原作者:クッキー

原文翻訳: TechFlow

これは、暗号化と AI インフラストラクチャの成熟がどのように革新的なアプリケーションを推進できるかについての私の見解です。

ユーザーとビルダーとして、この新しい時代をどう乗り越えていくことができるのか、詳しく見ていきましょう。

エージェントタイプ

機能的に価値のある薬剤

これらのエージェントは実際の価値や結果を生み出すことができます。

• (1a) DeFAIエージェント
• （1b）予測市場エージェント（PMA）
• （1c）コンピュータ使用エージェント（CUA）

DeFAIエージェント

これらのエージェントは、トランザクションの実行、イールドファーミング、流動性 (LP) の提供を行うことができます。

関連プロジェクト: @symphonyio 、 @almanac 、 @gizatechxyz

DeFAI の包括的な紹介については、以下のツイートをご覧ください。

予測市場エージェント（PMA）

これらのエージェントは予測市場に参加しており、市場固有のエージェント（サッカーなど）または汎用エージェントになることができます。

私は、計算リソースが少なくて済むため、Small Language Models (SLM) に基づく市場固有のプロキシを好みます。

関連プロジェクト: @sire_agent 、 @BillyBets_ai

DeFAIとPMAの暗号の役割

暗号化技術は次のような役割を果たします。

• 交換手段
• プログラム可能な実行
• 取引の不変の記録

コンピュータ使用エージェント (CUA)

これらのエージェントは、画面を制御して、Excel を使用して割引キャッシュフロー表を作成するなどのタスクを完了できます。

暗号化は、これらのモデルを改善するために高品質のデータを提供するユーザーに報酬を与えるインセンティブ メカニズムとして機能します。

関連プロジェクト: @chakra_ai 、 @getoro_xyz

関連ツイートリンク：こちらをクリック

進化するエージェント

私は、誰もがパーソナライズされた生産性エージェントを持つ未来を思い描いています。

これらのエージェントは、大規模言語モデル (LLM) 会話、ソーシャル メディアの閲覧、日常会話から取得したコンテキスト情報に基づいて、環境パターンを学習し、計画を立てることができます。

これらのエージェントは時間の経過とともに進化し、特定の分野の専門家になります。金融市場に特化したAI研究機関である@the_nof1には、それぞれ1万ドルの取引資金を管理する6つのトレーディングエージェントがいます。これらのモデルは、熟練したトレーダーへと進化する可能性があります。

関連ツイートリンク：こちらをクリック

コンパニオンエージェント

将来的には、より多くのやりとりがデジタル世界に移行し、人間同士の接触が減少するにつれて、孤独と闘う人々を支援するエージェントが標準になるでしょう。

関連プロジェクト: @Fans3_AI 、 @ohdotxyz

プロキシインフラストラクチャ

エージェント支払い

支払いが可能なエージェント。エージェントの商業化を実現するために、テクノロジー大手はエージェントの支払い基準を策定しました。

エージェント支払いを主流化するための中核要素:

1. インフラストラクチャ: さまざまなエージェントの支払い標準によって解決されます。
2. 必要性: 支払いを行うことができるエージェントは本当に必要ですか?

ChatGPT は最近、プラットフォームにアプリを導入し、ユーザーが ChatGPT 内で直接機能を構築できるようになりました。

これにより、生産的な操作を ChatGPT 上で直接実行できるというパラダイムシフトがもたらされます。

これを理解するには、 次の内容が役立ちます。

エージェントのアイデンティティと評判

委任は避けられません。ほとんどのタスクは、タスク固有のエージェントによって実行されます。

どのエージェントが適切かつ信頼できるかをどのように判断すればよいでしょうか?

エージェント向けに設計され、特定のタスクの実行におけるパフォーマンスをランク付けして認定する Google レビューまたは PageRank システムを想像してみてください。

履歴書と同様に、4.6 の評価を持つトレーディング エージェントはヘッジ ファンドに「雇用」される可能性があります。

Ethereum Foundation は、この機能をサポートするインフラストラクチャ (ERC-8004) の構築を開始しました。

ERC-8004 を通じて、エージェントはエージェント A からエージェント B に資金を送金するなど、相互に対話できます。

関連ツイートリンク：こちらをクリック

マルチエージェントシステム

F1の例えを使うと：

• 目標: タイヤを交換する
• 主要エージェント: タイヤ交換が必要なドライバー
• 作業エージェント：タイヤ交換を行う整備士

この概念は、調整エージェントと、タスクを並行して実行できる複数のワーカー エージェントで構成されます。

並列実行機能で知られる@monadプラットフォームで実行するのに最適であり、ワークフロー全体を 1 つのブロック (0.4 秒) で完了できる可能性があります。

ソーシャルエージェントHivemesh

誰もが自分自身のデジタルツインを持つ未来を想像します。

これらのデジタル ツインが相互に接続し、知識を交換し、トランザクションを実行できるようにするインフラストラクチャが存在します。

デジタル ツインのインタラクションはブロックチェーンに保存され、エージェント ソーシャル グラフが作成されます。

関連ツイートリンク：こちらをクリック

エージェント間のインタラクションは完全にランダムではありません。だからこそ、 @indexnetwork_のようなディスカバリーネットワークは、ユーザー固有のコンテキストを取り込むことでユーザーの意図を結びつける重要なインフラストラクチャなのです。

ロボット

ロボット産業は急速に成長しており、2025年1月から7月の間に60億ドルの資金を確保する予定です。

このセクションでは、3 つの中核となる柱を分解し、ブロックチェーンの役割について詳しく説明します。

このセクションに進む前に、 ロボット工学の入門ガイドをご覧ください。

ロボット工学データ

大規模言語モデル (LLM) と比較すると、ボット モデルのトレーニングに使用されるデータの量ははるかに少なくなります。

現実世界でデータを収集するには、より多くの労力とコスト（カメラの設置や機器の遠隔操作など）が必要になるためです。

ロボット データには次のようなさまざまな種類があります。

• ビデオ
• リモート操作
• モーションキャプチャ
• 一人称視点（POV）
• シミュレーション/合成データ

物理 AI のデータ収集における主な複雑さの 1 つは、多様性の要件です。

特定の環境で訓練されたヒューマノイド ロボットは、新しい環境 (照明が暗い環境など) を理解できない場合があります。

暗号化は、非常に多様な環境を捉えることができる現実世界のデータを提供するよう個人を奨励するための優れたメカニズムです。

関連プロジェクト: @PrismaXai 、 @MeckaAI 、 @silencioNetwork 、 @rayvo_xyz 、 @VaderResearch 、 @BitRobotNetwork 、@AukiNetwork

ロボットモデル

@PrimeIntellectは、分散型モデルトレーニングの代表的な例です。

暗号化を活用してデータの来歴に基づいて貢献に報酬を与えることで、優れたパフォーマンスを持つロボット モデルを構築できます。

関連プロジェクト: @OpenMind 、KineFlow

ハードウェア

ロボット工学における主なボトルネックの 1 つは、ロボット モデルの微調整の遅延です。

この問題は、研究室にモデルをテストし、微調整データを収集するために必要なハードウェア (ロボットアーム、ヒューマノイドロボットなど) が不足している場合に特に深刻になります。

DePIN (分散型物理インフラストラクチャ ネットワーク) ロボット ネットワークを構築すれば、個人や研究室がモデル テスト用にロボット ハードウェアをレンタルできるようになります。

この金融化レイヤーにより、研究者はハードウェアにアクセスできるようになると同時に、ハードウェアプロバイダーには安定した収益源（レンタル収入）が生まれます。

結論は

暗号化、AI、ロボット工学の未来は明るいように見えます。

この分野で興味深いプロジェクトを構築している場合は、お気軽に私とチャットして、 @monadで実装できるかどうかを確認してください。

全景はここからご覧いただけます。