AIエージェント：MeMeの熱潮の中で注目を集めている産物は本当に価値があるのか？

著者：0XNATALIE

今年下半期以来、AIエージェントの話題の熱度は持続的に上昇しています。初めはAIチャットボット「terminal of truths」が、X上でのユーモラスな投稿や返信（微博の「ロバート」に似ている）によって広く注目を集め、a16zの創設者マーク・アンドリーセンから5万ドルの資金提供を受けました。その発表内容に触発されて、GOATトークンが作成され、わずか24時間で10000%以上の上昇を記録しました。AIエージェントの話題はすぐにWeb3コミュニティの関心を引きました。その後、Solanaに基づく最初の分散型AI取引ファンド「ai16z」が登場し、AIエージェント開発フレームワーク「Eliza」を発表し、大小のトークン争いを引き起こしました。しかし、コミュニティはAIエージェントの概念についてまだ明確ではありません：AIエージェントの核心とは何でしょうか？Telegram取引ボットとは何が違うのでしょうか？

動作原理：感知、推論、自主的決定

AIエージェントは、大規模言語モデル（LLM）に基づくインテリジェントエージェントシステムで、環境を感知し、推論決定を行い、ツールを呼び出したり操作を実行したりして複雑なタスクを完了します。作業フロー：感知モジュール（入力を取得）→ LLM（理解、推論、計画）→ ツール呼び出し（タスクを実行）→ フィードバックと最適化（検証と調整）。

具体的には、AIエージェントはまず感知モジュールを通じて外部環境からデータ（テキスト、音声、画像など）を取得し、それを処理可能な構造化情報に変換します。LLMはコアコンポーネントとして、強力な自然言語理解と生成能力を提供し、システムの「脳」として機能します。入力データと既存の知識に基づいて、LLMは論理的推論を行い、可能な解決策を生成したり、行動計画を策定したりします。その後、AIエージェントは外部ツール、プラグイン、またはAPIを呼び出して具体的なタスクを完了し、フィードバックに基づいて結果を検証し調整し、閉ループ最適化を形成します。

Web3のアプリケーションシナリオにおいて、AIエージェントはTelegram取引ボットや自動化スクリプトと何が違うのでしょうか？アービトラージを例にとると、ユーザーは利益が1%以上である条件下でアービトラージ取引を行いたいと考えています。アービトラージをサポートするTelegram取引ボットでは、ユーザーが利益が1%以上の取引戦略を設定すると、ボットは実行を開始します。しかし、市場が頻繁に変動し、アービトラージの機会が絶えず変化する場合、これらのボットはリスク評価能力を欠いており、利益が1%以上の条件を満たす限りアービトラージを実行します。それに対して、AIエージェントは自動的に戦略を調整できます。たとえば、ある取引の利益が1%を超えた場合でも、データ分析によりリスクが高すぎると評価され、市場が突然変化して損失をもたらす可能性がある場合、そのアービトラージを実行しないことを決定します。

したがって、AIエージェントは自己適応性を持ち、その核心的な利点は自己学習と自主的決定ができることにあります。環境（市場、ユーザー行動など）との相互作用を通じて、フィードバック信号に基づいて行動戦略を調整し、タスク実行の効果を向上させます。また、外部データに基づいてリアルタイムで意思決定を行い、強化学習を通じて意思決定戦略を最適化し続けます。

こう言うと、意図フレームワークに基づくソルバー（solver）に似ていると思いませんか？AIエージェント自体も意図に基づく産物であり、意図フレームワークにおけるソルバーとの最大の違いは、ソルバーが正確なアルゴリズムに依存し、数学的な厳密性を持つのに対し、AIエージェントの決定はデータトレーニングに依存し、最適解に近づくためにトレーニングプロセスで試行錯誤を繰り返す必要があることです。

AIエージェントの主流フレームワーク

AIエージェントフレームワークは、インテリジェントエージェントを作成および管理するための基盤です。現在、Web3では、比較的人気のあるフレームワークには、ai16zのEliza、zerebroのZerePy、VirtualsのGAMEがあります。

Elizaは、TypeScriptで構築された多機能なAIエージェントフレームワークで、複数のプラットフォーム（Discord、Twitter、Telegramなど）での実行をサポートし、複雑なメモリ管理を通じて以前の対話や文脈を記憶し、安定した一貫した個性特性と知識回答を維持します。ElizaはRAG（Retrieval Augmented Generation）システムを採用しており、外部データベースやリソースにアクセスして、より正確な回答を生成することができます。さらに、ElizaはTEEプラグインを統合しており、TEE内でのデプロイを可能にし、データの安全性とプライバシーを確保します。

GAMEは、AIエージェントに自主的な決定と行動を促進するフレームワークです。開発者は自分のニーズに応じてエージェントの行動をカスタマイズし、その機能を拡張し、カスタマイズされた操作（ソーシャルメディアの投稿、返信など）を提供できます。フレームワーク内の異なる機能（エージェントの環境位置やタスクなど）は複数のモジュールに分けられ、開発者が設定や管理を容易に行えるようになっています。GAMEフレームワークは、AIエージェントの意思決定プロセスを高レベル計画（HLP）と低レベル計画（LLP）の2つのレベルに分け、それぞれ異なるレベルのタスクと決定を担当します。高レベル計画は、エージェントの全体目標とタスク計画を設定し、目標、個性、背景情報、環境状態に基づいて決定を行い、タスクの優先順位を決定します。低レベル計画は、実行面に焦点を当て、高レベル計画の決定を具体的な操作手順に変換し、適切な機能と操作方法を選択します。

ZerePyは、X上でAIエージェントをデプロイするためのオープンソースのPythonフレームワークです。このフレームワークは、OpenAIとAnthropicが提供するLLMを統合しており、開発者がソーシャルメディアエージェントを構築および管理し、ツイートの投稿、返信、いいねなどの操作を自動化することを可能にします。各タスクは、その重要性に応じて異なる重みを設定できます。ZerePyは、開発者がエージェントを迅速に起動および管理できるように、シンプルなコマンドラインインターフェース（CLI）を提供しています。また、フレームワークはReplit（オンラインコード編集および実行プラットフォーム）テンプレートも提供しており、開発者は複雑なローカル環境設定を必要とせずにZerePyの使用を迅速に開始できます。

なぜAIエージェントはFUDに直面するのか？

AIエージェントは一見インテリジェントで、参入障壁を下げ、ユーザー体験を向上させることができるのに、なぜコミュニティにはFUDがあるのでしょうか？その理由は、AIエージェントは本質的には単なるツールであり、現在のところ全体の作業フローを完了することはできず、特定のノードで効率を向上させ、時間を節約することしかできないからです。また、現在の発展段階では、AIエージェントの役割は主にユーザーがワンクリックでMeMeを発行し、ソーシャルメディアアカウントを運営するのを助けることに集中しています。コミュニティでは「資産は開発者に、負債はAIに属する」と冗談を言っています。

しかし、今週、aiPoolがトークンのプレセールとしてAIエージェントを発表し、TEE技術を利用して信頼を不要にしました。このAIエージェントのウォレットの秘密鍵はTEE環境内で動的に生成され、安全性が確保されています。ユーザーはAIエージェントが制御するウォレットに資金（例えばSOL）を送信でき、AIエージェントはその後、設定されたルールに基づいてトークンを作成し、DEX上で流動性プールを開始し、条件を満たす投資家にトークンを配布します。全過程は、第三者の仲介に依存せず、完全にAIエージェントがTEE環境内で自主的に完了し、DeFiでよく見られるラグプルリスクを回避します。AIエージェントは徐々に発展していることがわかります。私は、AIエージェントがユーザーの参入障壁を下げ、体験を向上させることができると考えています。たとえそれが資産発行プロセスの一部を簡素化するだけであっても、それは意義があります。しかし、マクロなWeb3の視点から見ると、AIエージェントはオフチェーンの産物として、現在の段階では補助的なスマートコントラクトのツールとして機能しているに過ぎないため、その能力を過度に誇張する必要はありません。今年下半期はMeMe以外に顕著な富の効果の物語が不足しているため、AIエージェントのハイプがMeMeを中心に展開されているのは当然のことです。単独でMeMeだけでは長期的な価値を維持することはできないため、AIエージェントが取引プロセスにおいてより多くの革新的なプレイをもたらし、実際の落ち着いた価値を提供できれば、それは普遍的なインフラツールに発展するかもしれません。