分散型AIはポストスカーシティ社会を解放する可能性がある、と0G LabsのCEOが述べた

AIに関する議論は、その関連性を疑問視することから、使用が広がるにつれて、より信頼性が高く効率的にすることに焦点を当てるように進化しました。マイケル・ハインリッヒは、AIがポスト・スカーシティ社会を育む未来を描いており、個人を平凡な仕事から解放し、より創造的な追求を可能にすると考えています。

データのジレンマ: 品質、出所、そして信頼

人工知能(AI)に関する議論は根本的に変化しました。もはやその関連性についての問いではなく、すべての分野での展開が一般的になるにつれて、どのようにそれをより信頼性が高く、透明性があり、効率的にするかということです。

現在のAIパラダイムは、中央集権的な「ブラックボックス」モデルと膨大な独占データセンターによって支配されており、バイアスや独占的な支配に対する懸念からますます圧力が高まっています。Web3の多くの人々にとって、解決策は現在のシステムのより厳しい規制にあるのではなく、基盤となるインフラの完全な分散化にあります。

これらの強力なAIモデルの有効性は、まず第一に、彼らが訓練されるデータの質と完全性によって決まります。この要素は、体系的なエラーやAIの幻覚を防ぐために、検証可能で追跡可能でなければなりません。金融やヘルスケアなどの業界におけるリスクが高まる中、AIのための信頼のない透明な基盤の必要性が重要になります。

マイケル・ハインリッヒは、スタンフォード大学の卒業生であり、シリアルアントレプレナーの一人で、その基盤を築くための先頭に立っています。0G LabsのCEOとして、彼は、AIが安全で検証可能な公共財となることを確保するという明確な使命を持っている、彼が説明するところの最初で最大のAIチェーンを現在開発しています。以前は、YCombinatorに支援されたトップ企業であるGartenを設立し、マイクロソフト、ベイン、ブリッジウォーター・アソシエイツで働いていたハインリッヒは、現在、分散型AIの建築的課題に彼の専門知識を適用しています (DeAI)。

ハインリッヒは、AIのパフォーマンスの核心はその知識ベース、つまりデータにあることを強調しています。「AIモデルの有効性は、何よりもまず、彼らが訓練される基盤データによって決まります」と彼は説明します。高品質でバランスの取れたデータセットは正確な応答をもたらしますが、悪いデータや過小表現されたデータは質の低い出力を引き起こし、幻覚に対する感受性が高まります。

ハインリッヒにとって、これらの常に更新され多様なデータセットの整合性を維持することは、現状からの根本的な変化を必要とします。彼は、AIの幻覚の主な原因は透明性のある出所の欠如であると主張しています。彼の解決策は暗号的なものです。

私はすべてのデータは、データの整合性を維持するために、暗号学的証拠と検証可能な証拠のトレイルでオンチェーンにアンカーされるべきだと信じています。

この分散型で透明な基盤は、経済的なインセンティブと継続的な微調整と組み合わさることで、システム的にエラーやアルゴリズムのバイアスを排除するための必要なメカニズムと見なされています。

技術的な修正を超えて、フォーブス40アンダー40の受賞者であるハインリッヒは、AIに対してマクロなビジョンを持っており、それが豊かさの時代をもたらすべきだと信じています。

「理想的な世界では、資源が豊富になり、誰もが日常的な仕事を心配する必要がないポストスカーシティ社会の条件を生み出すことを期待しています」と彼は述べています。この変化により、人々は「より創造的で余暇的な仕事に集中できる」ようになり、実質的に誰もがより多くの自由な時間と経済的安定を享受できるようになります。

重要なのは、彼が分散型の世界がこの未来を支えるのに特別に適していると主張していることです。これらのシステムの美しさは、インセンティブが整合しており、計算能力のための自己バランス経済を生み出していることです。リソースの需要が増加すると、それを供給するインセンティブも自然に上昇し、その需要が満たされるまで続き、バランスの取れた許可不要の方法で計算リソースの必要性を満たします。

AIの保護: オープンソースとインセンティブ設計

AIを意図的な悪用から守るために—音声クローン詐欺やディープフェイクのような—ハインリッヒは人間中心の解決策と構造的な解決策の組み合わせを提案しています。まず、詐欺や偽情報のために使用されるAIのスキャムやフェイクを識別する方法について人々を教育することに焦点を当てるべきです。ハインリッヒは次のように述べています。「人々が自分自身を守るためにAI生成コンテンツを識別またはフィンガープリンティングできるように教育する必要があります。」

立法者は、AIの安全性と倫理に関する国際基準を確立することで役割を果たすこともできます。これはAIの悪用を排除することは難しいですが、そのような基準の存在は「悪用を思いとどまらせるためにある程度の効果があるかもしれません。」しかし、最も強力な対策は、分散型設計に組み込まれています。「インセンティブが一致したシステムを設計することで、意図的なAIの悪用を劇的に減少させることができます。」オンチェーンでAIモデルを展開し、管理することによって、誠実な参加が報われる一方で、悪意のある行動にはオンチェーンのスラッシングメカニズムを通じて直接的な財政的影響が伴います。

一部の批評家がオープンアルゴリズムのリスクを懸念する中、ハインリッヒはBitcoin.com Newsに対し、それがモデルの動作を可視化するため、熱心に支持していると語った。"検証可能なトレーニング記録や不変のデータトレイルなどは、透明性を確保し、コミュニティの監視を可能にするために使用できる"と述べ、これは独自のクローズドソースの「ブラックボックス」モデルに関連するリスクに直接対抗するものである。

この安全で低コストのAI未来のビジョンを実現するために、0G Labsは初の「分散型AIオペレーティングシステム (DeAIOS)」を構築しています。

このオペレーティングシステムは、検証可能なAIの出所を提供するように設計されており、大規模なデータストレージと可用性レイヤーを提供します。これにより、膨大なAIデータセットをオンチェーンで保存できるため、すべてのデータが検証可能で追跡可能になります。このレベルのセキュリティと追跡可能性は、規制されたセクターで運営されるAIエージェントにとって不可欠です。

さらに、このシステムは許可不要のコンピュートマーケットプレイスを特徴としており、競争力のある価格でコンピュートリソースへのアクセスを民主化します。これは、中央集権的なクラウドインフラストラクチャに関連する高コストやベンダーロックインへの直接的な回答です。

0G Labsは、1000億パラメータを超えるLLMのトレーニングを分散型の1 Gbpsクラスター上で可能にするフレームワークDilocoxを用いて、すでに技術的なブレークスルーを示しています。モデルをより小さく、独立してトレーニングされた部分に分割することで、Dilocoxは従来の分散トレーニング方法と比較して357倍の効率向上を実現し、大規模AI開発を中央集権的データセンターの壁の外で経済的に実現可能にしています。

より明るく、より手頃なAIの未来

最終的に、ハインリッヒは分散型AIの非常に明るい未来を見ています。それは参加と採用の障壁を打破することによって定義されています。

「人々やコミュニティが協力して専門的なAIモデルを作成する場所であり、AIの未来が中央集権的な少数のエンティティによってではなく、多くの人々によって形作られることを確実にする」と彼は締めくくります。独自のAI企業が価格を引き上げる圧力に直面している中、DeAIの経済学とインセンティブ構造は、強力なAIモデルがより低コストで作成できる魅力的で、はるかに手頃な代替手段を提供し、よりオープンで安全、そして最終的にはより有益な技術的未来への道を開いています。

よくある質問

• 現在の中央集権的AIの核心的な問題とは何ですか？ 現在のAIモデルは、中央集権的な「ブラックボックス」アーキテクチャのために、透明性の問題、データバイアス、独占的な制御に苦しんでいます。
• マイケル・ハインリッヒの0G Labsはどのようなソリューションを構築していますか？ 0G Labsは、AIを安全で検証可能な公共財にするための最初の「分散型AIオペレーティングシステム(DeAIOS)」を開発しています。
• 分散型AIはどのようにデータの整合性を確保しますか？ データの整合性は、すべてのデータを暗号証明と検証可能な証拠のトレイルでオンチェーンに固定することによって維持され、エラーや幻覚を防ぎます。
• 0G LabsのDilocox技術の主な利点は何ですか？ Dilocoxは、大規模なAI開発を大幅に効率化するフレームワークであり、従来の分散トレーニングに対して357倍の改善を示しています。