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の分散化ノードによる協力訓練で生成された強化学習の大規模モデルで、パラメータ規模は32Bに達します。INTELLECT-2モデルは、三大陸に広がる100以上のGPU異種ノードによって共同訓練され、完全な非同期アーキテクチャを使用し、訓練時間は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突破だけでなく、Prime Intellectが提唱した「訓練即共識」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、分散化訓練ネットワークが訓練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初めて実現したことを示しています。
分散化トレーニング:AI分野の新しいパラダイムと最前線の探求
分散化トレーニングの最前線を探索する
人工知能の全バリューチェーンにおいて、モデルのトレーニングはリソース消費が最も大きく、技術的ハードルが最も高いプロセスであり、モデルの能力の上限と実際の応用効果を直接決定します。推論段階の軽量な呼び出しと比較して、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を必要とし、AIシステム構築の真の「重工業」です。アーキテクチャパラダイムの観点から、トレーニング方法は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、そして本稿で重点的に議論する分散化トレーニングの4つに分類できます。
集中化トレーニングは最も一般的な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、基盤ソフトウェア、クラスタースケジューリングシステムからトレーニングフレームワークのすべてのコンポーネントが統一された制御システムによって調整されて動作します。この深く協調したアーキテクチャは、メモリ共有、勾配同期、およびフォールトトレランスメカニズムの効率を最適化し、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います。効率が高く、リソースを制御できるという利点がありますが、同時にデータ独占、リソースの壁、エネルギー消費、および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な方法であり、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して実行することで、単一のコンピュータ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"の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され、スケジューリングと同期が行われており、高速なローカルエリアネットワーク環境で動作することが多いです。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。主流の方法には以下が含まれます:
分散化トレーニングは「集中制御 + 分散実行」の組み合わせであり、同じ上司が遠隔で複数の「オフィス」の従業員に指示を出し、タスクを協力して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抵抗力のある未来の道を代表します。その核心的な特徴は、複数の互いに信頼しないノードが中央のコーディネーターなしで協力してトレーニングタスクを完了することです。通常、プロトコルによってタスクの配信と協力が促進され、暗号化されたインセンティブメカニズムによって貢献の誠実性が保証されます。このモデルが直面している主な課題には:
分散化トレーニングは、世界中のボランティアがそれぞれ計算力を提供してモデルを協調してトレーニングすることとして理解できますが、「実際に機能する大規模分散化トレーニング」は依然としてシステム的なエンジニアリングの課題であり、システムアーキテクチャ、通信プロトコル、暗号の安全性、経済メカニズム、モデルの検証などの複数の側面が関与しています。しかし、「協調的に効果的 + 誠実を奨励 + 結果が正しい」となるかどうかは、まだ初期のプロトタイプ探索段階にあります。
連邦学習は、分散型と分散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力能力を持ちながら、分散化トレーニングのデータ分散の利点も備えていますが、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「制御された分散化」ソリューションと見なすことができ、トレーニングタスク、信頼構造、通信メカニズムのすべてにおいて比較的穏やかであり、産業界の移行的な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。
! 暗号AIの聖杯:分散型トレーニングのフロンティア探索
分散化トレーニングの境界、機会と現実の道筋
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用できるわけではありません。特定のシナリオでは、タスクの構造が複雑で、リソースの要求が非常に高いか、協力の難易度が高いため、異種の信頼なしのノード間で効率的に完了することが自然に適していません。たとえば、大規模モデルのトレーニングは通常、高いメモリ、低遅延、および高速帯域幅に依存しており、オープンネットワークで効果的に分割および同期することが難しいです; データプライバシーと主権制限が強いタスクは、法的遵守および倫理的制約に制限されており、オープンに共有することができません; また、協力のインセンティブが欠如しているタスクは、外部の参加動機が不足しています。これらの境界は、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、これが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わけではありません。実際、構造が軽量で、並列化が容易で、インセンティブを与えることができ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展望を示しています。これには、LoRA微調整、行動整合性に基づく後トレーニングタスク、データクラウドトレーニングおよびアノテーションタスク、リソースを制御した小型基盤モデルのトレーニング、エッジデバイス参加の協調トレーニングシナリオなどが含まれます。これらのタスクは一般的に高い並列性、低い結合性、および異種計算能力を許容する特徴を持ち、P2Pネットワーク、Swarmプロトコル、分散型オプティマイザーなどの方法で協調トレーニングを行うのに非常に適しています。
! 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
分散化トレーニングクラシックプロジェクト解析
現在、分散化トレーニングとフェデラルラーニングの最前線において、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自の探求を提案しており、現在の理論研究の最前線を代表しています。一方、GensynとFlock.ioの実現パスは比較的明確で、初歩的なエンジニアリングの進展が見られます。
プライム・インテレクト: トレーニング軌跡が検証可能な強化学習協同ネットワークの先駆者
Prime Intellectは、誰もが参加できる信頼不要のAIトレーニングネットワークを構築することに取り組んでおり、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の三大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を備えた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。
コアメカニズムの詳細
PRIME-RL:デカップリング型非同期強化学習タスクアーキテクチャ
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のために設計されています。強化学習を優先適合対象として採用し、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および集約メカニズムと協調します。従来の監視学習プロセスと比較して、PRIME-RL は中央集権的なスケジューリングのない環境での弾力的な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だけでなく、マルチタスクの並行処理と戦略の進化を支える基盤も築いています。
TOPLOC:軽量なトレーニング行動検証メカニズム
TOPLOCはPrime Intellectが提唱した訓練可能な検証性コアメカニズムであり、ノードが観測データに基づいて実際に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、訓練プロセス中の行動軌跡を検証可能なオブジェクトに変換する初めての試みであり、信頼を必要としない訓練報酬分配を実現するための重要なイノベーションであり、監査可能でインセンティブのある分散化協力訓練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: Asynchronous Weight Aggregation & Propagation Protocol(非同期重み集約および伝播プロトコル)
SHARDCASTはPrime Intellectが設計した重みの伝播と集約プロトコルで、非同期、帯域幅制限、ノード状態の変化が多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的同期戦略を組み合わせて、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、安定した重みの合意と継続的なトレーニングの反復を構築するための核心基盤となります。
OpenDiLoCo: スパース非同期通信フレームワーク
OpenDiLoCo は Prime Intellect チームが DeepMind が提唱した DiLoCo 理念を独立して実装し、オープンソース化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き、Ring、Expander、Small-World などの疎トポロジー構造を構築することで、グローバル同期の高通信コストを回避し、局所的な隣接ノードに依存してモデルの協調トレーニングを完了することができます。非同期更新とチェックポイント耐障害メカニズムを組み合わせることで、OpenDiLoCo はコンシューマ向け 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なり、グローバルな協力トレーニングの参加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インフラの一つとなっています。
PCCL:協調通信ライブラリ
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、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の適応の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、勾配圧縮、低精度同期、チェックポイント復元をサポートし、コンシューマー向けGPUや不安定なノード上で動作可能であり、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著しく向上させ、真にオープンで信頼不要な共同トレーニングネットワークの構築において"最後の一マイル"の通信基盤を整えました。
! 暗号AIの聖杯:分散型トレーニングのフロンティア探索
プライムインテレクトのインセンティブネットワークと役割分担
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、3つのコアロールに基づいて機能します:
プロトコルの核心プロセスには、タスクの発行、ノードの訓練、軌跡の検証、ウェイトの集約と報酬の配布が含まれ、「リアルな訓練行動」を中心にしたインセンティブの閉ループを構成します。
! 暗号AIの聖杯:分散型トレーニングのフロンティア探索
INTELLECT-2:最初の検証可能な分散化トレーニングモデルのリリース
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の分散化ノードによる協力訓練で生成された強化学習の大規模モデルで、パラメータ規模は32Bに達します。INTELLECT-2モデルは、三大陸に広がる100以上のGPU異種ノードによって共同訓練され、完全な非同期アーキテクチャを使用し、訓練時間は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突破だけでなく、Prime Intellectが提唱した「訓練即共識」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、分散化訓練ネットワークが訓練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初めて実現したことを示しています。
性能に関して、INTELLECT-2はQwQ-32Bで訓練され、コードと数学において特別なRL訓練を行い、現在のオープンソースRL微調整モデルの最前線に位置しています。まだGPT-4を超えてはいませんが、