原作者：アーキタイプ
オリジナル編集: Deep Chao TechFlow
1. エージェント間の対話
ブロックチェーンは、その自然な透明性と構成可能性により、インテリジェント エージェント間のシームレスな対話を実現する理想的なプラットフォームとなっています。この対話では、さまざまな目的のためにさまざまな機関によって開発されたエージェントが協力してタスクを完了できます。エージェント間で送金したり、トークンを一緒に発行したりするなど、すでにいくつかの興味深い試みが行われています。私たちは、エージェント間の対話がさらに拡大することを期待しています。一方で、エージェントによって推進される新しいソーシャル プラットフォームなどの新しいアプリケーション シナリオを作成し、他方で、プラットフォーム認証、マイクロペイメント、相互決済などの既存のエンタープライズ ワークフローを最適化します。プラットフォームの作業、ストリームの統合などにより、今日の複雑で煩雑な運用プロセスが簡素化されます。 -ダニー、ケイティ、アーダルシュ、ドミトリー
イーサネットとクランカーはワープキャストで共同でトークンを発行します
2. 分散型エージェント組織
大規模なマルチエージェントのコラボレーションは、もう 1 つの興味深い研究方向です。マルチエージェント システムはどのように連携してタスクを完了し、問題を解決し、さらにはプロトコルやシステムを管理するのでしょうか? 2024年初頭の記事「暗号通貨+AIアプリケーションの約束と課題」の中で、ヴィタリック氏は予測市場と裁定にAIエージェントを使用するというアイデアを提案した。彼は、大規模なアプリケーションでは、マルチエージェント システムには「真実」の発見と自律的なガバナンスの大きな可能性があると信じています。私たちは、このマルチエージェント システムの機能がどのようにさらに研究され、「群知能」が実験でより多くの可能性をどのように明らかにできるかを見ることを楽しみにしています。
さらに、インテリジェントエージェントと人間の間のコラボレーションも、検討する価値のある方向性です。たとえば、コミュニティがインテリジェント エージェントを中心にどのように相互作用するか、またはインテリジェント エージェントが人間を組織して集団行動を完了する方法などです。私たちは、人間の大規模なコラボレーションを対象としたエージェントの実験がさらに増えることを期待しています。もちろん、特にタスクがオフチェーンで完了する場合は、何らかの検証メカニズムが必要です。しかし、この探求は予期せぬ素晴らしい結果につながるかもしれません。 -ケイティ、ドミトリー、アッシュ
3. エージェント主導型マルチメディアエンターテインメント（Agentic Multimedia Entertainment）
デジタル アバターの概念は何年も前から存在しています。たとえば、初音ミク(2007 年) は 20,000 席の会場で完売のコンサートを開催し、リル ミケーラ(2016 年) は Instagram で 200 万人以上のフォロワーを抱えています。最近の例としては、Twitch の登録者数が 60 万人を超えた AI バーチャル ストリーマーNeuro 様(2022 年) や、YouTube での再生回数が 2 年足らずで 60 万回を超え、再生回数が 300 回を超えた匿名の Kpop ボーイズ バンドPLAVE (2023 年) などが挙げられます。何百万回も。 AI テクノロジーの進歩と、決済、価値移転、オープン データ プラットフォームにおけるブロックチェーンの応用により、これらのエージェントはより自律的になることが期待されており、2025 年までに新たな主流のエンターテイメント カテゴリが開拓される可能性があります。 -ケイティ、ドミトリー
左上から時計回りに：初音ミク、VirtualsのLuna、リル・ミケーラ、PLAVE
4. ジェネレーティブ/エージェント主導型コンテンツ マーケティング (ジェネレーティブ/エージェント コンテンツ マーケティング)
エージェントが製品そのものである場合もあれば、製品を補完するものである場合もあります。アテンションエコノミーでは、魅力的なコンテンツを継続的に出力することが、あらゆるアイデア、製品、会社の成功の鍵となります。生成/エージェント駆動型コンテンツは、スケーラブルな 24 時間年中無休のコンテンツ作成パイプラインを確保するための強力なツールをチームに提供します。この分野は、「ミームコイン対エージェント」に関する議論によって加速されています。エージェントは、ミームコインがまだ完全に「インテリジェント」ではない場合でも、ミームコインを広めるための強力なツールです。
別の例として、ゲーム業界はユーザーの関心を維持するためにダイナミズムをますます追求しています。古典的なアプローチはユーザー生成コンテンツをリードすることであり、純粋に生成コンテンツ (ゲーム内アイテム、NPC、さらには完全に生成されたレベルなど) がこの傾向の次の段階となる可能性があります。私たちは、2025 年のエージェントの機能がコンテンツ配信とユーザー インタラクションの境界をどのように拡大するかに興味があります。 -ケイティ
5. 次世代アートツール/プラットフォーム
2024 年に、音楽、ビジュアル アート、デザイン、キュレーションなどの仮想通貨アーティストと話すインタビュー プログラムであるIN CONVERSATION WITHシリーズを開始しました。今年のインタビューを通じて、私はある傾向に気づきました。暗号通貨に興味のあるアーティストは、多くの場合、最先端のテクノロジーにも情熱を持っており、AR/VR オブジェクト、コード生成アート、リアルタイムコーディング（ライブコーディング）。
ジェネレーティブ アートとブロックチェーン テクノロジーの組み合わせは古くから存在しており、そのためブロックチェーンは AI アートにとって理想的な媒体でもあります。これらの芸術形式を表示および提示することは、従来のプラットフォームでは非常に困難です。 ArtBlocks は、ブロックチェーンを通じてデジタル アートをどのように表示、保存、収益化、保存できるかについての予備調査を提供し、アーティストと観客のエクスペリエンスを大幅に向上させます。さらに、 AI ツールにより、一般の人でも簡単に独自の芸術作品を作成できるようになります。 2025 年にブロックチェーンがこれらのツールの機能をさらに強化することを非常に楽しみにしています。 -ケイティ
KC: 暗号通貨文化に対する不満や意見の相違を踏まえると、それでも Web3 への参加を選択する動機は何ですか? Web3 はあなたの創作活動にどのような価値をもたらしますか?それは実験的な探査でしょうか、金銭的な報酬でしょうか、それとも何か他のものでしょうか？
MM: 私にとって、Web3 はさまざまな点で自分自身や他のアーティストに良い影響を与えてきました。個人的に、ジェネレーティブ アートの出版をサポートするプラットフォームは、私の実践にとって特に重要です。たとえば、JavaScript ファイルをアップロードすると、誰かが作品を鋳造したり収集したりすると、そのコードがリアルタイムで実行され、設計したシステム内に独自の芸術作品が生成されます。このリアルタイム生成のプロセスは、私の創作活動の中核部分です。私が書いたり構築したりするシステムにランダム性を導入することは、概念的にも技術的にも、アートについての私の考え方に大きな影響を与えました。しかし、この芸術形式のために特別に設計されたプラットフォーム、または伝統的なギャラリーで提示されない場合、このプロセスを観客に伝えるのは難しいことがよくあります。
ギャラリーでは、アルゴリズムがプロジェクションまたはスクリーンを介してリアルタイムで実行されている様子が示されたり、アルゴリズムによって生成された複数の出力から作品が選択され、何らかの形で展示用に物理的な形式に変換されたりすることがあります。しかし、芸術的媒体としてのコードにあまり慣れていない聴衆にとって、ソフトウェアを生成的な方法で使用するすべてのアーティストの実践の重要な部分である創造的なプロセスにおけるこのランダム性の重要性を理解するのは難しい場合があります。作品の最終形態が Instagram に投稿された単なる写真や物理的なプリントである場合、「創造的な媒体としてのコード」という中心的なアイデアを観客に強調するのが難しいと感じることがあります。
NFTの出現は、ジェネレーティブアートを紹介するプラットフォームを提供するだけでなく、「芸術的媒体としてのコード」の概念を普及させるのにも役立ち、より多くの人がこの作成方法の独自性と価値を理解できるため、私を興奮させます。
マヤ・マンとの会話より抜粋
6.データマーケット
クライブ・ハンビーが「データは新しい石油である」という考えを提唱して以来、企業はユーザーデータを貯め込んで収益化するための措置を講じてきました。しかし、ユーザーは、自分たちのデータがこれらの巨大企業の存続の基礎であるにもかかわらず、データの使用方法をほとんど制御できず、そこから利益を引き出すことができていないことに徐々に気づき始めています。強力な AI モデルの急速な発展に伴い、この矛盾はますます深刻になってきています。一方では、ユーザーデータが悪用されるという問題を解決する必要がありますが、他方では、大規模で高品質なモデルは公共のインターネットデータの「リソース」を使い果たすため、新しいデータソースも特に重要です。
データの制御をユーザーに戻すために、分散型インフラストラクチャは幅広い設計スペースを提供します。これには、データストレージ、プライバシー保護、データ品質評価、価値帰属、収益化メカニズムなどの複数の分野で革新的なソリューションが必要です。同時に、データ供給の不足に対応して、より優れたインセンティブメカニズムやフィルタリング方法を通じてより価値の高いデータ製品を作成するなど、技術的な利点を利用して競争力のあるソリューションを構築する方法を考える必要があります。特に、Web2 AI が依然として優勢である現在の状況では、スマート コントラクトと従来のサービス契約 (SLA) をどのように組み合わせるかは、徹底的に検討する価値のある方向性です。 -ダニー
7. 分散型コンピューティング
AI の開発と展開では、データに加えてコンピューティング能力も重要な要素です。ここ数年、大規模なデータセンターがディープラーニングと AI の開発を支配しており、スペース、エネルギー、ハードウェアへの独占的なアクセスに依存しています。しかし、物理リソースの制限とオープンソース技術の発展により、このパターンは徐々に崩れつつあります。
分散型 AI のコンピューティング v1 段階は Web2 の GPU クラウドに似ていますが、ハードウェアの需要と供給の点で明らかな利点はありません。 v2 段階では、一部のチームが、需要を引きつけ推論効率を向上させる独自の機能を開発しながら、ハイパフォーマンス コンピューティング オーケストレーション、ルーティング、価格設定システムなど、より完全なテクノロジー スタックの構築を開始していることがわかりました。コンパイラ フレームワークを介してハードウェア全体で推論ルーティングを最適化することに重点を置いているチームもあれば、コンピューティング ネットワーク上で分散モデル トレーニング フレームワークを開発しているチームもあります。
さらに、AI-Fi と呼ばれる新興市場が形成されており、革新的な経済メカニズムを使用してコンピューティング能力と GPU を収益を生み出す資産に変換したり、オンチェーンの流動性を使用してデータセンターのハードウェアに資金を提供する新しい方法を提供したりします。しかし、分散コンピューティングがその可能性を本当に実現できるかどうかは、アイデアと実際のニーズとの間のギャップを埋めることができるかどうかにかかっています。 -ダニー
8. 会計基準の計算
分散型ハイパフォーマンス コンピューティング (HPC) ネットワークでは、異種のコンピューティング リソースをどのように調整するかが重要な課題ですが、現在統一された会計基準が存在しないため、この問題はさらに複雑になっています。 AI モデルの出力結果は、モデルのバリアント、量子化、温度やサンプリングのハイパーパラメータ調整によるランダム性など、多岐にわたります。さらに、GPU アーキテクチャとCUDA のバージョンが異なると、ハードウェアの出力結果も異なります。これらの要因により、異種分散システムにおける市場容量を正確に統計的にモデル化し計算する方法が緊急に解決すべき問題となっています。
これらの標準が欠如しているため、今年の Web2 および Web3 コンピューティング市場では、モデルのパフォーマンスとコンピューティング リソースの質と量が誤って計算されていることが何度も見られました。このため、ユーザーは独自のベンチマークを実行したり、コンピューティング市場の使用率を制限したりして、AI システムの実際のパフォーマンスを検証する必要があります。
暗号化の分野では常に「検証可能性」が重視されてきたため、2025 年までに暗号化と AI の組み合わせによりシステムのパフォーマンスがより透明になることを期待しています。通常のユーザーは、システムの実際のパフォーマンスを監査および評価するために、モデルまたはコンピューティング クラスターの主要な出力特性を簡単に比較できる必要があります。 -アダルシュ
9. 確率的プライバシープリミティブ
Vitalik 氏は、 「暗号 + AI アプリケーションの約束と課題」の記事で独特の矛盾について言及しました。「暗号では、オープンソースがセキュリティを実現する唯一の方法ですが、AI では、モデル (またはトレーニング データ) を公開することは、敵対的な機械学習攻撃のリスクが大幅に増加します。」
プライバシー保護はブロックチェーンにおける新しい研究方向ではありませんが、AI の急速な発展に伴い、プライバシー関連の暗号技術の応用が加速しています。今年は、ゼロ知識証明 (ZK)、完全準同型暗号化 (FHE)、信頼できる実行環境 (TEE)、マルチパーティ コンピューテーション (MPC) などのプライバシー強化テクノロジーで大きな進歩が見られました。これらの手法は、暗号化されたデータに対する汎用計算のためのプライベート共有状態などのシナリオで使用されます。同時に、Nvidia や Apple などのテクノロジー大手も独自の TEE テクノロジーを活用して、ハードウェア、ファームウェア、モデルの一貫性を保ちながらフェデレーション ラーニングとプライベート AI 推論を実現しています。
将来的には、ランダムな状態遷移においてプライバシーを保護する方法と、これらの技術が、分散型プライベート推論、暗号化データのストレージとアクセス パイプライン、暗号化データの構築など、異種システム上での分散型 AI の実用的な適用をどのように促進できるかに焦点を当てていきます。完全に自律的な実行環境。 -アダルシュ
Apple の Apple Intelligence スタックと Nvidia の H100 GPU
10. エージェントの意図と次世代ユーザー取引インターフェイス
AI エージェントの重要な用途は、ユーザーがチェーン上で自律的にトランザクションを完了できるように支援することです。しかし、ここ 12 ～ 16 か月の間、「エージェントの意図」、「エージェントの動作」、「ソルバー」などの用語の定義があいまいで、従来の「ロボット」開発との違いが十分に明確になっていません。
来年は、複数のデータ型とニューラル ネットワーク アーキテクチャを組み合わせた、より複雑な言語システムがこの分野を前進させると予想されます。エージェントはトランザクションを完了するために既存のオンチェーン システムを引き続き使用するのでしょうか、それともまったく新しいツールや方法を開発するのでしょうか?大規模言語モデル (LLM) はこれらのシステムの中核であり続けるのでしょうか、それとも他のテクノロジーに置き換えられるのでしょうか?ユーザー インターフェイス レベルでは、ユーザーは自然言語を通じてシステムと対話してトランザクションを完了しますか?古典的な「ブラウザとしてのウォレット」理論は現実になるのでしょうか?これらは検討する価値のある質問です。 -ダニー、ケイティ、アーダルシュ、ドミトリー
