最近、多くのAIプロジェクトがパラメーター数やGPUの台数、モデルの規模を競い合っています。そんな中、@Acurast Acurastが公開したこのデモは、少し逆の発想です。Androidスマートフォンに、テトリスの次のブロックをどこに置くべきか判断させています。
一見すると、気軽に遊べるミニゲームのようです。でも、これが面白いのは「AIがテトリスをプレイする」からではありません。それ自体はもう目新しいことではないからです。本当に注目すべきなのは、AIタスクをこれまでとは違う形に分解している点です。
ゲームはまず、現在の盤面をもとに5つの配置候補を生成し、それぞれの選択で起こりうる結果を説明します。たとえば、ラインを消せるか、隙間が残るかといった情報です。次に、その情報をHTTPリクエストでAcurastネットワーク上のスマートフォンに送り、スマートフォンのCPU上で動作するLayaモデルが候補を1つ選びます。その結果がゲームに返されます。
全体の流れは、ひと言でまとめられます。ソフトウェアが選択肢を生成し、AIが判断し、スマートフォンが計算を実行します。
Layaは、私たちがよく知るチャット型の大規模言語モデルとは異なります。System One型の意思決定モデルで、長文の作成や複雑な推論を行うものではありません。すでに提示された複数の選択肢から素早く選び、それぞれの選択肢に対応する確率を返します。
Acurastが公開したデータによると、こうした短時間の意思決定は、スマートフォンのCPU上で通常約0.2〜1秒かかります。テトリスのほかにも、公式はSnake、Doom、メール分類、チャットのモデレーション、プロンプトインジェクション検出など、9つのデモを用意しています。回答は毎回、ネットワーク上にある実際のスマートフォンから返されます。ページには端末の所在国、チップの型番、処理済みの意思決定回数も表示され、ユーザーが確認できるオンチェーン記録も提供されています。
この方向性は、「スマートフォンに巨大モデルを無理やり動かさせる」より、ずっと現実的だと思います。
現実のAIタスクが、すべて数千字の文章を生成する必要があるわけではありません。ウォレットが、ある承認がユーザーのルールに合っているかを判断すること、トランザクションアグリゲーターが複数の経路からコストの低いものを選ぶこと、オンチェーンエージェントが次に実行する操作を決めることなど、多くのタスクには明確な候補があります。
まずソフトウェアがすべての有効な選択肢を計算し、そのうえで小型モデルがユーザーの設定したルールに基づいて選択します。最終結果はさらに独立したチェックを受けます。こうすることで、AIがすべての計算を担う必要がなくなり、候補の範囲外の操作を勝手に実行することもできません。
もちろん、こうしたモデルは万能にはほど遠いものです。
Acurastのメール分類テストでは、Layaは160通のうち144通を正しく判定し、正解率は約90%でした。ニュース分類のデモでは、見出しが釣りタイトルらしいかどうかは判定できますが、内容が事実かどうかまでは判断できません。また、チャットの速度が速すぎると、モデレーションの待ち行列も次第に長くなります。モデルが示す確率も、そのまま信頼できる「確信度」と見なすことはできません。
そのため、最終判断を人に代わって下すものではなく、速度が速くコストの低い第一段階のフィルターと位置づけるのが、より適切かもしれません。
公式が現在示している参考コストでは、独自のLayaインスタンスを1つ稼働させる費用は1日あたり1枚の$ACU 未満です。ただし、実際の費用や利用可能性は、設定やネットワークの状況にも左右されます。この数字自体が最も重要とは限りません。より注目すべきなのは、ここでの$ACU が抽象的な物語ではなく、呼び出し、課金、検証が可能な実際の計算サービスを指していることです。
AIの次の段階は、必ずしもモデルをますます大きくすることだけではありません。実際に製品に組み込まれるニーズの多くは、分類や選別、あるいはごく小さな判断にすぎないのかもしれません。
こうした目立たないものの頻繁に発生するタスクを、世界各地に分散したスマートフォンに任せられるなら、Acurastが提供しようとしているのは「安価な計算能力」だけではなく、軽量なAIの意思決定に適した分散型実行環境です。
使っていないスマートフォンに小さなAIタスクを任せられるとしたら、まず何をしてほしいですか?
本稿は、プロジェクトの技術や活用シーンに関する個人的な見解であり、投資助言を構成するものではありません。

