核心は、AIサービスプロバイダーがオフチェーンモデルの計算管理に集中できるようにし、ユーザーのニーズとモデルサービスのマッチング、支払い、サービス品質の検証をオンチェーンプロトコルで処理し、支払い紛争の自動解決を試みることにある。もちろん、現時点ではSAKSHIは理論段階にあり、実装上の詳細もまだ多く確定されていない。
3. 今後の展望
組み合わせ可能なAIであろうと、非中央集権型AIプラットフォームであろうと、パブリックブロックチェーンに基づくAIエコシステムモデルには共通点がある。例えば、AIサービスプロバイダーはユーザーと直接接続せず、MLモデルを提供し、オフチェーンで計算を行うだけでよい。支払い、紛争解決、ユーザーのニーズとサービスのマッチングはすべて非中央集権的なプロトコルで解決できる。パブリックブロックチェーンは信頼不要なインフラとして、サービス提供者とユーザー間の摩擦を減らし、ユーザーの自律性を高める。
パブリックブロックチェーンをアプリケーション基盤とする利点は繰り返し語られてきたが、AIサービスにも確かに当てはまる。AIアプリケーションと純粋なdAppアプリケーションの違いは、AIアプリケーションはすべての計算をオンチェーンで行えないため、zkまたはオプティミスティックな証明を用いて、AIサービスをより信頼不要な形でパブリックブロックチェーンシステムに接続する必要がある。
アカウント抽象化など、ユーザー体験を最適化する各種ソリューションが実装されるにつれ、ユーザーはリカバリーフレーズ、ブロックチェーン、gasなどの存在を感じなくなるだろう。これにより、ブロックチェーンエコシステムの使い勝手はWeb2に近づきつつ、ユーザーはWeb2以上の自由度と組み合わせ可能性を得ることになる。これは大きな魅力となる。パブリックブロックチェーンを基盤とするAIアプリケーションエコシステムは非常に期待できる。
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
Kernel Ventures
