ブロックチェーンを活用した連合学習

中央集権型AIの課題

現代のAI時代において、大規模AIの成功は一部の巨大企業に独占されており、高度な中央集権化が進んでいます。これらの企業では、知的財産権を侵害する可能性のあるものや、その他のグレーなデータセットを含む、貴重なデータセットが様々な方法で収集されています。この状況は、将来のAIの適法性に有害であるだけでなく、この中央集権化の傾向は、政府や他の巨大企業によるデータリポジトリの独占を助長し、一部のゲートキーパーがこの革新的な技術の未来を決定づけることになりかねません。

連合学習のための信頼できるプラットフォームとしてのブロックチェーン

研究者たちはこの傾向を緩和するため、連合学習 (Federated Learning) という概念を推進しています。連合学習は、プライバシー、規制、または著作権の制約のために直接共有できない、膨大で高品質なデータセットでのトレーニングを可能にすることで、よりオープンで協力的な取り組みを約束します。

この技術を補完するものとして、ブロックチェーンが有望な解決策として登場し、将来の分散型AIのための自己規制的な環境を保証します。その分散型の特性を活用することで、自己完結型のインセンティブメカニズムを持つことが可能になり、将来的にはAIトレーニングのための新しいマーケットプレイスを提供します。しかし、この目標を達成する前にまず多くの課題に取り組む必要があり、イーサリアムのようなパーミッションレスブロックチェーンを使用する場合、効率性、プライバシー、セキュリティの解決は容易ではありません。

私たちの研究室では、この目標を達成するために、応用暗号分野のサクシントな証明 (Succinct Argument) や増分検証可能計算 (Incrementally Verifiable Computation) など、複数の最先端のアプローチを研究しています。