AI/Analytics
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単純な集計スクリプトでもなく、モデルが分析を行うという点です。チャートやダッシュボードを生成することは AI ではありません。インテリジェンスは、パターンを検出し、スコアを生成し、または予測を行うトレーニング済みモデルから来なければなりません。
このカテゴリの出力はしばしば 確率的 です：スコアやシグナルは、方法論、更新頻度、文書化された制限に注意して読むべきです。AI/分析 ラベルは、ナラティブとアーティファクトが静的なレポートではなく モデル主導 の分析を指し示すときに当てはまります。
要約： AI/分析は、AI モデルがデータを分析し、洞察、スコア、ランキングを生み出すプロジェクトをカバーします。
それが意味すること
AI の文脈における 分析（Analytics） とは、データセットに機械学習の技術 — 分類、回帰、異常検知、自然言語処理 — を適用して、パターンを抽出し、スコアを生成し、または予測を生み出すことを意味します。クリプト AI では、これは通常、ソーシャルメディアやニュースのセンチメント分析、オンチェーンの取引パターン認識、プロジェクト品質スコアリング、取引シグナルの生成、NFT フォレンジックを含みます。
分析と単純なデータ可視化の境界は重要です。トークン価格の履歴をチャート化するダッシュボードは AI/分析 ではありません。価格、出来高、ソーシャルメディアのデータをトレーニング済みモデルに与えてリスクスコアを出力するシステムはそうです。
AI/分析 プロジェクトに見られる典型的な AI コンポーネント には、分析とランキング のエンジン、センチメント分類器、異常検知モデル、スコアリングアルゴリズム、予測パイプラインが含まれます。一部のプロジェクトは専有モデルを動かし、他のプロジェクトは複数のモデルや公開 API の出力を集約します。
本物の AI 分析をリブランドから区別するのは証拠です：公開された精度メトリクス、文書化されたモデルアーキテクチャ、バックテストされた予測、または再現可能なスコアリング方法論。最終的な数値だけを示し、それがどう生み出されたかを説明しないプロジェクトは、検証可能性の基準を満たしません。
よくあるサブ組み合わせ
DecAIHub は 複合カテゴリ を使用します。以下は AI/分析 内で最も頻繁な組み合わせです。DeFi と Infra との組み合わせがよく見られ、Consumer はユーザー向けツールをカバーします。
| サブ組み合わせ | それが意味すること |
|---|---|
| AI/分析 | DeFi | DeFi プロトコルと取引のための AI 駆動の分析 — リスクスコアリング、利回り予測、戦略評価。 |
| AI/分析 | インフラ | 分析インフラとスコアリングエンジン — 他のプロジェクトに分析をサービスとして提供するプラットフォーム。 |
| AI/分析 | Consumer | ユーザー向けの分析ツール — エンドユーザー向けに AI モデルを搭載したダッシュボード、アラート、洞察フィード。 |
単一のプロジェクトが複数のドメインタグを持つことができます（例：AI/Analytics | DeFi | Infra）。
プロジェクトカードで見るべきこと
DecAIHub で AI/分析 カードを読む際は、次の点に注目してください。
- AI component — カードは具体的な AI コンポーネント（センチメント分析、スコアリングエンジン、異常検知、分析とランキング）を挙げていますか、それとも「AI 駆動の洞察」に関するマーケティングの主張だけですか？
- モデルの透明性 — プロジェクトは、どんなモデルや手法が分析を生み出すかを記述していますか？ 公開された精度メトリクスや ベンチマーク はありますか？
- 検証可能性 — 分析の出力をオンチェーンの現実や過去の結果と比較できますか？ 予測は時間をかけて追跡・スコアリングされていますか？
- エビデンスの Tier — モデルの文書、精度レポート、または検証可能な出力を持つ公開 API エンドポイントのような Tier-1 アーティファクト はありますか？
- AI reality スコア（
ai_score） — 公開されているデータを集約することは AI ではありません。プロジェクトはトレーニング済みモデルが分析を生み出すことを実証していますか？ AI reality を参照してください。
このカテゴリだけでは証明されないこと
AI/分析 とラベル付けされたプロジェクトは、その位置付けと利用可能なアーティファクトに基づいて、分析中心であると 分類 されています。ラベルだけでは、以下を確認したことにはなりません。
- 分析が、単純なルールや手作業の調査ではなく、トレーニング済みの AI モデルによって生み出されていること。
- モデルの予測やスコアが正確で、バックテストされ、独立に検証されていること。
- 分析が、公開データフィードの再パッケージではなく専有であること。
- オンチェーン統合がトークン発行を超えて意味を持つこと。
- 分析サービスが機能するためにトークンが必要であること。
必ず完全な DecAI Fit スコアと、プロジェクトカードのエビデンスブロックを確認してください。
混同しないでください
- 単純なダッシュボード — 分析の背後にトレーニング済みモデルなしにチャート、表、集約データを表示することは、AI/分析 ではなくデータ可視化です。
- 手作業の調査 — 人間がキュレーションしたレポートや手作業でスコア付けされた評価は価値がありますが、AI 主導の分析としては認められません。
- AI/データ — AI システム向けにデータを収集・提供することに注力します。分析はデータを消費して洞察を生み出します。AI/データ を参照してください。
- AI/エージェント — 自律的に決定し行動するソフトウェアです。エージェントは内部で分析を使うかもしれませんが、エージェントのカテゴリは分析ではなく挙動に関するものです。AI/エージェント を参照してください。
- 自動化 — 学習するモデルなしのルールベースのアラートやしきい値ベースの取引シグナル。自動化 対 本物の AI を参照してください。
よくある質問
ダッシュボードが「AI」と言っているのに、なぜ AI/分析 ではないかもしれないのですか？
このカテゴリは、洞察を生み出す トレーニング済みモデル を必要とします — 単なるチャートやフィルターではなく。自動化 対 本物の AI と、カード上の AI component フィールドを参照してください。
センチメントボットやソーシャルトラッカーは常に AI/分析 ですか？
スコアの背後に ML または NLP モデル（または同等のもの）があることをドキュメントが示すときだけです。キーワードのカウントや手作業のキュレーションは、モデルベースの分析とは同じではありません。
AI/分析 は AI/データ とどう関係しますか？
AI/データ はデータセットを供給・準備します；AI/分析 はデータを消費してスコア、ラベル、予測を出力します。製品は両方に触れることがあります；複合タグとコンポーネントのリストが、どちらの側が優勢かを示します。
外部リンク
- Machine learning — 学習されたモデルがデータから予測とパターンをどう生み出すかの、広く使われる概観。
- NIST Artificial Intelligence Risk Management Framework (AI RMF 1.0) — 意思決定支援の役割で使われる AI システムの測定、文書化、監督に関するガイダンス。
No comments to display
No comments to display