現在、AI産業の計算とトレーニングの段階は主に集中化されたWeb2の巨頭によって主導されています。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、そして膨大なデータリソースを活用して、主導的な地位を占めています。この状況は、最も強力な汎用機械学習（ML）モデルの開発においては引き続き存在する可能性がありますが、中程度またはカスタマイズされたモデルに関しては、Web3ネットワークが徐々に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かもしれません。
同様に、推論の要求が個人のエッジデバイスの能力を超えると、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。全てのAI技術スタックを完全に覆そうとするのではなく、Web3の参加者はこれらの細分化されたシナリオに焦点を当て、検閲耐性、透明性、社会的検証可能性の面での独自の強みを十分に発揮すべきです。
次世代基盤モデル（GPTやBERTなど）のトレーニングに必要なハードウェアリソースは不足しており高価で、最高性能のチップの需要は供給を常に上回っています。このようなリソースの不足は、ハードウェアが十分な資金を持つ少数の大手企業に集中する原因となり、これらの企業はこのハードウェアを利用して性能最適化された最も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サイクルは非常に速いです。では、時代遅れとなった中程度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、比較的シンプルまたは特定の目的に特化した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ングさせることで、リソースの最適配置を実現できます。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により、重要な役割を果たすことができます。例えば、消費者は個人データセットを基にトレーニングされたシンプルな中程度のモデルを使用し、より複雑なタスクを処理する際にのみ、集中化された企業がトレーニングしホスティングする高性能モデルを選択することができます。その際、ユーザーの身元は隠され、プロンプトデータは暗号化されます。
効率の問題に加えて、集中化された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において知られており、Web2によって無視されたり、過度に敏感と見なされたモデルに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が高く、検閲に強いモデルトレーニングサービスを提供することで、この領域において独自の市場を開拓することができます。
初めは、集中化と非集中化の2つのアプローチは共存し、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明らかになるにつれて、Web3は最終的に集中化企業の中心領域で競争を展開する可能性があります。特に、消費者が集中化されたモデルの限界にますます気づくようになると、Web3の利点がより際立つでしょう。
中程度または特定分野の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を持っています。非集中化された推論サービスは、ゼロダウンタイム、モデルのモジュール化の組み合わせ、公開されたモデル性能評価、そしてより多様で非検閲の出力など、多くの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化プロバイダーに依存することで直面する「ベンダーロックイン」の問題を効果的に回避することもできます。モデルトレーニングと同様に、非集中化推論レイヤー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、例えばクローズドソースの微調整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介してAI研究者やエンジニアにより多くの機会を提供し、彼らが自身の研究成果を実践に移し、カスタマイズされた機械学習（ML）や人工知能（AI）モデルを通じて追加収入を得ることができるという非常に有望な構想を提案しました。さらに重要なのは、このネットワークが非集中化および集中化プロバイダーからの推論結果を統合することにより、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、今後AI技術スタック全体が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による巨大な課題に直面しています。これらのリソースは既存の巨頭に顕著な競争優位性を提供しています。しかし、非集中化された調整と計算ネットワークは、よりパーソナライズされた、より経済的で、よりオープンな競争かつ検閲に強いAIサービスを提供する上で、独自の価値を示しています。これらの価値が最も重要な細分市場に焦点を当てることで、Web3は自身の競争壁を築き、この時代に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保し、少数の伝統的な巨頭によって独占されないようにすることができます。
最後に、Placeholder Investmentチームの全てのメンバー、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に特に感謝の意を表します。彼らはこの文書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れました。

#AI