著者: フランチェスコ

編集者: Deep Wave TechFlow

AI エージェントを作成する際の中心的な課題は、出力結果の一貫性を確保しながら、AI エージェントが柔軟に学習、反復、成長できるようにする方法です。

Rei は、AI とブロックチェーン間で構造化データを共有するためのフレームワークを提供し、AI エージェントが一連の経験と知識ベースを学習、最適化、保持できるようにします。

このフレームワークの登場により、次の機能を備えた AI システムの開発が可能になります。

  • コンテキストとパターンを理解し、貴重な洞察を生成します

  • ブロックチェーンの透明性と信頼性の恩恵を受けながら、洞察を実行可能なアクションに変えます

直面する課題

AI とブロックチェーンの間にはコア プロパティに大きな違いがあるため、両者の互換性は次のような多くの課題に直面しています。

  1. ブロックチェーンの決定論的計算:ブロックチェーン操作の各ステップは、以下を保証するために、すべてのノードで完全に一貫した結果を生成する必要があります。

    1. コンセンサス: 各ノードは新しいブロックの内容に同意し、一緒に検証を完了します。

    2. 状態の検証: ブロックチェーンの状態は常に追跡可能で検証可能です。新しく追加されたノードは、他のノードと一貫した状態に迅速に同期できる必要があります。

    3. スマート コントラクトの実行: すべてのノードは、同じ入力条件が与えられた場合に一貫した出力を生成する必要があります。

  2. AIの確率計算: AI システムの出力結果は通常、確率に基づいており、実行ごとに異なる結果が得られる可能性があります。この機能は次のものから来ています。

    1. コンテキスト依存性: AI のパフォーマンスは、トレーニング データ、モデル パラメーター、時間と環境条件などの入力のコンテキストに依存します。

    2. リソースを大量に消費する: AI 計算には、複雑な行列演算や大量のメモリなどの高性能ハードウェア サポートが必要です。

上記の違いにより、次のような互換性の課題が生じます。

  • 確率的データと決定的データの間の矛盾

    • AI の確率的な出力を、ブロックチェーンが必要とする決定的な結果に変換するにはどうすればよいでしょうか?

    • この変革はいつ、どこで達成されるべきでしょうか?

    • 確率分析の価値を維持しながら確実性を確保するにはどうすればよいでしょうか?

  • ガスコスト: AI モデルの高いコンピューティング要件により、ガスコストが支払えなくなり、ブロックチェーンでのアプリケーションが制限される可能性があります。

  • メモリ制限:ブロックチェーン環境のメモリ容量は限られているため、AI モデルのストレージ ニーズを満たすことが困難になります。

  • 実行時間:ブロックチェーンのブロック時間は AI モデルの実行速度を制限し、パフォーマンスに影響を与える可能性があります。

  • データ構造の統合: AI モデルは、ブロックチェーンのストレージ モデルに直接統合することが難しい複雑なデータ構造を使用します。

  • オラクルの問題(検証要件):ブロックチェーンは外部データの取得をオラクルに依存しているが、AIの計算精度をどのように検証するかが課題となっている。特に、AI システムには豊富なコンテキストと低遅延が必要ですが、これはブロックチェーンの特性と矛盾します。

Rei ネットワーク フレームワークのイメージ: AI エージェントとブロックチェーン間のシームレスな接続

元の画像は francesco からのもので、Shenchao TechFlow によって編集されました

AI エージェントをブロックチェーンとシームレスにリンクするにはどうすればよいでしょうか?

Rei ネットワーク フレームワークのイメージ: AI エージェントとブロックチェーン間のシームレスな接続

元の画像は francesco からのもので、Shenchao TechFlow によって編集されました

Rei は、AI とブロックチェーンの利点を組み合わせたまったく新しいソリューションを提案します。

Rei ネットワーク フレームワークのイメージ: AI エージェントとブロックチェーン間のシームレスな接続

元の画像は francesco からのもので、Shenchao TechFlow によって編集されました

レイは、AI とブロックチェーンという 2 つのまったく異なるシステムを強制的に統合するよりも、翻訳レイヤーを通じて 2 つがスムーズにコミュニケーションし、共同作業できるようにする「ユニバーサル翻訳者」として機能することを好みます。

Rei ネットワーク フレームワークのイメージ: AI エージェントとブロックチェーン間のシームレスな接続

元の画像は francesco からのもので、Shenchao TechFlow によって編集されました

Rei の主な目標は次のとおりです。

  • AI エージェントが独立して考え、学習できるようにする
  • エージェントの洞察を正確かつ検証可能なブロックチェーン操作に変換します

Rei ネットワーク フレームワークのイメージ: AI エージェントとブロックチェーン間のシームレスな接続

元の画像は francesco からのもので、Shenchao TechFlow によって編集されました

このフレームワークの最初のアプリケーションは Unit00x0 (Rei_00 - $REI) で、現在定量アナリストとして訓練を受けています。

Rei ネットワーク フレームワークのイメージ: AI エージェントとブロックチェーン間のシームレスな接続

Rei の認知アーキテクチャは次の 4 つのレベルで構成されます。

  1. 思考層: チャート データ、トランザクション履歴、ユーザー行動などの生データの処理と収集、および潜在的なパターンの検索を担当します。
  2. 推論レイヤー: パターンの発見に基づいて、日付、時刻、過去の傾向、市場状況などのコンテキスト情報を追加して、データをより立体的にします。
  3. 意思決定層: 推論層によって提供されるコンテキスト化された情報に基づいて、具体的なアクション プランを作成します。
  4. アクション層: 決定を、ブロックチェーン上で実行できる決定論的な操作に変換します。

Rei のフレームワークは 3 つの核となる柱に基づいて構築されています。

Rei ネットワーク フレームワークのイメージ: AI エージェントとブロックチェーン間のシームレスな接続

元の画像は francesco からのもので、Shenchao TechFlow によって編集されました
  1. Oracle (オラクル、神経経路に類似): AI の多様な出力を統一された結果に変換し、ブロックチェーンに記録します。
  2. ERC Data Standard: ブロックチェーン ストレージ機能を拡張し、複雑なパターンのデータ ストレージをサポートしながら、思考層と推論層によって生成されたコンテキスト情報を保持することで、確率的データから決定的実行への変換を実現します。
  3. 記憶システム: レイは時間の経過とともに経験を蓄積し、以前の出力結果や学習結果をいつでも思い出すことができます。

これらのやり取りは次のようになります。

Rei Network フレームワークのイメージ: AI エージェントとブロックチェーン間のシームレスな接続

元の画像は francesco からのもので、Shenchao TechFlow によって編集されました
  • Oracle Bridgeはデータパターンの識別を担当します
  • ERCData はこれらのスキーマを保存するために使用されます
  • 記憶システムはパターンをよりよく理解するためにコンテキスト情報を保持します
  • スマートコントラクトは、この蓄積された知識にアクセスし、それに応じて行動できます

このアーキテクチャにより、Rei エージェントは、オンチェーン データ、価格変動、社会的感情などの多次元情報を組み合わせて、トークンの詳細な分析を実行できるようになりました。

さらに、Rei はデータを分析するだけでなく、それに基づいてより深い理解を発展させることもできます。これは、彼女が自身の経験と洞察をブロックチェーン上に直接保存し、この情報を知識システムの一部とし、いつでも呼び出すことができるため、それによって彼女の意思決定能力と全体的な経験が継続的に最適化されるためです。

Rei のデータ ソースには、Plotly および Matplotlib ライブラリ (グラフ作成用)、Coingecko、Defillama、オンチェーン データ、Twitter の社会感情データが含まれます。これらの多様なデータソースを通じて、Rei は包括的なオンチェーン分析と市場洞察を提供できます。

Quant V2 の機能アップデートにより、Rei は以下の分析フォームに対応しました。

  1. プロジェクト分析:オリジナルの機能をベースに、新しい定量指標と感情データのサポートが追加されました。分析内容にはローソク足チャート、エンゲージメントチャート、ホルダー分布、損益が含まれます。 (関連例)

  2. 流入と流出の分析:チェーン上の人気のあるトークンの価格と取引量を監視することで、Rei はこれらのデータを資本の流入と流出と比較して、ユーザーが潜在的な市場トレンドを発見できるように支援します。 (関連例)

  3. インタラクション分析:リアルタイム データと 24 時間前のデータの比較、相対的な価格の変化など、プロジェクトの全体的なインタラクションを評価します。この機能により、最新情報とユーザー エンゲージメント パフォーマンスとの相関関係が明らかになります。 (関連例)

  4. トップカテゴリー分析:単一カテゴリー内の最小トランザクション量と最大トランザクション数を分析し、そのカテゴリー内のプロジェクトのパフォーマンスを強調します。

  5. 最初のグラフでは、下部に取引量、上部に取引数が表示されます。その後、個々のカテゴリにドリルダウンして、同様のプロジェクトと比較した個々のプロジェクトの指標の変化を明らかにします。 (関連例)

さらに、2025 年 1 月の時点で、 Rei はオンチェーンのトークン売買機能をサポートしましたERC-4337規格に基づくスマートコントラクトウォレットを搭載しており、取引をより便利かつ安全にします。

Rei Network フレームワークのイメージ: AI エージェントとブロックチェーン間のシームレスな接続

Rei のスマート コントラクトは、ユーザー署名承認を通じて操作を彼女に委任し、Rei が自律的にポートフォリオを管理できるようにします。

Rei のウォレットアドレスは次のとおりです。

ユースケース: Rei フレームワークの多用途性

Rei Network フレームワークのイメージ: AI エージェントとブロックチェーン間のシームレスな接続

元の画像は francesco からのもので、Shenchao TechFlow によって編集されました

Rei フレームワークは金融分野に限定されず、次の幅広いシナリオにも適用できます。

  • ユーザーエージェントインタラクション: コンテンツ作成のサポート

  • 市場分析:サプライチェーン管理および物流セクター

  • 適応型システムの構築: ガバナンス シナリオ

  • リスク評価: 医療分野において、Rei は状況分析を通じて潜在的なリスクを評価します

Reiの今後の発展方向

  • より良いUI

  • トークン権限に基づくアルファターミナル

  • 開発者プラットフォーム