Search Results

注：この文書は英語の原文からの自動翻訳です。 AI 品質メトリクスとは何か、なぜ重要か AI 品質メトリクスとは、AI システムがそのタスクをどれだけうまくこなすかを——マーケティングの言葉ではなく、文脈を伴う数値で——表す測定可能な値です。主張がエビデンスを上回りがちな crypto AI の領域では、品質メトリクスは「我々の AI は強力だ」と「我々のモデルは定義されたテストセットで 82% の精度を達成する」とのあいだの違いそのものです。 要約： 測定可能な品質データがなければ、AI の主張は検証できません。...

注：この文書は英語の原文からの自動翻訳です。 マーケティングの AI が動作する AI と等しくない理由 マーケティング上の AI と動作する AI のギャップは、DecAIHub が取り組む中心的な問題です。数百のクリプトプロジェクトが、ブランディングで「AI 搭載」「最先端の AI で構築」「当社の AI エンジン」といった言葉を使います — しかし検証可能なアーティファクトを探すと、多くはコードも、モデルも、ベンチマークも、技術文書も持っていません。このページでは、マーケティングの言葉だけがなぜ証拠にならない...

注：この文書は英語の原文からの自動翻訳です。 AI コンポーネントとしての推論 AI コンポーネントとしての 推論（inference） は、プロジェクトがトレーニング済みモデルを本番で実行して出力 — 予測、分類、生成されたテキスト、画像、その他の結果 — を生成することを意味します。DecAIHub のプロジェクトカードが AI component フィールドに推論関連の値を挙げているとき、それはシステムのどこかでモデルが入力データを受け取り AI 主導の結果を返すことを示します。これは、AI が単に約束され...

注：この文書は英語の原文からの自動翻訳です。 AI component としてのコンピューティング AI component としての コンピューティング とは、プロジェクトが AI ワークロード向けの計算資源 — GPU、TPU、CPU — を提供またはオーケストレーションすることを意味します。DecAIHub のプロジェクトカードが AI component フィールドにコンピューティング関連の値を列挙するとき、それはインフラレイヤーを記述します。すなわち、モデルがトレーニングまたは実行されることを可能にする...

注：この文書は英語の原文からの自動翻訳です。 データ収集とラベリング データ収集（Data collection） は、さまざまなソースから生データを集めるプロセスです。データラベリング（Data labeling、アノテーションとも呼ばれる） は、そのデータが教師あり トレーニング に使えるように、正しい答えやメタデータを付けるプロセスです。両者は合わさって、生の情報を使用可能な データセット に変える、欠かせないパイプラインを形成します。 要約： 収集は素材を集め、ラベリングはそれを AI にとって有用にします...

注：この文書は英語の原文からの自動翻訳です。 AI component としての分析とランキング AI component としての 分析とランキング とは、プロジェクトが AI または機械学習を用いてエンティティ——プロジェクト、トークン、ウォレット、リスク、市場状況——をスコアリング、分類、ランク付け、または分析することを意味します。DecAIHub のプロジェクトカードの AI component フィールドに分析関連の値が記載されているとき、それは訓練済みモデルがデータを処理し、構造化された出力——スコア...

注：この文書は英語の原文からの自動翻訳です。 AI component としてのトレーニング AI component としての トレーニング とは、プロジェクトが AI モデルをトレーニングするシステムまたはパイプライン — 学習された表現を生み出すためにデータ上でモデルの重みを更新すること — を備えていることを意味します。DecAIHub のプロジェクトカードが AI component フィールドにトレーニング関連の値を列挙するとき、それは具体的な仕組みを表します。すなわち、プロジェクト内でモデルが構築ま...

注：この文書は英語の原文からの自動翻訳です。 検索・ナレッジレイヤー 検索・ナレッジレイヤー（retrieval and knowledge layer） とは、関連情報を保存・索引化・検索し、AI モデルが根拠に基づいた回答を生成できるようにするシステムです。これは、モデルがトレーニング中に記憶した内容だけに頼るのではなく、外部知識（ドキュメント、オンチェーンデータ、プロトコル仕様、市場イベントなど）へのアクセスをモデルに与えるインフラです。 要約： 検索レイヤーは RAG の「R」です。モデルが回答を生成する前...

注：この文書は英語の原文からの自動翻訳です。 AI コンポーネントとしてのエージェント AI コンポーネントとしての エージェント（Agents） とは、プロジェクトの AI レイヤーがエージェントフレームワーク — 入力を知覚し、意思決定を行い、しばしば記憶、ツール、目標を伴って行動するシステム — を中心に構築されていることを意味します。DecAIHub のプロジェクトカードが AI component フィールドにエージェント関連の値を記載するとき、それは具体的な技術アーキテクチャ、すなわち自律的または半自...

注：この文書は英語の原文からの自動翻訳です。 複合 AI カテゴリの読み方 DecAIHub は各プロジェクトに AI/Agents | DeFi や AI/Compute | Infra のような 複合カテゴリ ラベルを割り当てます。これらのラベルはコンパクトに見えますが、二つの情報を同時に運びます：プロジェクトがどんな種類の AI の作業を行うか、そしてその作業をどこに適用するか。このページでは、それらの読み方を説明します。 要約： | の前の部分は AI のサブカテゴリ（AI が何をするか）です。 | ...

注：この文書は英語の原文からの自動翻訳です。 AI/Agents AI/エージェント（AI/Agents）は DecAIHub で最大のカテゴリです。これは、中核となる AI コンポーネントが 自律的または半自律的なエージェント — データを知覚し、それについて推論し、継続的な人間の指示なしに行動するソフトウェア層 — であるすべてのプロジェクトをまとめます。 このカテゴリは、トレーディングボット、インフラフレームワーク、コンシューマー向けコンパニオン、ゲームの NPC にまたがります。「agent」という言葉はク...

注：この文書は英語の原文からの自動翻訳です。 AI/Compute AI/コンピューティング（AI/Compute）は、AI ワークロードのための計算リソース を提供するプロジェクト — クリプト AI の GPU およびインフラ層 — をまとめます。これらは、誰もが AI モデルの訓練と実行のための処理能力を提供または消費できるようにする、分散型計算ネットワーク、GPU マーケットプレイス、オーケストレーションプラットフォームです。 DecAIHub のレジストリでは、AI/コンピューティングは最大級のカテゴリの...

注：この文書は英語の原文からの自動翻訳です。 AI/Inference AI/推論（AI/Inference）は、訓練済みの AI モデルを本番環境で実行すること に焦点を当てたプロジェクトをまとめます — モデルが入力データを受け取り、結果（予測、分類、生成された画像、テキスト応答）を生み出す段階です。これは AI の「ラストマイル」、すなわちモデルが実際に何か有用なことを行う瞬間です。 DecAIHub のレジストリでは、推論に焦点を当てたプロジェクトはしばしば計算リソース提供者やインフラ層と重なります。区別す...

注：この文書は英語の原文からの自動翻訳です。 AI/Data AI/データは、AI のトレーニングと処理のためにデータを収集、キュレーション、ラベル付け、または提供する プロジェクトをまとめたものです。データはあらゆる AI システムの基盤的な入力です。構造化された高品質なデータセットがなければ、モデルをトレーニング、ファインチューニング、改善することはできません。 DecAIHub のレジストリでは、AI/データ プロジェクトは、分散型データマーケットプレイスやアノテーションプラットフォームから、トレーニングや推...

注：この文書は英語の原文からの自動翻訳です。 AI/Analytics AI/分析は、AI と機械学習を用いてデータを分析、スコアリング、ランク付け、または洞察を提供する プロジェクトをまとめたものです — 典型的には、クリプト市場、オンチェーンの活動、プロジェクトの品質についてです。これらは、生のブロックチェーンと市場のデータを実行可能な理解へと変える「インテリジェンス層」のプロジェクトです。 DecAIHub のレジストリでは、AI/分析は小さいながらも特徴的なカテゴリです。中核的な区別は、人間のアナリストでも...

注：この文書は英語の原文からの自動翻訳です。 AI/Training AI/トレーニングは、AI モデルの構築 に焦点を当てたプロジェクトをまとめます — データとコンピューティングが組み合わさって、学習されたパターンを持つモデルを生み出す、AI ライフサイクルの作成段階です。推論がトレーニング済みのモデルを使う行為であるならば、トレーニング はそれを作る行為です。 DecAIHub レジストリでは、AI/トレーニングは AI/コンピューティングや AI/エージェントよりも一般的ではありません。これはタスクの難しさ...

注：この文書は英語の原文からの自動翻訳です。 AI/Other AI/Other は、AI への関与を主張するが、標準的な AI サブカテゴリ — エージェント、コンピューティング、推論、データ、分析、トレーニング — のいずれにもきれいに収まらないプロジェクトのための、DecAIHub のカテゴリです。これは、AI のアプローチが珍しいプロジェクトや、簡単に分類できない AI コンポーネントを持つプロジェクトのための 包括的な受け皿 です。 要約： AI/Other は、プロジェクトがレビューされ、その AI の...

注：この文書は英語の原文からの自動翻訳です。 DeFi 向けエージェント DeFi 向けエージェント は、DecAIHub におけるサブカテゴリ AI/Agents | DeFi です。これらは分散型金融に適用される AI エージェント — 自律的に取引を実行し、ポートフォリオを管理し、利回りを最適化し、アービトラージを見つけ、資産をブリッジし、またはプロトコルのリスクをオンチェーンで分析するソフトウェア — です。 要約： DeFi エージェントは AI を使ってオンチェーンで自律的な金融判断を行います。重要な...