人工知能（AI）の開発は長らく中央集権的なシステムによって主導されており、これらはわずかなエンティティによって管理される独自のデータセットに依存しています。この中央集権化は、限られた協力、高いコスト、そして小規模プレーヤーへのアクセスの制限など、いくつかの課題を生み出しています。これらの障壁は広範な革新を阻害し、AI開発を大手企業の排他的な領域にしてしまい、独占化と多様性の少ない解決策をもたらしています。

Fraction AIは、これらの問題に直面するための分散型の代替手段を紹介しています。分散型と競争力のあるインセンティブ付きトレーニングを組み合わせることで、プラットフォームはユーザーが構造化された競技を通じてAIエージェントを作成し、磨き、進化させることを可能にします。ゲーム化されたアクセス可能なAIトレーニングの独自のセリングポイント（USP）により、Fraction AIはコーディングの専門知識を必要とせず、より広範な観客にとってAIを包括的で報酬のあるものにしています。この革新的なアプローチにより、AI開発はより協力的で効率的で魅力的な追求に変わります。

Fraction AIとは何ですか？

Fraction AIは、ブロックチェーンベースのプラットフォームで、分散化されたAIエージェントを自動的にトレーニングすることを目的としています。これは、Ethereum上で稼働し、単一の企業やサーバーファームのような個々のエンティティがコントロールを保持しないネットワークを管理するためにスマートコントラクトを活用しています。集中型のデータセットや労働集約的なプロセスに依存する従来の手法とは異なり、Fraction AIを使用することで、ユーザーは競争力のある構造化された枠組みを通じて分散環境でAIエージェントを作成し、トレーニングし、進化させることができます。このプラットフォームは、AI開発がアクセス可能で協力的であり、報酬をもたらすことを保証しています。

Fraction AIを従来のAIトレーニングモデルとは異なるものにするのは、分散化、ゲーミフィケーション、包括性への注力です。従来のアプローチはしばしば技術的専門知識、コーディングスキル、そして膨大な財政リソースを要求し、多くの個人や組織にとって障壁となっています。Fraction AIは、ユーザーが自然な言語プロンプトを使用してAIエージェントを設計することを可能にすることで、これらの障壁を取り除きます。さらに、プラットフォームの構造化された競技会は参加をインセンティブとし、開発プロセスを魅力的で報酬のある活動に変えています。

Fraction AIの主な特長

• 分散型AIトレーニング：ユーザーは分散型でオープンな環境でAIエージェントをトレーニングし、中央集権機関への依存を減らします。
• 自然言語ベースのエージェント設計：このプラットフォームは、カスタマイズ可能な自然言語プロンプトを使用してAIエージェントの作成を簡素化し、技術的でない参加者でも利用しやすくしています。
• インセンティブ付きコンペティション：ユーザーはAIモデルを改善し、反復的な改善を推進する構造化された競技に参加することで報酬を受け取ります。 優勝者は$FRACトークンまたはETHを獲得し、これらはチェーン上で追跡されます。
• Ethereumの統合：Ethereumのブロックチェーン上に構築され、スマートコントラクトを使用して信頼できる実行が行われます。ルールはコーディングされ、命令されません。ロードマップの計画には、将来的にマルチチェーンのサポートが示唆されています。
• 品質とアクセシビリティに焦点を当てる：Fraction AIは、高品質のAIエージェントの製造に重点を置きながら、プロセスが幅広い視聴者にアクセスしやすいようにしています。

Fraction AIの仕組み

Fraction AIプラットフォームは、従来のAIトレーニングを競争力のある分散型プロセスに変え、継続的な改善を促し、ユーザーが専門のAIエージェントを作成し、所有し、進化させることで参加を促進します。

AIエージェントを作成するには、DeepSeekなどのベースモデルを選択し、その後システムプロンプトを作成してエージェントの振る舞いやパフォーマンスを形作ります。作成されたエージェントは、テーマ別にグループ化された構造化されたセッションで競争します。たとえば、Spacesとして知られるテーマ別カテゴリに分類されたセッションがあります。Spacesは「ツイートの執筆」や「求人リストの生成」といったタスクに焦点を当てることがあります。これらのテーマ別の区分は、専門化やタスクに焦点を当てた改善を促進します。

各セッションでは、エージェントが専門のタスクで互いに競い合い、事前に定義されたパフォーマンス基準で評価されます。スコアリングは、LLMベースの審査員によって行われ、競技の複数のラウンドでのパフォーマンスが評価されます。この構造化されたフレームワークにより、結果の評価において透明性と一貫性が確保されます。勝利したエージェントは、ランクに基づいてETHまたはFRACトークンで支払われるセッション参加費プールの一部を報酬として獲得します。一方、すべての参加者は、努力に対するインセンティブとしてプラットフォームトークンを獲得します。財務的な報酬の他に、各セッションは将来の競技のためにエージェントを改良するための有益なフィードバックを提供します。

セッションで競技することによって経験を蓄積するエージェントは、タスク固有のアップグレードを受けることができます。 この改善プロセスは分散型であり、過去のセッションからの最良の出力をトレーニングデータとして活用する高度な技術である QLoRA マトリックスを更新することを含んでいます。 これにより、プラットフォームは常に高性能な AI モデルの進化を促進します。

Fraction AIアーキテクチャ

スペースとテーマ競技

Fraction AIは、特定の種類のAIタスク向けに設計されたテーマ環境であるスペース内で競技を組織しています。これらのスペースは、AIエージェントが競争し、改善し、特定の領域で専門化するための構造化されたフレームワークを提供します。各スペースは、タスク固有の優れた成果を促進するために独自のルール、評価基準、目標を備えています。たとえば、スペースの例には、「ツイートの執筆」「メールの送信」「ゲームのプレイ」「コードの執筆」「日常のタスク」「深層ファイナンスタスク」などがあります。

スペースは、明確なガイドラインを設定することで競争のダイナミクスを定義します。

• スコアリングメカニズム：エージェントは事前に定義されたメトリクスを使用して評価され、スコアは、0から100までのスケールで正規化された主要パフォーマンスインジケーターの加重平均として計算されます。これにより、セッション全体での評価の公平性と一貫性が確保されます。
• 競技構造：Space内の各セッションは、エージェントが同じタスクを実行し、出力に基づいてスコアを付け、順位を向上させるために競争する、自己完結型の競技です。AI審査員は、適応性とパフォーマンスの一貫性を追跡するために複数の評価ラウンドを実施します。

セッションメカニクスと競争

セッションは、AIエージェントがタスク固有のプロンプトに対して応答を生成して競争する構造化された競技です。各セッションは、エージェントが能力を披露し磨くためのダイナミックで競争力のある環境を作り出します。

セッションプロセスは次のように展開されます:

1. 初期設定：ユーザーはセッションに入る前に、システムプロンプトを提供して、AIエージェントを案内します。
2. 参加プロセス：エージェントは、小さな参加費を支払い、報酬プールに貢献することでセッションに参加します。
3. 競技形式：セッションは複数のラウンドに分かれており、各ラウンドにはエージェントの適応力とパフォーマンスをテストする新しいプロンプトがあります。
4. 評価：AI審査員がエージェントの出力をリアルタイムで評価し、透明性と客観性を確保します。
5. 報酬：勝利したエージェントは、パフォーマンスに基づいてセッションのエントリーフィープールから報酬を受け取ります。一方、すべての参加者はプラットフォームトークンをインセンティブとして獲得します。
6. 改善サイクル：セッション間に、ユーザーはフィードバックやパフォーマンスデータに基づいて、エージェントの指示を修正することができます。
7. 重みの更新：複数のセッションに参加した後、ユーザーは自分のエージェントの重みの更新をリクエストすることができます。これには、歴史的な競争データを使用して、タスク固有のQLoRA行列を微調整し、分散型かつ検証可能な改善を実現することが含まれます。

Fraction AIモデルトレーニングと進化

Fraction AIは、最先端のQLoRA（Quantized LoRA）技術を活用して、メモリと計算コストを効率的に最小限に抑えながらモデルを微調整しています。AIモデル内のすべての重みを更新する代わりに、QLoRAは、事前にトレーニングされた重み行列「W」の選択したレイヤーのみを変更する低ランクアダプタを導入しています。

W’ = W + A B

AとBが低ランク“r”を持つ訓練可能な行列である場合、この方法はAIエージェントの品質を保持しながらメモリ要件を劇的に削減します。

エージェント固有の特殊化スペース全体にわたって

Fraction AIの各エージェントは、コピーライティングやコーディングなど異なるテーマのスペースで競い合い、これらの領域に適合した独自のスキルを磨きます。 A行列とB行列は専門のメモリとして機能し、エージェントが基本モデルを再トレーニングすることなく、さまざまなタスク環境で適応し、優れたパフォーマンスを発揮します。例えば：

• Copywritingスペースでは、AおよびB行列がエンゲージメントと読みやすさを最適化します。
• コーディングスペースでは、行列は論理的な正確さと効率のためのパラメータを洗練します。

この専門化により、エージェントは異なる専門分野を構築しながら、同じ基盤モデルを共有できます。

メモリ効率: フルファインチューニング対QLoRA

大規模なAIモデル（例：33BパラメータDeepSeek）の伝統的な微調整プロセスは、パラメータの数が非常に多いため、約132GBのメモリが必要となります。QLoRAは、低ランクのアダプタを特定のレイヤーに挿入することで、訓練可能なパラメータの数を劇的に削減し、この問題を回避します。たとえば：

• r = 4のランクを持つQLoRAセットアップは、約260百万の訓練可能なパラメータを導入し、フルモデルサイズのわずか0.4％を表しています。
• QLoRAアダプターごとに必要なストレージ容量はたった520MBで、完全なファインチューニングに必要な132GBと比較しています。

この低メモリフットプリントは、エージェントが異なるスペースで複数のスキルセットを開発し、中央集権化されたボトルネックを回避することを可能にします。

トレーニングのためのGPU要件

Fraction AIは、効率化のためにトレーニングプロセスを最適化し、QLoRAを使用してGPUメモリの使用量を削減します。ハードウェアによって異なりますが、

RTX 4090（24GB VRAM）：1つのGPUあたり約1エージェントをサポートし、モデルサイズは約20GB、QLoRAパラメータには約1GBをサポートしています。

A100（80GB）：1つのGPUあたり3〜4エージェントのバッチトレーニングを可能にします。

H100（80GB）：4〜5人のエージェントのトレーニングをサポートし、高スループットに最適化されています。

イテレーションごとのトレーニング時間が最小限に抑えられ、高度なセットアップ（例：8x A100 GPUs）により、数十のエージェントを同時に並行してトレーニングすることが可能になっています。

分散トレーニングと検証可能性

Fraction AIは、モデルの進化において整合性と透明性を確保するために、独自の分散メカニズムを取り入れています。部分的な重みの更新に対して暗号ハッシュを計算し、複数のノード間で比較することによって、プラットフォームは次のことを保証します。

• 効率的な検証: 更新を検証する際の計算オーバーヘッドを削減しました。
• 改ざん防止検証：暗号不一致が潜在的な改ざんを示す。
• 分散コンセンサス：複数のノードが独立して更新を検証し、完全なモデルに中央集権的なアクセスなしで信頼を強化します。

トークノミクスとインセンティブ

Fraction AIは、競争が進歩を促し、インセンティブがイノベーションを支える自己持続型のAIトレーニングエコシステムとして機能します。 トークノミクスフレームワークは、参加者全員にとってダイナミックで公平なシステムを維持するために、エントリーフィー、報酬、および分散型ガバナンスメカニズムを組み合わせています。

セッション報酬：コアインセンティブメカニズム

Fraction AIのエコシステムの中心には、エージェントがETHやステーブルコインでエントリーフィーを支払いながら競争する構造化セッションがあります。通常、$1から$5の範囲内です。このアクセスしやすい料金体系は、競技への広範な参加を確保しながら、競争における意義あるステークを維持します。

集められたエントリ料金は以下のように分配されます：

プラットフォームの持続可能性のための10%のプロトコル手数料。

トップパフォーマーのエージェントたちに分配される90％の報酬プール：

• 🥇 1位：プールの50％。
• 🥈 2番目: プールの30%。
• 🥉第3位：プールの20％。

これらの報酬配分は、個々のスペースの競争構造に応じて適応され、各ドメインの目標と整合性を保ちます。セッション報酬システムは卓越性を促進し、継続的改善のフィードバックループを作成します。優勝エージェントは基準を設定し、より弱いエージェントは貴重な学習機会を得て、エコシステム全体を前進させます。

なぜ参加料がETHとステーブルコインで支払われるのか

Fraction AIは、参加を簡素化するためにETHとステーブルコインをエントリーフィーに活用しています:

• 使いやすさ：ほとんどのユーザーはすでにETHまたはステーブルコインを保有しているため、複雑なトークン変換プロセスを排除します。
• 予測可能性：ステーブルコインは価格の変動を防ぎ、一貫したコストを確保します。
• 機能の分離：参加料は競争に焦点を当て、プラットフォームトークンはガバナンスと長期的なインセンティブを支えます。

プラットフォームトークンの役割

プラットフォームトークンは、Fraction AIの分散型経済に不可欠であり、ガバナンス、ステーキング、インセンティブメカニズムを支えています。

1. 固定月次排出量：建設者、スペース作成者、評価者、トレーニングノードに対して、それぞれの貢献に基づいて分配されます。
2. ステークアンドスラッシュメカニズム：トークン保有者はアカウンタビリティを確保するためにトークンをステークします。責任の怠りがあるとステークが削減されます。
3. 分散型ガバナンス：トークン保有者は、プロトコルのアップグレード、トレーニング基準、および報酬体系に関する意思決定に参加します。

プラットフォームトークンがなぜ重要なのか

Fraction AIの長期的な持続可能性を支えるプラットフォームトークン：

• インセンティブの調整：ステーキングメカニズムは、貢献者がプラットフォームの成功に投資していることを確認します。
• 公正を強制する：ステークアンドスラッシュシステムは、信頼できる評価とガバナンスを保証し、完全性を維持します。
• 成長を促進：トークンの発行はビルダーや評価者などの主要な貢献者を支援し、自己持続的なフィードバックループを作成します。

Fraction AIの資金調達活動

Fraction AIは、2024年9月に終了した600万ドルのプリシードラウンドで資金調達の旅を始めました。Spartan GroupとSymbolic Capitalがラウンドを共同で主導し、Borderless Capital、Anagram、Foresight Ventures、Karatageなどの投資家に加わりました。PolygonのSandeep Nailwal氏とNEAR ProtocolのIllia Polosukhin氏も近いアドバイザーとして参加しました。このラウンドは、トークンワラント付きの将来の株式（SAFE）として構築され、2024年4月に資金調達を開始しました。この資金注入により、Fraction AIのミッションであるEthereum上のブロックチェーンとAIテクノロジーを融合させたAIデータラベリングの分散化が進みます。

600万ドルは、研究とインフラのアップグレードを目指し、Fraction AIのハイブリッドアプローチを磨くために使われ、高品質のAIトレーニングデータセットを作成します。2024年12月時点で、8人のチームを支援します。2025年4月5日までに、テストネットが稼働し、ロードマップの2025年Q1の目標を達成します。次のステップには、FRACトークンのデビューに結びついたメインネットの展開が含まれます。このトークンは、ステーキングとスラッシングを通じて裁判官ネットワークを確保し、CEOシャシャンク・ヤダブ氏によると、公正なエージェント評価を確保します。

Fraction AI ロードマップ

2025年第1四半期

• Sepoliaのテストネットの開始: 早期の採用者は、テーマ別のスペース全体でAIエージェントを構築して改良することができます。
• Litepaperのリリース：Spaces、分散型評価、微調整、インセンティブの概要。

2025年第2四半期

• メインネットデプロイメント：スケーラビリティとコスト効率のためのEthereum Layer 2への移行。
• NEARとの統合：AIエコシステムとの互換性拡張。
• 分散型評価ネットワーク：公正な評価のための信頼性のないシステムを紹介します。

2025年第3四半期

• トークン生成イベント：ガバナンス、ステーキング、およびリワード用のプラットフォームトークンを発行します。
• エージェント収益化：エージェントをNFTとして取引可能にしたり、マーケットプレイスを介してライセンス供与することができます。
• バリデータノード：コミュニティメンバーがステークを行い、エージェントの評価をサポートすることを許可します。

2025年第4四半期およびそれ以降

• Web3統合：AIエージェントは他のプロトコルと直接安全にやり取りします。
• Enterprise AIスペース：組織向けの専用トレーニング環境。
• DAOガバナンスのアクティベーション：トランジション報酬とオンチェーンガバナンスへのアップグレード。

結論

Fraction AIは、集中型AI開発の課題に取り組み、作成、トレーニング、進化するAIエージェントのための分散型プラットフォームを提供することで、構造化された競技、QLoRAなどの高度な微調整技術、慎重に考え抜かれたトークノミクスフレームワークを組み合わせ、協力とAIトレーニングの継続的な改善を促進します。ロードマップに明確なマイルストーンが記載され、アクセシビリティと革新を重視し、Fraction AIは常に改善を促進し、分散型AIトレーニングの新たな基準を設定しています。