開放AIの新興企業Pluralis：博士ばかりのチームが目指すもの
TechFlow厳選深潮セレクト
開放AIの新興企業Pluralis：博士ばかりのチームが目指すもの
清一色の博士チームで構成され、インターンを除き全員がアマゾン出身のPluralisが展開するオープンAIプロジェクトには、どのような特徴があるのか？
Web3業界の深掘り報道に専念し潮流を洞察現在、AI技術は継続的にブレークスルーを遂げており、AIトレーニング方式の革新に関する取り組みもますます深まっている。この流れの中で、集中型モデルによる独占のリスクや、オープンソースモデルにおけるインセンティブメカニズムの欠如に対して、より優れた解決策が求められている。
こうした背景から登場したのがPluralisプロジェクトである。チームは全員が博士号を持ち、インターンを除くメンバー全員がアマゾン出身である。本稿では、Pluralisが推進する分散型AIトレーニング分野におけるコア技術思想、チーム構成、資金調達状況、および革新的な「プロトコル学習（Protocol Learning）」トレーニングパラダイムについて紹介する。
Pluralisとは何か？
Pluralis Researchは、「プロトコル学習」を通じて、分散型かつオープンソースのAI開発モデルを構築することを目指している。このモデルは分散化された方法で複数のコンピューティングリソースを集約し、協働でモデルをトレーニングするものであり、その過程において、いかなる単一の参加者も完全なモデルの重み（weights）を取得できないように設計されている。
Pluralisのプロトコル学習の核心的イノベーションは「プロトコルモデル」にあり、これはニューラルネットワークの重要な特性を活用しており、どの参加者もその完全な重みセットを抽出できないようになっている。この設計により、価値が貢献者に還元されると同時にモデルの所有権が保護され、AI開発におけるオープン性とマネタイズの要求との巧みなバランスが実現される。
Pluralisでは、モデル設計者が自らのモデル構想を提案でき、一方で計算資源やデータを提供する参加者はトレーニングに必要なリソースを貢献できる。これらのプロトコルモデルはオープンで、公開された形での開発が行われ、参加者にトレーニング成果物としてのモデルに対する部分的所有権を与えることで、各関係者の貢献を効果的に促進し、真にオープンソースな人工知能の実現へと前進している。
Pluralisの背景
Pluralisのチームは非常に強力であり、公式ウェブサイトに掲載されている8人のチームメンバーのうち、インターン1名を除き、全員がアマゾンのAI研究部門出身であり、全員が博士号を有している。
-
創設者Alexander Long：新南ウェールズ大学にてコンピュータサイエンスの博士号を取得。2021年3月から2024年5月までアマゾンで応用科学者として勤務。博士論文のテーマは、ディープラーニングにおけるサンプル効率の高い強化学習およびノンパラメトリックメモリに関するもの。
-
創設科学者Gil Avraham：オーストラリア・モンァシュ大学にて機械学習の博士号を取得。2021年12月から2024年8月までアマゾンで応用科学者を務め、その後上級応用科学者に昇格。2024年10月にPluralisに合流。
-
創設科学者Yan Zuo：オーストラリア・モンァシュ大学にて電気電子工学の博士号を取得。大規模最適化、統計モデリング、機械学習およびコンピュータビジョンに興味を持つ。2021年8月から2024年10月までアマゾンで応用科学者として勤務。
-
創設科学者Ajanthan Thalaiyasingam：オーストラリア国立大学にてコンピュータサイエンスの博士号を取得。2020年12月から2024年3月までアマゾンで機械学習科学者として勤務後、上級機械学習科学者に昇格。2024年10月にPluralisに参画。
-
創設科学者Sameera Ramasinghe：オーストラリア国立大学にて機械学習および3Dビジョンの博士号を取得。AIテクノロジー企業ConscientAIの共同創業者兼CTO。2022年5月から2024年11月までアマゾンで応用科学者として勤務。
見てわかる通り、Pluralisの創設者、創設科学者、研究科学者の多くはアマゾンでの経験を持ち、機械学習、コンピュータビジョン、大規模言語モデル（LLMs）の各分野で専門性を有しており、一部のメンバーはポスドク研究員も務めた経験がある。
資金調達に関しては、2025年3月にPluralisは760万ドルの資金調達を完了した。今回のラウンドはCoinFundとUnion Square Venturesが主導し、Topology、Variant、Eden Block、Bodhi Venturesが参加した。資金調達は株式形式で行われ、将来の暗号資産（クリプト）に関するワラント（認股权証）も付帯している。
プロトコル学習とは？
Alexander Longが提唱する論文「Protocol Learning, Decentralized Frontier Risk and the No-Off Problem」では、新たなAIモデルトレーニングパラダイムとして「プロトコル学習（Protocol Learning）」が提案されている。このアプローチは、分散型のインセンティブネットワークを活用して協働的にモデルをトレーニングし、従来の集中型およびオープンソース手法の限界を乗り越えることを目的としている。
Alexander Longは、集中型モデルは効率的である一方で独占のリスクがあり、ガバナンスの透明性に欠けると指摘する。一方、オープンソースモデルは持続可能なインセンティブが不足している。これに対してプロトコル学習は中間的な解決策として、参加者が計算リソースを貢献する動機付けを行い、分散型トレーニングネットワークを構築することで、理論的には集中型トレーニングよりも桁違いに大きな計算能力を結集できるとされている。
技術的実現可能性の観点からは、分散型トレーニングには、効率的な通信、モデルのシャーディング、弾力的なトレーニング、ビザンチンフォールトトレランス、異種ノードのサポートといった要件を満たす必要がある。分散処理、パイプライン並列処理、フォールトトレラント機構などに関する研究は一定の進展を見せているものの、これらを大規模（1000億以上パラメータ）のモデルに完全に統合することはまだ達成されていない。また、計算貢献に応じた所有権の分配により経済的インセンティブを形成できるが、ゲーム理論に基づくステーキングやゼロ知識証明などの技術を用いて、計算結果の検証問題を解決する必要がある。
もちろん、プロトコル学習には新たなリスクも伴う。分散型モデルは単独での停止が困難であり、モデルが暴走したり悪用された場合、ネットワーク全体の調整が必要となり、実行は極めて困難になる。さらに、インセンティブ、セキュリティ、制御可能性の間でバランスを取る必要があり、悪意ある行動への対策も不可欠である。
Pluralisは、人工知能の未来は単に分散型であるだけでなく、真正面から「非中央集権的（decentralized）」なものであるべきだと考えている。分散型トレーニングの技術的ハードルは克服可能であり、その恩恵は非常に大きいと見ている。
以上のように、Pluralisは分散型AIトレーニングのインフラ基盤を構築しようとしており、「プロトコル学習」を通じて最先端モデルの共同創造を推進し、AI基盤モデルの生成とアクセスを根本的に民主化することを目指している。
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
Foresight News
