最近の数年間、ブロックチェーン領域は活気づいており、人工知能（AI）領域も盛り上がっていますが、これら 2 つの革新的な技術はほとんど交差していないようです。しかし、概念的には、ブロックチェーンと AI には多くの相補的な要素があります。例えば、ブロックチェーンの分散化の特性は、AI の中央集権化の問題を解決するのに役立つかもしれません。また、ブロックチェーンの透明性と検証可能性は、AI モデルの非透明性の問題を解決するのに役立つかもしれません。
最近、「ブロックチェーン XAI」の概念が注目され、関連する暗号通貨の市場価値が急上昇しました。市場全体の価値は一時的に 200 億ドルを超えました（図 1 参照）。これは市場がこの組み合わせに非常に期待しており、投資家も自信を持っていることを示しています。
図 1：異なるセクターの暗号通貨の市場価値、2024 年 4 月 18 日のデータ
しかし、ブロックチェーンと AI の統合実践では、両者の間にいくつかの衝突が存在することも明らかになっています。例えば、AI は高度な計算と大量のストレージを必要としますが、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強調しており、各ノードが同じ情報を保存して計算します。
最近、清華大学と Fraunhofer HHI などの研究チームが「ブロックチェーンと人工知能：シナジーと衝突」という論文を発表しました。この論文では、ブロックチェーンと AI の間の技術的な協力と衝突について分析しています。注目すべきは、このチームが理論に埋もれることなく、暗号通貨市場に焦点を当て、1000 万ドル以上の「ブロックチェーン XAI」プロジェクトと特定のユースケースを分析したことです。
以下では、この論文が何を述べているか、どのような興味深い洞察や有用な情報が得られたかを見ていきます。
ブロックチェーン XAI：協力と衝突#
図 2 は、ブロックチェーンと AI の相補的な要素と対立する要素を示しています。
ブロックチェーンと AI の協力#
分散化と中央集権化。GPT などの最先端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、多くの計算能力、電力、データリソースが必要です。例えば、2020 年にリリースされた GPT-3 のトレーニングプロセスのコストは約 460 万ドルです。このような高コストのため、AI の大規模モデルはわずかな数の大手テクノロジー企業によってのみ開発されており、実質的に AI 市場の独占者となっています。このような独占は競争を妨げる可能性があり、これはアメリカやヨーロッパなどの地域の政策立案者が頻繁に懸念を表明している問題です。これらの地域では反トラスト法の執行に積極的であり、市場の均衡を維持し、市場が単一のエンティティに支配されるのを防ぐためです。一方、ブロックチェーン技術は分散化されています。適切に展開されれば、ブロックチェーンの分散化の特性により、どの参加者もネットワーク全体を制御することはできません。この特性は、AI システム内である種の監視メカニズムを実現し、よりバランスの取れた権力分散を実現し、関係者間の協力を促進するのに役立つかもしれません。したがって、ブロックチェーン技術の統合により、AI 領域の監視と独占に関する議論が解決され、AI ガバナンスがより包括的かつ公正になる可能性があります。
透明性とブラックボックスの本質。ブロックチェーン技術のもう一つの大きな特徴は透明性であり、その上のトランザクションと記録は検証可能で改ざんできません。一方、AI はブラックボックスのような存在であり、その意思決定プロセスの背後の推論過程を明確にすることは困難です。ブロックチェーンの台帳を使用して AI の意思決定プロセスを記録し、透明な監査トレースを実現することで、AI アプリケーションの信頼性を向上させることができるかもしれません。さらに、ブロックチェーンは先進的な暗号技術（zk-SNARK など）の統合やセキュリティハードウェア（Trusted Execution Environments/TEE など）の使用も可能です。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かを検証するのに役立ちます。
データ管理と依存性。ブロックチェーンはスマートコントラクトや星間ファイルシステム（IPFS）などのプロトコルを使用してデータとデータアクセス権限を管理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使用して共有所有権を実現し、細かいプライバシーの設定を可能にすることで、AI のプロプライエタリモデルの制約を解消することができます。共有型 AI システム（参加者が共同でトレーニングと制御する）のパフォーマンスが商用モデルと同等になるようにすることができれば、AI の透明性が大幅に向上するでしょう。これにより、より公正で包括的な人工知能ソリューションの創造が促進されます。
ブロックチェーンと AI の衝突#
ブロックチェーンと AI の間には、上記の協力関係が存在する一方で、重要な衝突が存在し、両者の統合を妨げています。
計算コストと負荷。GPT-4 や Llama 3 などの大規模言語モデル（LLM）では、トレーニングと推論に大量の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、計算負荷を増加させ、スケーラビリティに影響を与えます。
ストレージ制限とデータの密度。ブロックチェーンの分散化特性はセキュリティと冗長性を確保する一方で、膨大なストレージ要件をもたらし、データ駆動型の AI システムにとっては高コストで効率が悪いです。イーサリアムなどの一般的なブロックチェーンシステム（GBPS）では、各ノードはすべての情報を保存する必要があります。イーサリアムの仮想マシン（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 構造上の一般的なデータは検索速度に影響を与える可能性があります。一方、AI アプリケーションは大量のデータを生成および処理するため、効率的かつスケーラブルなストレージソリューションが必要です。
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を使用して許可なく擬似匿名のアクセスを可能にします。また、シビル攻撃（Sybil Attack）に対処するために、計算または資金の障壁を設定することもできます。さらに、一部のユースケースでは、ブロックチェーンをプライバシー保護と分散型 AI トレーニングのプラットフォームとして使用しています。これにはフェデレーテッドラーニングなどの技術が使用されます。ただし、これらのユースケースがトレーニングプロセスに匿名で参加することをサポートする場合、リスクが発生する可能性があります。
これらの手法は対抗的なフェデレーテッドラーニング攻撃によって破られる可能性がありますが、悪意のある攻撃者の身元を特定することは非常に困難です。なぜなら、デザイン上、全体的な AI モデルへの貢献はプライベートで測定が難しいからです。
操作の不一致。ほとんどのブロックチェーン仮想マシンは、結果が確定的であることを保証するために固定された台帳操作を使用しています。これは重要です。なぜなら、金融取引はお金に関わるからです。一方、浮動小数点演算は、特に数値の桁数が大きく異なる複数の値を計算する場合に、計算中に精度の損失が発生する可能性があります。しかし、AI トレーニングの一般的な方法は、浮動小数点パラメータを 0 から 1 の範囲に正規化することです。なぜなら、これにより安定した効果的な勾配フローが実現され、暗黙のうちに正則化が提供されるからです。