After AGIのための分散型AI

AGI社会論研究会 第3回（2026年10月20日、UT-LAB）での発表資料です。AIによって仮説や論文の生成コストが下がるほど、検証・信頼・注意・多様性が希少になります。AIの集中がもたらす権力の偏在・認識論の単一栽培・価値のロックインを整理し、分散型AIを五層で分析しました。科学とDeSciを事例に、分散すべきは能力ではなく判断の独立性だと論じます。

https://sites.google.com/view/agi-and-society/

Transcript

1. [2026.10.20] · [UTラボ] DECENTRALIZED AI FOR AFTER AGI After AGIのための 分散型AI 生成が無限になる世界で、何を分散すべきか 濱田太陽 · 株式会社アラヤ / DESCI TOKYO
2. 科学制度と組織は共進化してきたが、AI時代には何が必要か？ 1880–1920s 民間 産業の富→ 研究組織 1940–60s 1891 スタンフォード大学 1953 HHMI ← 航空 ← 鉄道 1901 ロックフェラー研究所 企業の中央研究所モデルが全盛に ← 石油 2000 ゲイツ財団 ← ソフトウェア 2025 OpenAI → 公益法人 Astera ← 暗号資産 2015 CZI、OpenAI（非営利） 中央研究所から小型の民間研究組 1925 ベル研究所 ← 電話 国家の危機→ 2020s Arnold Ventures → COS 再現性 1917 理化学研究所 ← 高峰譲吉 公共 1980–2010s FRO・PARPA DeSci・グラント系DAO 織へ 国家の科学政策は限定的。 1945 Science: The Endless 1982 SBIR 死の谷への対応 民間の富が研究を牽引 Frontier V. Bush 2025 Genesis Mission 1995 科学技術基本法 日本 2026 Science: A New Golden 1999 日本版SBIR Age Bush以来80年ぶりの再設計を掲 制度設計 1950 NSF設立 1958 ARPA ← スプートニク げる 富の集中と国家の危機が、そのたびに新しい科学制度を生んできた。AIの集中は何を生むか。 DESCI TOKYO AFTER AGIのための分散型AI 研究開発における新たな科学運営モデル』 [濱田, 2023]
3. 富と能力は、新たな科学運営モデルを産んでいる 中央集権 分散 CENTRAL LAB NONPROFIT → PROFIT FRO / PARPA DESCI 中央研究所・ 巨大ラボ OpenAI 2015 非営利として創設 Astera Institute ほか グラント系 DAO ベル研究所（中央研究所モデル 2019 利益上限付きの営利部門 Stellar共同創業者 Jed McCaleb VitaDAO、AthenaDAO が設立 コミュニティ駆動の資金調達と ） 巨大製薬企業 2025 公益法人（PBC）へ再編 FRO：時限・ミッション型（ Genesis Mission：国家と企業 、財団の保有は26% Convergent Research） PARPA：Speculative 11社の連合 源泉：産業の独占、国家 統治 IP-NFTで技術移転を流動化 Technologies 源泉：ソフトウェアの富 → 計算資 源泉：暗号資産の富、フィランソロ 源への資本 ピー 源泉：コミュニティ、トークン 新しい民間組織は、科学のスペースを探索する試み。AIの集中を、どの器で受け止めるか。 DESCI TOKYO AFTER AGIのための分散型AI 研究開発における新たな科学運営モデル』 [濱田, 2023] Web3テクノロジーによるサイエンス再設計の動き [濱田, 2022]
4. AGI時代における3つのイデオロギー • コーポレートリバタリアニズム ⚬ テクノロジーを用いて官僚主義や集団組 織、抑圧から個人を解放することを目指 す起業家主体 • シンセティックテクノクラシー ⚬ 汎用人工知能の進化とシンギュラリティ によって人類が直面する課題を解決でき ると信じる • デジタルデモクラシー ⚬ 多様性があり、分散したコミュニティが 平和的に共存してコラボレーションを強 化 https://www.radicalxchange.org/media/blog/political-ideologies-for-the-21st-century/
5. 日本における議論 シンセティック テクノクラシー 無意識データ 民主主義 成田悠輔 AI+VC層 普遍性 経済的平等 経済合理性/成長 多人数での協力 オードリー 存亡の危機の軽減 なめ敵 一般意志2.0 タン グレンワイ 鈴木健 東浩紀 ル 他 メリトクラシー AI+UBI層 落合陽一 コーポレート リバタリアニズム AI alignment 分散性 自由と権利 https://www.radicalxchange.org/media/blog/political-ideologies-for-the-21st-century/ デジタル デモクラシー 僕メタ 落合渉悟
6. https://note.com/hirotaiy ohamada/n/nd67148d0c8 ba 原点：研究財団論からmetascientia、DeSci、分散型AIへ 2018–19 ブロックチェーンに注目し、新たな科学のあり方を検討 2020 研究財団論（HHMIなど）で新たなナラティブを整備 2021 大河内正敏論・理化学研究所、 Arnold Venturesと慈善資本主義 2022.02 DeSci紹介記事 2022.10 metascientia公開。 2023.03 2024.03 2026.10 DESCI TOKYO 「科学を再考する」ポッドキャスト（–2024.05） DeSci Tokyo Conference 2023 主催ディレクタ Funding ーとしてthe Commons Tokyo 主催ディレクタ リバースアライメントイベント & local AI プロ ーとして ジェクト AFTER AGIのための分散型AI
7. 公共財の再定義：Funding the Commons (FtC) Tokyoにて 登壇者 私たちは、メンタルヘルスの悪化、気候変動、過疎化といった世界的 な課題に直面しています。東京はユニークな文化拠点として、複数の コミュニティや組織が新しい公共財やコモンズの形を提案しています 。2024年は、分散型科学、地域活性化、AIアライメントなど、 「再生の仕組み」に関する組織やプロジェクトを紹介します。 Glen Weyl Audray Tang 鈴木健 宮口あや (Ethereum foundation) 小池百合子 (東京都知事) 他 https://www.fundingthecommons.io/events
8. FtC 以後の世界
9. 人とAIエージェントに関わる三つの帯域の関係 1 表現の帯域 2 行為の帯域 INPUT 3 受信の帯域 PROCESS OUTPUT 人の中にある豊かな意図を、できるだけ情報 一人ではこなせない量の仕事を、複数のAIエ 多数の結果を、人の認知の限界に合わせて 量を落とさずに取り出す。 ージェントが並列に実行する。 要約・統合し、提示する。 HARNESS 抽出 脳の信号から 人間 意図を抽出 BMIが担いうる （デコーディング ） A1 アクセス管理 誰が何を実行できるか A2 メモリー管理 A3 何を残し、誰が引き継ぐか 実行の制御 分解・協調・制約 ⋮ AN HARNESS 記録・メモリー 何を残すか 統合・要約 どの粒度で見せるか レポーティング どの頻度で見せるか BMIが担いうる？ （書き込み） 生成と並列実行が広がるほど、ボトルネックは受信の帯域へ移る。 科学では、それが検証・信頼・注意へ移行する BMIとAIエージェントのためのガバナンス https://note.com/hirotaiyohamada/n/n003b60d63692
10. D/ACC × REVERSE ALIGNMENT — 受信の帯域 受信の帯域への、圧縮以外の戦略 STRATEGY 圧縮（前提） 標本監査 一部だけ見て、全体を採点 分担 多数で読み、一致点だけ返す 検証 中身を見ずに正しさを確かめる COST — 代償 D/ACC REVERSE ALIGNMENT 要約・抽象化で受け取れる量に収める。一人が受け取れる量そのものは増えない Deep Funding： 明示的な対応なし 少数の比較を人間が答え、AIが残りを埋める Community Notes・Polis・予測市場 Polis・Community Notes、 台湾の参加官ネットワーク 形式検証・ZK・検証可能なハードウェア 検証可能な資格グラフ。 「検証なき実行」を警告 どれも来歴（誰が・なぜ）を手放す。 出典: 濱田 (2026) BMIとAIエージェントのためのガバナンス, note / Buterin, V. (2025) d/acc: one year later / Scully, J. (2026) On Reverse Alignment
11. [2026.10.20] · [UTラボ] DECENTRALIZED AI FOR AFTER AGI After AGIのための 分散型AI 生成が無限になる世界で、何を分散すべきか
12. AIで、科学の黄金時代が来ると言われている。 GOOGLE DEEPMIND · 2024.11 WHITE HOUSE OSTP · 2026 KYOTO · 2026.10.04 A new golden age of discovery Science: A New Golden Age Kyoto Vision for a Golden Age of Science AI for Science Forumで、AIが科学の 新たな黄金時代を拓くと掲げた。 Vannevar Bush『Science: The Endless Frontier』の後継を自称する 、米国の科学政策の報告書。 各国の科学技術担当大臣が京都で発表 。メタサイエンスの能力構築、新しい 制度モデル、超知能の研究への統合を 掲げる。 企業が語るgolden age 国家が語るgolden age 国際社会が語るgolden age 出典: Google DeepMind (2024) A new golden age of discovery / OSTP (2026) Science: A New Golden Age / Kyoto Vision for a Golden Ag e of Science (2026.10.04)
13. AI科学者はどこまで来たか 2024〜2026年、AIが関わった科学的成果を、検証の段階ごとに並べる。 PEER REVIEW MATHEMATICS · OPENAI WET-LAB VALIDATED AUTONOMOUS LAB 査読を通過 数学の未解決問題 ウェットラボで検証 自動ラボで実行 Sakana AI Scientist 2026.05 Erdős予想を反証 Google co-scientist GPT-5 × Ginkgo 完全AI生成の論文がICLR 1946年の単位距離予想。 AMLの薬剤転用候補が、in 3.6万組成を回し、反応コスト 2025ワークショップで平均 6.33点。2026年にはシステム Alon・Gowersら外部の数学者 が確認 vitro実験で腫瘍細胞の生存率 を下げた を40%削減 2026.09 Navier–Stokes FutureHouse Robin 1,320設計のうち354が結合。 Intology Zochi 約1万のエージェントが88時間 ドライ型AMDの新候補を提案 ヒット率26.8% ACL 2025の本会議に採択 で解を主張、Leanで形式化。 Clayは未認定、帰属で論争 （実験は人間） 2026.10 722本の原稿 報告文の79.4%が、独立した 未公開モデルの成果を一括公開。 科学者に正確と判定 自体がNatureに掲載 Claude × Adaptyv Kosmos 翌日に3本を撤回 検証済みの成果は、すべて集中した企業・研究機関より 数学では検証が機械化され、争点は誰の功績かという帰属に移った。 物理的な実行は、まだ人と外部ラボが担う。 出典: Sakana AI (2026) / Intology (2025) / OpenAI (2026.05.20; 2026.10.06) / Quanta Magazine (2026.09.08) / Retraction Watch (2026.10) / Google Research (2025) co-scientist / arXiv 2505.13400 (Robin) / arXiv 2511.02824 (Kosmos) / R&D World (GPT-5 × Ginkgo) / European Biotechnology (Claude × Adaptyv) / Undark (2026.01) / Science News (Agents4Science) / BioPharmaTrend (Lila) / Maginative (Periodic)
14. メタサイエンスは、AI時代において政策の道具になった 2015 2024 2025.05 2026.03 2026.10.04 2026.10.08 再現性の危機 英国 米国 日本 Kyoto Vision NSF × UKRI 心理学の大規模追試で 、再現は36%にとどま った 政府初のメタサイエン ス部門（DSIT・UKRI 、1,000万ポンド） 大統領令「Restoring Gold Standard Science」で再現性を 政策要件に 第7期基本計画を閣議 決定。メタサイエンス の知見で研究の有効性 を見直す 各国の大臣が、政府内 にメタサイエンスの能 力を築くと明記 メタサイエンス部門の 国際ネットワークを共 同声明 問いは「科学を増やすか」から、「科学の仕組みをどう試すか」へ移った。 出典: Open Science Collaboration (2015) / UKRI・DSIT Metascience Unit / Executive Order 14303 (2025.05.23) / 内閣府 第7期科学技術・イノベーション基本計画 (2026.03) / RoRI (2026.04) / Kyoto Vision (2026.10.04) / NSF–UKRI metascience statement (2026.10.08) DESCI TOKYO AFTER AGI · DECENTRALIZED AI 13 / 35
15. INTRODUCTION — METASCIENCE × DESCI EBPMとしてのメタサイエンス METASCIENCE DESCI 制度を測る 計量器を作る 科学の方法を、科学の制度そのものに向ける。 所有・帰属・資金・統治の器を、ブロックチェーンで 新しく試す。 手法 RCT、自然実験、計量書誌学、シミュレーション 手法 トークン、DAO、IP-NFT、二次資金調達 例 研究費の部分抽選（スイスSNSF、英British Academy）／大規模な追試プロジェクト 例 VitaDAO、ResearchHub、Molecule、 Hypercerts／DeSci Tokyo 測るだけでは器は生まれず、作るだけでは効くか分からない。 DESCI TOKYO AFTER AGI · DECENTRALIZED AI 14 / 35
16. 生成が無限になる世界で、 Scienceの新たな黄金時代に、 何をすべきか。 Kyoto Visionは「超知能を研究に組み込め」と書く。 では、その超知能を誰が検証するのか？
17. 投稿の洪水とAIによる査読 NeurIPSの投稿は5年で約2.3倍。 ICLR 2026の査読総数の21%が 完全にAIが生成したと判定 ARXIV · 2025.10 arXivが受け付けを絞った LLMで生成された投稿の急増を受け、CS分野では査読 を経ていないレビュー論文・ポジション論文を受け付 けなくなった。 50%+ 何らかのAI使用の痕跡がある査読 19,490 同会議への投稿論文数 https://www.pangram.com/blog/pangrampredicts-21-of-iclr-reviews-are-ai-generated
18. 甘くなる評価、似てくる発想、検証と信頼が揺らぐ 注意 · ICLR 2026の査読スコア平均 多様性 · 創作実験 4.4 AIが書いた 人間が書いた 4.1 個人は上手くなり、集団は似てくる 生成AIの助けを借りた物 AIの査読ほど点が甘い。高得点が増えると、何に注意を向 語は個々には高く評価さ けるべきかが見えなくなる。 れたが、物語同士は互い 出典: Pangram Labsの分析（Plagiarism Today, 2025.12 https://www.alphaxiv.org/ja/abs/2603.18161v1） に似ていった。 出典: Doshi & Hauser (2024), Science Advances / Messeri & Crockett (2024), Nature 検証 · 2025.10 信頼 · 2025.07 「GPT-5がエルデシュ問題を解いた」 論文に隠された「高く評価せよ」 実際には、すでに解かれていた問題の文献を見つけただ AI査読に向けた隠しプロンプトが、早稲田大学などを含 けだった。数学者の指摘で主張は撤回された。 む複数国の論文に白文字で埋め込まれていた（日経報道 発見・検証・帰属がずれる ）。 査読AIそのものが攻撃面になる
19. 希少になる4つの資源 01 02 03 04 正しいかを確かめる手間 誰の判断なら任せられるか 何を読み、何を読まないか 違う発想が残っているか 例：エルデシュ問題騒動 例：論文の隠しプロンプト 例：AI査読のスコア 例：AIによる創作の均質化 検証 信頼 生成は安く、検証は高い。この4つが律速になる。 注意 多様性
20. 集中がもたらす3つの弊害 最大級の学習コストは年2.4倍で増え、1回十億ドル規模に入りつつある。担い手は世界で数組織に限られる。 弊害 何が起きるか 削られる資源 権力の偏在 何が良い研究かの基準を、少数の事業者が決める 信頼・注意 認識論の単一栽培 同じモデルが、同じ盲点を世界中で共有する 検証・多様性 価値のロックイン 一度埋め込まれた価値を、後から直せない 多様性（修正の選択肢） 集中は、希少な資源をさらに希少にする。 出典: Epoch AI (2024, 2025 update) How much does it cost to train frontier AI models?
21. 中央に頼らずに、四つの資源を守れるか 希少になる資源 いま担っている中央 中央を置かずに？ 検証 学会・ジャーナル 評価・再現 AIは補助に限定、無断利用を検出して罰する 中央の審査なしに、 誰が正しさを確かめるか 信頼 NIH・学会 機密・帰属 査読での生成AIを禁止、AI利用の開示義務 中央の保証なしに、 何を根拠に信じるか 注意 助成機関 資金・選別 評価が拮抗した申請はくじで決める 中央の選別なしに、 限られた注意をどこに向けるか 多様性 対応する処方箋がほぼない 同じモデル・同じデータに頼らずに、 独立した判断をどう残すか モデル・データ・文脈 最も未成熟 AIを使う研究はデータの多い領域へ集中 いまの処方箋は中央が執行し、多様性には答えていない。 中央を置かずに、四つの資源を守れるか。
22. メタサイエンスの処方箋：現在の中央集権型AIに対して 層 → 科学のプロセス 問題（実証されたこと） 制度的な対策 残る問い ⑤ 研究の方向 AI利用で研究トピック4.6%縮小 データの多い領域へ集中 方向の多様性を枠で確保 AI固有の対策はまだない 既存の処方箋の転用待ち ④ 帰属・責任 AIの寄与が見えない 幻覚文献が混入する AI利用の開示を義務化 エージェントが参加者に なると責任主体は誰か ③ 評価の均質化 AI査読の指摘重複21% （人間ペアは3%） AIは補助、採否は人間 検出は不注意な使用しか 捕まえない（ICML自身） ② 機密性 外部AIに審査資料を渡すと データの行き先が保証されない 査読での生成AIを禁止 手元で動かすAIなら 機密は守れるか ① 再現と資源 データ漏洩の誤りが17分野に 計算資源は企業に集中 報告基準と公的計算資源 公的資源も一極集中 分散計算は選択肢か ← ガバナンスと価値 ← エージェント経済 ← モデル（オープンウェイト） ← 推論 ← 計算・学習 高リスク枠をくじで選ぶ 未開示は不採択（ICLR） 無断利用は透かしで検出（ICML） NIH（2023年6月） REFORMS（32項目）、NAIRR 現状の対策は禁止・開示・人間の留保。 出典: Hao et al. (2026), Nature / RoRI Funders' Handbook / ICLR Blog (2025) / Kim et al. (2026), arXiv 2605.20668 / AAAI-26, arXiv 2604.13940 / ICML Blog / NIH NOT-OD-23-149 (2023) / Kapoor & Narayanan (2023), Patterns / Kapoor et al. (2024), Sci Adv / NSF, NAIRR
23. 分散性の五層構造：何が分散しているのか 層 ⑤ ガバナンスと価値 PROCESS ④ エージェント経済 PROCESS ③ オープンウェイト CAPABILITY ② 推論 CAPABILITY ① 計算・学習 CAPABILITY 分散するもの 現状 限界 何を良しとするか Collective Constitutional AI（約1,000人の市 民が原則を起草）・Polis 市民の参加は助言にとどまり、採否は開発 元が決める 取引と帰属の主体 x402（決済）・ERC-8004（ID） 帰属はできるが、責任は負えない。 AubraiのERC-8004記録は外部評価0件 重みの所有 Llama・Qwen・DeepSeek・gpt-oss 配れても、作れるのは数社。派生モデルは 元の盲点を受け継ぐ 動かす場所 ローカルLLM・オンデバイス・TEE 手元で動いても、中身は同じモデル 学習の計算資源 Prime Intellect・Nous Psyche（40Bを20兆 トークン）・Bittensor 最先端は集中が有利。 INTELLECT-3は512台のH200で集中学習 分散しているのは置き場所であって、判断ではない。 出典: Nous Research (Psyche) / Implicator.ai (INTELLECT-3) / ERC-8004 explorer (Aubrai) / Anthropic & Collective Intelligence Project (2023) Collective Constitutional AI
24. 能力を分散させるほど、安全性と衝突する フロンティア能力については、「公開するか、独占するか」のどちらを選んでも代償を払う。 OPEN WEIGHTS CLOSED 公開する ＝ 能力の分散 独占する ＝ 能力の集中 回収できない 公開した重みは取り下げられない 権力の偏在 外せる 安全のための学習は、追加学習で除去できる 監督の外へ 生物・サイバーのデュアルユース能力が、誰の 監督も受けずに使われる 代償：安全性 × 単一栽培 ロックイン 何が良い研究かの基準を、少数の事業者が決め る 同じモデルの同じ盲点を、世界が共有する 埋め込まれた価値を、外から直せない 代償：多様性と正統性 d/accは、防御側の技術を先に加速することでこの緊張を扱おうとしている（Buterin 2025）。 緊張は、重みを公開するか独占するかの二択から生まれている。 出典: Buterin, V. (2025) d/acc: one year later
25. フロンティアモデルが強くなるほど、独立した監査が要る 能力の集中を認めるなら、その能力を外から確かめる仕組みが要る。 しかし強いモデルほど、確かめにくい。 80% 6.5% vs 0.8% 13.2→24.2% 評価を見抜く 口に出さない 見抜くと振る舞いが変わる Claude Opus 4.6は、評価場面を80%の確率 評価への気づきは、言語化されない形 気づきの推論を取り除くと、隠れた違反行動 で識別した（前世代72%）。英国AISIの試験 （6.5%）が言語化（0.8%）を上回った。 が13.2%から24.2%に増えた。 Mythos Previewの分析 Apollo×OpenAI 自己採点に近づく 制度の要請 モデル自身が、自分の評価基盤のデバッグを手伝い始めた（Opus 4.6、 EUの汎用AI行動規範は「独立した外部評価者」を要求。Apolloは内部 GPT-5.3-Codex） と外部の評価者のアクセスを同等にするよう提言 強くなるほど、監査には深さと独立性が同時に要る。 出典: IAPS (2026.03) Evaluation Awareness / Apollo Research (2026.05.20) The need for deeper white-box access / Anthropic, Claude Opus 4.6 System Card / EU General-Purpose AI Code of Practice, Safety & Security (2025)
26. 監査のジレンマ：深く見るほど漏れ、一か所に任せるほど偏る 監査の深さ ↑ 深い 深い × 一か所 深い × 分散 一つの政府機関だけが白箱で検査する 多数の独立した監査者が、重みを持ち出さずに 内部まで検査する 白箱・内部状態 浅い 深いが、単一障害点と規制の虜（キャプチャー） 目指す領域。隔離環境での白箱アクセスが前提 浅い × 一か所 浅い × 分散 開発元の自己評価・公開ベンチマーク 研究者・市民によるAPI経由のレッドチーミン グ 評価を見抜かれ、利害も一致している 独立しているが、黒箱では気づきに対抗できない API・黒箱 一か所 分散（複数・独立） 監査は、能力の所在を動かさずに判断を分散させる試み。ただし深く見るほど、渡すものも増える。 出典: Apollo Research (2026.05.20) The need for deeper white-box access ／ 象限の整理は本スライドによる
27. 転回：判断の独立性を保つために分散性を用いる 集中の弊害 能力を分散すると 権力の偏在 一部は効く（作れるのは数社の 認識論の単一栽培 ほぼ効かない（派生モデルは盲 検証を分散する（異なるモデル・ Equational Theories 点を共有） 人・形式検証・外部監査） Project・独立した外部監査 価値のロックイン 効かない（価値は重みに焼き込 熟議を分散し、修正の経路を開いて Collective Constitutional AI・ まれる） おく Polis・Community Notes まま） プロセス層を分散すると 資金配分と帰属を分散する （誰に報いるかを一社に決めさせな い） 例 Deep Funding・部分抽選・ CreditMap プロセス層＝検証・帰属・資金配分・熟議 プロセス層は能力を配らないので、安全性との緊張を抱えにくい。 守る資源 信頼・注意 検証・多様性 多様性
28. 分散型AIの五層：何が分散しているのか 層 ⑤ ガバナンスと価値 PROCESS ④ エージェント経済 PROCESS ③ オープンウェイト CAPABILITY ② 推論 CAPABILITY ① 計算・学習 CAPABILITY 分散するもの 現状 限界 何を良しとするか Collective Constitutional AI（約1,000人の市 民が原則を起草）・Polis 市民の参加は助言にとどまり、採否は開発 元が決める 取引と帰属の主体 x402（決済）・ERC-8004（ID） 帰属はできるが、責任は負えない。 AubraiのERC-8004記録は外部評価0件 重みの所有 Llama・Qwen・DeepSeek・gpt-oss 配れても、作れるのは数社。派生モデルは 元の盲点を受け継ぐ 動かす場所 ローカルLLM・オンデバイス・TEE 手元で動いても、中身は同じモデル 学習の計算資源 Prime Intellect・Nous Psyche（40Bを20兆 トークン）・Bittensor 最先端は集中が有利。 INTELLECT-3は512台のH200で集中学習 分散しているのは置き場所であって、判断ではない。 出典: Nous Research (Psyche) / Implicator.ai (INTELLECT-3) / ERC-8004 explorer (Aubrai) / Anthropic & Collective Intelligence Project (2023) Collective Constitutional AI
29. 非中央集権的な科学は可能か？ 科学は分散した制度か？（Michael Polanyi「科学の共和国」）。 AIの集中のもとでそれを保てるか？ EXECUTE GENERATE 自動ラボと計算資源 民間3社で9億ドル超 仮説はAIで安くなる 実行 CONCENTRATE 生成 VERIFY ALLOCATE ATTRIBUTE 群衆＋自動証明器＋ Leanで全件検証 「Equational Theories Project」 Deep Funding RetroPGF 部分抽選 IP-NFT dPID CreditMap 人の帯域 陪審の不一致40% 両陣営が未接続 検証 配分 帰属 集中してよい DISTRIBUTE 分散すべき 律速 資本 検証待ち 発見の工場は集中してよい。 何を正しいとし、誰に報いるかは集中できない
30. 科学のための分散型AI：三つの層 発見AIに別の発見AIで対抗しない。発見が生まれ、検証され、評価され、帰属されるプロセスを作り直す。 01 査読・配分・検証を回す AI 役割 トリアージ、誤り検出、陪審の 支援、形式検証 例 AAAI-26（全22,977本にAIレビ ュー、採否は人間）・Deep Funding・Equational Theories Project 限界 AI査読どうしの指摘重複21% 陪審の方向不一致40% 02 制度設計のためのAI エージェント集団で制度を事前 に試す（部分抽選、共謀耐性、 査読報酬のGoodhart） AI Economist（Zheng et al. 03 コミュニティ運営のAI 組織の記憶、注意の配分、 合意形成 2022）・1,000人の生成エージェ Polis／Talk to the City・ ント（Park et al. 2024）・AIパ Habermas Machine（Tessler et ネル（合成集団調査）・交渉シ al. 2024）・ハーネス ミュレーション 外的妥当性。 同じモデルで集団を作ると単一 栽培 要約は来歴を手放す。 運営AIが新しい中央になる 三層とも、判断を置き換えるのではなく、人の判断の独立性と帯域を守る。 出典: AAAI-26, arXiv 2604.13940 / Kim et al. (2026) arXiv 2605.20668 / Gitcoin Forum (Verdict) / Zheng et al. (2022) Sci Adv / Park et al. (2024) arXiv 2411.10109 / Tessler et al. (2024) Science
31. 分散型サイエンス(DeSci) Web3テクノロジーでオープンサイエンスの問題の解決を 目指す Web3テクノロジー トークン、分散型金融、NFT、スマート コントラクト、分散型自律組織 サイエンス オープンアクセス/ソース、事前登録、クラ ウドファンディング、市民科学 Hamburg 2022. A Guide to DeSci, the Latest Web3 Movement. Future
32. DeSciの4つの領域と1つの横断層（トークン市場で約3.4億ドル） 01 02 03 04 研究資金とIP 資金配分と評価 データ・計算基盤 AIと研究実行 bioDAOやIP-NFTで研究に投 公共財ファンディングと有償査 分散ストレージ・永続ID・競 AI科学者エンジンが仮説を立 争型サブネットで研究資源を て、ラボAPIに実験を発注す 共有する る Filecoin · dPID · Bittensor · BIOS · PeptAI · Science Beach Prime Intellect · Vana · OpenLabs 成熟度：高〜低 成熟度：低 資し、成果を権利化・売却す る Molecule · VitaDAO · BIO Protocol · Pump.science 成熟度：中 https://www.bio.xyz/ 05 — 横断層 来歴・ID・権限 読で、配分先と研究の質を決め る Gitcoin · Deep Funding · Optimism Retro Funding · ResearchHub 成熟度：中 https://www.researchhub. com/ 4領域すべてに通る制度の配管。部品は揃い始めたが、貢献の ERC-8004（ID） · x402（決済） · LabNFT（ 記録や発見の認証とはまだつながっていない IP） · PoI・dPID（来歴）
33. 資金配分と評価 https://www.researchhub. com/ • ResearchHubは、論文の公開・議論・査読 をトークン（ResearchCoin、RSC）で報酬 づけするオープンサイエンス・プラットフ ォーム。 • Coinbase創業者のBrian Armstrongが支援 。 • 承認された査読1件に150ドル相当のRSCを 支払う仕組み • 2026年第1四半期に1,401件の査読を実施。 • 最近は「即時AIレビュー」を導入して提案 から出版までの自動化を進めていますが、 AIで書いた査読で報酬を稼ぐ動機が生まれ るという課題を抱えている。 ERC-8004（ID） · x402（決済） · LabNFT（ IP） · PoI・dPID（来歴）
34. AIと研究実行 https://molecule.xyz/blog/science-beach-is-the-openexperiment-in-autonomous-research • • Science Beach（現OpenLabs） ◦ コミュニティが選び、承認するプラットフォーム「AIが提案し、人間が承認し、実行は自動」 研究費はAave／Morphoに預けたUSDCの利回りだけでまかない、配分はBIOトークンによるコミュニティ投票で決 定 ◦ 立ち上げ時の主要プロジェクトはRheumaAIとPeptAI
35. DeSciの意義：三つの層を支える来歴の配管 01 運用 資金配分と評価 Deep Funding・ResearchHub 稼働中。ただしレビュー単位の報酬は、 AIで書いたレビューを招く AI科学者の競争は主戦場ではない 民間のAI科学企業3社の資本は9億ドル超。DeSciのト 02 設計 空白 — ークン市場全体は3億ドル台 制度を事前評価せずに本番で試した。市 場は科学ではなく物語に連動（BIOは最 高値から約97%下落） 査読やウェットラボで検証されたAI科学の成果は、す べてDeSciの外から出ている DeSci内のエージェントで外部検証されたのは、計算 03 共同体 来歴・ID・権限 ERC-8004・LabNFT・dPID 部品は揃ったが、貢献の記録 （CreditMap）や発見の認証とつながっ ていない のみのベンチマークにとどまる 比較優位は能力ではなく、プロセスの調整で は？ DeSciの比較優位は、発見の能力ではなく、来歴を記録し、配分と熟議を回すプロセスの層にあるはず。 出典: Beluga (ResearchHub) / Coinlore (BIO, 2026.10) / Edison Scientific・BioPharmaTrend (Lila)・Maginative (Periodic) / CoinGecko DeSci / arXiv 2601.12542 (BIOS)
36. 結論：四つの資源を、分散したプロセスで守る 01 02 03 04 検証 信頼 注意 多様性 独立した複数の検証者が確かめる。 誰が何をしたかの来歴を残し、帰 標本監査と部分抽選。人は全件で 異なるモデルとデータで検証し、 一社の自己採点にしない 属を確かめられるようにする はなく採点者として残る 制度は事前に試す。最も未解決 外部監査・形式検証（Lean） CreditMap × dPID・PoI Deep Funding・部分抽選 制度シミュレーション・熟議 フロンティアモデルが強くなるほど、深く・分散した・独立の監査が必須となる。 分散性の価値は、判断の独立性 生成が無限になる世界で、確かめる権利の配分
37. 本日のサマリー 生成が無限になる世界で、何を分散すべきか 01 生成 • AIで仮説・論文・申請書のコストはゼロに近づく • 希少になるのは、検証・信頼・注意・多様性という人 04 転回 の認知的資源 02 集中 • 能力の分散は安全性と衝突する。公開しても独占して も代償を払う • 強いモデルほど評価を見抜く。深く、独立した監査が 要る • 検証・帰属・資金配分・熟議というプロセス層の分散 は、能力を配らずに弊害を和らげる • 最大級の学習は1回十億ドル規模。担い手は世界で数 組織 • 集中は権力の偏在・認識論の単一栽培・価値のロック インを生み、資源をさらに希少にする 05 科学 • 発見の工場（実行・生成）は集中してよい。 • 何を正しいとし、誰に報いるかは分散すべき • AIの三層：査読・配分・検証を回すAI／制度設計のAI 03 五層 • 分散型AIは、計算・学習／推論／オープンウェイト／ エージェント経済／ガバナンスと価値の五層 ／コミュニティ運営のAI • DeSciの強みは能力ではなくプロセスの層か？ • 現在分散しているのは置き場所であって、判断ではな い 06 結論 分散すべきは能力ではなく、判断の独立性。 確かめる人が複数いて、同じところで間違えないこと
38. 関連資料
39. 研究資金とIP https://www.bio.xyz/ bioDAOやIP-NFTで研究に投資し、成果を権利化 ・売却する。 科学成果の流動化（トークン取引）。 ERC-8004（ID） · x402（決済） · LabNFT（ IP） · PoI・dPID（来歴）
40. 資金配分と評価 https://www.researchhub. com/ • ResearchHubは、論文の公開・議論・査読 をトークン（ResearchCoin、RSC）で報酬 づけするオープンサイエンス・プラットフ ォーム。 • Coinbase創業者のBrian Armstrongが支援 。 • 承認された査読1件に150ドル相当のRSCを 支払う仕組み • 2026年第1四半期に1,401件の査読を実施。 • 最近は「即時AIレビュー」を導入して提案 から出版までの自動化を進めていますが、 AIで書いた査読で報酬を稼ぐ動機が生まれ るという課題を抱えている。 ERC-8004（ID） · x402（決済） · LabNFT（ IP） · PoI・dPID（来歴）
41. データ・計算基盤 - prime intellect https://www.primeintellec t.ai/ 2026年7月 シリーズ A 1億3,000万ドル • AI研究の市民科学化： ◦ Environments Hubで、強化学習の環境を提供 ▪ 2,500件以上、貢献者が約890人（2026年 8月時点の報道）。 ◦ OSSとして外部の人が評価課題を持ち寄る仕組 みで⇨「オープンソース×市民科学」 • オンチェーンの貢献報酬：Prime Intellect Protocol （2025年2月）は、計算資源の提供者に稼働時間に 応じて報酬を支払い。 ◦ ステーキング・スラッシングやTOPLOC、TEE で計算の正しさを検証する設計。 ◦ 分散学習のための計算の協同組合のような構想 です。 • 科学モデルの公開：USCと共同で、廃水メタゲノム で学習したMETAGENE-1をオープンに公開 ◦ https://metagene.ai/ リードはRadical Ventures。NVIDIA Ventures、Intel Capital、Dell Technologies Capitalが参加
42. データ・計算基盤 - Opentensor Foundation • • • • 非営利の財団、創業者はJacob SteevesとAla Shaabana ◦ メインネットは2021年11月から稼働 ネイティブトークンはTAOで、供給上限は2,100 時価総額は2026年6月時点で約35億ドル 2025年初めにdTAOが導入され、サブネットごとに独 自の「alphaトークン」を発行してTAOと交換可能に サブネット https://opentensor.ai/whi tepaper 運営 内容 SN68 NOVA Metanov a Labs 結合親和性の予測で分子スクリ ーニングを競う SN107 Minos Minosの チーム ゲノム変異検出の設定を競う SN55 NIOME Genome s.io 合成ゲノムの生成 SN25 Macroco Mainframe smos タンパク質フォールディング（ 現在はLegacy扱い）
43. AIと研究実行 https://molecule.xyz/blog/science-beach-is-the-openexperiment-in-autonomous-research • • Science Beach（現OpenLabs） ◦ コミュニティが選び、承認するプラットフォーム「AIが提案し、人間が承認し、実行は自動」 研究費はAave／Morphoに預けたUSDCの利回りだけでまかない、配分はBIOトークンによるコミュニティ投票で決 定 ◦ 立ち上げ時の主要プロジェクトはRheumaAIとPeptAI