連邦学習にスマートコントラクトを導入：FlockはどのようにAIの生産関係を再構築するのか？

将来的に、FLockはさらにユーザーフレンドリーなタスク発起メカニズムを導入し、「誰もがAIに参加できる」というビジョンの実現を目指しています。

執筆：LINDABELL

前回の分散型AIブームでは、Bittensor、io.net、Olasなどの注目プロジェクトが、その革新的な技術と先見的な戦略により、業界のリーダーとなりました。しかし、これらの老舗プロジェクトの評価額が急上昇するにつれ、一般投資家の参入ハードルも高くなっています。では、現在のこのセクターのローテーションの中で、新たな参入機会はまだ存在するのでしょうか？

Flock：分散型AIトレーニングおよび検証ネットワーク

Flockは、分散型AIモデルのトレーニングおよびアプリケーションプラットフォームであり、フェデレーテッドラーニングとブロックチェーン技術を組み合わせて、ユーザーに安全なモデルトレーニングと管理環境を提供し、データプライバシーと公正なコミュニティ参加を保護します。Flockという言葉は、2022年に初めて公に登場し、創設チームが共同で「FLock: Defending malicious behaviors in federated learning with blockchain」という学術論文を発表し、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して悪意のある行動を防ぐという理念を提唱しました。この論文では、分散型メカニズムによってモデルトレーニング過程の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が説明されており、この新しいアーキテクチャが分散コンピューティングにおいて持つ応用可能性も明らかにされています。

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」をリリースしました。Flock Researchでは、各エージェントが特定分野に最適化された大規模言語モデル（LLM）であり、協力してユーザーにさまざまな分野の知見を提供します。その後、2024年5月中旬には、Flockは分散型AIトレーニングプラットフォームのテストネットを正式に公開し、ユーザーはテストトークンFMLを使っ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し、報酬を得ることができます。2024年9月30日までに、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人を突破し、累計提出モデル数は15,000以上に達しています。

プロジェクトの継続的な発展に伴い、Flockは資本市場からも注目を集めています。今年3月、FlockはLightspeed FactionとTagus Capitalが主導し、DCG、OKX Ventures、Inception Capital、Volt Capitalなどが参加した600万ドルの資金調達を完了しました。注目すべきは、Flockが2024年Ethereum Foundationの学術助成ラウンドで唯一助成金を獲得したAIインフラプロジェクトであることです。

AI生産関係の再構築の基盤：フェデレーテッドラーニングへのスマートコントラクト導入

フェデレーテッドラーニング（Federated Learning）は、複数のエンティティ（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存したまま、共同でモデルをトレーニングできる機械学習手法です。従来の機械学習とは異なり、フェデレーテッドラーニングは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を避け、ローカル計算によってユーザープライバシーを保護します。現在、フェデレーテッドラーニングはすでに複数の実際のシナリオで応用されており、例えばGoogleは2017年からGboard入力法にフェデレーテッドラーニングを導入し、入力候補やテキスト予測を最適化しつつ、ユーザーの入力データがアップロードされないようにしています。Teslaも自動運転システムで同様の技術を用い、ローカルで車両の環境認識能力を高め、大量のビデオデータ転送の必要性を減らしています。

しかし、これらの応用には依然としていくつかの問題があり、特にプライバシーとセキュリティの面で課題があります。まず、ユーザーは中央集権的な第三者を信頼する必要があり、次にモデルパラメータの転送や集約の過程で、悪意のあるノードが偽のデータや悪意のあるパラメータをアップロードするのを防ぐ必要があります。これにより、モデル全体の性能が偏ったり、誤った予測結果を出力したりする可能性があります。FLockチームがIEEEジャーナルで発表した研究によると、従来のフェデレーテッドラーニングモデルは、悪意のあるノードが10%存在する場合、精度が96.3%に低下し、悪意ノードの割合が30%、40%に増加すると、それぞれ80.1%、70.9%まで精度が低下します。

これらの問題を解決するために、Flockはフェデレーテッドラーニング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」として導入しました。スマートコントラクトは信頼エンジンとして、分散型環境下でパラメータの自動収集と検証を実現し、モデル結果をバイアスなく公開することで、悪意のあるノードによるデータ改ざんを効果的に防ぎます。従来のフェデレーテッドラーニングと比較して、たとえ40%のノードが悪意ノードであっても、FLockのモデル精度は95.5%以上を維持できます。

AI実行層としての位置づけ、FLock三層アーキテクチャの解析

現在のAI分野の主な課題は、AIモデルのトレーニングやデータ利用のリソースが依然として数社の大手企業に高度に集中しており、一般の開発者やユーザーがこれらのリソースを効果的に利用するのが難しいことです。そのため、ユーザーはあらかじめ構築された標準化モデルしか使えず、自分のニーズに合わせたカスタマイズができません。このような需給ミスマッチにより、市場に豊富な計算能力やデータがあっても、実際に利用可能なモデルやアプリケーションに転換できない状況が生まれています。

この問題に対し、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になることを目指しています。FlockはWeb3テックスタックを参考に自らを「実行層」と位置づけており、コア機能として、ユーザーのカスタマイズAIニーズを各分散型ノードに割り当ててトレーニングし、スマートコントラクトを通じてこれらのタスクを世界中のノードで実行するようスケジューリングします。

また、エコシステム全体の公正性と効率性を確保するために、FLockシステムは「決済」と「コンセンサス」も担当します。決済とは、参加者の貢献に応じてインセンティブや管理を行い、タスクの完了状況に基づいて報酬やペナルティを与えることです。コンセンサスは、トレーニング結果の品質を評価・最適化し、最終的に生成されるモデルがグローバル最適解を代表することを保証します。

FLockの全体的なプロダクトアーキテクチャは、AI Arena、FL Alliance、AI Marketplaceの三大モジュールで構成されています。AI Arenaは分散型のモデル基礎トレーニングを担当し、FL Allianceはスマートコントラクトメカニズムの下でモデルのファインチューニングを担当、AI Marketplaceは最終的なモデルアプリケーション市場となります。

AI Arena：ローカルモデルのトレーニングと検証インセンティブ

AI ArenaはFlockの分散型AIトレーニングプラットフォームであり、ユーザーはFlockテストネットトークンFMLをステーキングして参加し、対応するステーキング報酬を得ることができます。ユーザーが必要なモデルを定義しタスクを提出すると、AI Arena内のトレーニングノードがローカルで指定された初期モデルアーキテクチャを使ってモデルをトレーニングし、データを中央サーバーに直接アップロードする必要はありません。各ノードがトレーニングを完了すると、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します。検証プロセスに参加したくない場合は、トークンを検証者に委任して報酬を得ることも可能です。

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つのコア要素に依存します。ステーキング量は参加者の「コミットメント」を示し、タスク品質はその貢献度を測ります。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、検証参加回数と成功数に依存します。委任者の収益は、選択した検証者とステーキング量によって決まります。

AI Arenaは従来の機械学習モデルのトレーニングモードをサポートしており、ユーザーは自分のデバイスでローカルデータや公開データを使ってトレーニングを行うことができ、最終モデルのパフォーマンスを最大限に高めることができます。現在、AI Arenaの公開テストネットには496のアクティブトレーニングノード、871の検証ノード、72の委任ユーザーが存在します。現時点でのプラットフォームのステーキング比率は97.74%、トレーニングノードの平均月間収益は40.57%、検証ノードの平均月間収益は24.70%です。

FL Alliance：スマートコントラクト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で最も高い評価を受けたモデルは「コンセンサスモデル」として選ばれ、FL Allianceでさらにファインチューニングされます。ファインチューニングは複数ラウンドで行われます。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作成し、このコントラクトがタスクの実行と報酬を自動管理します。同様に、各参加者は一定量のFMLトークンをステーキングする必要があります。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、提案者は自分のローカルデータセットでモデルをトレーニングし、トレーニング後のモデルパラメータや重みを他の参加者にアップロードします。投票者は提案者のモデル更新結果を集約し、投票評価を行います。その後、すべての結果がスマートコントラクトに提出され、スマートコントラクトは各ラウンドのスコアと前ラウンドのスコアを比較し、モデル性能の向上または低下を評価します。性能スコアが向上していれば、次のトレーニング段階に進み、性能スコアが低下していれば、前ラウンドで検証済みのモデルを使って再度トレーニング・集約・評価を行います。

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メカニズムを組み合わせることで、データ主権を確保したまま複数の参加者がグローバルモデルを共同トレーニングするという目標を実現しています。また、異なるデータを統合し重みを集約することで、より高性能で能力の高いグローバルモデルを構築できます。さらに、参加者はトークンをステーキングすることで参加コミットメントを示し、モデル品質やコンセンサス結果に応じて報酬を得るという、公平で透明性のあるエコシステムが形成されています。

AI Marketplace：どのようにパーソナライズされたAIサービスを提供するか？

AI Arenaでトレーニングされ、FL Allianceでファインチューニングされたモデルは、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して利用できるようになります。従来の「モデルマーケット」とは異なり、AI Marketplaceは既成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修正したり、新しいデータソースを統合して異なるアプリケーションシナリオに対応したりすることも可能です。また、AI MarketplaceはRAG（Retrieval-Augmented Generation「検索拡張生成」）技術も統合しており、特定分野のモデル精度を高めています。RAGは、大規模言語モデルを強化する手法で、回答生成時に外部ナレッジベースから関連情報を検索し、モデルの応答をより正確かつパーソナライズされたものにします。

現在、AI Marketplaceでは、さまざまなアプリケーションシナリオに基づくカスタマイズGPTモデルが多数リリースされており、BTC GPT、Farcaster GPT、Scroll GPT、Ethereum GPTなどがあります。BTC GPTを例に、カスタマイズモデルと汎用モデルの違いを理解できます。

2023年12月、BTC GPTとChatGPTの両方に「ARC20とは何ですか？」と質問した場合：

• BTC GPTの回答：「ARC20プロトコルは、Bitcoinネットワーク上に構築されたプロトコルで、ユーザーがNFTや交換可能なトークンなどのデジタルアイテムを作成、転送、アップグレードできるようにします。ARC20プロトコルを通じて、Bitcoinネットワーク上で非交換型NFTや交換可能なトークンを生成できます。ARC20プロトコルの主要トークンはATOMであり、プロトコル内のさまざまな用途に使われます。」
• ChatGPTの回答：「2022年1月の私の最終知識更新時点では、技術、金融、その他の一般的な分野でARC20という名前の標準や技術は広く認識されていません。その後、ARC20という新しい技術や標準が登場した可能性はありますが、私は関連情報を持っていません。」

両者の回答から、カスタマイズGPTモデルの重要性と優位性が分かります。汎用型言語モデルとは異なり、カスタマイズGPTモデルは特定分野のデータでトレーニングされるため、より正確な回答を提供できます。

同じくDCGが支援、FlockとBittensorの違いは？

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、価格は一時的に過去最高値に近づき、時価総額は再び40億ドルを突破しました。注目すべきは、Flockの投資機関であるDCGがBittensorエコシステムでも最大の検証者およびマイナーの一つであることです。関係者によると、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投資家のMatthew BeckがBittensorを最も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ます。

同じくDCGが支援するプロジェクトでありながら、FLockとBittensorは重点が異なります。具体的な位置づけとして、Bittensorは分散型AIインターネットの構築を目指し、「サブネット（Subnet）」を基本単位として使用しています。各サブネットは分散型マーケットに相当し、参加者は「マイナー」や「検証者」などの役割で参加できます。現在、Bittensorエコシステムには49のサブネットがあり、テキスト音声変換、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くの分野をカバーしています。

昨年以降、Bittensorは市場の注目を集め続けています。一つはトークン価格の急騰で、2023年10月の80ドルから今年の最高値730ドルまで急上昇しました。もう一つは、トークンインセンティブに依存して開発者を引き付けるモデルの持続可能性に対するさまざまな疑問です。さらに、Bittensorエコシステムでは、上位3つの検証者（Opentensor Foundation、Taostats & Corcel、Foundry）がステーキングするTAOの割合が合計で40%近くに達しており、分散化の度合いについてユーザーの懸念も生じています。

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に注力しています。Flockは自らを「AI分野のUber」と位置づけ、このモデルではFlockがAI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」として機能し、オンチェーンのスマートコントラクトでタスク割り当て、結果検証、報酬決済を自動管理し、各参加者が貢献に応じて公平に分配に参加できるようにしています。しかし、Bittensorと同様に、トレーニングノードや検証者になる以外にも、Flockはユーザーに委任参加のオプションも提供しています。

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し、計算能力やAI開発経験を持つユーザーに適しています。
• 検証者：同様に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ます。
• 委任者：トークンをマイナーや検証者ノードに委任し、タスク割り当て時のノードの重みを高めると同時に、委任先ノードの報酬をシェアします。この方法により、トレーニングや検証タスクの技術力がないユーザーでもネットワークに参加し、収益を得ることができます。

FLock.ioは現在、委任者参加機能を正式に開放しており、どのユーザーもFMLトークンをステーキングして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し、ステーキング収益を最大化できます。Flockはまた、テストネット段階のステーキングや関連操作が、将来のメインネットローンチ後の潜在的なエアドロップ報酬に影響を与えると述べています。

将来的に、FLockはさらにユーザーフレンドリーなタスク発起メカニズムを導入し、AI専門知識のない個人ユーザーでもAIモデルの作成やトレーニングに簡単に参加できるようにし、「誰もがAIに参加できる」というビジョンを実現する予定です。同時に、FlockはRequest Financeと提携してオンチェーン信用スコアモデルを開発したり、MorpheusやRitualと提携してトレーディングボットモデルを構築したり、Akash上で簡単にモデルトレーニングを開始・運用できるトレーニングノードテンプレートを提供するなど、多方面で積極的に協力を展開しています。さらに、FlockはAptos向けに開発者支援のMove言語プログラミングアシスタントもトレーニングしています。

総じて見ると、BittensorとFlockは市場での位置づけに違いはあるものの、両者とも異なる分散型技術アーキテクチャを通じてAIエコシステムの生産関係を再定義しようとしており、共通の目標は中央集権的な大手による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す。これはまさに現在市場が切実に求めているものです。