Crypto AIの10大融合発展方向を一挙に紹介：エージェント間の相互作用、コンテンツマーケティングとデータ市場など

原題：《Crypto x AI: 2025年に注目している10のカテゴリー》

著者：Archetype

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。現在、エージェント間の相互送金、共同トークン発行など、いくつかの興味深い試みが行われています。私たちは、エージェント間の相互作用がさらに拡大し、一方ではエージェント駆動の新しいソーシャルプラットフォームなどの全く新しいアプリケーションシナリオを創出し、他方では既存の企業のワークフローを最適化し、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のワークフロー統合などを通じて、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 が Warpcast で共同トークンを発行

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、もう一つの興奮を呼ぶ研究方向です。マルチエージェントシステムは、どのように協力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「暗号 + AI アプリケーションの約束と課題」という記事で、VitalikはAIエージェントを利用した予測市場と裁定の構想を提案しました。彼は、大規模なアプリケーションにおいて、マルチエージェントシステムが「真実」の発見と自治的ガバナンスにおいて巨大な潜在能力を持っていると考えています。私たちは、この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発掘され、「群体知」が実験の中でどのようにさらなる可能性を示すのか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すべき方向です。たとえば、コミュニティがエージェントを中心にどのように相互作用するのか、またはエージェントが人間をどのように組織して集団行動を完了させるのか。私たちは、大規模な人間協力を目指したエージェントの実験がもっと見られることを望んでいます。もちろん、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を備える必要があります。しかし、この探求は、いくつかの予想外の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) は2万席の会場で完売のコンサートを開催しました；Lil Miquela (2016) はInstagramで200万人以上のフォロワーを持っています。最近の例としては、AIバーチャルストリーマーNeuro-sama (2022)がTwitchで60万人以上の登録者を持ち、匿名のKpopボーイズグループPLAVE (2023)がYouTubeで3億回以上の視聴を達成しています。AI技術の進歩とブロックチェーンの支払い、価値移転、オープンデータプラットフォームへの応用により、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、2025年には新しい主流のエンターテインメント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：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、別のケースではエージェントが製品の補完物となることがあります。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、アイデア、製品、または企業の成功の鍵です。生成型/エージェント駆動のコンテンツは、チームにスケーラブルで24時間稼働するコンテンツ制作チャネルを確保するための強力なツールを提供します。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って加速しています。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「エージェント化」されていなくても機能します。

もう一つの例は、ゲーム業界がユーザーの関与を維持するために、ますます動的なものを追求しているということです。古典的なアプローチはユーザー生成コンテンツを促進することですが、純粋な生成型コンテンツ（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。2025年には、エージェントの能力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さらに拡大するのか、非常に興味があります。- 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、IN CONVERSATION WITHシリーズを開始しました。これは、音楽、視覚芸術、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、最先端技術にも熱心であり、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付きました。たとえば、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合は長い歴史があり、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っています。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、提示することが非常に困難でした。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、マネタイズ、保存されるかを初歩的に探求し、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が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を非常に楽しみにしています。- Katie

KC : あなたが暗号文化に失望し、同意できない点があるとしたら、それでもあなたがWeb3に参加し続ける理由は何ですか？Web3はあなたの創作実践にどのような価値をもたらしましたか？それは実験的な探求、経済的なリターン、または他の側面ですか？

MM: 私にとって、Web3は個人としても他のアーティストにとっても多くの面でポジティブな影響を与えています。私個人にとって、生成アートを発表するプラットフォームのサポートは特に重要です。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、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内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。私が構築した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、私のアートに対する考え方に深い影響を与えました。しかし、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、または従来のギャラリーで展示しない限り、観客にこのプロセスを伝えるのは難しいことが多いです。

ギャラリーでは、プロジェクションやスクリーンでリアルタイムで実行されるアルゴリズムを展示したり、アルゴリズムによって生成された複数の出力の中から選ばれた作品を展示し、何らかの形で実体として展示することがあります。しかし、コードをアートメディアとしてあまり知らない観客にとっては、この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ことが多く、この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に過ぎない場合、私は時々「コードを創作メディアとして」というこの核心的な理念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の登場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」という概念を普及させ、より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するからです。

IN CONVERSATION WITH：Maya Manより抜粋

6.データ市場 (Data Markets)

Clive Humbyが「データは新しい石油」と提唱して以来、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きました。しかし、ユーザーは自分のデータがこれらの巨大企業の生存基盤であることを徐々に認識しつつありますが、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モデルの急速な発展に伴い、この矛盾はますます深刻になっています。一方では、ユーザーデータの悪用の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なモデルが公共インターネットデータという「資源」を枯渇させているため、新しいデータソースが特に重要です。

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、貨幣化メカニズムなどの分野で革新的な解決策を提案する必要があります。また、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解決策を構築する方法を考える必要があります。たとえば、より良い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創出することです。特に現在、Web2 AIが依然として主導的な地位を占めている背景において、スマートコントラクトと従来のサービス契約（SLA）を組み合わせる方法は、深く探求すべき方向です。- 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、大規模データセンターは、場所、エネルギー、ハードウェアへの独占的な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、物理的資源の制約とオープンソース技術の発展に伴い、この状況は徐々に変わりつつあります。

分散型AIの計算v1段階はWeb2のGPUクラウドに似ていますが、ハードウェアの供給と需要の面では明確な優位性はありません。一方、v2段階では、いくつかのチームが高性能計算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洗練された技術スタックを構築し、需要を引き付け、推論効率を向上させるための専用機能を開発し始めています。あるチームは、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、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つつあり、革新的な経済メカニズムを通じて計算能力とGPUを収益資産に変換したり、オンチェーンの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手段を提供しています。しかし、分散型コンピューティングがその潜在能力を真に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)

分散型高性能計算（HPC）ネットワークにおいて、異種計算リソースを調整することは重要な課題であり、現在の統一された会計基準の欠如はこの問題をさらに複雑にしています。AIモデルの出力結果は多様性を持ち、たとえばモデルのバリエーション、量子化（quantization）、温度（temperature）やサンプリングハイパーパラメータ調整によるランダム性などがあります。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出力結果の違いを引き起こします。これらの要因により、異種分散システムにおいてモデルと計算市場の容量を正確に統計すること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、Web2およびWeb3の計算市場において、モデルの性能と計算リソースの質と量が誤って計算される事例が多く見られました。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、計算市場の使用率を制限したりして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「検証可能性」を常に強調しているため、2025年までに暗号とAIの結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。一般のユーザーは、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ようになり、システムの実際のパフォーマンスを監査し評価できるようになるべきです。- Aadharsh

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

Vitalikは「暗号 + AI アプリケーションの約束と課題」という記事で、独特の矛盾について言及しました。「暗号学において、オープンソースは安全を実現する唯一の方法ですが、AIにおいては、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機械学習攻撃のリスクを大幅に高めます。」

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が加速して適用されています。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、暗号データ上での一般的な計算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のような技術大手も、専有のTEE技術を利用して、ハードウェア、ファームウェア、モデルを一貫させたまま、フェデレートラーニングとプライベートAI推論を実現しています。

今後は、ランダム状態遷移におけるプライバシー保護と、これらの技術が分散型AIの異種システムにおける実際の適用を促進する方法に重点を置いていきます。たとえば、分散型のプライベート推論、暗号データの保存とアクセスパイプライン、完全に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応用の一つは、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助けることです。しかし、過去12〜16ヶ月の間に、「エージェントの意図」、「エージェントの行動」、「ソルバー」などの用語の定義は常に曖昧であり、従来の「ロボット」開発との違いも明確ではありません。

今後1年で、私たちはより複雑な言語システムがさまざまなデータタイプや神経ネットワークアーキテクチャと組み合わさることを期待しており、これがこの分野の発展を促進するでしょう。エージェントは引き続き既存のオンチェーンシステムを使用して取引を完了するのか、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通じてシステムと対話して取引を完了するのか？古典的な「ウォレットはブラウザである」という理論は現実になるのか？これらは探求に値する問題です。- Danny、Katie、Aadharsh、Dmitriy