AI は、以前のバージョンのインターネットで見られたのと同じ中央集権化の危険にさらされています。しかし、別の方法も可能だとマヘシュ・ラマクリシュナン氏とヴィニャヤック・クルプ氏は言います。
分散型 AI は、コンピューティングの民主化を約束し、小規模な開発者がアクセスできるようにし、少数の主要な主体による権力の集中から保護します。
7 月下旬、マーク ザッカーバーグは「AI の前向きな未来にはオープンソースが必要」である理由を説明する手紙を書き、その中でオープンソース AI 開発の必要性について詩的に述べています。かつてオタクだった 10 代の創設者は、今ではウェイクボード、金のチェーンを着け、柔術で戦う「ザック」に変身し、オープンソース モデル開発の救世主としての烙印を押されました。
しかし、これまでのところ、彼とメタチームはこれらのモデルがどのように展開されているかについてあまり明確にしていません。モデルの複雑さによってコンピューティング要件が高まる中、モデルのデプロイメントが少数のアクターによって制御されている場合、私たちは同様の形式の集中化に屈してしまうのではありませんか?
分散型 AI はこの課題を解決すると約束されていますが、この技術には業界をリードする暗号化技術と独自のハイブリッド ソリューションの進歩が必要です。
この論説は CoinDesk の新しい DePIN バーティカルの一部であり、分散型物理インフラストラクチャの新興産業をカバーしています。
集中型のクラウド プロバイダーとは異なり、分散型 AI (DAI) は、AI の推論とトレーニングのための計算プロセスを複数のシステム、ネットワーク、場所に分散させます。正しく実装されれば、分散型物理インフラストラクチャ ネットワーク (DePIN) の一種であるこれらのネットワークは、検閲耐性、コンピューティング アクセス、コストの面でメリットをもたらします。
DAI は、AI 環境と分散型インフラストラクチャ自体という 2 つの主要な領域で課題に直面しています。集中型システムと比較して、DAI では、モデルの詳細への不正アクセスや機密情報の盗難や複製を防ぐための追加の保護手段が必要です。このため、オープンソース モデルに焦点を当てているものの、クローズドソースのモデルと比較してオープンソース モデルのパフォーマンス上の潜在的な欠点を認識しているチームにとっては、十分に検討されていない機会があります。
分散型システムは、特にネットワークの整合性とリソースのオーバーヘッドという障害に直面します。たとえば、クライアント データが別々のノードに分散されると、より多くの攻撃ベクトルが露呈します。攻撃者はノードを起動してその計算を分析したり、ノード間のデータ送信を傍受したり、システムのパフォーマンスを低下させるバイアスを導入したりする可能性があります。安全な分散推論モデルであっても、計算プロセスを監査するメカニズムが必要です。ノードは不完全な計算を提示することでリソースのコストを節約するよう動機付けられており、信頼できる集中型アクターが存在しないため検証が複雑になります。
ゼロ知識の証明
ゼロ知識証明 (ZKP) は、現時点では計算コストが高すぎるものの、一部の DAI の課題に対する潜在的な解決策の 1 つです。 ZKP は、一方の当事者 (証明者) が、その有効性を除き、ステートメント自体の詳細を明かすことなく、別の当事者 (検証者) にステートメントの真実性を納得させることを可能にする暗号メカニズムです。この証明の検証は他のノードにとって迅速に実行され、各ノードがプロトコルに従って動作したことを証明する方法を提供します。証明システムとその実装の間の技術的な違い (これについては後で詳しく説明します) は、この分野の投資家にとって重要です。
一元化されたコンピューティングにより、モデルのトレーニングは、適切な位置にありリソースを備えた少数のプレーヤーのみに限定されます。 ZKP は、消費者向けハードウェア上のアイドル状態のコンピューティングを解放する一環となる可能性があります。たとえば、MacBook は、ユーザーのトークンを獲得しながら、追加のコンピューティング帯域幅を使用して大規模言語モデルのトレーニングに役立てることができます。
消費者向けハードウェアを使用した分散型トレーニングや推論の展開は、Gensyn や Inference Labs などのチームの焦点です。 Akash や Render のような分散型コンピューティング ネットワークとは異なり、計算をシャーディングすると複雑さが増し、浮動小数点問題が発生します。アイドル状態の分散コンピューティング リソースを利用することで、関連する課題を解決するツールにアクセスできる限り、小規模な開発者が独自のネットワークをテストおよびトレーニングできるようになります。
現時点では、ZKP システムはコンピューティングをネイティブで実行するよりも 4 ~ 6 桁高価であるようで、高コンピューティング (モデル トレーニングなど) または低レイテンシー (モデル推論など) を必要とするタスクの場合、ZKP を使用するのは法外です。遅い。比較のために言うと、6 桁の低下は、M3 Max チップ上で実行される最先端のシステム (a16z の Jolt など) が、TI-84 グラフ電卓上で実行するよりもプログラムが 150 倍遅いことを証明できることを意味します。
AI は大量のデータを処理できるため、ゼロ知識証明 (ZKP) と互換性がありますが、ZKP が広く使用されるには、暗号化のさらなる進歩が必要です。とりわけ、Irreducible (Binius 証明システムとコミットメント スキームを設計した)、Gensyn、TensorOpera、Hellas、および Inference Labs などのチームによって行われている作業は、このビジョンを達成するための重要なステップとなるでしょう。しかし、真のイノベーションには時間と数学的進歩がかかるため、スケジュールは依然として過度に楽観的です。
それまでの間、他の可能性とハイブリッド ソリューションに注目する価値があります。 HellasAI などは、ゼロ知識で処理する必要がある計算のサブセットのみを可能にする、楽観的なチャレンジ ゲームを可能にするモデルと計算を表現する新しい方法を開発しています。楽観的な証明は、賭け金、つまり不正行為を証明する能力がある場合にのみ機能します。
以上が分散型 AI とゼロ知識証明がコンピューティングをどのように民主化するかの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。