Web3の参加者は、セグメントシーンに焦点を当て、検閲への抵抗、透明性、社会的検証可能性における独自の利点を最大限に活用すべきです。
著者：David & Goliath
コンパイル：深潮TechFlow
現在、AI産業における計算およびトレーニングの部分は主に集中型のWeb2巨人によって支配されています。これらの企業は強力な資本力、最先端のハードウェア設備、膨大なデータリソースを駆使して主導権を握っています。この状況は最も強力な汎用機械学習（ML）モデルを開発する際に持続する可能性がありますが、中堅またはカスタマイズされたモデルに関しては、Web3ネットワークがより経済的でアクセスしやすい計算リソースの供給源となる可能性があります。
同様に、推論の需要が個人のエッジデバイスの能力を超える場合、一部の消費者は、より少ない検閲と多様性のある出力を得るためにWeb3ネットワークを選択するかもしれません。全体のAI技術スタックを完全に覆すことを試みるよりも、Web3の参加者はこれらのセグメントシーンに焦点を当て、検閲への抵抗、透明性、社会的検証可能性における独自の利点を最大限に活用すべきです。
次世代の基盤モデル（GPTやBERTなど）をトレーニングするために必要なハードウェアリソースは不足しており、非常に高価です。最も強力な性能チップの需要は供給を超え続けます。このリソースの不足は、ハードウェアが十分な資金を持つ少数のトップ企業の手に集中することを招き、これらの企業はそのハードウェアを利用して性能が最適で複雑な基盤モデルをトレーニングし、商業化しています。
しかし、ハードウェアの更新速度は非常に速いです。では、時代遅れの中堅または低性能のハードウェアはどのように活用されるのでしょうか？
これらのハードウェアは、よりシンプルまたは特定の目的のモデルのトレーニングに使用される可能性が高いです。異なるカテゴリのモデルと異なる性能のハードウェアをマッチさせることで、リソースの最適配置が実現できます。この場合、Web3プロトコルは多様で低コストの計算リソースへのアクセスを調整することで重要な役割を果たすことができます。たとえば、消費者は個人データセットに基づいてトレーニングされたシンプルな中堅モデルを使用し、より複雑なタスクを処理する場合にのみ、集中型企業によってトレーニングおよびホスティングされたハイエンドモデルを選択し、ユーザーの身元が隠され、プロンプトデータが暗号化されることを保証します。
効率の問題に加えて、集中型モデルにおける偏見や潜在的な検閲に対する懸念も高まっています。Web3環境はその透明性と検証可能性で知られており、Web2に無視されたり過度に敏感と見なされたモデルに対してトレーニングサポートを提供できます。これらのモデルは性能や革新性において競争力を持たないかもしれませんが、社会の特定のグループにとっては依然として重要な価値を持っています。したがって、Web3プロトコルは、よりオープンで信頼性のある、検閲に抵抗するモデルトレーニングサービスを提供することで、この分野で独自の市場を開拓できます。
最初は、集中型と分散型の2つのアプローチが共存し、それぞれ異なるユースケースにサービスを提供することができます。しかし、Web3が開発者体験とプラットフォームの互換性を向上させ、オープンソースAIのネットワーク効果が徐々に現れるにつれて、Web3は最終的に集中型企業のコア分野で競争を展開する可能性があります。特に、消費者が集中型モデルの限界にますます気づくにつれて、Web3の利点はより際立つでしょう。
中堅または特定の分野モデルのトレーニングに加えて、Web3の参加者はより透明で柔軟な推論ソリューションを提供する利点も持っています。分散型の推論サービスは、ゼロのダウンタイム、モデルのモジュール化された組み合わせ、公開されたモデル性能評価、より多様で検閲のない出力など、さまざまな利点をもたらすことができます。これらのサービスは、消費者が少数の集中型プロバイダーに依存することによって直面する「ベンダーロックイン」問題を効果的に回避できます。モデルトレーニングと同様に、分散型推論層の競争優位性は計算能力そのものにはなく、長年存在しているいくつかの問題、たとえばクローズドソースのファインチューニングパラメータの透明性、検証可能性の欠如、高コストを解決することにあります。
Dan Olshanskyは、POKTのAI推論ルーティングネットワークを通じてAI研究者やエンジニアにより多くの機会を提供し、彼らが研究成果を実践に移し、カスタマイズされた機械学習（ML）または人工知能（AI）モデルを通じて追加の収入を得ることを可能にするという非常に有望なアイデアを提案しました。さらに重要なのは、このネットワークが異なるソースからの推論結果（分散型および集中型のプロバイダーを含む）を統合することで、推論サービス市場のより公平な競争を促進できるということです。
楽観的な予測では、AI技術スタック全体が将来的に完全にチェーン上に移行する可能性があるとされていますが、現時点では、この目標はデータと計算リソースの集中化という大きな課題に直面しています。これらのリソースは既存の巨人に顕著な競争優位性を提供しています。しかし、分散型の調整と計算ネットワークは、より個別化され、経済的で、よりオープンな競争を提供し、検閲に抵抗するAIサービスにおいて独自の価値を示しています。これらの価値が最も重要なセグメント市場に焦点を当てることで、Web3は独自の競争の壁を築き、この時代の最も影響力のある技術が多様な方向で共に進化し、より広範な利害関係者に利益をもたらすことを確実にできます。
最後に、Placeholder Investmentチームの全メンバー、Multicoin CapitalのKyle Samani、Canonical VCのAnand Iyer、Nectar AIのKeccak Wong、Osmosis LabsのAlpin Yukseloglu、NEAR FoundationのCameron Dennisに特に感謝したいと思います。彼らはこの文章の執筆過程でレビューと貴重なフィードバックを提供してくださいました。