本文へ移動
  • BTC $58,169 −7.6%
  • ETH $1,614 −9.4%
  • SOL $68.63 −7.7%
  • BNB $538.44 −8.4%
  • XRP $0.9016 −7.6%
  • DOGE $0.0536 −9.0%
  • ADA $0.1399 −9.2%

分散型AI:その概要、機能、そして知能経済における中心的役割

Messariのレポート「State of AI 2025」では、Decentralized AI(deAI)に関する章が丸ごと割かれており、それを必要不可欠な補完要素として定義しています。

decentralized ai deai

「State of AI 2025」レポートでは、MessariがDecentralized AI (deAI)に関する章を設けており、これは従来のAIに対するイデオロギー的な代替ではなく、透明性、安全性、そしてグローバルな参加を保証するための必要不可欠な補完であると定義しています。

モデルがブラックボックス化し、民間ラボの力が増す世界において、deAIの役割は理論的なものではありません。それは、新しいインテリジェンスの秩序に対する構造的な回答です。

人工知能は、地球上で最も戦略的なデジタルインフラストラクチャになりつつあります。しかし、テックの巨人たちがその支配を強化する一方で、根本的に異なるAIを構築しようとする並行する動きが高まっています。それは、オープンで、検証可能で、permissionlessで、分散型のものです。

Decentralized AI (deAI)とは何ですか?

deAIは分散型ネットワーク上に構築されたAIシステムであり、そこでは:

  • データは、パーミッションレスモードで収集、ラベル付け、交換が可能です;
  • 計算は独立したGPUのグローバルネットワーク上で実行されます;
  • モデルは、単一の管理権限なしで、協調的に訓練および使用することができます。
  • プライバシー、検証可能性、評判は、ブロックチェーン、暗号技術、証明システムを通じて保証されます。
  • AIエージェントは、トラストレスな環境で取引、識別、協力することができます。

言い換えれば:

deAIは、誰でも、そして誰によってもオープンなAIを構築できるインフラストラクチャであり、特定の大企業に依存する必要がありません。

なぜdeAIが必要になるのか?

Messariは理由を2つのカテゴリーに分けています:哲学的および実践的。

🔹 哲学

  1. 権力の集中
    中央集権型AIは、少数の企業(OpenAI、Google、Anthropic)に莫大なコントロールを与えます。これにより、ナラティブ、データアクセス、技術標準、さらには社会的プロセスにまで影響を及ぼします。
  2. 不透明性
    モデルがどのように訓練されたのか、どのデータを使用しているのか、どのようなバイアスを含んでいるのかはわかりません。
  3. 信頼の制限
    提供されるモデルが宣言されたものであることや、データを正しく処理することを検証可能な保証は存在しません。

🔹 実践

  1. グローバルなコーディネーション
    ブロックチェーンは、信頼を必要とせずに、数百万のデバイスと貢献者をコーディネートすることを可能にします。
  2. オンチェーンでの検証可能性
    アイデンティティ、評判、モデルの状態、および整合性は不変的に記録することができます。
  3. ネイティブ決済
    AIエージェントは即時決済、マイクロトランザクション、即時清算を必要としています。ここでクリプトは欠かせません。
  4. 分散型ネットワークによるスケーラビリティ
    deAIは既存のハードウェア(PCゲーム、エッジデバイス、小規模データセンター)を活用し、GPUハイパースケーラーだけに依存しません。

deAIスタック: エコシステムを構成する6つのレベル

レポートは、deAIの技術スタックを詳細に説明しており、6つの相互接続されたレイヤーで構成されています:Data → Compute → Training → Privacy/Verification → Agents → Applications.

それぞれを一つずつ見ていきましょう。

1. データレイヤー

すべてのAIシステムの中心はデータセットです。
deAIでは、データは分散型ネットワークを通じて収集、ラベル付け、保存、交換されます。

主な活動内容:

  • データ収集(ビデオ、オーディオ、センサー、実際のインタラクション)
  • インセンティブ付きマーケットプレイスを通じたラベリング
  • クリーニング & 前処理
  • 分散型ネットワーク上のストレージ (Filecoin, Arweave, Jackal)
  • データマーケットプレイス(Ocean、Vana、Cudis)

分散化により可能になること:

  • データの多様性の向上
  • 貢献者への直接的な経済的インセンティブ
  • 検証可能性(出所、タイムスタンプ、アイデンティティ)
  • 独自データセットのコスト削減

2030年までに予測される「データ飢饉」により、このレイヤーは重要になります。

2. コンピュートレイヤー

ここでAIの最もコストのかかる部分が行われます:トレーニングとインファレンスの実行。

分散型コンピュートネットワーク (DCN):

  • Akash
  • レンダー
  • io.net
  • Aethir
  • ハイパーボリック
  • EigenCloud
  • Exabits

主な利点:市場価格でオンデマンドのコンピュートを利用可能にする、クラウドプロバイダーによって設定されていない。

歴史的に大規模なトレーニングには非効率的であった(遅延や同期の問題のため)、今日ではDCNは推論を提供するのに最適です。なぜなら:

  • GPU間の通信が少なくて済む
  • 異種ハードウェア上で実行可能です
  • 2030年までにコンピュート需要の50〜75%を占めることが予定されているセグメントです

3. トレーニング & 推論レイヤー

Messariは明確に区別しています:

事前トレーニング

分散化が非常に困難:
巨大なデータセット、厳密な同期、高帯域幅が必要です。

ポストトレーニング (SFT / RLHF / RL)

分散型ネットワークに最適:

  • より多くの非同期性
  • コミュニケーションの減少
  • より高いスケーラビリティ
  • データのクラウドソーシングの可能性

分散型推論

それは、deAIを現実世界で利用可能にする欠けていた要素です。

レポートで引用された例:

  • Prodia
  • 下落
  • Fortytwo Network
  • dria
  • inference.net

4. プライバシーと検証レイヤー

ここで最も複雑な暗号技術が登場します。

基本的なテクニック:

  • ZKML(ゼロ知識機械学習)
  • Optimistic ML(チャレンジ期間による検証)
  • TEEベースのML(信頼実行環境)
  • FHE(完全同型暗号化)
  • MPC(マルチパーティ計算)
  • フェデレーテッドラーニング

目的:

モデルが正確に計算され、変更されず、機密データが露出しないことを保証する。

言及されたプロジェクト:

  • Phala (TEE)
  • Zama (FHE)
  • Nillion (MPC)
  • EZKL (ZKML)
  • Lagrange (zkML + 検証インフラ)

これはエンタープライズ採用にとって最も重要なレイヤーです。

5. エージェントとオーケストレーションレイヤー

このレポートは、autonomous agentsがAIの新しい「インターフェース」としてどのように進化しているかを分析しています。

フルスタックには以下が含まれます:

  • ベースモデル(LLMまたはSLM)
  • ツーリング (API、ウォレット、ブラウザ自動化)
  • フレームワーク (ElizaOS, Daydreams, Olas, Questflow)
  • コミュニケーション標準
  • マルチエージェントの調整
  • 検証可能な整合性(侵害されないプロンプト、検証済みの推論)

ブロックチェーンがエージェントに解放する:

  • アイデンティティ
  • 評判
  • セルフカストディアル支払い
  • トラストレスな金融サービスへのアクセス
  • 監査可能性

エージェントは今後5年間でブロックチェーンの主要な「ユーザー」となるでしょう。

6. アプリケーション層

最終レベル:全スタック上に構築されたアプリ。

例:

  • トレーディングエージェント
  • 自律型DeFiボット
  • 自律型ブラウザ
  • サイバーセキュリティシステム
  • データラベリングAI駆動
  • ゲーミング、ディスカバリー、またはeコマースのためのマルチエージェントユニバース
  • 分散型レコメンデーションエンジン

deAIアプリは通常のAIと同様に機能しますが、3つの違いがあります:

  1. 透明性
  2. 検証可能性
  3. 暗号通貨との相互運用性

なぜ今なのか?deAIを推進する5つの要因

Messariは、decentralized AIの成長に完璧な環境を作り出す5つのメガトレンドを特定しました:

  1. インファレンス需要の垂直的な急増
  2. 公開データの枯渇と独自データの要求
  3. 自律的に取引を行うAIエージェントの爆発的増加
  4. グローバルな人材争奪戦と計算コストの高騰
  5. トレーニングと検証の分散化における進展

中央集権型AIではすべてを満たすことはできない:補完性が必要だ。

結論: deAIはオープンで検証可能かつ参加型AIの基盤である

分散型AIはトレンドではなく、構造的な回答です。
モデルが成長し、ビッグテックの力が集中するにつれて、次の必要性が高まっています:

  • 確認する
  • 分散化する
  • 証明する
  • コーディネート
  • 補償する
  • 保護する
  • 配布する

中心的な存在となる。

deAIはAIが強力であるだけでなく、以下のことを可能にするインフラストラクチャです:

  • オープン
  • 安全
  • 分散型
  • グローバルにアクセス可能

Francesco Antonio Russo

Francesco Antonio Russoの記事一覧