Alloraの構造とビジョンに注目：ブロックチェーンはAIのロングテール問題をどう解決するか？
TechFlow厳選深潮セレクト
Alloraの構造とビジョンに注目：ブロックチェーンはAIのロングテール問題をどう解決するか？
Alloraは、自己改善を実現するための分散型AIインフラを提供し、AIを自らのサービスに安全に統合したいプロジェクトを支援することを目指しています。
Web3業界の深掘り報道に専念し潮流を洞察著者：Tranks、DeSpread
免責事項：本レポートの内容は各著者の見解を反映したものであり、参考情報として提供されるもので、トークンの購入または売却、プロトコルの利用に関する助言を構成するものではありません。本レポートのいかなる内容も投資アドバイスを構成するものではなく、またそのように解釈されるべきでもありません。
1. はじめに
ChatGPT を代表とする生成AIが登場して以来、AI技術は急速に進展し、企業によるAI産業への参加や投資も増加しています。最近では、AIは特定の出力を生成する分野だけでなく、大規模データ処理、パターン認識、統計分析、予測モデリングなどにおいても優れた性能を発揮しており、さまざまな業界での応用範囲が広がっています。
-
JP Morgan：600人以上のMLエンジニアを採用し、アルゴリズム取引、不正行為予測、キャッシュフロー予測など、400件以上のAI技術活用ケースを開発・テスト中。
-
Walmart：季節性および地域別の販売履歴を分析し、製品需要を予測して在庫を最適化。
-
Ford自動車：車両センサーのデータを分析し、部品故障を予測して顧客に通知することで、故障による事故を防止。
最近、ブロックチェーンエコシステムとAIを統合する傾向がますます明確になり、特にDeFiプロトコルとAIを組み合わせたDeFAI分野が注目されています。
さらに、AIをプロトコルの運営メカニズムに直接組み込む事例も増え、DeFiプロトコルにおけるリスク予測と管理の効率化を進めるとともに、従来実現不可能だった新しい金融商品・サービスの導入を可能にしています。
関連記事：「AIストーリーが高まり、DeFiはどのように恩恵を受けるか？」
しかし、大量の情報による訓練や専門的なAI技術には高い参入障壁があり、特定機能向けのAIモデルの構築は現在、いくつかの大手企業やAI専門家によって独占されています。
そのため、他の業界や小規模なスタートアップ企業はAIの採用に大きな困難を抱えており、ブロックチェーンエコシステムのdAppも同様の制約に直面しています。dAppは信頼できない第三者を排除する「非信頼（trustless）」という核心的価値を維持しなければならないため、より多くのプロトコルがAIを採用してユーザーが信頼できるサービスを提供するには、分散型のAIインフラが必要です。
こうした背景のもと、Alloraは自己改善可能な分散型AIインフラを実現し、AIを安全に自らのサービスに統合したいプロジェクトを支援することを目指しています。
2. Allora：分散型推論合成ネットワーク
Alloraは、異なる主体が要求する特定テーマに対して将来の数値を予測・提供する分散型推論ネットワークです。分散型AI推論を実装する主な方法には以下の2種類があります。
-
単一モデル／分散処理：モデルの学習と推論プロセスを分散化し、分散型の単一AIモデルを構築する。
-
複数モデル／推論合成：複数の事前学習済みAIモデルから推論結果を収集し、それらを一つの推論結果に統合する。
この2つの方法の中で、Alloraは複数モデル／推論合成の方式を採用しており、AIモデルオペレーターは自由にAlloraネットワークに参加し、特定テーマの予測リクエストに対して推論を実行できます。プロトコルはこれらのオペレーターが得た推論値を合成した単一の予測結果でリクエスターに応答します。
複数のAIモデルの推論値を合成する際、Alloraは各モデルの推論値の単純平均を計算するのではなく、各モデルに重みを割り当てて最終的な推論値を算出します。その後、Alloraは各モデルの推論値とそのテーマの実際の結果を比較し、実際の結果に近い推論を行ったモデルに高い重みと報酬を与えることで、精度向上を目指した自己改善を実行します。
この方法により、Alloraは単一モデル／分散処理方式で構築されたAIよりも、より専門的かつ特定テーマに特化した推論を実行できます。より多くのAIモデルがプロトコルに参加するよう促すため、AlloraはAllora MDK (Model Development Kit)というオープンソースアーキテクチャを提供し、誰でも簡単にAIモデルを構築・デプロイできるように支援しています。
また、AlloraはAlloraの推論データを利用したいユーザー向けに、Allora Network Python SDKおよびTypeScript SDKの2つのSDKを提供しています。これらのSDKは、Alloraが提供するデータを容易に統合・利用できる環境をユーザーに提供します。
Alloraの目標は、AIモデルと推論データを必要とするプロトコルをつなぐ中間層となり、AIモデル運営者が収益を得る機会を提供すると同時に、サービスおよびプロトコルに偏りのないデータインフラを構築することです。
次に、Alloraの通信プロトコルアーキテクチャについて探り、Alloraの動作方法と特徴をさらに深く理解していきます。
2.1. 通信プロトコルアーキテクチャ
Alloraでは、誰でも特定のテーマを設定・デプロイでき、推論の実行および特定テーマの最終推論値の取得には以下の4人の参加者が関与します。
-
コンシューマー (Consumers)：特定テーマの推論を依頼するために料金を支払う。
-
ワーカー (Workers)：自身のデータベースを使ってAIモデルを操作し、コンシューマーが要求した特定テーマの推論を実行する。
-
Reputers：ワーカーが推論したデータと実際の数値を比較・照合して評価を行う。
-
バリデーター (Validators)：Alloraネットワークノードを運営し、各参加者が生成する取引を処理・記録する。
Alloraネットワークの構造は、推論実行者、評価者、検証者の3つに分けられ、ネットワークトークン$ALLOを中心に構成されています。$ALLOは推論リクエストの手数料および推論実行の報酬として使用され、ネットワーク参加者を結びつけるとともに、ステーキングを通じてセキュリティを確保します。
以下では、推論消費層、推論合成層、コンセンサス層といった各レイヤーの機能ごとに、参加者間の相互作用を詳しく見ていきます。
2.1.1. 推論消費層
推論消費層は、プロトコル参加者とAlloraとのインタラクションを処理し、テーマの作成、テーマ参加者の管理、推論リクエストなどを担当します。
テーマを作成したいユーザーは、Alloraのテーマおよび推論管理システム（Topic Coordinator）とやり取りし、一定額の$ALLOを支払い、どのような内容を推論するか、実際の結果をどう検証するか、ワーカーの推論値をどう評価するかといったルールを定義することで、テーマを定義できます。
テーマが作成されると、ワーカーとReputersは$ALLOで登録料を支払い、そのテーマの推論参加者として登録できます。Reputersはさらに、そのテーマ内で一定額の$ALLOをステークし、悪意ある結果によって資産が削減（Asset Slashing）されるリスクに晒されます。
テーマが作成され、ワーカーとReputersが登録された後、コンシューマーはそのテーマに$ALLOを支払って推論をリクエストでき、ワーカーとReputersはこれらのリクエスト料を受け取って報酬を得ます。
2.1.2. 推論および合成層
推論および合成層は、Alloraが分散型推論を生成するコア層であり、ここでワーカーが推論を実行し、Reputersがパフォーマンスを評価し、その評価に基づいて重み付けと推論合成が行われます。
Alloraネットワーク内のワーカーは、コンシューマーが要求したテーマに対する推論値を提出するだけでなく、他のワーカーの推論の正確性も評価し、「予測損失」（Forecasted Losses）を算出します。これらの予測損失は、推論合成に必要な重み計算に反映され、ワーカーの推論が正確であるだけでなく、他のワーカーの推論の正確性を正確に予測できた場合に高い報酬が与えられます。この構造により、Alloraは過去のパフォーマンスだけでなく、さまざまな状況を考慮した推論合成の重みを導き出すことができます。
Workers' inference accuracy prediction for context awareness
Source: Allora Docs
たとえば、「Bitcoinの1時間後の価格を予測する」というテーマにおいて、ワーカーAとBが以下のようだと仮定します。
-
ワーカーA：平均推論精度は90%と非常に高いが、市場が不安定な場合には精度が低下する。
-
ワーカーB：平均推論精度は80%だが、市場が変動している場合でも比較的高い精度を維持する。
現在の市場が極めて変動的である場合、複数のワーカーが「ワーカーBは変動下での強みがあるため、今回の予測では誤差は約5%程度」と予測し、同時に「ワーカーAは変動下では誤差が約15%程度になると予想される」と予測したとき、ワーカーBの平均過去パフォーマンスが低くても、Alloraは今回の予測においてその推論に高い重みを付与します。
テーマコーディネーターは、このプロセスで得られた最終的な重み付き合成推論を用い、最終推論値をコンシューマーに提供します。また、このプロセスでは、ワーカーが提出した推論値の分布に基づいて信頼区間（Confidence Intervals）を計算・提供します。その後、Reputersは実際の結果と最終推論値を比較し、各ワーカーの推論パフォーマンスを評価するとともに、他のワーカーの推論精度の予測の正確性を評価し、ステーキングのコンセンサス比率に応じてワーカーの重みを調整します。
Alloraはこの方法で推論の合成と評価を行い、「コンテキストアウェアネス（状況認識）」構造により、各ワーカーが他のワーカーの推論精度を評価できるようにすることで、あらゆる状況に最適化された推論値を導き出し、推論精度の向上に寄与しています。また、ワーカーの推論パフォーマンスデータが蓄積されるにつれ、状況認識機能の効率も向上し、Alloraの推論機能がさらに効果的に自己改善していくことが期待されます。
Allora's inference synthesis process
Source: Allora Docs
Alloraのコンセンサス層は、テーマの重み計算、ネットワーク報酬の分配、参加者の活動記録を行う場所であり、CometBFTおよびDPoSコンセンサスメカニズムを基盤とするCosmos SDK上に構築されています。
ユーザーは$ALLOトークンをステークしノードを運営することで、バリデーターとしてAlloraネットワークに参加し、Allora参加者が提出する取引手数料を受け取ることで、ネットワークの運営とセキュリティ確保の報酬を得られます。ノードを運営しないユーザーも、自分の$ALLOをバリデーターに委任することで、間接的にこれらの報酬を得ることができます。
また、Alloraの特徴として、ネットワーク参加者に$ALLO報酬を分配しており、新しくアンロック・分配される$ALLOの75%は、テーマ推論に参加するワーカーとReputersに、残りの25%はバリデーターに分配されます。すべての$ALLOが配布された後は、このようなインフレ報酬は停止され、アンロック量が徐々に半減していく構造に従います。
ワーカーとReputersに75%のインフレ報酬が分配される際、分配比率はワーカーのパフォーマンスとReputersのステーキング量だけでなく、テーマの重みにも依存します。テーマの重みは、そのテーマに参加するReputersのステーキング額と収益に基づいて算出され、需要が高く安定したテーマに継続的に参加することをワーカーとReputersに促します。
3. チェーン上からさまざまな業界へ
3.1. 近日リリース予定のAlloraメインネット
Alloraは2025年1月10日、Allora財団を設立し、30万人以上の参加ワーカーを擁する公開テストネットを終えた後、メインネットのリリースを加速しています。2月6日時点で、AlloraはAllora Model Forge Competitionを実施し、まもなくリリースされるメインネット向けにAIモデルクリエイターを選定しています。
Allora Model Forge Competition categories
Source: Allora Model Forge Competition
また、Alloraはメインネットリリース前に多数のプロジェクトと提携しています。Alloraの主な提携関係および提供機能は以下の通りです。
-
Plume：Plumeネットワーク上でRWA価格、リアルタイムAPY、リスク予測を提供。
-
Story Protocol：IP価値評価と潜在分析、非流通性チェーン上資産の価格情報、およびStory ProtocolベースのDeFiプロジェクト向けにAllora推論を提供。
-
Monad：流動性に乏しいチェーン上資産の価格情報を提供し、MonadベースのDeFiプロジェクトにAllora推論を提供。
-
0xScope：Alloraの状況認識機能を活用し、チェーン上アシスタントAI Jarvisの開発を支援。
-
Virtuals Protocol：Allora推論をVirtual ProtocolのG.A.M.Eフレームワークと統合し、エージェントのパフォーマンスを強化。
-
Eliza OS（旧ai16z）：Allora推論をEliza OSのElizaフレームワークと統合し、エージェントのパフォーマンスを強化。
現在、Alloraのパートナーは主にAI／暗号資産プロジェクトに集中しており、これは2つの重要な要因を反映しています。1）暗号資産プロジェクトが分散型推論に対して強い需要を持つこと、および2）AIモデルが推論を実行するためにチェーン上のデータを必要とすることです。
初期のメインネットリリースに向けて、Alloraは参加者を引きつけるために多額のインフレ報酬を配分すると予想されます。こうしたインフレ報酬によって引き寄せられた参加者が継続的に活動するよう促すため、Alloraは$ALLOに適切な価値を持たせる必要があります。しかし、インフレ報酬は時間とともに徐々に減少するため、長期的な課題は、推論需要を増やすことで十分なネットワーク取引手数料を生み出し、プロトコルへの継続的な参加をインセンティブ化することです。
したがって、Alloraの潜在的な成功を評価する鍵は、短期的な$ALLOの価値向上戦略と、推論需要を促進して安定的かつ長期的な手数料収入を確保する能力にあります。
4. 結論
AI技術の進歩と実用性の向上に伴い、AI推論の採用と実装は多くの産業で積極的に進められています。しかし、AIの採用に必要なリソースの集中性は、すでにAIを導入した大手企業とまだ導入できていない中小企業との競争格差を広げています。このような環境下で、Alloraの機能（テーマ最適化推論を提供し、分散化によりデータ精度の自己改善を実現）に対する需要は、今後ますます高まると予想されます。
Alloraの目標は、あらゆる業界で広く採用される分散型推論インフラとなることであり、これを達成するには、機能の有効性と持続可能性を証明する必要があります。これを証明するため、Alloraはメインネットリリース後に十分な数のワーカーとReputersを獲得し、これらのネットワーク参加者が持続可能な報酬を得られるように確保しなければなりません。
もしAlloraがこれらの課題を克服し、さまざまな業界で採用されるのであれば、ブロックチェーンが重要なAIインフラとしての可能性を証明するだけでなく、AIとブロックチェーン技術がどのように統合され、真の価値を生み出せるかの重要なモデルケースとなるでしょう。
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
@DeSpreadTeam
