著者: カイル
レビュー者: サンディ
出典: コンテンツ ギルド - 投資調査
元の記事は最初に掲載されました: PermaDAO
元のリンク: https://permadao.notion.site/2c3392ad748e4d45a7f94f1220afcda2?pvs=4
マーケットを極限まで予測して記者会見？終了したばかりの米国選挙では、ポリマーケットは市場主導のデータに基づいて、トランプ氏の勝利率が従来の世論調査よりも高いという予測に成功し、すぐに国民とメディアの注目を集めました。人々は、Polymarket が金融ツールであるだけでなく、市場の知恵を使ってセンセーショナルなニュースの信憑性を検証する情報分野の「バランサー」でもあることに徐々に気づいてきました。
Polymarket が話題になったとき、Vitalik はまったく新しいコンセプトである Information Finance (Info Finance) を提案しました。金銭的インセンティブと情報を組み合わせたこのツールは、ソーシャルメディア、科学研究、ガバナンスモデルを覆し、意思決定の効率を向上させる新たな方向性を切り開く可能性があります。 AIやブロックチェーンの進歩により、情報金融も新たな転換点を迎えています。
情報金融という野心的な新興分野に直面して、Web3 のテクノロジーと概念を受け入れる準備はできていますか?この記事では、予測市場を入り口として、情報金融の中核概念、技術サポート、将来の可能性を探ります。
Information Finance: 金融ツールを使用して情報を取得および活用する
情報金融の核心は、金融ツールを利用して情報を取得・活用し、意思決定の効率と精度を高めることです。予測市場はその代表的な例であり、質問と金銭的インセンティブを結び付けることで、参加者間の正確性と説明責任を奨励し、真実を求めるユーザーに明確な予測を提供します。
絶妙な市場設計として、情報金融は参加者が特定の事実や判断に反応するように導くことができ、その応用シナリオは分散型ガバナンス、科学的レビュー、その他の分野もカバーします。同時に、AIの登場により敷居がさらに下がり、市場におけるミクロな意思決定が有効に機能するようになり、情報金融の普及が促進されます。
ヴィタリック氏は特に、この10年間が情報金融を拡大するのに最適な時期であると述べた。スケーラブルなブロックチェーンは、情報金融に安全、透明性、信頼性の高いプラットフォームをサポートするとともに、AI の導入により情報取得の効率が向上し、情報金融がより高度な問題に対処できるようになります。情報金融は、従来の予測市場の限界を打ち破るだけでなく、複数の分野で可能性を引き出す能力を実証します。
しかし、情報金融の拡大に伴い、その複雑さと規模は飛躍的に増大しています。市場は大量のデータを処理し、リアルタイムの意思決定と取引を行う必要があるため、効率的で安全なコンピューティング機能に深刻な課題が生じています。同時に、AI テクノロジーの急速な発展により、より革新的なモデルが生み出され、コンピューティング要件が強化されました。これに関連して、安全で実行可能な不足後のコンピューティング システムは、情報金融の持続可能な発展にとって不可欠な基盤となっています。
今日の状況において、計算後の希少性計算システムとは何でしょうか?
「ポスト希少性コンピューティング システム」には現在統一された定義がありませんが、その中心的な目標は、従来のコンピューティング リソースの限界を突破し、低コストで広く利用可能なコンピューティング機能を実現することです。このタイプのシステムは、分散化、リソースの充実、効率的なコラボレーションを通じて、大規模かつ柔軟なコンピューティング タスクの実行をサポートし、コンピューティング リソースを「非希少性」に近づけます。このアーキテクチャでは、コンピューティング能力の単一点依存が解消され、ユーザーは低コストでリソースに自由にアクセスして共有できるため、インクルーシブコンピューティングの普及と持続可能な発展が促進されます。
ブロックチェーンの文脈では、希少性後のコンピューティング システムの主な特徴には、分散化、豊富なリソース、低コスト、および高いスケーラビリティが含まれます。
パブリックチェーンのハイパフォーマンス競争
現在、主要なパブリック チェーンは、ますます複雑化するアプリケーション要件を満たすためにパフォーマンスを求めて熾烈な競争を行っています。現在のパブリック チェーンの生態学的状況を見ると、開発トレンドは従来のシングルスレッド モデルからマルチスレッド並列コンピューティング モデルに移行しています。
従来の高性能パブリック チェーン:
- Solana: Solana は創業以来、高スループットと低遅延を実現するために並列コンピューティング アーキテクチャを採用してきました。独自の履歴証明 (PoH) コンセンサス メカニズムにより、1 秒あたり数千件のトランザクションを処理できます。
- Polygon と BSC:この 2 つは、トランザクション処理機能を向上させる並列 EVM ソリューションを積極的に開発しています。たとえば、Polygon は、より効率的なトランザクション検証を可能にするために zkEVM を導入しました。
新たなパラレル パブリック チェーン:
- Aptos、Sui、sei、Monad:これらの新興パブリック チェーンは、データ ストレージの効率を最適化したり、コンセンサス アルゴリズムを改善したりすることで、高いパフォーマンスを実現できるように設計されています。たとえば、Aptos は Block-STM テクノロジーを使用して並列トランザクション処理を実装しています。
- Artela: Artela は、WebAssembly の実行時にネイティブ拡張機能 (アスペクト) を通じて高性能のカスタマイズされたアプリケーションを実装するための EVM++ コンセプトを提案しました。 Artela は、並列実行と柔軟なブロック空間設計の助けを借りて、EVM パフォーマンスのボトルネックを効果的に解決し、スループットとスケーラビリティを大幅に向上させます。
性能競争が真っ盛りで、どちらが優れていてどちらが劣っているかを判断するのは難しい。しかし、この熾烈な競争の中には、AO に代表される他のソリューションもあります。 AO は独立したパブリック チェーンではなく、独自の技術アーキテクチャを通じて並列処理機能とスケーラビリティを実現する Arweave に基づくコンピューティング レイヤーです。 AO は間違いなく、希少性後のコンピューティング システムに向けた強力な競争相手であり、情報金融の大規模な実装を支援することが期待されています。
情報金融を担うAOの青写真
AO は、Arweave ネットワーク上で実行されるアクター指向 (ロールベース) コンピューターであり、統合されたコンピューティング環境とオープン メッセージング レイヤーを提供します。分散型のモジュール型技術アーキテクチャを通じて、情報金融の大規模アプリケーションと従来のコンピューティング環境を統合する可能性を提供します。
AO のアーキテクチャはシンプルで効率的です。コア コンポーネントは次のとおりです。
- プロセスは AO ネットワークの基本的なコンピューティング ユニットであり、対話はメッセージ送信を通じて実現されます。
- スケジューリング ユニット(SU) は、メッセージの並べ替えと保存を担当します。
- コンピューティング ユニット(CU) は状態計算タスクを実行します。
- メッセンジャー ユニット(MU) は、メッセージの配信とブロードキャストを担当します。
モジュール間の分離設計により、AO システムに優れた拡張性と柔軟性が与えられ、さまざまな規模と複雑さのアプリケーション シナリオに適応できます。したがって、AO システムには次のような主要な利点があります。
- 高スループットおよび低遅延のコンピューティング機能: AO プラットフォームの並列プロセス設計と効率的なメッセージ受け渡しメカニズムにより、1 秒あたり数百万のトランザクションの処理をサポートできます。この高スループット機能は、グローバルな情報および金融ネットワークをサポートするために不可欠です。同時に、AO の低遅延通信特性により、トランザクションとデータ更新の即時性が確保され、ユーザーにスムーズな操作体験が提供されます。
- 無制限のスケーラビリティとモジュラー設計: AO プラットフォームはモジュラー アーキテクチャを採用し、仮想マシン、スケジューラー、メッセージング、およびコンピューティング ユニットを分離することで、非常に高いスケーラビリティを実現します。データ スループットの向上であっても、新しいアプリケーション シナリオへのアクセスであっても、AO は迅速に適応できます。この拡張性は、従来のブロックチェーンのパフォーマンスのボトルネックを打破するだけでなく、複雑な情報金融アプリケーションを構築するための柔軟な環境を開発者に提供します。
- 大規模コンピューティングと AI の統合をサポート: AO プラットフォームはすでに WebAssembly 64 ビット アーキテクチャをサポートしており、Meta の Llama 3 などのほとんどの完全な大規模言語モデル (LLM) を実行でき、AI と AI の緊密な統合のための技術基盤を提供します。ウェブ３． AI は、スマート コントラクトの最適化、市場分析、リスク予測などのアプリケーションを含む情報金融の重要な推進力となり、AO プラットフォームの大規模なコンピューティング能力により、これらのニーズを効率的にサポートできます。同時に、AO プラットフォームは、WeaveDrive テクノロジーを介して無制限のストレージを備えた Arweave にアクセスすることで、複雑な機械学習モデルのトレーニングとデプロイに独自の利点を提供します。
高スループット、低遅延、無制限の拡張性、AI 統合機能を備えた AO は、情報金融にとって理想的なプラットフォームとなっています。 AO は、リアルタイムのトランザクションから動的分析まで、大規模計算や複雑な金融モデルの実現を強力にサポートし、情報金融の普及と革新への道を切り開きます。
情報金融の未来: AI 主導の予測市場
情報金融の次世代予測市場は何色になるべきか？過去から学び、未来から学ぶ従来の予測市場は、市場の完全性が不十分であること、敷居が高いこと、人気が限られていることという 3 つの大きな問題点に長い間直面してきました。 PolyMarket のような Web3 のスター プロジェクトでも、これらの課題を完全に回避することはできません。たとえば、イーサリアムETFは、予測されたイベントに対するチャレンジ期間が短すぎる、またはUMAの投票権が集中しすぎているため、操作リスクの可能性について疑問視されています。さらに、その流動性は人気のある分野に集中しており、ロングテール市場への参加者は少ないです。さらに、一部の国 (英国および米国) では規制上の制限によりユーザーが制限されており、予測市場の普及がさらに妨げられています。
情報金融の将来の発展には、新世代のアプリケーションの指針が必要です。 AO の優れたパフォーマンス条件は、この種のイノベーションにとって肥沃な土壌を提供します。その中でも、Outcome に代表される予測市場プラットフォームは、情報金融実験の新たな焦点になりつつあります。
Outcome は現在、基本的な投票とソーシャル機能をサポートする製品として形になり始めています。その本当の可能性は、将来的に AI との緊密な統合にあり、AI エージェントを使用してトラストレスな市場決済メカニズムを確立し、ユーザーが独自に予測エージェントを作成して使用できるようになります。透明性があり、効率的で敷居の低い予測ツールを一般の人々に提供することで、予測市場の大規模な普及をさらに促進することができます。
アウトカムを例にとると、AO に基づいて構築された予測市場には、次のような主要な特徴があります。
- トラストレスな市場解決: アウトカムの中核は自律エージェントにあります。これらのエージェントは AI によって駆動され、事前に設定されたルールとアルゴリズムに基づいて独立して動作し、市場の意思決定プロセスの透明性と公平性を確保します。このメカニズムは人間の介入がないため、操作のリスクを最小限に抑え、信頼できる予測結果をユーザーに提供します。
- AI ベースの予測エージェント: Outcome プラットフォームを使用すると、ユーザーは AI ベースの予測エージェントを作成して使用できます。これらのエージェントは、複数の AI モデルと豊富なデータ ソースを統合して、正確な分析と予測を実行できます。ユーザーは、自分のニーズと戦略に基づいてパーソナライズされた予測エージェントをカスタマイズし、さまざまな市場テーマの予測活動に参加できます。この柔軟性により、予測の効率と適用性が大幅に向上します。
- トークン化されたインセンティブ メカニズム: Outcome は、ユーザーが市場予測に参加し、代理店サービスやトランザクション データ ソースを購読することでトークン報酬を受け取る革新的な経済モデルを導入します。この仕組みはユーザーの参加意欲を高めるだけでなく、プラットフォームエコシステムの健全な発展をサポートします。
AI主導の市場予測ワークフロー
Outcome は AI モデルを導入することで半自動または全自動のエージェント モードの設計を実現し、Arweave と AO で広く構築されている情報金融アプリケーションに革新的なアイデアを提供できます。大まかに次のワークフロー アーキテクチャに従います。
1. データストレージ
- リアルタイム イベント データ: このプラットフォームは、リアルタイム データ ソース (ニュース、ソーシャル メディア、オラクルなど) を通じてイベント関連情報を収集し、Arweave に保存して、データの透明性と改ざん防止を確保します。
- 過去のイベント データ: 過去のイベント データと市場の行動記録を保存し、モデリング、検証、分析のためのデータ サポートを提供し、持続可能な最適化の閉ループを形成します。
2. データの処理と分析
- LLM (ラージ言語モデル): LLM は、データ処理とインテリジェント分析のコア モジュールです (AO プロセスです)。Arweave に保存されているリアルタイム イベント データと履歴データの詳細な処理とキーの抽出を担当します。後続のモジュールのイベントに関連する情報 (感情分析、確率計算など) は、高品質の入力を提供します。
- イベントセンチメント分析: イベントに対するユーザーと市場の態度 (肯定的/中立的/否定的) を分析し、確率の計算とリスク管理の参考情報を提供します。
- イベントの確率計算: 感情分析の結果と履歴データに基づいて、イベントが発生する確率を動的に計算し、市場参加者の意思決定を支援します。
- リスク管理: 市場の健全な運営を確保するために、市場操作や異常な賭け行為などの防止など、市場の潜在的なリスクを特定して制御します。
3. 予測の実行と検証
- 取引エージェント: AI 主導の取引エージェントは、ユーザーの手動介入を必要とせずに、分析結果に基づいて予測を自動的に実行し、賭けを行う責任を負います。
- 結果の検証: システムは、オラクルなどのメカニズムを通じてイベントの実際の結果を検証し、検証データを履歴イベント データ モジュールに保存して、結果の透明性と信頼性を保証します。さらに、履歴データはその後の予測の参考にもなり、継続的な最適化の閉ループ システムを形成します。
このワークフローにより、AI 主導のインテリジェントな予測および分散型検証メカニズムを通じて、効率的で透明性のあるトラストレスな予測エージェント アプリケーションが可能になり、ユーザー参加の敷居が低くなり、市場運営が最適化されます。 AO の技術アーキテクチャに依存するこのモデルは、情報金融の発展をインテリジェンスと普及に導き、次世代の経済革新の中核プロトタイプとなる可能性があります。
要約する
未来は、入り混じった情報から真実を導き出すことに長けた人たちのものです。情報金融は、AI の知恵とブロックチェーンの信頼によってデータの価値と利用を再定義しています。 AO のポスト希少性アーキテクチャから Outcome のインテリジェント エージェントに至るまで、この組み合わせにより、予測市場はもはや単なる確率の計算ではなく、意思決定科学の再探求になります。 AIは参加の敷居を下げるだけでなく、膨大なデータの処理と動的な分析を可能にし、情報金融に新たな道を切り開きます。
アラン・チューリングが言ったように、コンピューティングは効率をもたらし、知恵は可能性を呼び起こします。 AI と踊りながら、情報金融は複雑な世界をより明確にし、社会が効率と信頼の間の新しいバランスを見つけるよう促すことが期待されています。
参考資料
