クリプトAIの聖杯:分散型トレーニングのフロンティア探索

AIトレーニングは、全体のAIバリューチェーンにおいて最も重要なプロセスであり、モデルの能力の上限と応用効果を直接決定します。軽量な推論呼び出しに比べて、トレーニングプロセスは継続的な大規模な計算力の投入、複雑なデータ処理プロセス、そして高強度の最適化アルゴリズムのサポートが必要であり、AIシステム構築の真の「重工業」です。アーキテクチャのパラダイムから見ると、トレーニング方式は4つのカテゴリーに分けられます: 集中化トレーニング、分散化トレーニング、フェデラルラーニング、そして本記事で重点的に議論する分散化トレーニングです。

! 暗号AIの聖杯:分散型トレーニングのフロンティア探索

集中化トレーニングは最も伝統的な方法であり、単一の機関がローカルの高性能クラスター内で全てのトレーニングプロセスを完了します。ハードウェアからソフトウェアまでのすべてのコンポーネントは、統一された制御システムによって調整されて運用されます。このような深い協調のアーキテクチャにより、トレーニング効率が最適化され、GPTやGeminiなどの大規模モデルのトレーニングに非常に適しており、高効率かつリソース制御の利点がありますが、同時にデータの独占、リソースバリア、エネルギー消費、単一障害リスクなどの問題も存在します。

分散化トレーニングは、現在の大規模モデルトレーニングの主流方式であり、その核心はモデルのトレーニングタスクを分解し、複数のマシンに配布して協調実行することで、単一の計算およびストレージのボトルネックを突破することです。物理的には「分散化」特性を持っていますが、全体は依然として中央集権的な機関によって制御、スケジューリング、同期されています。通常、高速なローカルエリアネットワーク環境で動作し、NVLink高速相互接続バス技術を通じて、主ノードが各サブタスクを統一的に調整します。主流の方法にはデータ並列、モデル並列、パイプライン並列、テンソル並列が含まれます。分散化トレーニングは「集中管理 + 分散化実行」の組み合わせであり、同じボスが遠隔で複数の「オフィス」の従業員に指示してタスクを共同で完了することに例えられます。現在、ほぼすべての主流の大規模モデルはこの方法でトレーニングを完了しています。

分散化トレーニングは、よりオープンで検閲に対する特性を持つ未来の道を示しています。その核心的な特徴は、信頼しない複数のノードが中心的なコーディネーターなしでトレーニングタスクを協力して完了することです。通常、プロトコルによってタスクの配布と協力が推進され、暗号的なインセンティブメカニズムを利用して貢献の誠実性を確保します。このモデルが直面する主要な課題には、デバイスの異種性と分割の困難さ、通信効率のボトルネック、信頼できる実行の欠如、統一的な調整の欠如などがあります。分散化トレーニングは、世界中のボランティアのグループがそれぞれ計算能力を提供してモデルのトレーニングを協力するものとして理解できますが、"実際に可能な大規模分散化トレーニング"は依然としてシステム的な工学的課題であり、システムアーキテクチャ、通信プロトコル、暗号セキュリティ、経済メカニズム、モデル検証などの複数のレベルに関わっています。"協力的に効果的 + 誠実なインセンティブ + 正しい結果"が実現できるかどうかは、まだ初期のプロトタイプ探求段階にあります。

! クリプトAIの聖杯:分散型トレーニングのフロンティア探索

連邦学習は、分散化と去中心化の間の移行形態として、データのローカル保持とモデルパラメータの集中集約を強調し、プライバシーコンプライアンスを重視するシナリオに適しています。連邦学習は、分散トレーニングのエンジニアリング構造とローカル協調能力を持ちながら、去中心化トレーニングのデータ分散の利点も兼ね備えていますが、信頼できる調整者に依存しており、完全にオープンで検閲に抵抗する特性は持っていません。プライバシーコンプライアンスのシナリオにおける「制御された去中心化」ソリューションとして見ることができ、トレーニングタスク、信頼構造、および通信メカニズムにおいて比較的穏健であり、産業界の移行型デプロイメントアーキテクチャとしてより適しています。

トレーニングのパラダイムから見ると、分散化トレーニングはすべてのタスクタイプに適しているわけではありません。特定のシナリオでは、タスク構造が複雑で、リソースの要求が非常に高い、または協力の難易度が高いため、異種で信頼のないノード間で効率的に完了することは本質的に不適切です。例えば、大規模モデルのトレーニングはしばしば高いメモリ、低遅延、高速帯域幅に依存しており、オープンネットワーク内で効果的に分割および同期することは難しいです; データプライバシーや主権制限が強いタスクは法律や倫理の制約に制限され、オープンに共有することができません; そして、協力のインセンティブが欠けているタスクは外部参加の動機がありません。これらの境界が現在の分散化トレーニングの現実的な制約を形成しています。

しかし、これは分散化トレーニングが虚偽の命題であることを意味するものではありません。実際、構造が軽量で、並列処理が容易で、インセンティブがあるタスクタイプにおいて、分散化トレーニングは明確な応用の可能性を示しています。これには、LoRA微調整、行動整合性に基づく後処理タスク、データクラウドソーシングトレーニングとアノテーションタスク、リソース制御可能な小型基盤モデルのトレーニング、そしてエッジデバイスが参加する協調トレーニングシナリオが含まれますが、これに限定されません。これらのタスクは一般に高い並列性、低い結合性、および異種計算力に対する耐性を備えており、P2Pネットワーク、Swarmプロトコル、分散最適化器などの方法で協力的なトレーニングを行うのに非常に適しています。

現在、分散化トレーニングとフェデレーション学習の最前線分野において、代表的なブロックチェーンプロジェクトにはPrime Intellect、Pluralis.ai、Gensyn、Nous Research、Flock.ioが含まれます。技術革新性とエンジニアリング実現の難易度の観点から、Prime Intellect、Nous Research、Pluralis.aiはシステムアーキテクチャとアルゴリズム設計において多くの独創的な探求を提案しており、現在の理論研究の最前線の方向性を代表しています。一方、GensynとFlock.ioの実現経路は比較的明確で、初歩的なエンジニアリングの進展が見られます。

Prime Intellectは、信頼を必要としないAIトレーニングネットワークの構築に取り組んでおり、誰でもトレーニングに参加でき、その計算貢献に対して信頼できる報酬を得ることができます。Prime Intellectは、PRIME-RL + TOPLOC + SHARDCASTの3つの主要モジュールを通じて、検証可能でオープンな、インセンティブメカニズムが完備されたAI分散化トレーニングシステムを構築することを目指しています。

PRIME-RLはPrime Intellectが分散化トレーニングシナリオのためにカスタマイズしたタスクモデリングと実行フレームワークであり、異種ネットワークと非同期参加者のために設計されています。強化学習を優先適応対象として採用し、トレーニング、推論、ウェイトアップロードプロセスを構造的にデカップリングし、各トレーニングノードがローカルで独立してタスクループを完了できるようにし、標準化されたインターフェースを介して検証と集約メカニズムと連携します。従来の監視学習プロセスと比較して、PRIME-RLは中央調整のない環境での弾力的トレーニングを実現するのにより適しており、システムの複雑さを低減するとともに、マルチタスク並行処理と戦略進化をサポートする基盤を築いています。

TOPLOCはPrime Intellectが提唱したトレーニング検証可能性のコアメカニズムであり、ノードが本当に観測データに基づいて有効な戦略学習を完了したかどうかを判断するために使用されます。ZKMLなどの重いソリューションとは異なり、TOPLOCは全モデルの再計算に依存せず、"観測シーケンス↔戦略更新"の間の局所的一貫性の軌跡を分析することによって、軽量構造の検証を完了します。これは、トレーニングプロセス中の行動軌跡を検証可能な対象に変換する初の試みであり、信頼不要のトレーニング報酬分配を実現するための重要な革新であり、監査可能でインセンティブのある分散型協力トレーニングネットワークを構築するための実行可能な道筋を提供します。

SHARDCASTはPrime Intellectが設計した重み伝播と集約プロトコルで、非同期、帯域幅が制限され、ノード状態が変化しやすい実際のネットワーク環境に最適化されています。これはgossip伝播メカニズムと局所同期戦略を組み合わせており、複数のノードが非同期状態で部分的な更新を継続的に提出できるようにし、重みの漸進的収束と多バージョンの進化を実現します。集中型または同期型のAllReduce方法と比較して、SHARDCASTは分散化トレーニングのスケーラビリティと耐障害性を大幅に向上させ、安定した重みのコンセンサスと継続的なトレーニングの反復を構築するための核心的な基盤です。

! 暗号AIの聖杯:分散型トレーニングのフロンティア探索

OpenDiLoCoはPrime IntellectチームがDeepMindの提案したDiLoCoの理念を独立して実現し、オープンソースにした通信最適化フレームワークで、分散化トレーニングにおいて一般的な帯域幅の制限、デバイスの異種性、ノードの不安定性などの課題に特化して設計されています。そのアーキテクチャはデータ並列に基づいており、Ring、Expander、Small-Worldなどの疎なトポロジー構造を構築することで、グローバル同期の高い通信コストを回避し、局所的な隣接ノードのみを依存してモデルの協調トレーニングを実現します。非同期更新とチェックポイント耐障害機構を組み合わせることで、OpenDiLoCoはコンシューマー向けGPUやエッジデバイスが安定してトレーニングタスクに参加できるようにし、グローバル協力トレーニングの参加可能性を大幅に向上させ、分散化トレーニングネットワークを構築するための重要な通信基盤の一つとなっています。

PCCLはPrime Intellectが分散化AIトレーニング環境のために特別に設計した軽量通信ライブラリであり、従来の通信ライブラリが異種デバイスや低帯域幅ネットワークで直面する適応ボトルネックを解決することを目的としています。PCCLはスパーストポロジー、グラディエント圧縮、低精度同期およびチェックポイント復元をサポートし、コンシューマ向けGPUや不安定なノードで動作することができ、OpenDiLoCoプロトコルの非同期通信機能を支える基盤コンポーネントです。それはトレーニングネットワークの帯域幅耐性とデバイス互換性を顕著に向上させ、真にオープンで信頼不要な協調トレーニングネットワークを構築するための"最後の1マイル"の通信基盤を切り開きました。

Prime Intellectは、誰でもタスクに参加し、実際の貢献に基づいて報酬を得ることができる、許可不要で検証可能な経済的インセンティブメカニズムを持つトレーニングネットワークを構築しました。プロトコルは、タスク発起者、トレーニングノード、検証ノードの三つのコアロールに基づいて運営されます。プロトコルのコアプロセスには、タスクの発行、ノードのトレーニング、軌跡の検証、重みの集約、報酬の配布が含まれ、「リアルトレーニング行動」を中心にしたインセンティブの閉ループを構成しています。

! 暗号AIの聖杯:分散型トレーニングのフロンティア探索

Prime Intellectは2025年5月にINTELLECT-2を発表しました。これは、世界初の非同期で信頼不要な分散化ノード協力による強化学習大モデルで、パラメータ規模は32Bです。INTELLECT-2モデルは、3大陸にわたる100以上のGPU異種ノードによって協力的にトレーニングされ、完全非同期アーキテクチャを使用し、トレーニング時間は400時間を超え、非同期協力ネットワークの実現可能性と安定性を示しました。このモデルは、性能のブレークスルーであるだけでなく、Prime Intellectが提唱した「トレーニングは合意である」というパラダイムの初のシステム実現でもあります。INTELLECT-2は、PRIME-RL、TOPLOC、SHARDCASTなどのコアプロトコルモジュールを統合しており、分散化トレーニングネットワークが初めてトレーニングプロセスのオープン化、検証性、経済的インセンティブの閉ループを実現したことを示しています。

性能に関して、INTELLECT-2はQwQ-32Bを基にトレーニングされ、コードと数学において特別なRLトレーニングを行い、現在のオープンソースRLファインチューニングモデルの最前線に位置しています。GPT-4やGeminiなどのクローズドモデルを超えてはいませんが、その真の意義は、世界初の完全なトレーニングプロセスが再現可能、検証可能、監査可能な分散型モデル実験であるということです。Prime Intellectはモデルをオープンソースにしただけでなく、トレーニングプロセス自体もオープンソースにしました。トレーニングデータ、戦略更新の軌跡、検証プロセス、集約ロジックも透明で調査可能で、誰もが参加できる信頼できる協力と利益の共有が可能な分散型トレーニングネットワークのプロトタイプを構築しました。

! 暗号AIの聖杯:分散型トレーニングのフロンティア探索

Pluralisは"信頼できる協調トレーニングネットワーク"に特化したWeb3 AIプロジェクトで、その核心的な目標は分散化、オープン参加、そして長期的なインセンティブメカニズムを持つモデルトレーニングのパラダイムを推進することです。現在の主流の集中型または閉鎖型のトレーニングパスとは異なり、PluralisはProtocol Learningと呼ばれる新しい概念を提案しています: モデルのトレーニングプロセスを"プロトコル化"し、検証可能な協力メカニズムとモデル所有権のマッピングを通じて、内生的なインセンティブの閉ループを持つオープンなトレーニングシステムを構築します。

Pluralisが提案するプロトコル学習は、3つの重要な柱を含んでいます:

1. 抽出できないモデル: モデルはフラグメントの形で複数のノードに分散されており、単一のノードでは完全な重みを復元できず、クローズドソースのままです。この設計により、モデルは自然に「プロトコル内資産」となり、アクセス証明書の制御、漏洩防止、収益帰属のバインドを実現できます。

2. インターネットに基づくモデルの並列トレーニング: 非同期パイプラインモデル並列メカニズムを通じて、異なるノードは一部の重みのみを保持し、低帯域幅のネットワークを介して協力してトレーニングまたは推論を完了します。

3. 貢献に基づくモデル所有権の配分: すべての参加ノードは、そのトレーニング貢献に応じてモデルの一部所有権を取得し、将来の利益分配およびプロトコルガバナンス権を享受します。

技術メカニズムの観点から、