Aethirの分散型GPUサービスプラットフォームの詳細分析

2024年11月12日、バンコクでW2140 EXPOが開幕しました。この国際的なAIとWeb3の会議は、タイのアジアビジネス協会とタイ政府の共催により開催され、1,000以上の組織と200,000人以上の参加者を集め、同種の会議としては最大規模となりました。イベント中、Titan Networkのコアチームのメンバーは、国連のスタッフや人工知能国際研究所（AIII）の創設者である著名な学者、ジェームス・オング博士と意義ある議論を交わしました。オング博士の基調講演「人類のためのAIとWeb：グローバルマジョリティからの視点」では、現代の風景における分散型技術の重要性が強調されました。 オング博士は、Titan NetworkとそのエコシステムパートナーであるPnuts.AIを、AIDePINおよびAIDeHINの枠組みの中で模範的なモデルとして称賛しました。彼は、ブロックチェーンを活用してアイドルリソースを利用する分散型物理インフラネットワーク（DePIN）を開発したTitanを称賛しました。この革新は、従来のクラウドサービスに代わる分散型、安全、透明な選択肢を提供し、最大96％のコスト削減を実現する可能性があります。さらに、彼はPnuts.AIがAIとWeb3技術を使用して言語の壁を打破するために設計された、最も強力なリアルタイム翻訳ツールであることを称賛し、200以上の言語で迅速かつ正確な音声から音声への翻訳を提供しています。 さらに、オング博士はPnuts.AIの将来の可能性について、AI、Web3、DeHINのシームレスな統合を描きました。このアプローチでは、トップレベルの人間の言語専門家がAIシステムと協力して翻訳の精度を大幅に向上させます。これらの専門家は、翻訳モデルを改善するための広範なデジタルトレーニング資料も提供し、Web3のメカニズムが協力的な人間-AIの取り組みを奨励し、強力なAI-Web3アプリケーションエコシステムを育成します。この統合は、グローバル化された世界における言語翻訳とコミュニケーションのアプローチを革命的に変えることを約束しています。

人工知能（AI）の急速な発展は、さまざまな分野での重要な進歩をもたらしましたが、その高いエネルギー消費に伴う環境コストも大きいです。特にニューラルネットワークを利用するAIモデルは、膨大な計算能力を必要とし、それが巨額の電力消費につながります。例えば、2023年初頭にChatGPTを運用するために、1日あたり約564 MWhの電力が消費され、これは約18,000世帯のエネルギー需要に相当します。このエネルギー需要は、ニューラルネットワーク計算に不可欠な複雑な浮動小数点演算によって主に駆動されており、AIシステムが複雑化するにつれてエネルギー効率の良い解決策を探すことが重要です。 ここで登場するのがL-Mul（線形複雑性乗算）アルゴリズムです。これは、AI計算に伴うエネルギー負担を大幅に軽減することを約束する画期的な開発です。L-Mulは、浮動小数点の乗算をより単純な整数の加算で近似することによって機能し、微調整なしで既存のAIモデルに統合できます。この革新的なアプローチは、要素ごとのテンソル乗算において最大95％、内積計算において80％のエネルギー消費削減を達成し、驚異的なエネルギー節約を示しています。重要なのは、このエネルギー効率がAIモデルの精度を損なわないことです。これは持続可能なAIの追求における重要な進展を示しています。 L-Mulの影響は単なるエネルギー節約を超え、トランスフォーマーモデルや大規模言語モデル（LLM）を含むさまざまなアプリケーションにおけるAIモデルのパフォーマンスを向上させます。GSM8kや視覚的質問応答タスクなどのベンチマークにおいて、L-MulはFP8のような従来の浮動小数点形式を上回り、複雑な計算を効率的に処理する可能性を示しています。AIの需要が高まり続ける中で、L-MulはAIに関連するエネルギー危機に対処するだけでなく、技術開発におけるより持続可能な未来への道を開く重要な解決策として際立っています。

画期的な統合において、LitプロトコルはOpenAIの機能とSolanaブロックチェーンを安全に結合する方法を示しました。Solana上のWrapped Keysを利用することで、開発者はLit Action内でOpenAI APIによって生成された応答に署名できます。この統合は、特にAI駆動の自律エージェントの領域において、多くの革新的なアプリケーションを開くものです。これらのエージェントは、Litの閾値ベースのプログラム可能な鍵ペア（PKP）と信頼された実行環境（TEE）のおかげで、敏感なAPIキーを公開することなくブロックチェーン上で動作できます。これにより、すべての敏感な操作が保護され、AIエージェントは分散型のアイデンティティを維持しながら、ブロックチェーンと従来のウェブサービスの両方と対話できます。 この統合はまた、プライベートコンピューティングとデータ処理の重要性を強調しています。データを暗号化し、LitのTEE内で大規模言語モデル（LLM）のプロンプトを実行することで、開発者は医療記録や財務データなどの敏感な情報がプロセス全体で安全に保たれることを保証できます。TEEはハードウェアレベルの隔離を提供し、ノードオペレーターでさえも復号化されたデータにアクセスできません。このエンドツーエンドの暗号化により、プライベート情報の安全な処理が可能になり、すべての計算が安全な環境内で行われた後に結果が再暗号化されて返送されます。 さらに、この統合はトレーニングと推論のための暗号証明の生成を促進します。PKP署名権限を特定のIPFS CIDハッシュに制限することで、開発者はLLM生成コンテンツの信頼性を保証できます。この証明システムは、監査トレイルやコンプライアンス要件に特に有益であり、第三者がLLMによって生成されたコンテンツの信頼性を確認できるようにします。全体として、この統合はAIとブロックチェーン技術を組み合わせる可能性を示しており、将来のより安全で効率的なアプリケーションへの道を開いています。

Stratosは、神経形態コンピューティング技術を利用する人工知能の分野で著名なプレーヤーであるDeepSouth AIとのエキサイティングなパートナーシップを発表しました。このコラボレーションは、DeepSouth AIの最先端のAI機能とStratosの分散型インフラソリューションを統合することを目的としています。目標は、Web3エコシステム内でよりインテリジェントでアクセスしやすい分散型アプリケーションを作成し、これらのアプリケーションの全体的な機能性とユーザーエクスペリエンスを向上させることです。 DeepSouth AIは、強力なAIツールの包括的なスイートを備えた多用途プラットフォームの開発を進めています。これらのツールは、開発者や企業が高度なAIソリューションを実装するのを支援するために特別に設計されています。Stratosの堅牢でスケーラブルなインフラと統合することで、DeepSouth AIは、高需要のAI駆動アプリケーションをサポートするために不可欠な信頼性、安全性、パフォーマンスを提供する分散型ストレージソリューションの恩恵を受けることになります。 この戦略的なコラボレーションを通じて、StratosはDeepSouth AIのプラットフォームの高ボリュームデータニーズを満たすために必要な分散型インフラを提供する準備が整っています。このパートナーシップは、人工知能と分散型技術が調和して機能する新しい時代のWeb3アプリケーションをもたらす準備が整っており、最終的にはデジタル環境における革新とアクセスの向上を促進します。

分散型コンピューティングネットワークにおけるセキュリティと信頼性を向上させるための重要な動きとして、GPUクラスターを専門とする分散型物理インフラストラクチャネットワーク（DePIN）であるio.netが、ゼロ知識証明（ZKP）のリーダーであるNovaNetと提携しました。このコラボレーションは、ゼロ知識GPU識別（zkGPU-ID）として知られる画期的なソリューションを開発することを目指しており、GPUリソースの真実性とパフォーマンスに関する暗号的保証を提供します。NovaNetの先進的なZKP技術を活用することで、io.netはその分散型プラットフォーム内で使用されるGPUが、広告された仕様を満たすだけでなく、潜在的にそれを超えることを検証できるようになり、ユーザーの信頼とリソースの信頼性を向上させます。 io.netのビジネス開発VPであるTausif Ahmedは、このパートナーシップの重要性を強調し、広範な分散GPUサプライヤーネットワーク全体での調整と検証の最適化が、許可なしで企業向けの分散型コンピューティングネットワークを構築するために重要であると述べました。NovaNetのzkGPU-IDの統合により、io.netは世界規模でGPUリソースを継続的に検証およびテストできるようになり、顧客が信頼できるGPUを安心してレンタルできることを保証します。この取り組みは、リソースの真実性とパフォーマンスに関する懸念を軽減することを目指した分散型コンピューティングインフラストラクチャにおける重要な進展を表しています。 さらに、zkGPU-IDプロトコルは、NovaNetのzkVM（ゼロ知識仮想マシン）技術を利用しており、より低コストでGPU仕様の暗号的証明を生成および検証する上で重要な役割を果たします。NovaNetの技術共同創設者であるWyatt Bennoは、プライバシーとローカル検証のためにさまざまなデバイスやコンテキストでZKPが機能する必要性を強調しました。NovaNetのzkEngineは、io.netのプラットフォーム内でGPUを厳密にテストおよび特定し、GPUの整合性を保証するZKPを作成します。このパートナーシップは、分散型GPUコンピューティングネットワークにおける透明性、信頼性、セキュリティの新しい基準を設定し、業界における重要な前進を示しています。

人工知能（AI）の急速な進化は、注意を必要としないモデルの出現によって大きく影響を受けており、ファルコン・マンバ7Bはその顕著な例です。アブダビのテクノロジーイノベーション研究所（TII）によって開発されたこの画期的なモデルは、注意メカニズムに大きく依存する従来のトランスフォーマーベースのアーキテクチャから脱却しています。代わりに、ファルコン・マンバ7Bは状態空間モデル（SSM）を利用しており、長いコンテキストタスクに関連する計算上の課題に対処し、より迅速でメモリ効率の良い推論を提供します。5.5兆トークンの大規模データセットでトレーニングを行うことで、ファルコン・マンバ7BはGoogleのGemmaやMicrosoftのPhiのような既存モデルに対する競争力のある代替手段として位置づけられています。 ファルコン・マンバ7Bのアーキテクチャは、入力の長さに関係なく一定の推論コストを維持するように設計されており、トランスフォーマーモデルが抱える二次的スケーリング問題を効果的に解決します。この独自の能力により、文書要約やカスタマーサービスの自動化など、長いコンテキスト処理を必要とするアプリケーションで優れた性能を発揮します。さまざまな自然言語処理のベンチマークで優れた性能を示していますが、複雑な文脈理解を必要とするタスクには限界があります。それでも、そのメモリ効率と速度は、AIソリューションを最適化しようとする組織にとって魅力的な選択肢となります。 ファルコン・マンバ7Bの影響は、単なる性能指標を超えています。量子化のサポートにより、GPUとCPUの両方での効率的な展開が可能になり、その多様性がさらに向上します。AIの風景が進化する中で、ファルコン・マンバ7Bの成功は、注意を必要としないモデルが多くのアプリケーションの標準となる可能性があることを示唆しています。研究開発が進む中で、これらのモデルは速度と精度の両方で従来のアーキテクチャを超える可能性があり、さまざまな業界での革新的なアプリケーションへの道を切り開くことが期待されます。