ブロックチェーンとAIの相乗効果と対立

近年、ブロックチェーンの分野では多くの話題があり、人工知能（AI）の分野では多くの爆竹が鳴らされていますが、この2つの変革的な技術の間でクロスオーバーすることはほとんどないようです。しかし概念的には、ブロックチェーンとAIには補完的な側面が多くあります。例えば、ブロックチェーン技術固有の分散性はAIの中央集権化問題の解決に役立つ可能性があり、ブロックチェーンの透明性と検証可能性はAIモデルの不透明性問題の解決に役立つ可能性があります。

しばらく前、「ブロックチェーン×AI」というコンセプトの宣伝により、関連する多くの暗号通貨の市場価値が劇的に上昇し、図1に示すように、このセクター全体の市場価値は一時200億ドルを超えた。これは、市場がこの組み合わせに対してかなり強気であり、投資家がかなり自信を持っていることを示している。

Figure 1: Cryptocurrency Market Capitalisation by Segment, 18 April 2024 Data

しかし、ブロックチェーンとAIの実際の統合によって、次のようなことも露呈しています。しかし、ブロックチェーンと暗号通貨の統合は、AIが集中的な計算と大量のストレージを必要とする一方で、ブロックチェーンの分散型台帳アーキテクチャは冗長性を重視する（各ノードが同じ量の情報を保存し、計算する）ことなど、両者が対立する部分も明らかにしている。

最近、清華大学やフラウンホーファーHHIなどの研究者チームが、ブロックチェーンとAIの間に存在する技術的な相乗効果と対立を分析した論文「Blockchain and Artificial Intelligence: Synergies and Conflicts」を発表した。特筆すべきは、チームは砂の中に頭を埋めて理論を分析したのではなく、暗号通貨市場に注目し、時価総額1000万ドル以上の「ブロックチェーン×AI」プロジェクトと、いくつかの具体的なユースケースを分析したことだ。

ここで、この論文に書かれていることと、そこから得られる興味深い、あるいは有益な洞察を見てみよう。

ブロックチェーン×AI：相乗効果と対立

図2は、ブロックチェーンとAIの相補的な側面と対立的な側面を示しています。

Where Blockchain and AI Synergise

Decentralisation vs. Centrality. GPTのような現在のベスト・オブ・ブリードの大規模言語モデル（LLM）のトレーニングとメンテナンスには、演算、電力、データといった多大なリソースが必要です。一例として、2020年リリースのGPT-3の学習プロセスの計算コストは約460万ドルです。このような高コストにより、AIビッグモデルは一握りの大手テック企業の戦場となっており、彼らは実質的にAI市場を独占している。このような独占が競争を阻害する可能性は、米国や欧州のような、市場のバランスを維持し、市場が単一の事業者に支配されるのを防ぐために独占禁止法の施行に非常に積極的な地域の政策立案者がしばしば表明する懸念である。対照的に、ブロックチェーン技術は非中央集権的である。このような特徴は、AIシステムの中央集権化に対処するために利用されるかもしれない。適切に導入されれば、ブロックチェーンの非中央集権的な性質は、いかなる当事者もネットワーク全体を支配することを防ぐ。この機能は、AIシステム内に何らかの規制メカニズムを導入することで、よりバランスの取れた力の配分を実現し、すべての関係者間の協力を促進するのに役立つ可能性がある。このように、ブロックチェーン技術を統合することで、AI空間内の規制や独占に関する議論を解決し、AIガバナンスをより包括的で公正なものにすることが期待されます。

透明性とブラックボックス性。ブロックチェーン技術のもう1つの重要な特徴は、取引や記録が検証可能で改ざんできない透明性だ。一方、AIはブラックボックスであり、その決定の背後にある理由を理解するのは難しい。おそらく、ブロックチェーン台帳を使ってAIの意思決定プロセスを記録し、透明な監査証跡を可能にすることで、AIアプリケーションの信頼性を高めることができるだろう。さらに、ブロックチェーンは高度な暗号技術（zk-SNARKのようなゼロ知識証明など）を統合したり、安全なハードウェア（Trusted Execution Environments/TEEなど）を使用したりすることができる。これらの技術は、特定の計算ステップが忠実かつ正確に実行されていることを検証するのに役立ちます。

データ管理と依存関係。ブロックチェーンは、Interplanetary File System (IPFS)などのプロトコルとスマートコントラクトを通じて、データとデータアクセスを規制することができます。

オープンソースとクローズドソース。ブロックチェーンは、暗号プロトコルを通じて共有オーナーシップを可能にすることで、専有AIモデルの限界に対処することができ、その結果、きめ細かなプライバシー設定が可能になる。共有されたAIシステム（参加者によって共同で訓練され、制御される）が、商業モデルのレベルで実行できるようになれば、AI開発の透明性は飛躍的に高まるだろう。これはまた、より公正で包括的なAIソリューションの作成を促進する可能性があります。

ブロックチェーンとAIの間の矛盾

ブロックチェーンとAIの間には前述のような相乗効果があるにもかかわらず、この2つの統合を妨げる運用上の要件には大きな矛盾があります。

計算コストと負荷。GPT-4やLlama 3のような大規模な言語モデル（LLM）では、学習と推論の両方に多大な計算リソースが必要です。ブロックチェーンのコンセンサスメカニズム、暗号操作、不利なデータ構造はすべて、計算負荷に拍車をかけ、スケーラビリティに影響します。

ストレージの制限とデータ強度。ブロックチェーンの非中央集権的な性質は、セキュリティと冗長性を確保する一方で、データ駆動型AIシステムにとって間違いなくコストがかかり非効率的な、大きなストレージ要件につながる可能性もあります。イーサのような汎用ブロックチェーン・システム（GBPS）では、すべてのノードがすべての情報を保存しなければならない。冗長性はブロックチェーン・ネットワークのセキュリティと回復力を保証するが、スケーラビリティには不利だからだ。イーサネット仮想マシン（EVM）上の新しいデータはトランザクション形式で保存されるため、EVM構造上の共通データは検索速度を妨げる可能性がある。一方、AIアプリケーションは大量のデータを生成して処理するため、効率的でスケーラブルなストレージ・ソリューションが必要になります。

擬似匿名性とセキュリティの課題。ブロックチェーンは、非対称暗号化によって許可なしの疑似匿名アクセスを可能にする一方で、計算障壁や金銭障壁を設定することで、シビルアタックの可能性からネットワークを保護することができます。さらに、特定のユースケースでは、連携学習などの技術を使用して、プライバシー保護と分散型AIトレーニングを強化するためのプラットフォームとしてブロックチェーンを使用しており、これらのユースケースがトレーニングプロセスへの擬似匿名参加をサポートする場合、リスクが生じる可能性があります。

これらの方法は、敵対的な連合学習攻撃に対して脆弱であり、悪意のある攻撃者を特定することは、設計上、全体的なAIモデルへの貢献が非公開であり、測定が困難であるため、困難な場合があります。

運用上のミスマッチ。ほとんどのブロックチェーンVMは、結果が決定論的であることを保証するために、固定台帳操作を使用しています。一方、浮動小数点演算は、特に桁が大きく異なる複数の値を計算するときに、計算の精度の低下に悩まされる可能性があります。これは、安定した効率的な勾配フローを達成するのに役立ち、暗黙の正則化を提供し、全体的な学習結果を改善するためです。

ブロックチェーン×AI：ユースケースの研究

上記のブロックチェーンとAIの相乗効果と相反する点を踏まえ、ユースケースを見ていきましょう。チームは、ブロックチェーンとAIの統合を最もうまく行っているプロジェクトをいくつか調査しました。彼らは、製品があり、時価総額1,000万ドル以上のトークンを発行しているプロジェクトに焦点を当てた。また、時価総額が1,000万ドルを下回っているが、斬新なユースケースを持つプロジェクトにも注目した。

1. ブロックチェーンとAI技術は、プロジェクト内でどの程度相乗的に統合されているか？

2. プロジェクトにおけるブロックチェーンの役割は何か？

3. このプロジェクトにおけるAIの役割は何ですか？

クラスター分析の結果は図3に示されており、「AIはブロックチェーンの周辺技術である」、「AIはブロックチェーンに関与している」、「ブロックチェーンはAIプロセスを管理している」、「ブロックチェーンはAIの中核インフラである」という4つの主要なクラスターが含まれている。

AIはブロックチェーンの周辺技術

AIは、ブロックチェーンと対話するユーザーエクスペリエンスの向上、インテリジェントな分析の実現、ブロックチェーンアプリケーションの開発プロセスの合理化などに役立ちます。

ブロックチェーンへのAIの関与

AIはブロックチェーンのエコシステムとガバナンス構造に積極的に参加できる。1つは、AI自身をDexに投機させるなど、AIインテリジェンスを参加者や利害関係者として分散型ネットワークに参加させることであり、もう1つは、現時点ではまだ難しいが、AIをDAO（分散型自律組織）のガバナンスに参加させることである。

ブロックチェーンはAIプロセスを管理する

ブロックチェーン技術は、リソース共有、データ管理、アプリケーション展開のための分散型フレームワークを作成し、AIプロセスを管理するためにますます使用されるようになっています。

AIの中核インフラとしてのブロックチェーン

イーサリアムなどの汎用ブロックチェーンシステム（GPBS）は、スケーラビリティ、セキュリティ、分散化の間の三角トレードオフに直面しています。

イーサの場合、セキュリティは世界中に分散した数千のノードと100万人以上の検証者によって保証されています。

コンセンサスと最終性を達成するために、新しい情報の各ブロックはグローバルネットワーク内のすべてのノードに到達し、検証されなければなりません。

その結果、計算集約的なAI操作をオンチェーンで直接実行または保存することは現実的ではありません。簡単に言えば、レイヤー2ロールアップは、オンチェーンではなくオフチェーンでトランザクションを処理し、その結果を集約してオンチェーンに記録するソリューションです。

同様に、AIのユースケースのために特別に開発されたブロックチェーンは、(1)高い計算コストとストレージコスト、パブリックアクセス、基盤となるVMの制限に関連する課題を克服し、(2)純粋に管理、ガバナンス、セキュリティ層としてブロックチェーンを使用する必要があります。表1は、ブロックチェーンを中核インフラとして使用する新しいシステムを示している。

表1：AIのインフラとしてのブロックチェーンの利用（DAI＝分散型人工知能、BC＝ブロックチェーン、DT/FL＝分散型トレーニング/連合型学習、Cレイヤー＝計算レイヤー、TA＝技術分析、DM＝分散管理、PoS＝プルーフ・オブ・ステークDPoS = Delegated Proof of Stake, dBFT = Delegated Byzantine Fault Tolerance, FL = Federated Learning, DID = Decentralised Identity, ZK = Zero Knowledge, DePIN = Decentralised Physical Infrastructure Network, DC = Distributed Computing, DD = Distributed Data, ASBS = Application Specific Blockchain System, IPFS = Interstellar File System, * = Low maturity/no public code, ?コード、? = 情報はありません。