DeFAI: 意図への新たな道

DeFAI は、簡単に言えば AI+DeFi です。 AI コンピューティング能力から AI ミームに至るまで、市場は AI を何度も誇大宣伝してきました。

1. DeFAI tells the story of AI+DeFi

1. DeFAI は AI+DeFi のストーリーを語ります

1.1 What is DeFAI

1.1 DeFAIとは

DeFAI is a concise way of saying AI+DeFi. The market has hyped AI over and over again, from AI computing power to AI Meme, from different technical architectures to different infrastructures. Although the overall market value of AI Agents has generally declined recently, the concept of DeFAI is becoming a new breakthrough trend. The current DeFAI can be roughly divided into three categories: AI abstraction, autonomous DeFi agent, and market analysis and prediction. The specific divisions within the categories are shown in the figure below.

DeFAI は、AI+DeFi を簡潔に表したものです。市場は、AI コンピューティング能力から AI ミームに至るまで、さまざまな技術アーキテクチャからさまざまなインフラストラクチャに至るまで、AI を何度も誇大宣伝してきました。 AI エージェントの全体的な市場価値は最近全体的に低下していますが、DeFAI の概念は新たな画期的なトレンドになりつつあります。現在の DeFAI は、AI 抽象化、自律型 DeFi エージェント、市場分析と予測の 3 つのカテゴリに大別できます。カテゴリ内の具体的な区分を次の図に示します。

1.2 How DeFAI works

1.2 DeFAI の仕組み

In the DeFi system, the core behind AI Agent is LLM (Large Language Model), which involves multi-level processes and technologies, covering all aspects from data collection to decision execution. According to the research of @3sigma in the IOSG article, most models follow the data. The six specific workflows of collection, model reasoning, decision making, hosting and operation, interoperability, and wallet are summarized below:

DeFiシステムでは、AIエージェントの背後にあるコアはLLM（ラージ言語モデル）であり、データ収集から意思決定の実行までのすべての側面をカバーするマルチレベルのプロセスとテクノロジーが含まれます。 IOSG 記事の @3sigma の調査によると、ほとんどのモデルがデータに従っています。収集、モデル推論、意思決定、ホスティングと運用、相互運用性、ウォレットの 6 つの具体的なワークフローを以下にまとめます。

1. Data Collection: The first task for an AI Agent is to gain a comprehensive understanding of the environment in which it operates. This includes acquiring real-time data from multiple sources:

1. データ収集: AI エージェントの最初のタスクは、AI エージェントが動作する環境を包括的に理解することです。これには、複数のソースからのリアルタイム データの取得が含まれます。

On-chain data: Obtain real-time blockchain data such as transaction records, smart contract status, and network activities through indexers, oracles, etc. This helps Agents keep in sync with market dynamics;

オンチェーン データ: インデクサーやオラクルなどを通じて、取引記録、スマート コントラクトのステータス、ネットワーク アクティビティなどのリアルタイムのブロックチェーン データを取得します。これにより、エージェントは市場動向と同期を保つことができます。

Off-chain data: Obtain price information, market news, and macroeconomic indicators from external data providers (such as CoinMarketCap, Coingecko) to ensure that the Agent understands the external conditions of the market. This data is usually provided to the Agent through an API interface;

オフチェーン データ: 外部データ プロバイダー (CoinMarketCap、Coingecko など) から価格情報、市場ニュース、マクロ経済指標を取得して、エージェントが市場の外部条件を確実に理解できるようにします。このデータは通常、API インターフェイスを通じてエージェントに提供されます。

Decentralized data source: Some agents may obtain price oracle data through a decentralized data feed protocol to ensure the decentralization and credibility of the data.

分散型データ ソース: 一部のエージェントは、データの分散化と信頼性を確保するために、分散型データ フィード プロトコルを通じて価格オラクル データを取得する場合があります。

2. Model Reasoning: After data collection is completed, the AI Agent enters the reasoning and calculation phase. Here, the Agent relies on multiple AI models for complex reasoning and prediction:

2. モデル推論: データ収集が完了すると、AI エージェントは推論と計算フェーズに入ります。ここで、エージェントは複雑な推論と予測のために複数の AI モデルに依存しています。

Supervised and unsupervised learning: AI models can analyze the behavior of markets and governance forums by training on labeled or unlabeled data. For example, they can predict future market trends by analyzing historical trading data, or predict future market trends by analyzing governance forum data. , speculate the outcome of a voting proposal;

教師あり学習と教師なし学習: AI モデルは、ラベル付きまたはラベルなしのデータをトレーニングすることで、市場やガバナンス フォーラムの動作を分析できます。たとえば、過去の取引データを分析して将来の市場傾向を予測したり、ガバナンス フォーラムのデータを分析して将来の市場傾向を予測したりできます。 、投票提案の結果を推測します。

Reinforcement learning: Through trial and error and feedback mechanisms, AI models can autonomously optimize strategies. For example, in token trading, AI Agents can determine the best time to buy or sell by simulating multiple trading strategies. This learning method allows Agent to continuously improve under changing market conditions;

強化学習: 試行錯誤とフィードバック メカニズムを通じて、AI モデルは自律的に戦略を最適化できます。たとえば、トークン取引では、AI エージェントが複数の取引戦略をシミュレーションすることで、売買に最適な時期を判断できます。この学習方法により、エージェントは市場状況が変化しても継続的に改善することができます。

Natural Language Processing (NLP): By understanding and processing user natural language input, Agents can extract key information from governance proposals or market discussions to help users make better decisions. This is especially useful in scanning decentralized governance forums or processing user instructions. It is especially important when.

自然言語処理 (NLP): ユーザーの自然言語入力を理解して処理することで、エージェントはガバナンス提案や市場ディスカッションから重要な情報を抽出し、ユーザーがより適切な意思決定を行えるようにすることができます。これは、分散型ガバナンス フォーラムのスキャンやユーザー指示の処理に特に役立ちます。それは特に重要です。

3. Decision making: Based on the collected data and the results of reasoning, the AI Agent enters the decision-making stage. In this stage, the Agent not only needs to analyze the current market situation, but also make trade-offs between multiple variables:

3. 意思決定: 収集されたデータと推論の結果に基づいて、AI エージェントは意思決定段階に入ります。この段階では、エージェントは現在の市場状況を分析するだけでなく、複数の変数間のトレードオフを行う必要もあります。

Optimization Engine: Agent uses the optimization engine to find the best execution plan under various conditions. For example, when performing liquidity provision or arbitrage strategies, Agent must consider factors such as slippage, transaction fees, network latency, fund size, etc. in order to find The optimal execution path;

最適化エンジン: エージェントは最適化エンジンを使用して、さまざまな条件下で最適な実行プランを見つけます。たとえば、流動性供給または裁定取引戦略を実行する場合、エージェントは最適な実行パスを見つけるために、スリッページ、取引手数料、ネットワーク遅延、資金サイズなどの要因を考慮する必要があります。

Multi-agent system collaboration: In order to cope with complex market conditions, a single agent sometimes cannot fully optimize all decisions. In this case, multiple AI agents can be deployed, each focusing on different task areas, to improve the overall system's decision-making through collaboration. Efficiency. For example, one agent focuses on market analysis and another agent focuses on executing trading strategies.

マルチエージェント システムのコラボレーション: 複雑な市場状況に対処するために、単一のエージェントがすべての意思決定を完全に最適化できない場合があります。この場合、複数の AI エージェントを展開し、それぞれが異なるタスク領域に焦点を当て、コラボレーションを通じてシステム全体の意思決定を向上させることができます。効率。たとえば、あるエージェントは市場分析に重点を置き、別のエージェントは取引戦略の実行に重点を置きます。

4. Hosting and operation: Since AI Agent needs to process a lot of calculations, it is usually necessary to host its model on an off-chain server or distributed computing network:

4. ホスティングと運用: AI エージェントは多くの計算を処理する必要があるため、通常はそのモデルをオフチェーン サーバーまたは分散コンピューティング ネットワークでホストする必要があります。

Centralized hosting: Some AI agents may rely on centralized cloud computing services such as AWS to host their computing and storage needs. This approach helps ensure the efficient operation of the model, but it also brings potential risks of centralization;

集中型ホスティング: 一部の AI エージェントは、コンピューティングとストレージのニーズをホストするために AWS などの集中型クラウド コンピューティング サービスに依存する場合があります。このアプローチはモデルの効率的な運用を保証するのに役立ちますが、集中化による潜在的なリスクももたらします。

Decentralized hosting: To reduce the risk of centralization, some agents use decentralized distributed computing networks (such as Akash) and distributed storage solutions (such as Arweave) to host models and data. Such solutions ensure the model Decentralized operation while providing persistence of data storage;

分散型ホスティング: 集中化のリスクを軽減するために、一部のエージェントは分散型分散コンピューティング ネットワーク (Akash など) と分散ストレージ ソリューション (Arweave など) を使用してモデルとデータをホストします。このようなソリューションは、データ ストレージの永続性を提供しながら、モデルの分散運用を保証します。

On-chain interaction: Although the model itself is hosted off-chain, the AI Agent needs to interact with the on-chain protocol in order to perform smart contract functions (such as transaction execution, liquidity management) and manage assets. This requires secure key management and transactions. Signing mechanisms such as MPC (Multi-Party Computation) wallets or smart contract wallets.

オンチェーン対話: モデル自体はオフチェーンでホストされていますが、AI エージェントは、スマート コントラクト機能 (トランザクション実行、流動性管理など) を実行し、資産を管理するためにオンチェーン プロトコルと対話する必要があります。これには、安全なキー管理とトランザクションが必要です。 MPC (Multi-Party Computation) ウォレットやスマート コントラクト ウォレットなどの署名メカニズム。

5. Interoperability: The key role of AI Agent in the DeFi ecosystem is to interact seamlessly with

5. 相互運用性: DeFi エコシステムにおける AI エージェントの重要な役割は、次のようなものとシームレスに対話することです。