Jiahao Sun、FLock.io の CEO 兼創業者 – インタビューシリーズ

Jiahao Sun、FLock.io の CEO 兼創業者として、2022年4月から同社を率いています。FLock.io を設立する前は、AI に関わる役割で長年勤務し、主要な金融企業で人工知能ディレクターを務めたほか、トップ大学で知識グラフ生成、自然言語処理、金融予測の機械学習を研究するリサーチフェローとして活躍しました。エンタープライズ AI と学術研究の両方で豊富な経験を持つ彼は、AI の構築と展開方法を刷新するプロジェクトを率いるのに最適な人物です。

FLock.io は、フェデレーテッドラーニングとブロックチェーンを組み合わせた分散型 AI プラットフォームです。データを集中化する代わりに、コミュニティが協力して AI モデルを構築、トレーニング、デプロイでき、情報はローカルデバイス上でプライベートに保たれます。システムは、計算リソース、データ、または検証を提供する貢献者にインセンティブを提供し、所有権とガバナンスをネットワーク全体に分配して、透明性、セキュリティ、長期的なレジリエンスを確保します。

FLock.io を創業したのは、Imperial College での先進的な AI 研究と金融予測の経験、そして RBC Wealth Management での AI イノベーションのリーダーシップを経てのことです。分散型 AI プラットフォームを構築しようというアイデアのきっかけは何だったのか、従来の AI アーキテクチャが対処できなかったどのようなギャップを見出したのか、教えてください。

FLock のアイデアは、学術研究と金融業務の両方で同じ問題を目の当たりにしたことから生まれました。価値あるデータが閉ざされており、組織はプライバシーやコントロールを放棄せずに AI を共同利用できませんでした。従来の AI システムは大規模な中央プロバイダーを中心に構築されており、参加できる人や利益を共有できる範囲が制限されます。分散型アプローチがこの課題を解決できると悟りました。ブロックチェーン、フェデレーテッドラーニング、プライバシー保護技術といった新ツールにより、個人や企業は所有権を保ちつつ安全にデータや計算リソースを提供できます。FLock は AI をよりオープンに、より安全にし、少数の大手だけでなく誰もが構築に参加できるようにするために作られました。

あなたのバックグラウンドには知識グラフ研究や金融予測のためのゼロショット学習が含まれていますが、これらの経験は FLock.io のモデル訓練、検証、オンチェーンでのデータ整合性への取り組み方にどのように影響していますか？

私は、金融予測が本質的にハイステークスな領域であり、データの整合性、モデルの説明可能性、限られたデータセットからの汎化能力が極めて重要であることを経験から学びました。金融では、データの出所と品質が全てです。この検証可能な出所の必要性を、FLock のオンチェーンアーキテクチャに取り入れました。私たちはデータサイロの分散型ネットワークを構築し、AI が生のデータを集中化せずに集合的知識を学習できるようにしています。これにより、医療や金融といったデータを分散・プライベートに保つ必要があるセンシティブな分野でも、強力なモデルを構築できます。

FLock.io の AI Arena は、わずか1年未満で 9,000 以上の完全にトレーニングされた機械学習モデルを生み出しました。この活動レベルは分散型 AI に対する需要をどのように示しており、開発者が集中型の代替手段よりもコミュニティ主導のトレーニングを選ぶ理由は何だと考えますか？

この活動レベルは、現在の AI 市場の状況について二つの重要な洞察を示しています。第一に、分散型 AI インフラへの膨大な需要があることを裏付けています。開発者は、構造的に脆弱で高コスト、かつデータの単一障害点を抱える集中型クラウドモデルの代替を積極的に求めています。集中型プラットフォームでは参加者がモデルを所有しますが、AI Arena ではモデル開発者と貢献者が所有権を保持し、モデルが使用されるたびに FLOCK トークンで報酬が支払われます。

分散型 AI はバリデータ、デリゲータ、ノードオペレーターを惹きつけるためにインセンティブに大きく依存しています。FLOCK トークンの設計はエコシステム全体のインセンティブをどのように整合させており、55,000 人以上のトークン保有者がいる現在、どのような経済行動が観察されていますか？

FLOCK トークンはガバナンスとユーティリティのエンジンであり、すべての参加者のインセンティブがネットワークの長期的な健全性と生成されるモデルの品質と完全に一致するようにしています。私たちの設計は、生産的で検証可能な貢献を報酬するという明確な原則に基づき、データ所有者、計算提供者、バリデータ、デリゲータ間の協調を促進します。例えば、計算提供者やノードオペレーターはモデル訓練に計算リソースを提供することで FLOCK を獲得します。バリデータはモデル更新のセキュリティと正確性を保証することで報酬を受け取り、FLOCK をステークして支援するデリゲータはその報酬の一部を得ます。我々はコミュニティからの継続的なコミットメントを見ており、ステーキング比率が高いことは、短期的な取引よりも長期的なネットワーク参加を好む傾向を示しています。

FLock.io は国連開発計画（UNDP）、Alibaba、NHS などの主要機関とパートナーシップを結んでいます。これらの組織が従来のクラウドベースのトレーニングではなく、分散型 AI フレームワークを採用することを決めた理由は何ですか？

これらのパートナーシップにより、従来のクラウドベーストレーニングが対処できない課題に対するソリューションを実装できました。フェデレーテッドラーニングとブロックチェーンを組み合わせた当社のフレームワークは、AI モデルをローカルサーバー上で直接トレーニングできるようにします。集約された匿名化されたモデルインサイトのみがブロックチェーンに共有されます。すべての変革的な AI ブレークスルーは、中央の仲介者を信頼できない機関間でデータインサイトをプールすることが必要です。UNDP との協働はその好例で、NGO と共に持続可能な開発目標達成のために AI モデルを共同構築しています。当社のブロックチェーンガバナンスフレームワークは、グローバル規模で倫理的な AI 開発に必要な透明性とコミュニティ合意を提供します。

プライバシー保護 AI は、医療、公共ガバナンス、科学研究などの分野で不可欠になりつつあります。FLock.io は、機密データを決して露出させたり集中化したりすることなく、高付加価値モデルの訓練に使用できることをどのように保証していますか？

FLock のコアテクノロジーは、フェデレーテッドラーニングとブロックチェーン技術の最良の組み合わせを実現し、機密データを決して露出させたり集中化したりすることなく、高付加価値モデルの訓練に利用できるようにします。大量の機密データを単一の中央場所に集める代わりに、フェデレーテッドラーニングは複数のエンティティがデータに直接トレーニングプロセスを持ち込み、更新のみを収集し、生データは保持します。ブロックチェーンを加えることで、暗号インセンティブのシステムを通じてさらにプライバシー保護とスケーラビリティが向上します。

例えば、薬剤発見や公衆衛生といった分野で、研究者が膨大な実世界データプールにアクセスできるようにしながら、データの完全な管理とコンプライアンスを維持することで、ブレークスルーを実現しています。

暗号と AI が急速に進化する中で、ブロックチェーンベースのインフラストラクチャと機械学習の交差点は今後5年間でどのように発展すると考えますか？また、FLock.io のような分散型モデルマーケットプレイスはどのような役割を果たすでしょうか？

中央集権的な AI 企業の独占は永遠に続くものではなく、協調的で主権的な AI の強大な可能性に世界が目覚めつつあります。分散型フレームワークは、ローカルトレーニングとデータ管理が必要なあらゆる機密 AI アプリケーションのデフォルトインフラとなるでしょう。計算リソースが分散型ネットワークを通じてますます商品化・分散化するにつれ、真の価値はデータとモデル自体にシフトします。私たちは、プライバシーがトレードオフではなく保証となる AI 未来のためのインフラを構築しており、ブロックチェーンがそれを実現する主要技術になると考えています。

AI Arena はタスクベースの構造を採用し、コミュニティが協力してモデルを訓練・検証します。この競争的かつ協調的な環境はモデル性能をどのように向上させ、どのような新しいユースケースが生まれていますか？

競争要素は、機械学習エンジニアのネットワークに対し、精度と効率に基づく報酬を提供し、最も高性能なモデルタスクの提出を促します。一方、協調的なコンセンサスメカニズムは、中央エンティティからのバイアスを除去することで透明性を向上させます。これにより、従来の集中型モデルよりも効率的に、より堅牢で専門的な AI モデルを生み出すことが可能になります。

このアプローチにより、FLock は多様なコミュニティが目的別の AI モデルを開発できるようにし、特定のニーズに合わせたカスタマイズソリューションを提供します。プライバシー保護が最重要となる医療、金融サービス、サプライチェーン物流などの多様でグローバルかつニッチな領域で、この構造は特に優れた成果を上げています。機密データはローカルで分析され、生データを中央データベースにプールすることなく最大限のセキュリティが確保されます。

以前、RBC で NORA を構築しましたが、これは資産運用向けの主要な AI システムの一つです。規制された金融環境で AI を開発することと、透明性とオープン性がコアに組み込まれた分散型 AI インフラを構築することはどのように比較されますか？

興味深いことに、技術的な基本はそれほど変わりません。すべてのモデルはバイアスの検証と監査が必要で、熟練したエンジニアの多大な労力を要します。ただし、違いは作業自体を支える文化的マインドセットにあります。

資産運用では、単一で高度に管理されたモデルに焦点が当てられ、規制遵守は保証されますが、機動性に欠けます。リスク緩和とコンプライアンスがすべての活動の最前線に置かれます。一方、分散型 AI は自然にその枠組みを逆転させます。透明性とオープン性が設計上の基本原則とされ、事後的な考慮事項ではありません。このオープンさは、より多様な貢献者コミュニティを引き付け、単一の集中チームが構築したモデルが抱えるバイアスや単一障害点に対して、最終的なモデルをよりレジリエントにします。

FLock.io は CB Insights AI 100 に選ばれた唯一の分散型 AI トレーニングプロジェクトです。現在進行中の AI 加速の波と比べて、分散型 AI を差別化する要因は何だと考えますか？

計算規模に焦点を当てた現在のイノベーションの波とは異なり、分散型 AI はガバナンス、プライバシー、経済的整合性に重点を置いています。分散化、透明性、オープン性という核心原則は、AI 領域を支配する少数の中央プレイヤーに挑戦し、より公平な経済機会、グローバルな協働、真のデータ主権とプライバシーを実現します。

CB Insights AI 100 に選ばれた唯一の分散型 AI トレーニングプロジェクトであることは、当社の価値提案と核心的な仮説を完全に裏付けています。分散化が次の、そして必要なステップであり、イノベーションを促進し、AI を善のために活用できるようにすることを示しています。

素晴らしいインタビューをありがとうございました。詳しく知りたい読者は FLock.io をご覧ください。