YesNoError: AI は科学論文をレビューし、DeSci セクターのオンチェーン強気市場を推進できますか?

明日、待望の$BIOが正式にローンチされます。 Binanceが支援するDeSci分野のプロジェクトとして、市場は$BIOの立ち上げかどうかを推測している

Tomorrow will see the long-awaited launch of $BIO. As a DeSci sector project supported by Binance, the market is speculating whether the launch of $BIO will drive the DeSci sector's on-chain bull market and take away some of the liquidity of the AI sector.

明日は待望の $BIO が発売されます。 Binanceが支援するDeSciセクタープロジェクトとして、市場では$BIOの立ち上げがDeSciセクターのオンチェーン強気市場を推進し、AIセクターの流動性の一部を奪うのではないかと推測している。

But are AI and Decsi necessarily in competition? No. YesNoError, a Solana on-chain project that has been widely discussed recently, has taken a path of integrating DeSci with AI, using AI technology to review and discover errors in scientific research papers.

しかし、AI と Decsi は必然的に競合するのでしょうか?いいえ、最近広く議論されている Solana オンチェーン プロジェクトである YesNoError は、DeSci と AI を統合する道を歩み、AI テクノロジーを使用して科学研究論文のエラーをレビューして発見しました。

Its token $YNE quickly reached a market value of 60 million US dollars on the day of its launch on December 20, and was subsequently repeatedly promoted by Andrew Kang (hereinafter referred to as AK), a well-known Twitter KOL. Its current market value is around 50 million US dollars.

そのトークン $YNE は、12 月 20 日の発売当日にすぐに市場価値 6,000 万米ドルに達し、その後、有名な Twitter KOL である Andrew Kang (以下、AK) によって繰り返し宣伝されました。現在の市場価値は約5,000万米ドルです。

Is it really necessary for AI to review scientific papers?

AIが科学論文をレビューする必要は本当にあるのでしょうか?

If you don’t understand the usefulness of YesNoError, here’s an illustrative tweet from Ben Parr, a member of the YesNoError team, that illustrates the need to review misinformation in scientific papers:

YesNoError の有用性がわからない場合は、YesNoError チームのメンバーである Ben Parr 氏のツイートをご覧ください。科学論文の誤った情報を見直す必要性を説明しています。

In October 2024, a research paper claimed that black plastic kitchenware contained toxins, and the news quickly spread in the media. The Atlantic Monthly even published an article titled "Throw away your black plastic kitchenware", causing public panic. Even Ben Parr himself began to clean up his kitchenware. However, Joe Schwartz, director of the Office of Science and Society at McGill University, discovered a major mathematical error in the study - a simple multiplication error caused the reported toxicity level to be 10 times higher than the actual level. This case shows that even seemingly authoritative research can have major errors, and these errors often have a substantial impact on the lives of ordinary people.

2024 年 10 月、黒いプラスチック製の台所用品には毒素が含まれているとの研究論文が発表され、このニュースはすぐにメディアで広まりました。アトランティック・マンスリー紙は「黒いプラスチック製の台所用品を捨てなさい」というタイトルの記事まで掲載し、国民のパニックを引き起こした。ベン・パー自身も台所用品を片付け始めました。しかし、マギル大学科学社会局所長のジョー・シュワルツ氏は、この研究に重大な数学的誤りがあることを発見した。単純な乗算誤差により、報告された毒性レベルが実際のレベルよりも10倍高くなっていたのだ。この事例は、一見権威があると思われる研究にも重大な誤りがある可能性があり、それらの誤りが一般の人々の生活に重大な影響を与えることが多いことを示しています。

If AI technology is used to review research papers, these low-level errors in numerical calculations can be avoided to the greatest extent. YesNoError was born based on this demand.

研究論文のレビューに AI テクノロジーを使用すれば、数値計算におけるこうした低レベルのエラーを最大限に回避できます。 YesNoErrorはそんな要望から誕生しました。

YesNoError was founded by Matt Schlicht and uses OpenAI’s o1 model as its technical foundation. The project works very directly: the team uses AI to review research papers and then publicly publishes the issues they find on their website yesnoerror.com and official Twitter.

YesNoError は Matt Schlicht によって設立され、OpenAI の o1 モデルを技術基盤として使用しています。このプロジェクトは非常に直接的に機能します。チームは AI を使用して研究論文をレビューし、発見した問題を Web サイト yesnoerror.com と公式 Twitter で公開します。

This transparent operation allows the scientific community and the public to be informed of possible problems in important research in a timely manner. Although the project has only just started, it has already achieved some significant results and discovered errors in several studies.

この透明性の高い運営により、科学界と一般の人々は、重要な研究で起こり得る問題をタイムリーに知ることができます。このプロジェクトは始まったばかりですが、すでにいくつかの重要な成果を上げており、いくつかの研究で誤りが発見されています。

The token $YNE is also given practical use cases. Holders can spend $YNE to use YesNoError AI to give priority review to their papers.

トークン $YNE には実際の使用例も示されています。所有者は YNE を費やして YesNoError AI を使用し、論文に優先レビューを与えることができます。

So far, YesNoError AI has reviewed 2,219 papers and has indeed found errors in quite a few papers.

これまでに、YesNoError AI は 2,219 件の論文をレビューし、実際にかなりの数の論文でエラーを発見しました。

Approval or doubt, some voices in the market

賛否、市場の声も

AK is optimistic and posted a lot of praise

AK は楽観的で、多くの賞賛を投稿しています

On the day when the $YNE token was launched, AK, who has always been optimistic about DeSci, expressed his appreciation for the YesNoError project.

$YNE トークンが開始された日、DeSci について常に楽観的だった AK は、YesNoError プロジェクトに対する感謝の意を表明しました。

AK said, "The core value of YesNoError lies in the real implementation of cryptocurrency x AI x DeSci."

AK氏は「YesNoErrorの核となる価値は、仮想通貨×AI×DeSciの実際の実装にある」と語る。

YesNoError takes advantage of the characteristics of the cryptocurrency ecosystem. In this special environment, capital does not need a return on investment in the traditional sense. As long as you can attract enough attention, you can get sufficient financial support. (That is, the attention economy, if someone pays attention, someone will buy the token.)

YesNoError は、暗号通貨エコシステムの特性を利用しています。この特殊な環境では、資本には従来の意味での投資収益率は必要ありません。十分な注目を集めることができれば、十分な経済的支援を得ることができます。 (つまり、アテンションエコノミー、誰かが注意を払えば、誰かがトークンを購入するということです。)

At the same time, YesNoError has also found a good application direction for cryptocurrencies. In the right scenario, tokens are no longer pure air, but can actually support public products that are difficult to maintain with traditional business models.

同時に、YesNoError は暗号通貨の適切な応用方向も見出しました。適切なシナリオでは、トークンはもはや純粋な空気ではなくなり、従来のビジネス モデルでは維持が困難な公共製品を実際にサポートできるようになります。

Perhaps because he is really optimistic about it (or he holds a lot of positions?), on December 31, AK published another article to introduce and praise the necessity and practicality of YesNoError from a data perspective.

おそらく彼はそれについて非常に楽観的であるため (または彼は多くの役職に就いているのでしょうか?)、12 月 31 日、AK はデータの観点から YesNoError の必要性と実用性を紹介し賞賛する別の記事を公開しました。

AK said that YesNoError has the ability to review errors in more than 90 million papers in the global scientific literature library, which can be completed in just a few weeks or months. If converted to manual review, it would take tens of thousands of years. Even if a team of 5,000 PhDs is formed, it will take nearly ten years (and it will not be able to keep up with the speed of new papers being published during this decade), and it is conservatively estimated to cost $5.4 billion.

AK 氏によると、YesNoError には世界の科学文献ライブラリにある 9,000 万件を超える論文のエラーをレビューする機能があり、わずか数週間または数か月で完了することができます。手動レビューに換算すると、数万年かかることになります。たとえ 5,000 人の博士号取得者のチームが結成されたとしても、それには 10 年近くかかります (そして、この 10 年間に新しい論文が出版されるスピードに追いつくことはできません) 費用は控えめに見積もっても 54 億ドルです。

The optimized AI model only costs about $30 million ($0.3 per paper) to complete a more accurate and standardized review work - the cost is less than 1% of the manual method.

最適化された AI モデルのコストは、より正確で標準化されたレビュー作業を完了するのにわずか約 3,000 万ドル (論文あたり 0.3 ドル) で、手動による方法の 1% 未満です。

If it is in the traditional scientific field, raising $30 million is also a big project, but it is

従来の科学分野であれば、3,000万ドルを集めるのも大きなプロジェクトですが、