- ロボット・ハイブマインズの構築
- ニューラルネットワークの限界
- 分散化された世界のコンピュータ
- 暗号と両面市場
- コールドスタート問題の解決
- 自律型マーケットプレイス
- 技術的なハードルは？
- インターネットの拡張
- 市場の力
過去10年間で 人工知能の進歩は驚異的でした。YouTubeのビデオでかろうじて猫を検出することから、自動運転できる車を造るまでになったのです。しかし、人工知能に対する私たちの願望が大きくなるにつれ、人工知能は徐々に技術の巨人だけがプレイできるゲームになってきています。この分野でイノベーションを起こすために必要な知識やリソースは、今ではほとんどの個人やスタートアップにとって手の届かないものになってしまっています。これを変えるにはどうすればいいのでしょうか？唯一の答えは、勝負の場を平準化する新しいテクノロジーを構築することです。
2018年によくあった繰り返し文句は "AIは共産主義、暗号はリバタリアン "でした。これはピーター・ティールが最初に言ったことで、cryptoは権力の分散化を目指す技術運動であるが、AIは中央集権化せずにはいられない技術である、という皮肉な観察として言われています。これは真実かもしれません。Crypto は、多様なコミュニティが所有し、制御するシステムを構築する技術であるのに対し、今日のAIはデータの統合に依存し、トップダウンで意思決定を行う中央の権力者の能力を強める傾向があります。
過去10年間で、この見解はAIに関する私たちの支配的な物語となった。今ではテック系大企業によって振り回されている集中の行き過ぎを嘆き、それがいかに悲劇的に民主主義を損なうか、若者を堕落させるか、逆流を引き起こすか、などの見出しがない週はありません。社会の多くは今、我々は今までにGoogleやFacebookの同類から離れてその力を奪うことを望むことができる唯一の方法は、皮肉にも別の種類の中央集権的な権力の行使を介してであると仮定しているようです。つまり、トップダウン的であり必然的に重圧を課す政府の規制によってです。しかし、真実は、私たちが歴史の終わりを迎えたと信じるのは、想像力の大いなる失敗です。スタートアップがパワーバランスを変える技術を構築するための道は一つではないのですから。
AIには大規模なプレイヤーに有利になる固有の何かがあると考えるのはほぼ自然なことです。つまり、AIは不可避的に「共産主義者」になります。人々が好んで語るストーリーは、テック系大企業がいかにして私たちの個人データをすべてため込み、難攻不落の「データネットワーク効果」から利益を得ているかに焦点を当てています。しかし、テック大手がAIに長けている本当の理由は、実はもっと単純です。彼らがAIに投資しているからこそ得意なのです。彼らにはそうするあらゆる理由があります。テック系大企業にとって、AIは既存のビジネスラインを強化する技術であり、クレイ・クリステンセンの言葉を借りれば、破壊的なイノベーションではなく、持続的なイノベーションなのです。
そして、実際には、多くのデータを持つことが巨人にアドバンテージをもたらすことは否定できません。トレーニング用の大規模なデータセットは、我々の最もデータ効率の高い機械学習アルゴリズムにとっても依然として重要な入力であり、それがすぐに変わることはないでしょう。しかし、それにもかかわらず、AIにおける技術の巨人たちのそびえ立つ強さの根底には、ほとんど目に見えない一抹の亀裂が存在しています。
市場の力をよりよく利用する技術を構築することで、スタートアップが人間のエネルギーをかつてない規模で調整するチャンスがあります。
クリックしてツイート
今日のAIシステムの構築は、大規模かつ広範なデータ収集の取り組みを調整する問題が増えています。技術系大企業たちは、常に古き良き時代の指揮統制によってこの問題を解決してきました。しかし、中央集権的な計画はここまでしかできません。今、スタートアップ企業には、市場の力をよりよく利用する技術を構築することで、人間のエネルギーを前例のない規模で調整する機会があります。AIのためには、私が「分散型自律型Hiveminds」と呼ぶものを構築する必要があります。
ロボット・ハイブマインズの構築
前職では、Google Xで、集合的な知性を共有するロボットのネットワークを構築する取り組みに取り組んでいました。私たちの仕事は、大規模なシステムを構築する能力というGoogleの強みの1つを活用して、データの優位性を獲得するための広範な戦略の一環でした。私たちは、それぞれがそれぞれの環境から独立して学習しているロボットの集合体が、そのリアルタイムの経験を中央のニューラルネットワークに提供し、すべてのロボットの行動に情報を提供することを可能にすることに着手しました。
言い換えれば、私たちはハイブマインドを構築したいと考えていました。
それをテストするために、私たちはドアを開けるような課題を設定しました。私たちのハイブマインドは、各ロボットの7つの関節のモーター電圧を正しく設定して、それぞれのロボットが前に立っているユニークなドアをうまく開けることができるように学習することができるでしょうか？
ロボットがドアを開けるのは簡単だと思うかもしれません。特定のドアを特定の条件で開けようとすれば簡単です。しかし、今日に至るまで、あらゆる可能な状況下ですべてのドアに対して解決するのは難しい問題です。なぜなら、照明や影、ハンドルの色、質感、反射率、ドアの重さ、ハンドルの種類、操作に必要な力など、最もありふれたものには、非常に長いバリエーション（エッジケース）が存在するからです。
この経験から得た教訓が一つあるとすれば、解決する価値のあるほとんどすべてのAIの問題は、ロングテールの課題によって困難になるということです - 多くのデータがなければ取り組めない課題です。そのことについては、ここにすべて書きました。
ロングテールの問題は、今日のAIの構造の根幹にある一抹の亀裂です。
クリックしてツイート
ロングテールの問題は、今日のAIの構造の根底にある一抹の亀裂です。それは、ゲームを変える新しい技術を構築する機会を生み出します。
これがどのようにして起こりうるのかを理解するためには、まず現在のAIの構造的な限界をいくつか把握する必要があります。まずはこの疑問から始めましょう。人間の脳とは異なり、ディープ・ニューラル・ネットワークを訓練するための最高のアルゴリズムが、未だにデータ効率が悪いのはなぜなのでしょうか？
ニューラルネットワークの限界
実際のところ、今日のニューラルネットワークは素晴らしい補間器ではありますが、ひどい外挿器です。ニューラルネットワークは、ほぼすべてのデータセットに適合するように自分自身を歪ませる能力を持つ強力なパターンマッチング能力を持っていますが、その適合は、そもそもデータを生成するメカニズムに対して盲目的なのです。
ニューラルネットワークは、人間のように、データがなぜそうであるかを説明するための理論を創造的に探索しているわけではありません。また、人間のように、観察されたデータを説明するための最良の説明として一つの理論が勝利を収めるまで、それらの創造的な理論の最後の一つを一つ残らず改竄しようと地道に努力しているわけではありません。
人間の科学者（例えば、ジェームズ・マクスウェルのような人）は、（電磁気学のような）物事についての予測を、推測と検証の繰り返しのプロセス（つまり科学）を経て、将来の状況に一般化する演繹的な枠組み（マクスウェルの方程式）を構築することによって行います。
一方、ディープ・ニューラル・ネットワークは、現実をモデル化するための異なるアプローチをとっています。彼らは何千もの線形関数を縫い合わせ、訓練例ごとにそれぞれの関数を少しずつずらしながら、訓練セットに適合する高次元キルトのようなもの（マニホールド）にしていきます。そうすることで、彼らは、前に起こったことを見てきたことに帰納的にパターンマッチングすることで予測を立てずにはいられません。彼らは、彼らが観察する現象のカオスと複雑さを（人間のように説明するのではなく）ミラーリングします。
ニューラルネットワークは、演繹法ではなく帰納法で予測に到達します。
これは、今日のディープ・ニューラル・ネットワークが有用な学習を行うために多くのデータを必要とする理由を説明するのに役立ちます。それは、ニューラルネットワークは帰納的な補間を行うため、補間を行うための多数のポイントを必要とするからです。
エッジケースの領域に入るとすぐに、難しいAI問題の解決に向けた進歩が遅くなるのはなぜでしょうか？その答えは、説明の到達範囲に関係しています。
クリックしてツイートする
しかし、なぜロングテールが問題になることが多いのかについては、まだ説明がついていません。エッジケースの領域に入るとすぐに、AIの難しい問題の解決に向けての進展が遅くなるのはなぜでしょうか？その答えは、説明の範囲の広さに関係しています。
人間科学の最も注目すべき点の一つは、デビッド・ドイチュの言葉を引用すると、「我々の最高の理論が持つ膨大な範囲と力と、それを作り出すための不安定で局所的な手段との間のコントラストである」ということです。彼は次のように述べています。「人間は星の表面に行ったことがないし、核変換が起きてエネルギーが生成されるコアを訪れたこともない。それなのに、私たちは空に冷たい点を見て、遠くの核炉の白熱した表面を見ていることを知っている」。人間の思考は、基本的なものと付随的なものを区別する力を何らかの形で持っており、それゆえに、私たちが直接それを経験しなくても、ロングテールに一般化することができます。
公正のために言えば、ディープ・ニューラル・ネットワークの中心にある帰納的モデルもまた、一般化する力を持っていますが、罠があります。帰納主義者の重要な前提は、未来は過去に似ていて、見えないものは見えているものに似ているということです。そして、それは真実であり、時にはそうなることもあります。しかし、多くの場合、現実はそうではありません。世界は根本的に非線形です。一つは、単に縫い合わせた線形関数のキルトでそれをモデル化することはできません、それが判明したように、未来と見えないものは、しばしば過去と見られるものとは認識できないほど異なっているからです。一例として、何千年も前に地球に向かって長い旅を始めた遠い星の中心にある内部構造を考えてみましょう。その星の環境には、地球上にあるその星の環境と似ているものは何もありません。
一般的なケースでは確実に保持されているパターンが、一般的ではないケース（エッジケース）でも保持され続ける理由を説明しなければ、ディープニューラルネットワークの躍進は、ロングテールに踏み込んだとき、自信を持っているのと同じくらい盲目的になります。ニューラルネットワークにとってのその領域の暗闇は、それを直接経験することによってのみ照らすことができます ― ロングテール自体から引き出された実際の訓練例は、ネットワークの直線的な傾向をよりフィットする非直線的なものに成形するのに役立ちます。しかし、当然のことながら、これらの訓練例は、定義上、外れ値であり、遭遇するのは困難です。このように、すぐに手に入れられる成果がすべて摘み取られ、ロングテールだけが残った後では、新たに有用なデータポイントを収集するための限界費用が増加し始めます。
すぐに手に入れられる成果がすべて摘み取られ、ロングテールだけが残った後では、新たに有用なデータポイントを収集するための限界費用が増加し始めます。
今日、大規模なニューラルネットワークを訓練するのに必要なものを考えてみてください。AIのアプリケーションがより野心的になり、ネットワークがより深く、より広範になるにつれ、企業全体が主に、最もありそうもない場所で、差別化された信号を提供するデータを追跡することに集中するようになります。これが、複雑な調整の問題となる理由です。ロングテールを十分に探索するためには、希少で有用なデータを探し出すための軍隊を編成する必要があるのは避けられません。
今日のニューラルネットワークは、常に同じ会社で働く人々のグループによるトップダウンの階層的な努力によって構築され、訓練されています。例えば、Google X社では、私と私のチームは、プロジェクトの野望の立案から、ネットワークのアーキテクチャの特定、パラメータの調整、ロボットの一からの構築、そしてペタバイトのデータを収集する際のベビーシッター（下の写真）に至るまで、すべてを担当していました。
そして忘れてはならないのは、私たちのハイブマインドは単なるコンセプトの証明に過ぎないということです。4台のロボットが同時に異なるドアの上で何時間もかけてトレーニングを行い、試行錯誤しながら学習し、たった4つのドアのすべてのバリエーションで95％の成功率を達成したのです。
ドアを開けるだけの領域を超えて、あらゆる条件の下ですべてのドアに対応できるようにするには何が必要だったか想像してみてください。いくら規模が大きくても、Googleでさえ、自動運転車のようなロングテールをカバーするのに十分なリソースを動員するのに苦労しています。
Google X社で作ったロボット・ハイブマインドはクールでした―あるいは私の中の8歳の少年はそう思っていた。しかし、皮肉なことに、「ハイブマインド」は、遠く離れたそれぞれのエージェントの無数の衝動を統合した統合知性として、ボトムアップで出現することを想定していました。しかし私が研究した「ハイブマインド」は、全くそのようなものではありませんでした。コードの一行一行が書かれ、リソースが配備され、そのすべての側面が私たちによって制御されていました。それは中央集権型のシステムで、分散型のシステムのふりをしていました。
しかし、もしそのような知性が実際にボトムアップで生まれることができたとしたらどうでしょうか？もしそれが1つの企業の努力からではなく、遠く離れた場所から独立して働いている無数の人々の知識の集合体から生まれ、集合体に多様な信号を貢献することができたとしたらどうでしょうか？
Crypto の世界に行きましょう。
分散化された世界のコンピュータ
その中心にあるのは、大規模システムのボトムアップガバナンスのための新しいツールを提供してくれる技術運動です。この空間での「分散化」という言葉は、中央の制御点ではなく、コミュニティに有利にバランスが傾いている権力構造のクラスを指しています。
暗号がもたらした分散化のためのツールは、ある種の論理的な「ワールドコンピュータ」を構築することにつながった。これは、幅広いコミュニティのメンバーが所有し、運営する物理的なマシンの分散ネットワークで構成されています。Ethereumはそのようなコンピュータの最初の例です。Ethereumは、汎用プログラミング言語のサポートを含むことで、Bitcoinの背後にあるアイデアを拡張しました。それ以来、Ethereumは紛れもなくこの分野で最も重要なプロジェクトの一つとなっています。
しかし、なぜこの種のコンピュータは有用なのでしょうか？
この計算のモードが真に斬新なのは、そのセキュリティと信頼モデルが、ユーザーからボトムアップで生まれていることです。この集合的なコンピュータに対する制御は文字通り分散化されています。ゲートキーパーは存在しません。
問題は、もちろん、これらのユーザーの多くは間違いなく不正をしていて、できれば利益を得るためにシステムをゲーム化したいと思っているということです。EthereumとBitcoin（そしてより一般的には暗号）の中核をなす天才的な発想は、これらのシステムを自己管理するインセンティブ構造にあります。Ethereumのような暗号ネットワークは、よく調整された経済的な報酬を通じて、ユーザーがお互いに牽制し合うことを奨励しています。そうすることで、ユーザーはお互いを信頼していなくても、自分たちが集団で安全を確保するのを助けている分散型コンピュータを信頼するようになるのです。
そのようなコンピュータの定義的な特性は、したがって、誰もが、そこに配備されたプログラムが実際に実行され、何があっても書かれた通りに正しく実行されることを信頼する(そして検証する)ことができるということです。これが、これらのプログラムが "スマートコントラクト "として知られるようになった理由です。 しかし、これらのプログラムは、一度デプロイされると独立しているため、誰の権限にも左右されず、命令ごとに決定論的に実行されます。これらのプログラムは、(1)最初にプログラムを書いた人、(2)実行中にプログラムと対話する人、(3)プログラムを実行する物理的なマシンを制御する人からの介入を免れた状態で実行されています。
この不可侵の主権があるからこそ、スマートコントラクトは見知らぬ人たちの間で信頼された仲介者としての役割を果たすことができるのです。実際、ビットコインのコードベースのような単一のプログラムが、完全にデジタル化されたグローバルな価値の貯蔵庫として機能することを可能にしているのは、まさにこの性質のおかげなのです。しかし、それはほんの始まりに過ぎません。スマートコントラクトは、非常に一般的な、根本的に新しい計算のビルディングブロックです。スマートコントラクトは、私たちがまだ探索を始めたばかりの可能性のあるアプリケーションの領域を開放してくれます。そのうちのいくつかは、AIと関係があるかもしれません。
実際、それは、良いサイエンスフィクションにふさわしい偶然の一致です。人類のかなりの部分の人たちが強力なAIに向けて必死に取り組んでいるときに、もう一つの集団（簡便化のために最初の集団からは切り離して考えます）が止まらないコンピュータを作っているのです。
暗号と両面市場
冗談はさておき、ちょっと想像してみましょう。スマートコントラクトを使って、その中にディープ・ニューラル・ネットワークを埋め込むことができるとしましょう。それをスカイネットにする必要はありません。例えば、画像を入力として受け取り、その画像に含まれると思われるもの（例えば、「車」、「犬」、「ミツアナグマ」、「数字の3」など）の予測を出力する分類器を考えてみましょう。
最初のうちは、このモデルは訓練されていないので、あまり役に立たないでしょう。モデルを訓練するには、通常、モデルにうまく処理してほしい画像の種類の代表的なラベル付けされたデータの幅広いコーパスを収集する必要があります（または、何らかの方法ですでに手元にあるかもしれません）。そして、忘れてはいけないのは、我々のモデルが全体的に良好なパフォーマンスを発揮することができるという希望があるのであれば、この訓練例のデータセットには、ロングテールから直接来た画像が含まれていなければならないということです。それぞれの物体の多くのエキゾチックなバリエーションを何らかの形で表現しなければなりません。
もちろん、Googleが通常行っているように、地球上のあらゆる種類の車や犬、ミツアナグマのラベル付き画像を、あらゆる種類のファンキーなポーズや照明条件で、ブルートフォースで探し出すこともできます。しかし、実際のところ、このプレイブックはもう古いものとなりました。新しいプレイブックは、市場の力を利用することです。膨大な量のデータを求めて最後の石をひっくり返すのではなく、より広範なコミュニティにデータを収集してもらうことができるのです。
ここでのトリックは、スマートコントラクトに適切なインセンティブ構造を組み込むことで、二面性のある市場を作り出すことです。供給側では、貴重なビットデータにアクセスできる人々が、（ラベル付きの形で）私たちの初期のニューラルネットに貢献すれば、報酬を得ることができます。そして需要側では、我々のニューラルネットの知性を活用したい開発者は、APIとしてニューラルネットを利用し、未知の画像に何が含まれているかの予測を得るために料金を支払うことができます（ここでも「車」、「ミツアナグマ」など）。
この種の経済的な場がブートストラップされ、クリティカルマスに達すると、改善の自己強化的なフィードバックループが始まります。ニューラルネットがより多くの資本を投入すると、より難解なデータのクラウドソーシングにつながり、モデルの精度が向上し、開発者からの需要が高まり、ニューラルネットがさらに多くの資本を投入することにつながります。そして、私たちはフライホイールの周りを回っています。
では、どのようにしてこれを機能させることができるのか、具体的に見ていきましょう。
コールドスタート問題の解決
最初の難しい問題は、マーケットプレイスを軌道に乗せることです。需要側がすでに存在していないのに、なぜ供給側がデータを持って現れなければならないのでしょうか？そして逆に、なぜ需要側は、訓練されていないニューラルネットワークの狂った戯言に大金を払うのでしょうか？コールドスタートの問題は、AirbnbやUberのような多面的な市場のブートストラップを行ったすべてのスタートアップが克服しなければならなかった重要な課題です。好循環エンジンを始動させるためには、最低限の活性化エネルギーが必要です。
この初期エネルギーはどこかから来なければなりません。伝統的に、それは常に金融資本からもたらされてきました。つまり、ネットワーク自体の参加者とは完全に乖離している傾向のある人たちによって提供されるベンチャー資金です。UberやAirbnbのような企業は、歴史的に莫大な資金を調達して、マーケットプレイスの片側または両側を現金で補助し、フライホイールを始動させてきました。これは資本集約的であり、大きなチャンスを逃しています。
Uberが資金を調達していた金額が、Uberの新しいマーケットプレイスの供給側に現金だけで補助金を出す代わりに、初期のドライバーにUber（会社）のわずかな所有権を与えていた世界をちょっと想像してみてください。その世界では、最初のUberドライバーは、自分たちが苦労して稼いだUberの所有権（最初は小さいとはいえ）が、いつかは大金になるかもしれないという事実を、間違いなく評価するでしょう。その事実だけで、何人かのドライバーが参加するように説得できるでしょうか？それらのドライバーは、競合他社よりもUberにどれだけ忠誠心があるでしょううか？彼らは他の人々にUberを伝道する可能性が高くなるでしょううか？そして、Uberが成長し、各ドライバーの所有権が実際のお金の価値を持つようになったとき、それは次のコホートのドライバーに飛び乗る気を起こさせるでしょうか？
きっとそうなるでしょう。
多面的なマーケットプレイスを軌道に乗せるために必要な資本が、完全に金銭的なものでなければならず、外部からの資金調達でなければならない理由はありません。
クリックしてツイートする
これは、多面的な市場のための根本的に効率的な資本構造です。これを軌道に乗せるために必要な資本は、完全に金融的なものでなければならず、外部からの資金調達でなければならない理由はありません。参加者自身が人的資本や生産資本を持っているため、その一部は参加者自身から得られる可能性があります。Uberの場合、各ドライバーは運転能力と車を提供して、ネットワークが軌道に乗るのを助けています。なぜ、彼らはその一部を所有してはいけないのでしょうか？
では、どのようにしてCryptoがここで役立つのでしょうか？
自律型マーケットプレイス
私たちのニューラルネットを収容するスマートコントラクトは完全にプログラム可能であることを覚えておいてください。では、それに自由に取引可能なトークンを造幣する機能を組み込むのはどうでしょうか？Uberを含む思考実験のように、私たちの契約は、現金だけでなく、新たに鋳造された所有権のトークンを使って、その新興市場の供給側に補助金を供給し始めることができます。
この新しいロジックでは、私たちのニューラルネットワークは、自己資金を提供する自律的な実体として、それ自身の生命を開始します。そして、フライホイールが動き出すと、それが提供するサービスは需要側にも有用になり始めます。もちろん、私たちの契約が彼らに課す手数料は最初は少額でなければなりませんが、私たちのモデルの精度が向上するにつれて、手数料は増加し始めます。そして、より高い料金は、データ貢献をさらにインセンティブを与えるために使用することができ、その結果、モデルが改善されます。
重要なのは、参加者が所有する市場は、磁気コイルが鉄粉に作用するように、影響力のある領域に作用するという考え方です。それは、人々の間の調整の力であり、その重要な出発の瞬間に、そのシャフトによって市場のエンジンを回転させる力です。
これらを自律型マーケットプレイスと呼びましょう。
技術的なハードルは？
私たちの分散型ニューラルネットを機能させるためには、多くの難しい技術的な問題を解決しなければならないことは間違いありません。いくつか簡単に触れておきます。
例えば、私たちのスマートコントラクトには、それに貢献されたデータの信号を確実に測定できるメカニズムを組み込まなければなりません。また、ゴミデータと本物を見分けることができるロジックを持たなければなりません。
可能な解決策としては、スマートコントラクトが秘密のベンチマークデータセットにアクセスして、それを使って自分のパフォーマンスを測定できるようにすることです。ベンチマーク上でニューラルネットの精度を向上させるデータの貢献には報酬が与えられ、そうでないものには手数料が発生する可能性があります。
関連する問題は、今日のすべてのスマートコントラクトの状態がブロックチェーン上で誰でも見ることができるため、攻撃者が（一旦訓練された）基礎となるニューラルネットを盗み、その予測に料金を支払う必要性を回避することは些細なことであるということです。
この一連の問題の解決策は、実行は誰でも検証できるが内部状態は暗号化されているスマートコントラクトの存在に依存しています。このようなプログラムは「プライベート・スマート・コントラクト」と呼ばれ、この分野では活発な研究が行われています。このようなプログラムを構築するための一つのアプローチは、暗号証明（zk-SNARKとして知られている）に基づいています。これは、基本的な状態を明かさずに計算が正しく実行されたことを数学的に納得させることができます。また、他にも多くのアプローチが開発されています。
課題は手ごわいですが、解決策は十分に進んでいます。
インターネットの拡張
すべてが言い尽くされたとき、私たちのニューラルネットワークは、世界のどこにいても信号を発見し、貢献するために独立して努力している無数の個人の草の根の努力から知性が生まれた自律的な存在になるでしょう。
私たちは、分散型自律型ハイブマインドを構築することになるでしょう。それは、私がグーグルで取り組んでいたものとは異なり、私の中の8歳の少年を誇りに思うような、形に忠実なハイブマインドです。そして、そこから無数のハイブマインドの広大でオープンなエコシステムを含む未来を想像することは、小さな飛躍に過ぎません。
これらすべての構成要素の集合体は、インターネット自体の機能を拡張する新しいプロトコル層として現れ始めることができます。それは、インターネットと同様に、オープンソースで、独自のコミュニティによって集団的に制御される知能のファブリックになるでしょう。
実際、このようなネットワークの制御が分散化されているからこそ、何百万人もの開発者や貢献者にスケールする可能性があるのです。時間をかけて自分たちの約束を守るという鉄壁の約束をしなければ、どのプラットフォームもそのような規模には到達しません。そして、プラットフォームがその約束を守るためには、その上に構築する人々によって所有され統治される主権者のプログラムに独自のルールを刻むこと以上に良い方法はありません。
これが結局のところ、「分散化が重要な理由」なのです。クリス・ディクソンの議論の背後にある核心的な考えは、分散化、つまり暗号化は、プラットフォームのリスクの問題に対処するために重要であるということです。歴史の中には、中央集権型プラットフォームの上に完全に構築しようとする誘惑に駆られ、忘れ去られた企業が無数に存在します。それらの企業の多くは、流砂のようにプラットフォームのルールが変化し始めるまでは、すべてが素晴らしいものに見える傾向がありました。かつては開発者に寛大だったルールが、今ではプラットフォームに有利なルールへと変化しました。その間、会社全体が、息苦しい砂の下に引きずり込まれてきました。
インターネットのコアプロトコル（すなわちTCP/IP）が分散化されているからこそ、Googleのような数兆ドル規模の企業がその上に構築されることが可能になったのです。それと同じように、つまりGoogleがTCP/IPの上に構築されたのと同じように、Googleの規模の会社がGoogleの上に構築されることは考えられません。
市場の力を利用したニューラルネットの分散型ネットワークの上に構築することは可能なでしょうか？
市場の力
冒頭の質問に戻りましょう。なぜ市場の力によって駆動されるアプローチが、中央で計画された、1兆ドル規模のテック系大企業による「共産主義的」な努力よりも、AIのロングテールをカバーするのに適しているのでしょうか？この新しいアプローチは、どのようにして勝つことができるのでしょううか？
躍進してきた大企業でさえも、ロングテールの広大な領域に真っ向から乗り込んでいくために減速を余儀なくされる課題は、複雑な協調性の問題をナビゲートする必要性よりも、負担すべき鈍いリソースとはあまり関係がないことを覚えておいてください。このような問題は、その解決に必要な情報が広範囲に散らばっていて、無数の遠隔地や知らない人の頭の中に閉じ込められているという事実によって、中央のプランナーにとっては困難なものになっています。
これらの問題が必要としている局所的な知識のさまざまなポケットを利用するのに最も適しているのは、それらのポケットに最も近い人たちであり、トップダウンですべての計画と指揮を行おうとしている中央のモノリシックな組織ではありません。だから、やみくもに世界中を探し回る軍隊を集めるよりも、個人の自己組織化を促すようなインセンティブ構造を作る方がはるかに効果的なのです。
やみくもに世界中を探し回る軍隊を集めるよりも、個人の自己組織化を促すようなインセンティブ構造を作る方がはるかに効果的なのです。
クリックしてツイートする
これは、中央にいる単一の心（または少数の心のグループ）が、調整された市場の存在によって、すべての人々が互いに整列している多様な生態系の無限の知識と創造性に匹敵することは、単純にありえないからです。アダム・スミスの「市場の見えない手」は、結局のところ、ボトムアップの自己組織化の力のメタファーなのです。
今日では、AIのイノベーションに必要な知識やリソースは巨人のポケットの中にあり、ほとんどの個人やスタートアップの手の届かないところにあります。しかし、それらの周りに効率的でグローバルな市場を作ることで、よりアクセスしやすくすることができます。ボトムアップで構築された市場ベースのシステムは、インテリジェントなコンピュータシステムを構築するために、従来の権力構造を破壊するような新しいアプローチを社会に提供していることが分かるかもしれません。違いは、誰が最終的にそれらを制御するかにあるでしょう。
それぞれの新しいミニハイブマインドは、最初はささやかに始まるかもしれない。しかし、適切なインセンティブがあれば、ガバナンスが分散化された一種の契約（スマートコントラクト）に信頼できる形で刻み込まれ、最大の巨人をも凌駕する規模で人間のエネルギーを調整できる可能性があります。そして最終的には、AIは本質的にはそれほど共産主義者ではないことが判明するかもしれません。
著者紹介
記事情報
この記事は原著者の許可を得て翻訳・公開するものです。
原文: The Long-Tail Problem in AI, and How Autonomous Markets Can Solve It (2020)
