スマートコントラクトをフェデレーテッドラーニングに導入：FlockはAIの生産関係をどのように再構築するのか？
TechFlow厳選深潮セレクト
スマートコントラクトをフェデレーテッドラーニングに導入：FlockはAIの生産関係をどのように再構築するのか？
将来的には、FLockはより使いやすいタスク発行メカニズムを導入し、「誰もがAIに参加できる」ビジョンの実現を目指す予定です。
Web3業界の深掘り報道に専念し潮流を洞察執筆：LINDABELL
前回の分散型AIブームにおいて、Bittensor、io.net、Olasといった注目プロジェクトは革新的な技術と先見性のある戦略により、瞬く間に業界のリーダー的存在となった。しかし、こうした既存の大手プロジェクトの評価額が高騰するにつれ、一般投資家が参加するためのハードルもますます高くなっている。では現在進行中のセクターローテーションの中で、新たな参画機会はまだあるのだろうか？
Flock：分散型AIモデル訓練・検証ネットワーク
Flockは、分散型AIモデルのトレーニングとアプリケーションを統合するプラットフォームであり、フェデレーテッドラーニング（連合学習）とブロックチェーン技術を融合させることで、安全なモデル訓練環境を提供し、データプライバシーを守りながらコミュニティの公平な参加を実現する。Flockという名称は2022年に初めて公に登場し、創設チームが「FLock: Defending malicious behaviors in federated learning with blockchain」という学術論文を共同発表したことに始まる。この論文では、悪意ある行動を防ぐためにブロックチェーンをフェデレーテッドラーニングに導入する概念を提案しており、分散化メカニズムを通じてモデル訓練プロセスにおけるデータセキュリティとプライバシー保護を強化する方法を詳述している。また、このような新アーキテクチャが分散コンピューティングに持つ応用可能性についても言及している。
初期の概念実証を経て、Flockは2023年に分散型マルチエージェントAIネットワーク「Flock Research」をリリースした。Flock Researchでは、各エージェントは特定分野向けに最適化された大規模言語モデル（LLM）であり、協働によってユーザーにさまざまな分野のインサイトを提供できる。その後、2024年5月中旬には正式に分散型AI訓練プラットフォームのテストネットを公開し、ユーザーはテスト用トークンFMLを使用してモデルのトレーニングやファインチューニングに参加でき、報酬を得ることが可能になった。2024年9月30日時点で、Flockプラットフォームの日次アクティブAIエンジニア数は300人を超え、提出されたモデルの累計数は15,000件以上に達している。
プロジェクトの継続的な発展に伴い、Flockは資本市場からの注目も集めている。今年3月には、Lightspeed FactionおよびTagus Capitalが主導する600万ドルの資金調達を完了し、DCG、OKX Ventures、Inception Capital、Volt Capitalなどが参画した。特に注目すべき点として、Flockは2024年にイーサリアム財団から学術助成金を受けた唯一のAIインフラプロジェクトでもある。
AI生産関係を再構築する基盤：フェデレーテッドラーニングにスマートコントラクトを導入
フェデレーテッドラーニング（連合学習）とは、複数の当事者（通常はクライアントと呼ばれる）がデータをローカルに保持したまま共同でモデルを訓練できるようにする機械学習手法である。従来の機械学習とは異なり、すべてのデータを中央サーバーにアップロードすることなく、ローカルでの計算を通じてユーザーのプライバシーを守ることができる。現在、フェデレーテッドラーニングはすでに多くの実用シーンで採用されており、例えばGoogleは2017年からGboardのキーボード入力機能にこの技術を導入し、入力提案や文章予測の精度を向上させつつ、ユーザーの入力データが外部に送信されないよう配慮している。Teslaも同様の技術を自動運転システムに適用し、車両が周囲環境を認識する能力をローカルで向上させ、大量の動画データを送信する必要を減らしている。
しかし、これらの応用には依然として課題がある。特にプライバシーとセキュリティ面での問題が挙げられる。まず、ユーザーは中央集権的な第三者を信頼せざるを得ず、さらにモデルパラメータの伝送および集約プロセスにおいて、悪意あるノードが偽のデータや不正なパラメータをアップロードすることで、モデル全体の性能が低下したり、誤った予測結果を出力したりするリスクがある。IEEE誌に掲載されたFLockチームの研究によると、従来のフェデレーテッドラーニングモデルでは、悪意あるノードが10%存在する場合、正確率は96.3%まで低下し、悪意ノードの割合が30%、40%に増えると、それぞれ80.1%、70.9%まで下落する。
これらの問題を解決するため、Flockはフェデレーテッドラーニングのアーキテクチャにブロックチェーン上のスマートコントラクトを「信頼エンジン」として導入している。スマートコントラクトは分散環境下でパラメータの収集と検証を自動化し、バイアスのない形でモデル結果を公開することで、悪意あるノードによるデータ改ざんを効果的に防止する。従来のフェデレーテッドラーニング方式と比較すると、悪意ノードが40%存在する状況でも、FLockのモデル正確率は95.5%以上を維持できる。
AIの「実行層」を定義する：FLockの3層アーキテクチャ
現在のAI分野における主要な課題の一つは、AIモデルのトレーニングおよびデータ利用のリソースが依然として少数の大手企業に集中していることにある。そのため、一般の開発者やユーザーはこれらリソースを有効に活用することが難しく、あらかじめ構築された標準化されたモデルしか使用できない。その結果、個々のニーズに合わせたカスタマイズが困難になり、供給と需要のミスマッチが生じている。このため、豊富な計算能力とデータ保有量があるにもかかわらず、それを実用可能なモデルやアプリケーションに変換できない状況が続いている。
この問題に対処するため、Flockは需要・リソース・計算能力・データを効果的に調整する「スケジューリングシステム」となることを目指している。FlockはWeb3技術スタックを参考に、「実行層」として自らの位置づけを明確にしており、そのコア機能として、ユーザーのカスタムAI要件を各分散ノードに割り当ててトレーニングを行い、スマートコントラクトを通じてタスクを世界中のノードで実行させる役割を担う。
同時に、エコシステム全体の公平性と効率性を確保するために、FLockは「決済」と「コンセンサス」の機能も担当する。「決済」とは、参加者の貢献に対するインセンティブ管理であり、タスクの達成度に基づいて報酬やペナルティを与える仕組みを指す。「コンセンサス」は、トレーニング結果の品質評価と最適化を行い、最終的に生成されるモデルがグローバル最適解を反映していることを保証する。
FLockの全体的な製品アーキテクチャは、3つのモジュールから構成されている：AI Arena、FL Alliance、AI Marketplace。AI Arenaは分散型モデルの基礎訓練を担当し、FL Allianceはスマートコントラクトの仕組みのもとでのモデルファインチューニングを担当し、AI Marketplaceは完成したモデルの最終的な応用市場として機能する。
AI Arena：ローカルでのモデル訓練と検証インセンティブ
AI ArenaはFlockの分散型AI訓練プラットフォームであり、ユーザーはFlockテストネット用トークンFMLをステーキングすることで参加でき、対応する報酬を得ることができる。ユーザーが希望するモデルを定義してタスクを提出すると、AI Arena内のトレーニングノードは与えられた初期モデル構造を使用してローカルでモデル訓練を行う。この際、データを中央サーバーに直接アップロードする必要はない。各ノードが訓練を終了した後、検証者がトレーニングノードの作業を評価し、モデルの品質をチェックしてスコアリングを行う。検証プロセスに直接参加しない場合でも、代わりに自分のトークンを検証者に委任することで報酬を得ることが可能だ。
AI Arenaでは、すべての役割の報酬メカニズムは「ステーキング量」と「タスク品質」という2つの主要要素に基づいている。ステーキング量は参加者の「コミットメント」を示し、タスク品質は貢献度を測る指標となる。例えば、トレーニングノードの報酬はステーキング量と提出モデルの品質ランキングに依存し、検証者の報酬は投票結果とコンセンサスの一致度、ステーキングトークン量、検証参加回数および成功回数に基づいて決定される。委任者の収益は、選択した検証者とステーキング量に依存する。
AI Arenaは従来の機械学習モデルの訓練モードをサポートしており、ユーザーは自身の端末上でローカルデータまたは公開データを使用して訓練を行うことができ、最終モデルの性能を最大限に高めることが可能だ。現在、AI Arenaの公開テストネット上には496のアクティブなトレーニングノード、871の検証ノード、72人の委任ユーザーが存在する。現在のプラットフォームステーキング率は97.74%であり、トレーニングノードの平均月間収益率は40.57%、検証ノードの平均月間収益率は24.70%となっている。
FL Alliance：スマートコントラクトによる自動管理のファインチューニングプラットフォーム
AI Arenaで最も高い評価を得たモデルは「コンセンサスモデル」として選ばれ、FL Allianceに割り当てられてさらなるファインチューニングが行われる。ファインチューニングは複数ラウンドにわたって実施される。各ラウンド開始時に、システムはそのタスクに関連するFLスマートコントラクトを自動生成し、これによりタスクの実行と報酬の管理が自動的に行われる。同様に、すべての参加者は一定量のFMLトークンをステーキングする必要がある。参加者はランダムに「提案者」または「投票者」に割り当てられる。提案者は自身のローカルデータセットを使ってモデルを訓練し、更新後のモデルパラメータまたは重みを他の参加者にアップロードする。一方、投票者は提案者のモデル更新結果を集約し、投票によって評価を行う。その後、すべての結果はスマートコントラクトに提出され、各ラウンドのスコアが前回と比較され、モデル性能の向上または低下が評価される。性能スコアが向上すれば次の段階の訓練に進み、スコアが低下した場合は前回検証済みのモデルを使用して新しいラウンドの訓練・集約・評価が開始される。
FL Allianceは、フェデレーテッドラーニングとスマートコントラクトの仕組みを統合することで、データ主権を保持しつつ複数の参加者が協働してグローバルモデルを共同訓練する目標を実現している。異なるデータセットを統合し、重みを集約することで、より高性能で強力なグローバルモデルを構築できる。さらに、参加者はトークンのステーキングによってコミットメントを示し、モデル品質とコンセンサス結果に基づいて報酬を得ることで、公正かつ透明なエコシステムメカニズムが形成されている。
AI Marketplace：パーソナライズされたAIサービスの提供方法
AI Arenaでの訓練とFL Allianceでのファインチューニングを経たモデルは、最終的にAI Marketplaceにデプロイされ、他のアプリケーションから呼び出されて利用される。従来の「モデルマーケットプレイス」と異なり、AI Marketplaceは完成済みのモデルを提供するだけでなく、ユーザーがモデルをさらにカスタマイズし、新しいデータソースを統合してさまざまなユースケースに対応できるようにしている。さらに、AI MarketplaceはRAG（Retrieval-Augmented Generation：検索拡張生成）技術も統合しており、特定分野におけるモデルの正確性を向上させている。RAGは大規模言語モデルを強化する手法の一つで、回答生成時に外部の知識ベースから関連情報を検索することで、モデルの出力をより正確かつパーソナライズされたものにする。
現在、AI Marketplaceにはさまざまなユースケースに基づいたカスタムGPTモデルが多数リリースされており、BTC GPT、Farcaster GPT、Scroll GPT、Ethereum GPTなどが含まれる。ここで、BTC GPTの例を通じて、カスタムモデルと汎用モデルの違いを理解してみよう。
2023年12月、BTC GPTとChatGPTに対して同時に「ARC20とは何か？」と質問したとき：
-
BTC GPTの回答：「ARC20プロトコルはビットコインネットワーク上に構築されたプロトコルであり、NFTや交換可能なトークンなど、デジタルアイテムの作成、移転、アップグレードをユーザーが行えるようにする。ARC20プロトコルにより、ビットコインネットワーク上で非代替性NFTや交換可能なトークンを生成できる。ARC20プロトコルの主要トークンはATOMであり、プロトコル内でのさまざまな用途に使用される。」
-
ChatGPTの回答：「私が2022年1月に最後に知識を更新した時点では、技術、金融、その他の一般的な分野で『ARC20』と呼ばれる広く認められた標準や技術は存在しませんでした。その後『ARC20』と呼ばれる新しい技術や標準が登場した可能性がありますが、それに関する情報は持っていません。」
両者の回答から、カスタムGPTモデルの重要性と優位性が明らかになる。汎用言語モデルとは異なり、カスタムGPTモデルは特定分野のデータで訓練されることで、より正確な回答を提供できる。
ともにDCG支援：FlockとBittensorの類似点と相違点
AIセクターの回復に伴い、分散型AIプロジェクトの代表格であるBittensorのトークンは過去30日間で93.7%以上上昇し、価格は一時的に史上最高値に迫り、時価総額は再び40億ドルを超えた。注目に値するのは、Flockの投資機関であるDCGが、Bittensorエコシステムにおいても最大級のバリデーターおよびマイナーの一つであることだ。関係者によれば、DCGは約1億ドル相当のTAOを保有しており、2021年の『Business Insider』の記事では、DCGの投資家Matthew Beck氏がBittensorを有望な暗号スタートアップ53社の一つとして推薦している。
両者ともDCGの支援を受けるプロジェクトではあるが、FlockとBittensorの焦点は異なっている。具体的なポジショニングに関して、Bittensorは「分散型AIインターネット」の構築を目指しており、「サブネット（Subnet）」を基本単位としている。各サブネットは分散型マーケットのようなものであり、参加者は「マイナー」や「バリデーター」といった役割で参加できる。現在、Bittensorエコシステムには49のサブネットが存在し、音声合成、コンテンツ生成、大規模言語モデルのファインチューニングなど多岐にわたる分野をカバーしている。
昨年以降、Bittensorは市場の注目を集め続けている。その理由の一つはトークン価格の急速な上昇であり、2023年10月の80ドルから今年の最高値730ドルまで急騰した。もう一つはさまざまな疑問の声であり、開発者をトークンインセンティブで引きつけるモデルが持続可能かどうかという点が問われている。さらに、Bittensorエコシステムでは、上位3つのバリデーター（Opentensor Foundation、Taostats & Corcel、Foundry）が保有するTAOの割合が合計で約40%に達しており、その分散化レベルに対する懸念も提起されている。
Bittensorとは異なり、FLockはブロックチェーンをフェデレーテッドラーニングに導入することで、ユーザーにパーソナライズされたAIサービスを提供することを目指している。Flockは「AI分野のUber」として自らを位置づけ、AIの需要と開発者をマッチングする「分散型スケジューリングシステム」として機能する。オンチェーンのスマートコントラクトにより、タスクの割り当て、結果の検証、報酬の決済を自動管理し、すべての参加者が貢献に応じて公正に報酬を受け取れるようにしている。ただし、Bittensorと同様に、Flockもトレーニングノードやバリデーターとして参加する以外に、「委任参加」のオプションをユーザーに提供している。
具体的には：
-
トレーニングノード：トークンをステーキングしてAIタスクのトレーニング競争に参加する。計算能力とAI開発経験を持つユーザーに適している。
-
バリデーター：トークンをステーキングしてネットワークに参加し、マイナーのモデル品質を検証し、検証スコアの提出によって報酬分配に影響を与える。
-
委任者：トークンをマイナーやバリデーターノードに委任し、ノードのタスク割り当てにおける重みを高めるとともに、委任先ノードの報酬を共有する。この仕組みにより、技術的能力がないユーザーでもネットワークに参加して収益を得ることが可能になる。
FLock.ioは現在、正式に委任者参加機能を開放しており、任意のユーザーがFMLトークンをステーキングすることで収益を得ることができ、期待年利に基づいて最適なノードを選択することでステーキング収益を最大化できる。またFlockは、テストネット期間中のステーキングおよび関連操作が、将来のメインネットローンチ後の潜在的エアドロップ報酬に影響を与えると述べている。
今後、FLockはさらに使いやすいタスク発行メカニズムを導入する予定であり、AIの専門知識を持たない個人ユーザーでも簡単にAIモデルの作成とトレーニングに参加できるようにし、「誰もがAIに参加できる」ビジョンの実現を目指している。また、Flockは多方面との協業も積極的に進めている。Request Financeと連携してオンチェーン信用スコアモデルを開発し、MorpheusおよびRitualと協力して取引用ロボットモデルを構築している。Akash上でモデル訓練を簡単に起動・運用できるトレーニングノードテンプレートを提供しており、開発者が迅速に作業を開始できる環境を整えている。さらに、Aptos向けにはMove言語プログラミングアシスタントをトレーニングし、開発者支援を行っている。
総括すると、BittensorとFlockは市場ポジショニングにおいて差異はあるものの、いずれも異なる分散型技術アーキテクチャを通じてAIエコシステムにおける生産関係を再定義しようとしている。共通の目標は、中央集権的な巨大企業によるAIリソースの独占を打破し、よりオープンで公正なAIエコシステムを構築することであり、まさにそれが現在の市場が切望しているものである。
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
@ChainFeedsxyz
