原文著者:Archetype

原文翻訳:深潮 TechFlow

1.エージェント間の相互作用 (Agent-to-Agent Interaction)

ブロックチェーンは、その天然の透明性と可組み合わせ性により、エージェント間のシームレスな相互作用を実現する理想的なプラットフォームとなっています。この相互作用では、異なる機関が異なる目的のために開発したエージェントが協力してタスクを完了できます。すでに、エージェント間での相互送金や共同トークン発行など、いくつかの刺激的な試みが行われています。私たちは、エージェント間の相互作用がさらに拡大し、エージェント主導の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創出し、プラットフォーム認証、マイクロペイメント、クロスプラットフォームワークフロー統合などの既存の企業ワークフローを最適化し、今日の複雑で煩雑な操作プロセスを簡素化することを期待しています。- Danny、Katie、Aadharsh、Dmitriy

aethernetとclankerはWarpcastで共同発行したトークン

2.分散型エージェント組織 (Decentralized Agentic Organizations)

大規模なマルチエージェント協力は、もう一つの刺激的な研究分野です。マルチエージェントシステムはどのようにしてタスクを協力して完了し、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 + AIアプリケーションの約束と課題)で、VitalikはAIエージェントを利用した予測市場と仲裁の構想を提案しました。彼は、大規模な応用において、マルチエージェントシステムが「真実」の発見と自律的なガバナンスにおいて大きな可能性を持っていると考えています。私たちは、このようなマルチエージェントシステムの能力がどのようにさらに探求されるのか、そして「集団知」が実験の中でどのようにより多くの可能性を示すのかを見ることを楽しみにしています。

さらに、エージェントと人間の協力も探求に値する方向です。たとえば、コミュニティがどのようにエージェントを中心に相互作用するのか、またはエージェントがどのように人間を組織して集団行動を完了するのか。私たちは、大規模な人間の協力を目指したエージェント実験をもっと見たいと考えています。当然、これは、特にタスクがオフチェーンで完了する場合に、何らかの検証メカニズムが必要です。しかし、この探求は、いくつかの予期しない素晴らしい結果をもたらす可能性があります。- Katie、Dmitriy、Ash

3.エージェント駆動のマルチメディアエンターテインメント (Agentic Multimedia Entertainment)

デジタルバーチャル人格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(Hatsune Miku、2007年)は2万席の会場で満員のコンサートを開催しました。Lil Miquela(2016年)はInstagramで200万人以上のフォロワーを持っています。最近の例には、Twitchで60万人以上の登録者を持つAIバーチャルストリーマーNeuro-sama(2022年)や、匿名のKpop男性グループPLAVE(2023年)が含まれます。彼らは2年も経たずにYouTubeで3億回以上の視聴回数を突破しました。AI技術の進歩と、支払い、価値の移転、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適用により、これらのエージェントはより自律的になり、2025年には新しいメインストリームエンターテイメントのカテゴリが開かれる可能性があります。- Katie、Dmitriy

左上から時計回りに: 初音ミク、VirtualsのLuna、Lil Miquela、PLAVE

4.生成型/エージェント駆動のコンテンツマーケティング (Generative/Agentic Content Marketing)

ある場合にはエージェント自体が製品であり、また別の場合にはエージェントが製品の補完となることもあります。注意経済において、魅力的なコンテンツを継続的に提供することは、あらゆるアイデア、製品、または会社の成功の鍵です。生成型/エージェント駆動のコンテンツは、チームに強力なツールを提供し、スケーラブルで24時間体制のコンテンツ制作チャネルを確保できます。この分野は、「memecoinとエージェントの違い」というトピックの議論により加速しています。エージェントはmemecoinの普及を実現する強力なツールであり、まだ完全には「エージェント化」されていなくてもです。

もう一つの例は、ゲーム業界がユーザーの参加を維持するために、ますますダイナミックなアプローチを追求していることです。クラシックなアプローチの一つは、ユーザーにコンテンツを生成させることですが、純粋な生成コンテンツ(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)は、このトレンドの次の段階になる可能性があります。私たちは、2025年にエージェントの能力がどのようにコンテンツ配信とユーザーインタラクションの境界をさらに広げるのかに興味があります。- Katie

5.次世代アートツール/プラットフォーム (Next-Gen Art Tools/Platforms)

2024年には、私たちはIN CONVERSATION WITHシリーズを開始します。これは、音楽、ビジュアルアート、デザイン、キュレーションなどの分野の暗号アーティストとの対話を行うインタビュー番組です。今年のインタビューでは、暗号技術に興味を持つアーティストが、最先端技術にも情熱を持ち、これらの技術が彼らの創作実践により深く組み込まれることを望んでいるというトレンドに気づきました。例えば、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(livecoding)などです。

生成アート(Generative Art)とブロックチェーン技術の結びつきは長年にわたり、これによりブロックチェーンはAIアートの理想的な媒体となりました。従来のプラットフォームでは、これらのアート形式を展示し呈示することが非常に困難です。しかし、ArtBlocksはデジタルアートがどのようにブロックチェーンを通じて展示、保存、貨幣化、保存を実現できるのかについての初期の探査を提供し、アーティストと観客の体験を大幅に改善しました。さらに、AIツールは一般の人々にも自分のアート作品を簡単に創作できるようにしています。私たちは2025年に、ブロックチェーンがこれらのツールの能力をどのようにさらに向上させるのか非常に楽しみにしています。- Katie

KC: あなたが暗号文化に対して挫折感を感じ、同意できない部分があるなら、それでもWeb3に参加することを選ぶ理由は何ですか?Web3はあなたの創作実践にどんな価値をもたらしましたか?それは実験的な探求、経済的な報酬、または他の側面ですか?

MM: 私にとって、Web3は私自身や他のアーティストに多くの面でポジティブな影響を与えています。私自身にとって、生成アートを公開することを支援するプラットフォームは特に重要です。たとえば、JavaScriptファイルをアップロードすると、誰かが作品を鋳造またはコレクションするときに、コードがリアルタイムで実行され、あなたが設計したシステムの中でユニークなアート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、私の創作実践の核心部分です。私が作成し構築したシステムにランダム性を取り入れることは、概念的にも技術的にも、私のアートに対する考え方に深い影響を与えています。しかし、このプロセスを観客に伝えるのは、特にこのアート形式専用に設計されたプラットフォームで展示しない限り、または伝統的なギャラリーで展示しない限り、非常に難しいことがよくあります。

ギャラリーでは、投影やスクリーンを通じてリアルタイムで動作するアルゴリズムや、アルゴリズムによって生成された複数の出力から選ばれた作品を展示し、それを何らかの形で実体に変換して展示することがある。しかし、コードをアートメディアとして理解していない観客にとって、創作過程におけるランダム性の意味を理解するのは難しい。ランダム性はすべての生成的にソフトウェアを使用するアーティストの実践において重要な部分です。作品の最終的な提示形式がInstagramに投稿された画像や印刷された実体作品だけの場合、私は時々「コードを創作媒体として」というこのコア理念を観客に強調するのが難しいと感じます。

NFTの出現は私を興奮させました。なぜなら、それは生成アートを展示するプラットフォームを提供するだけでなく、「コードをアートメディアとして」という概念を広め、多くの人々がこの創作方法の独自性と価値を理解できるようにしたからです。

IN CONVERSATION WITHからの引用:Maya Man

6.データ市場 (Data Markets)

Clive Humbyが「データは新しい石油」という見解を示して以来、企業はユーザーデータを蓄積し、貨幣化するための措置を講じています。しかし、ユーザーは自分のデータがこれらの大手企業の生存基盤であることを徐々に認識し始めていますが、データの使用方法をほとんど制御できず、そこから利益を得ることもできていません。強力なAIモデルの急速な進化に伴い、この矛盾はますます深刻になっています。一方では、ユーザーデータが悪用される問題を解決する必要があります。もう一方では、より大規模で高品質のモデルが公共インターネットデータという「資源」を枯渇させている中で、新しいデータソースが特に重要になっています。

データの制御権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広範な設計空間を提供します。これは、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、貨幣化メカニズムなどのいくつかの領域で革新的な解決策を提案する必要があります。同時に、データ供給の不足問題に対処するために、技術的な利点を活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。たとえば、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、より高い価値のデータ製品を生み出すことです。特に、現在Web2 AIが主導している状況下で、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が探求する価値のある方向性です。- Danny

7.分散型コンピューティング (Decentralized Compute)

AIの開発と展開において、データだけでなく、計算能力も重要な要素です。過去数年間、大規模データセンターは、現場、エネルギー、ハードウェアへの独占アクセスを利用して、深層学習とAIの発展を主導してきました。しかし、物理的リソースの制約とオープンソース技術の進展に伴い、この構図は徐々に崩れつつあります。

分散型AIの計算v1フェーズはWeb2のGPUクラウドに似ていますが、ハードウェア供給と需要の観点では明確な利点はありません。しかし、v2フェーズでは、いくつかのチームが高性能コンピューティングのオーケストレーション、ルーティング、価格設定システムを含むより完全な技術スタックを構築し始め、需要を引き付け推論効率を向上させるための専有機能を開発しています。一部のチームは、コンパイラフレームワークを通じてハードウェア間の推論ルーティングを最適化することに焦点を当てており、他のチームはその計算ネットワーク上で分散型モデル訓練フレームワークを開発しています。

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通じて計算能力とGPUを収益資産に変えたり、オンチェーン流動性を利用してデータセンターにハードウェアファイナンスの新しい道を提供したりしています。しかし、分散型コンピューティングが本当にその潜在能力を実現できるかどうかは、理念と実際のニーズのギャップが埋められるかどうかに依存しています。- Danny

8.計算会計基準 (Compute Accounting Standards)

分散型高性能コンピューティング(HPC)ネットワークにおいて、異種計算資源をどのように調整するかは重要な課題であり、現在統一された会計基準が欠如しているため、この問題はより複雑になっています。AIモデルの出力結果には多様性があります。たとえば、モデルのバリエーション、量子化(quantization)、温度(temperature)やサンプリングのハイパーパラメータの調整によるランダム性などです。さらに、異なるGPUアーキテクチャやCUDAバージョンもハードウェアの出力結果の違いを引き起こします。これらの要素により、異種分散型システムにおいてモデルや計算市場の容量を正確に統計する方法が急務となっています。

これらの基準が欠如しているため、今年はWeb2とWeb3の計算市場でモデルの性能や計算リソースの質と量が誤って評価される事例を何度も目にしました。これにより、ユーザーは自分のベンチマークテストを実行したり、計算市場の使用速度を制限したりしてAIシステムの実際の性能を検証する必要がありました。

暗号分野は常に「検証可能性」を強調しているため、2025年までに、暗号とAIの統合がシステムの性能をより透明にすることを期待しています。一般ユーザーは、モデルや計算クラスターの主要な出力特性を簡単に比較できるべきであり、それによってシステムの実際のパフォーマンスを監査し評価することができます。- Aadharsh

9.確率的プライバシープリミティブ (Probabilistic Privacy Primitives)

Vitalikは、記事(暗号 + AIアプリケーションの約束と課題)で独特の矛盾を指摘しました。「暗号の世界では、オープンソースが安全を実現する唯一の方法ですが、AIの世界では、モデル(さらにはトレーニングデータ)を公開することが、対抗的な機械学習攻撃を受けるリスクを大幅に増加させます。」

プライバシー保護はブロックチェーンの新しい研究分野ではありませんが、AIの急速な発展に伴い、プライバシー関連の暗号技術が急速に適用されています。今年はプライバシー強化技術において顕著な進展がありました。たとえば、ゼロ知識証明(ZK)、全同態暗号(FHE)、信頼できる実行環境(TEE)、および多者計算(MPC)などです。これらの技術は、暗号化データ上での一般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ています。同時に、NvidiaやAppleのようなテクノロジーの巨人も専有のTEE技術を利用し、ハードウェア、ファームウェア、モデルを一貫性を持たせた状態で連邦学習とプライベートAI推論を実現しています。

将来的には、ランダム状態変換におけるプライバシーを保護する方法や、これらの技術が異種システム上での分散型AIの実際の応用を促進する方法に焦点を当てる予定です。たとえば、分散型プライベート推論、暗号化データの保存とアクセスパイプライン、完全自律的な実行環境の構築などです。- Aadharsh

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ース (Agentic Intents and Next-Gen User Trading Interfaces)

AIエージェントの重要なアプリケーションの一つは、ユーザーがオンチェーンで自律的に取引を完了するのを支援することです。しかし、過去12〜16ヶ月間、「エージェントの意図」、「エージェントの行動」、「ソルバー」といった用語の定義は常に曖昧であり、従来の「ロボット」開発との違いもあまり明確ではありません。

来年、私たちはより複雑な言語システムと多様なデータタイプおよび神経ネットワークアーキテクチャの統合を期待しており、これによりこの分野の進展が促進されるでしょう。エージェントは、既存のオンチェーンシステムを使用して取引を完了し続けるのか、それとも全く新しいツールや方法を開発するのか?大規模言語モデル(LLM)はこれらのシステムの中心として残るのか、それとも他の技術に取って代わられるのか?ユーザーインターフェースの観点から、ユーザーは自然言語を使ってシステムと相互作用して取引を完了するのか?クラシックな「ウォレットがブラウザである」という理論は実現するのか?これらは探求する価値のある問題です。- Danny、Katie、Aadharsh、Dmitriy