1. エージェント間の相互作用

ブロックチェーンのデフォルトの透明性と組み合わせ可能性により、異なる目的で異なる主体によって開発されたエージェント同士がシームレスに相互作用することができるため、ブロックチェーンはエージェント間の相互作用に最適な基盤です。すでに多くの実験が行われています。エージェントが互いに資金を送信する,トークンを一緒に発売する, そしてさらに。エージェント間の相互作用が、新しいアプリケーション領域を作成することでどのようにスケールするかを見るのが大好きです。エージェントの相互作用によって推進される新しいソーシャル・ベニュー, また企業のワークフローの改善今日私たちが面倒だと知っていること、プラットフォームの認証と検証からマイクロペイメント、プラットフォーム間のワークフロー統合など、さまざまなことがあります。

-ダニー,ケイティ,Aadharsh、Dmitriy

aethernetとclankerがWarpcastで一緒にトークンをローンチします

2. 分散型エージェント組織

マルチエージェントの大規模な調整は、同様に興味深い研究領域です。マルチエージェントシステムは、タスクを完了し、問題を解決し、システムとプロトコルを管理するためにどのように協力できるのでしょうか？2024年初めの彼の投稿で、暗号資産+ AIアプリケーションの約束と課題ヴィタリックは、予測市場と裁定のためにAIエージェントを利用することに言及しています。規模化すると、彼は基本的に、マルチエージェントシステムには「真実」を見つけるための傑出した能力があり、一般的に自律的なガバナンスシステムを持っていると述べています。我々は、マルチエージェントシステムの能力と「群知能」の形態がどのように発見され、実験され続けるかを見ることに興味があります。

エージェント間の調整の拡張として、エージェントと人間の調整は興味深い設計空間です。具体的には、コミュニティがエージェントに取り組む方法や、エージェントが人間を組織して集団行動を行う方法についてです。大規模な人間の調整を目的とするエージェントの実験がさらに増えることを望んでいます。人間の作業がオフチェーンで行われた場合、特に検証メカニズムが必要になりますが、非常に奇妙で興味深い創発的な行動があるかもしれません。

-ケイティ,Dmitriy,アッシュ

3. エージェントメディアエンターテインメント

デジタルペルソナの概念は数十年前から存在しています。初音ミク（2007）は2万席の会場を完売しましたLil Miquela（2016）はInstagramで200万以上のフォロワーを持っています。新しい、あまり知られていない例には、AI Vtuberが含まれます。Neuro-sama(2022)はTwitchで60万人以上の登録者を持つことで知られており、匿名のKPOPボーイグループです。@plave_official/featured"> PLAVE（2023）は、YouTubeでわずか2年で300M以上のビューを集めた暗号資産です。AIインフラストラクチャーの進歩や、支払い、価値の転送、オープンデータプラットフォームのためのブロックチェーンの統合により、これらのエージェントがより自律的になり、2025年には新しいメインストリームのエンターテインメントカテゴリーを開拓する可能性があることを期待しています。

-ケイティ,Dmitriy

左上から時計回りに: 初音ミク、Virtualsのルナ、リル・ミクエラ、そしてPLAVE

4. 生成的/主体的コンテンツマーケティング

前のケースでは、エージェントがどこにいるかはこの商品には、エージェントが製品を補完する場合もあります。注目経済では、魅力的なコンテンツの一貫したストリームを維持することが、アイデア、製品、会社などの成功に不可欠です。生成/エージェントコンテンツは、スケーラブルな24時間365日のコンテンツ発信パイプラインを確保するためにチームが使用できる強力なツールです。このアイデアスペースは、暗号資産によって加速されています。memecoinとエージェントを区別するものについての議論エージェントは、メームコインが配信を得る強力な手段ですが、厳密には「エージェンティック」ではなくても（まだ）。

別の例として、@archetype/from-players-to-gods-games-and-autonomous-worlds">ゲームは、ユーザーのエンゲージメントを維持するためにますますダイナミックであることが期待されています。ゲームでダイナミズムを生み出すためのクラシックな方法の1つは、ユーザー生成コンテンツを育成することです。純粋に生成されたコンテンツ（ゲーム内アイテムからNPCまで、完全に生成されたレベルまで）は、おそらくこの進化の次の時代です。2025年には、エージェントの能力によって伝統的な配信戦略の境界がどれだけ広がるかが注目されています。

-Katie

5. 次世代アートツール/プラットフォーム

2024年に、私たちはローンチしました@archetype> クリプトの端にある音楽、ビジュアルアート、デザイン、キュレーションなど、さまざまな分野で活動するアーティストとの対話。今年のインタビューから得た重要な洞察の一つは、クリプトに興味を持つアーティストは、しばしばフロンティア技術にも広く興味を持ち、その技術をより明確に自分たちの実践の美学や焦点に組み込むことを望んでいるということです。例えば、AR/VRオブジェクト、コードベースのアート、ライブコーディングなどが該当します。

特にジェネラティブアートは、ブロックチェーンとの相乗効果が歴史的に見られており、AIアートの類似の基盤としてのポテンシャルがより明確になっています。これらのメディアを適切に展示することは、従来のフォーラムでは非常に困難です。ArtBlocksは、ブロックチェーンを活用したデジタルアートのプレゼンテーション、保存、収益化、保存の将来像を垣間見ることができ、アーティストと視聴者の両方にとって全体的な体験を向上させることができます。プレゼンテーション以上に、AIツールは、素人でも自分自身のアートを作成する能力さえ拡張しました2025年にブロックチェーンがこれらのツールをどのように拡張または強化できるかを見るのは非常に興味深いでしょう。

-Katie

「IN CONVERSATION WITH: Maya Man」からの抜粋

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」という言葉を生み出して以来、20年間、企業はユーザーデータを溜め込み、収益化するための強力な対策を講じてきました。ユーザーは、自分のデータが数十億ドル規模の企業を構築するための基盤であるという現実に気づいていますが、データをどのように活用するか、またはデータが生み出す利益にさらされるかについてはほとんど制御できません。強力なAIモデルの加速により、この緊張関係はさらに実存的なものになっています。ユーザーの搾取との闘いがデータ機会の1つであるとすれば、より大規模で優れたモデルが公共のインターネットデータから簡単にアクセスできる油田を枯渇させ、新しいソースを必要とするため、データ供給の不足を解決することにも懸念があります。

データの権力をその発信元（ユーザー）に戻すために分散型インフラストラクチャをどのように使用できるかという最初の問題については、さまざまな分野で新しい解決策が必要な広大な設計空間です。 最も緊急な課題のいくつかには、データの保存場所とプライバシーの保護方法（保存中、転送中、および計算中）、データ品質を客観的に評価し、フィルタリングし、評価する方法、特に価値をソースのポスト推論に戻す際の属性付けと収益化のためにどのようなメカニズムを使用するか、多様なモデルエコシステムで使用するオーケストレーションまたはデータ取得システムは何かが含まれます。

供給制約の解決の第2の問題については、トークンを使用してScale AIを複製しようとするだけでなく、技術的な追い風の与える優位性がどこにあるかを理解し、規模、品質、またはより高い価値のデータ製品を生み出すためのより良いインセンティブ（およびフィルタリング）メカニズムを構築する方法を理解することが重要です。需要側の多くがWeb2 AIから来ているため、スマートコントラクトによる機械制約メカニズムと従来のSLAおよびインストルメントを結びつける方法について考えることは重要な領域です。

-ダニー

7. 分散コンピューティング

データはAIの開発と展開における基本的なビルディングブロックの一つであり、コンピューティングはもう一つです。大規模なデータセンターがサイト、エネルギー、ハードウェアに独自のアクセスを持っているという従来のパラダイムは、これまでの数年間にわたって深層学習とAIの軌道を大きく定義してきましたが、物理的な制約とオープンソースの進展がこのダイナミックを挑戦し始めています。

分散型AIの計算のv1は、実際のエッジがなく、(ハードウェアやデータセンター)の供給に対するレプリカのようなもので、最小限の有機的需要しかない、web2 GPUクラウドのようなものでした。v2では、驚くべきチームが、高性能コンピュート(HPC)の異種の供給にわたる適切なテックスタックを構築し始め、それにはオーケストレーション、ルーティング、価格設定に関する能力、さらに需要を引きつけ、特に推論側でのマージン圧縮に対抗するための追加の独自の機能もあります。チームはまた、ユースケースとGTMにわたって分かれ始めており、効率的な推論ルーティングのためにコンパイラフレームワークを組み込むことに焦点を当てる一方で、他のチームは構築しているコンピュートネットワークの上で分散モデルトレーニングフレームワークを先駆的に行っています。

私たちは、AI-Fi市場が新しい経済原理を持って台湾やGPUを収益資産に変えたり、オンチェイン流動性を使ってデータセンターに代替資本源を提供したりすることを始めて見るようになっています。ここでの主要な問題は、DeAIが分散型コンピューティングレール上でどの程度開発され、展開されるか、または、ストレージのように、イデオロギーと実際のニーズの間のギャップが十分に閉じられず、アイデアの完全な可能性に到達することができないかどうかです。

-ダニー

8. 会計基準の計算

分散型の高性能コンピューティングのインセンティブに関するネットワークに関連して、異種コンピューティングを組織する上での主要な課題は、そのコンピューティングを計算するための合意された基準の欠如です。 AIモデルは、モデルのバリアントや量子化からモデルのチューニング可能な確率レベルに至るまで、HPCの出力空間にいくつかの複雑さを加えます。温度そしてサンプリングハイパーパラメーター。さらに、AIハードウェアは、GPUアーキテクチャやバージョンに基づいてさまざまな出力を導入することができますCUDA. 最終的には、これにより、モデルとコンピュートマーケットが異種の分散システムと交差する際に、彼らの能力をどのように集計するかに関する標準が必要とされる。

少なくとも部分的には、この基準の欠如により、今年はWeb2とWeb3で、モデルやコンピューティングマーケットプレイスがコンピューティングの質と量を正確に説明できていない事例が数多く見られました。その結果、ユーザーは、独自の比較モデルベンチマークを実行し、当該コンピューティング市場をレート制限してプルーフ・オブ・ワークを実行することで、これらのAIレイヤーの真のパフォーマンスを監査する必要があります。

暗号資産空間の中核的な原則である検証可能性を考慮すると、2025年の暗号資産とAIの交差点が従来のAIに比べてより簡単に検証可能であることを期待しています。特に、特定のモデルやクラスターの側面について一般ユーザーがリスク管理やシステムのパフォーマンスを監査および比較できることが重要です。

-Aadharsh

9. 確率的プライバシープリミティブ

「暗号資産とAIアプリケーションの約束と課題「Vitalikは、暗号資産とAIを結びつけることにおける独自の課題に言及しています。」

「暗号学では、オープンソースは本当に安全なものを作る唯一の方法ですが、AIではモデル（またはそのトレーニングデータ）がオープンであることは、敵対的な機械学習攻撃への脆弱性を大幅に増加させます。」

プライバシーはブロックチェーンにとって新しい研究分野ではありませんが、AIの普及により、プライバシーを可能にする暗号プリミティブの研究と使用が加速し続けると考えています。今年は、ZK、FHE、TEE、MPCなどのプライバシー強化技術が、一般的なアプリケーション向けに暗号化されたデータを介してコンピューティングするためのプライベート共有状態などのユースケースですでに大きな進歩を遂げています。同時に、Nvidia や Apple などの中央集権的な AI 大手が、ハードウェア、ファームウェア、モデルをシステム間で一定に保ちながら、フェデレーテッド ラーニングとプライベート AI 推論に独自の TEE を使用しているのを目にしています。

このことを念頭に置いて、確率的状態遷移のプライバシー維持に関する開発と、分散型プライベート推論から暗号化されたデータのストレージ/アクセスパイプライン、完全なソブリン実行環境まで、異種システム上での現実世界の分散型AIアプリケーションの進歩をどのように加速するかを注意深く追跡します。

-Aadharsh

AppleのApple IntelligenceスタックとNvidiaのH100 GPU

10. エージェンティックインテントと次世代のユーザートレーディングインターフェース

AIエージェントの最も短期的なユースケースの1つは、AIエージェントを活用して、私たちに代わって自律的にオンチェーン取引を行うことです。確かに、過去12〜16か月の間に、インテント、エージェントアクション、エージェントインテント、ソルバー、エージェントソルバーなどを正確に指示するものや、近年の従来の「ボット」開発との違いについて、曖昧な言葉がたくさんありました。

次の12ヶ月間で、私たちはますます洗練された言語システムが異なるデータタイプとニューラルネットワークアーキテクチャと組み合わされて、全体的なデザイン空間を前進させるのを楽しみにしています。エージェントは、現在私たちが使用しているオンチェーンシステムと同じものを使用してトランザクションを行うのでしょうか、それとも独自のツール/方法を開発するのでしょうか？LLMはこれらのエージェントトランザクションシステムのバックエンドのままでしょうか、それとも別のシステムになるのでしょうか？インターフェース層では、ユーザーは自然言語を使用してトランザクションを開始するのでしょうか？クラシックな「ウォレットはブラウザ」というテーゼはついに実現するのでしょうか？

-Danny,ケイティ、Aadharsh,Dmitriy

免責事項:

1. この記事はから転載されています[アーキタイプ]. すべての著作権は元の著者に帰属します [アーキタイプ]. この転載に異議がある場合は、お問い合わせください。gate学習チーム、そして彼らは迅速に対処します。
2. 免責事項：この記事に表現されている意見はすべて著者個人のものであり、いかなる投資アドバイスを構成するものではありません。
3. gate Learnチームは記事を他の言語に翻訳しています。特に言及されていない限り、翻訳された記事のコピー、配布、盗作は禁止されています。