Delphi Labs：AIには複数のモデルによる競争が生じるだろう。私たちが注目する暗号化アプリケーションは？
TechFlow厳選深潮セレクト
Delphi Labs：AIには複数のモデルによる競争が生じるだろう。私たちが注目する暗号化アプリケーションは？
我々は依然として人工知能（AI）時代の初期段階にあり、特にdeAI時代においてそうである。
Web3業界の深掘り報道に専念し潮流を洞察著者：Delphi Labs
翻訳：TechFlow
本稿はLuke Saunders（lukedelphi）およびJose Macedo（ZeMariaMacedo）によるものです。
人工知能（AI）は、史上最大の技術革命を表しており、かつてない技術的軍拡競争を引き起こしています。現在のAIモデルは、標準化された大学入試レベルのテストではすでに上位10％圏内に達しており、多くのタスクにおいて人間を凌駕しています。これはAI研究そのものにも当てはまります。現時点でも、検索、カスタマーサポート、コンテンツ作成、プログラミング、教育など多くの分野に変革的な影響を与えています。
私たちは、AIの能力、資金調達規模、社会へのインパクトがさらに加速すると予測しています。すべての大手テック企業がAIが自社ビジネスにとって不可欠であることを認識しており、それに応じた投資を行っています。AI関連資本支出の最良の指標であるNVIDIAの収益は、2024年に1000億ドルを超え、2023年の2倍以上、前年収益の4倍以上になると見込まれています。
Google CEOのSundar Pichaiは、AIへの投資について次のように述べています。
「我々にとって、過剰投資よりも投資不足のリスクの方がはるかに大きい。」
一方で、スタートアップ企業たちは、AIが数十年存在してきた企業を置き換える破壊的力であることに気づいています。過去18ヶ月間で、AIスタートアップへの投資額は推定 830億ドルに達しました。
AIの能力は計算パワーの向上とともに指数関数的に増大する傾向があるため、10年以内に汎用人工知能（AGI）に近い状態に到達する可能性が高いと考えられます。
著者：leopoldasch
本稿では、競争環境が多数のモデルからなる世界を生み出し、暗号技術がこのマルチモデル世界を支える理想的な基盤となると主張します。まず、なぜマルチモデル世界がAIの必然的帰結だと考えるのかを説明します。次に、暗号技術がAIに提供できる独自の利点を紹介します。最後に、暗号とAIの技術スタックについて考察し、注目しているプロジェクトの事例を提示します。
オープンソースAIと暗号技術の結合には、哲学的・倫理的な強力な理由が確かにありますが、それらは他の場所で十分に議論されています。私たちはそれらの見解に全面的に同意しており、それが私たちがこの分野で開発を行う動機の一つでもあります。しかし、本稿では「なぜそうあるべきか」という道徳的議論ではなく、「なぜそうなるのか」という実際的な理由に焦点を当てます。
スーパーモデル vs マルチモデル
現在、少数の大手縦型統合テック企業が「スーパーモデル」を生産し、他のすべてを支配するような世界に向かって進んでいます。
しかし、以下の理由から、これが最終形ではないと考えます。
-
リスクの問題： AIベースの体験を構築する組織、起業家、開発者は、いつでもモデルを変更したり、利用規約を改訂したり、サービス提供を停止できる単一のクローズドソース企業に依存したくありません。
-
コスト対性能のトレードオフ： 大手テック企業が好む巨大で汎用的なモデルは、訓練および実行コストが必然的に高くなります。そのため、多くのユースケースにおいて価格が高すぎたり、性能が過剰になります。現時点では利益を追求していないためあまり重視されていませんが、AIが進化すれば、必要な性能を得るための最低コストを追求するようになります。多くのタスクでは、大型モデルはこの点で競争力がありません。より小さく専門化されたモデルが汎用モデルを上回ることが示されています：医療画像診断、不正検出、音声認識、その他多数。
-
垂直統合： Appleが繰り返し証明してきたように、最高の製品は技術スタック全体の垂直統合から生まれます。野心的な起業家は、独自の専門モデルを基盤とすることで競争優位を得ようとします。これにより、製品がより多くの価値を獲得でき、投資も集めやすくなります。
-
プライバシーの問題： AIは、これまでにないほど組織の業務プロセスの中心的技術となります。多くの組織は、機密データをこれらのモデルに渡すことを望んでいません。
以上の理由から、特定の用途に特化され、費用対効果の高い、より小型で専門的なモデルが多数存在する世界へ向かうと考えます。アプリ開発者やユーザーはLLaMAやMistralAIのようなオープンソースモデルを基盤とし、独自のデータで微調整した専用モデルを構築します。多くのモデルはサーバー上で動作し続けますが、よりプライバシー重視のアプリはクライアント端末上でローカル実行され、検閲耐性が必要なアプリは分散コンピューティングプラットフォームを利用するでしょう。
これはモジュール型のAIブロックの世界であり、開発者や起業家がユーザーに価値を提供するために競い合う場です。ユーザーは自身のニーズに応じて異なるサービスを選び、組み合わせることができます。「ゴッドモデル」の技術スタックを分解し、新興するAI経済を支えるために、ルーティング、オーケストレーション、合成、決済などのインフラが必要になります。まさに暗号技術が thrive する世界です。
暗号技術とAI
直感的には、暗号技術はこのマルチモデル世界で実用性を持つ領域のように思えます。しかし、過剰な期待が多くの情報不足の投資家を引き込み、大量の資金が投入されています。以前のインフラバブルと同様、本来存在すべきでないプロジェクトが資金を得て開発されているため、どのサブセクターが真に価値を持つかを見極めるのが困難になっています。結果として、多くの人がこの分野全体を根本的価値のないMemeと見なしています。
しかし、これは単なるMemeではありません。理論上、このマルチモデル世界は暗号技術なしでも成立しうるのです。そのため、暗号技術の独自の差別化要素に注目し、より革新的な製品、あるいは暗号なしでは構築不可能な製品を作り出すことが重要です。そのためにはまず、暗号技術の独自属性を特定し、それがどのようにAI分野でより優れた製品を生み出すかを考察します。その後、暗号×AIの技術スタックと、関連するユースケースの例を紹介します。
-
調整レイヤー： 暗号レールは集中管理なしに集団的な調整を促進するのに優れています。市場が抱える「ニワトリと卵」問題を、暗号ネイティブなインセンティブを通じて迅速に多数のユーザーを惹きつけることで効果的に克服できます。
-
小規模チームが内部モデルを構築しても、必要なリソースを直接得られないことがあります。大手テック企業のAIラボは独自の計算資源を持っているかもしれませんが、小規模チームにはそれがありません。同様に、データの取得や、多様な人々による人間フィードバックの提供も必要です。これらは専門市場によって満たされるのが適しています。暗号インフラを利用した市場は、そうでない市場よりも競争優位を持つと信じています。
-
オープンで許可不要なAPI： 暗号レールは、KYCやクレジットカード、承認手続きなしにどこからでもアクセス可能なオープンで許可不要なAPIとして機能します。これはAIエージェントにとって重要です。完全に自律的に行動するには、サービスへのアクセス、コードのデプロイ、価値の移転を人的介入なしに行える必要があります。これにより、エージェント同士が相互にサービス料を支払ったり、債務を負ったり、資金を調達したりするSF的な振る舞いが可能になります。
-
信頼不要性： 暗号レールは通常、信頼不要（trustless）です。つまり、変更されず、アクセスが突然取り消されることがなく、期待通りに実行されていることを暗号的に保証できます。モジュール型AIアーキテクチャでは、構築者が制御できない多数のプリミティブと組み合わせる必要があり、ユーザーも多くのサービスを本質的に信用しなければならないため、これが重要です。
-
検閲耐性： 不変の契約として展開された場合、暗号レール上のアプリケーションはブロックできません。アップグレード可能であっても、通常は合意形成が必要なDAO（分散型自律組織）によって管理されます。もしAIの能力が予想通り強力になれば、政府はそれを制御・影響しようとするでしょう。実際に既にその兆候は見えています。Bitcoinや暗号通貨が金融システム外のマネー／金融インフラを提供したように、暗号×AIはシステム外の「知性」を提供します。
暗号技術とAIの交差点
これらの利点を踏まえ、暗号とAIの交差点で特に注目すべきアプリケーションは何でしょうか？
データセンターと計算
モデルの計算用途は大別して二つ：学習（training）と推論（inference）です。両方に分散型計算の意義があると考え、以下でそれぞれ説明します。
分散型学習
分散計算は、学習中のノード間通信や遅延要件が非常に厳しいため、現状では困難です。これを解決しようとするチームが多く、潜在的な利益の大きさと参加者の才能を考えると、解決可能だと信じています。注目すべきアプローチには、NousResearchのDisTrOや、PrimeIntellectのOpenDiLoCoがあります。
分散学習の技術的課題を解決し、複雑性を簡素化する製品を構築するだけでなく、成功するには次の点もクリアする必要があります。
-
無許可ネットワーク上で品質と責任追及をどう確保するか
-
供給側をどう立ち上げるか。理想はデータセンター・クラスタではなく、消費用ハードウェアではなく。トークン報酬は供給側を動機づける基本戦略ですが、計算提供者に最終モデルの所有権を与えるような創造的な方法もあり得ます。
根本的に、分散型計算市場の利点は、世界中で最も低い限界計算コスト（marginal cost of compute）を利用できることにあります。既存のサービスプロバイダーのコストが上昇するにつれ、より安価な代替手段を探そうとする企業や組織が増えています。欠点としては遅延、ハードウェアの異種混在、自社データセンターの設計・運営に伴う最適化や規模の経済が得られない点があります。将来の展開はまだ見通せません。
検証可能な推論
一般的に、検証可能な推論のユースケースは、AI能力を持つ最小限の信頼システムの拡張と捉えます。モデルをスマートコントラクト内に埋め込むのは現実的ではありませんが、チェーン外でモデルを実行し、それが期待通りに動作したことを証明する何らかの証憑をチェーン上に発行することは可能です。例えば、プロジェクトはガバナンス決定（例：マネットマーケットのリスクパラメータに関する決定）をチェーン外のモデルに信頼不要に委任できます。
この概念は、オープンソースまたはクローズドソースモデル全般に一般化でき、ユーザーに「出力が期待するモデルから生成されたこと」の保証を提供できます。アプリやユーザーがAIをますます重要なタスクに使うようになるにつれ、これはより重要になるでしょう。この課題に取り組むプロジェクトは多く、Delphi Venturesが投資するInference Labs（inference_labs）もその一つです。
データ
現在、大規模言語モデル（LLM）の訓練は、さまざまなデータタイプと人的介入を要する多段階プロセスです。プロセスはプリトレーニングから始まり、この段階でLLMは整理された公開クロールデータ（common crawl）や他の無料データセットで訓練されます。ポストトレーニング段階では、より小さく特定のドメイン（例：化学）に特化したラベル付きデータセットで訓練され、専門知識を獲得します。通常、専門家の支援が必要です。
最新または独占データを確保するため、AIラボは大規模データ保有者と提携することが多いです。例えば、OpenAIはRedditと、推定6000万ドル規模の取引を締結しました。同様に『ウォールストリートジャーナル』によると、News CorpとOpenAIの5年契約は2.5億ドル以上と評価されています。明らかに、データの価値はかつてないほど高まっています。
暗号ネットワークは、各段階で必要なデータやリソースをチームが効果的に獲得するのを助けられると信じます。特に注目すべきはデータ収集分野で、暗号インセンティブは供給サイドを活性化し、重要なロングテールデータ源を掘り起こすのに適しています。
例えば、Grass AI（getgrass_io）は、ユーザーが空きインターネット帯域を共有し、Web上のデータ収集を支援する仕組みです。収集されたデータは構造化・整理され、AI訓練に提供されます。Grassが十分な供給を確保できれば、最新のインターネットデータを提供するAPIキーとして機能できます。
Hivemapperも優れた例です。2022年11月に開始され、毎週数百万キロメートルの道路画像を収集し、すでに世界の25％をカバーしています。同様のモデルは他のマルチモーダルデータにも適用でき、AIラボへの販売で収益化可能です。
NewsCorpやRedditの取引が示すように、多くの企業が価値あるデータを保有していますが、規模が小さすぎる、またはAIラボとの接点がないため貨幣化できていません。逆に、AIラボも個々の小規模サプライヤーと取引するのは非効率です。設計の良いデータ市場は、サプライヤーとAIラボを統一的に接続することでこの問題を緩和できます。課題はデータ品質、APIおよびデータの代替可能性の解決です。
最後に、データ準備にはアノテーション、クリーニング、データ拡張、変換など重要なタスク群があります。小規模チームはこれらすべてのスキルを持たないため、外部委託を検討します。Scale AI（scale_AI）はこうしたサービスを提供する中央集権的企業で、現在の推定年商は約7億ドルで急速に成長中です。暗号技術に基づく設計の良い市場とワークフローシステムがここでも有効だと考えます。LightworksはDelphi Venturesが投資する企業の一例で、他にもいくつか初期段階の企業があります。
モデル
Delphi Digitalの報告書The Tower & The Squareによると、AIモデルの生産と支配はほとんど「大企業」と政府に掌握されています。これは通貨を国家が支配するよりも反ユートピア的です。なぜなら、これにより最も重要な経済資源の一つを支配するだけでなく、検閲や情報操作によるナラティブ支配、特定の「好ましくない」人物の排除、個人のAIとのやり取りを利用して攻撃する、あるいは単に広告収益の最大化にAIを使うことが可能になるからです。
多くの賢い人々が「広場（The Square）」—— 完全に中立で検閲耐性があり、誰もがアクセスできるモデルを生産する分散ネットワーク —— の構築に取り組んでいます。Bitcoinや暗号通貨が金融システム外のマネー／金融インフラを提供したように、crypto x AIはシステム外の「知性」インフラを提供します。
このようなプロジェクトは、モデル作成プロセスの各段階を分散化し、GPTやLLaMAと競合できる強力なモデルを生み出すことを目指します。ネットワークがデータの取得・準備を担い、独自の分散計算で学習を行い、同じ計算基盤で推論を実行し、分散ガバナンスで全体を調整します。プロセスのどの部分も集中化されておらず、モデルは真にコミュニティが所有し、「塔（The Tower）」に支配されることはありません。
もちろん、最先端モデルに匹敵する分散型モデルを構築するのは極めて困難です。道徳的理由だけで品質の劣る製品を受け入れるユーザーは多くいないでしょう。この種のプロジェクトは「ムーンショット」であり、成功確率は低いものの、成功すれば極めて価値があります。心から成功を願っています。
また、暗号理念を受け入れ、トークンを導入したり暗号技術を活用する中央集権型AIラボも存在します。
NousResearchやPondGNNはDelphi Venturesが投資する事例です。最後に、opentensorのBittensorのようなモデル作成インフラもこの枠組みに含まれます。Bittensorについては別の場所で詳しく分析されているため、ここでは詳述しません。
ユースケース
Eric Schmidt氏は最近の講演で次のように述べました。
「TikTokが禁止されたら、私は皆さんにこう提案します。自分のLLMに『TikTokのコピーを作って、ユーザーを全部奪い、音楽も全部盗んで、私の好みにカスタマイズして、次の30秒以内にこのプログラムを作って公開しろ。1時間以内にウイルス的拡散しないなら、似たような措置を取れ』と言えばいい。」
この発言は、エージェントに期待される巨大な能力を示しています。しかし、これらのタスクを完全に自律的に完了するには、エージェントが人的介入なしにさまざまなサービスを使い、価値を移転し、経済的関係を築ける必要があります。
従来の銀行アプリ、KYC（顧客確認）、登録プロセスはエージェントには不向きです。必然的に、人間用に設計されたシステムに遭遇し、助けなしではアクセスできません。
暗号インフラは完璧なプラットフォームを提供します。エージェントの操作に許可不要、信頼不要、検閲耐性の基盤を提供します。アプリをデプロイしたい場合は、直接チェーン上に展開できます。何か支払いが必要なら、トークンを送信すればよいのです。チェーン上サービスのコードとデータは公開されており一貫しているため、エージェントはAPIやドキュメントなしで理解・インタラクションできます。
エージェントはチェーン上活動の触媒としても機能できます。ウェブサイトでボタンをクリックするというUXから、AIパーソナルアシスタントを通じてやり取りする方式に変わることで、暗号分野で有名な複雑な参入障壁を簡素化し、新規ユーザー獲得の主要な障害の一つを緩和できます。
Wayfinder（AIWayfinder）、Autonolas（Autonolas）、DAIN（dainprotocol）、Almanak（Almanak__）といったプロジェクトは、この未来に向けて歩を進めています。
結論
人工知能（AI）は21世紀で最も強力かつ重要な資源となり、社会に深く影響を与えています。大手テック企業と国家が完全に支配する未来は、私たちが望まない反ユートピア的未来です。本稿では、哲学的理由で人々にソリューションを使ってもらうのではなく、開発者やユーザーにとって本当に優れたソリューションを提供することで、こうした独占を防ぐ道筋を示そうとしました。
私たちは依然としてAI時代の初期段階にあり、特にdeAI（去AI化）時代の黎明期にいます。現在の状況から本稿で描いた未来に至るまで、やるべきことはまだたくさんあります。Delphi Labsでは、暗号技術とAIの未来に情熱を持っており、この分野のトップ開発者たちと協力しながら、その未来を形作ることに積極的に関与していきます。
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
@delphi_labs
