AI component とは
注：この文書は英語の原文からの自動翻訳です。
AI component とは
AI component は、本物の AI 作業が行われるプロジェクトの具体的な部分 — 分析、生成、予測、ランキング、意思決定 — です。マーケティングのラベルやブランドの言及ではありません。DecAIHub のプロジェクトカードでは、AI component フィールドは一つの問いに答えます：ここで AI は具体的に何をするのか？
要約： AI component は、データが入り、AI 駆動の結果が出てくる具体的な仕組みです — ロゴでも、キャッチフレーズでも、ロードマップの約束でもありません。
初心者向けのたとえ
プロジェクトをレストランのように考えてください。use case はメニュー — 客が見て注文するもの — です。AI component はキッチン — 生の食材を一皿に変える実際の設備と技術 — です。レストランは美しいメニュー（use case）を持っていても、動くキッチン（AI component）を持っていないことがあります。DecAIHub がプロジェクトをレビューするとき、キッチンに入って、コンロが本物か、誰かが料理しているか、実際のレシピがあるか — 外の看板に印刷された料理の写真だけではないか — を確認します。
それは何か
AI component は、人工知能または機械学習に通常関連づけられる作業を実行する機能的なモジュールまたはサブシステムです。これには次のものが含まれます。
- 推論エンジン — 訓練されたモデルを実行して出力（予測、分類、生成されたテキストや画像）を生み出す
- トレーニングパイプライン — 新しいデータでモデルの重みを更新する
- 分析モデル — データからパターン、スコア、信号を抽出する（市場分析、リスクスコアリング、センチメント分析）
- エージェントフレームワーク — 自律的な意思決定、ツール使用、複数ステップの推論をオーケストレーションする
- データラベリングシステム — データセットを構築するために人間または自動のアノテーションを管理する
- コンピューティングのオーケストレーション — AI のワークロードをノードや GPU に分配する
重要な区別：プロジェクトは、モデル、アルゴリズム、または学習された表現を使ってデータを処理するサブシステムを含むなら、AI component を 持っています。プロジェクトは、検証可能な技術的実装なしに「AI」がその名前、マーケティングのコピー、将来の計画にだけ現れるなら、AI component を 欠いています。
AI component は、ゼロからカスタムで構築される必要はありません。オープンソースのモデルをファインチューニングする、意味のある前処理と後処理で推論 API をラップする、または独自のデータで自前の分類器を訓練するプロジェクトも、AI レイヤーが単純な素通しを超えた検証可能な機能を加えている限り、AI component を持っています。
スペクトル：不在から完全に検証可能まで
すべての AI component が同等なわけではありません。それらは成熟度と検証可能性のスペクトル上に存在します。
| レベル | 説明 | 何を期待するか |
|---|---|---|
| 不在 | プロジェクトに AI が見つからない | ai_component フィールドは none または unknown と表示される |
| Positioning only | マーケティングで AI が主張されるが技術的エビデンスがない | フィールドは positioning only と表示される；ai_score は 0 |
| 宣言済み | AI が公式ドキュメントやロードマップで言及されるが、動作するアーティファクトがない | AI_0 = 1、残りの AI フラグは 0 |
| 実演済み | 動作するデモ、プロトタイプ、または文書化されたパイプラインが存在する | AI_1 と AI_2 が 1；部分的なエビデンス |
| 検証済み | ベンチマーク、技術ドキュメント、モデルのバージョン、再現可能な結果が利用可能 | AI_3 と AI_4 が 1；強い Tier-1 エビデンス |
このスペクトルが重要なのは、「AI を持つ」ことが実務では二値ではないからです。プロジェクトは、訓練されたモデルを持つがベンチマークがない、あるいは動作するデモを持つが公開されたアーキテクチャがない、ということがあります。AI component フィールドは、将来存在しうるものではなく、何が存在するかを捉えます。
DecAIHub における一般的な AI component の値
レジストリのプロジェクトカードからの実際の値を次に示します。
AI agent platform (workflows/tools/KB)— ツールとナレッジベースを備えたエージェントインフラAI data labeling + model evaluation (human experts)— 人間が介在するパイプラインでのラベリングAI/ML crypto market analytics (app)— 市場データに適用された機械学習モデルcompute orchestration— AI 計算タスクのルーティングとスケジューリングAI trading signals— データからトレーディング関連の信号を生成するモデルagentic framework (memory/actions/plugins)— 記憶とツール統合を備えたエージェントランタイムAI summaries + crypto intelligence terminal— NLP ベースの要約とデータ分析inference engine— モデルの推論を実行することに専念したシステム
各値は、AI が実際に何をするか — プロジェクトが何になると約束するかではなく — を記述します。これらの値は、プロジェクトカード間の一貫性を保つために、正規化された繰り返しフィールドのレジストリ から引き出されます。レビュアーが AI component フィールドを埋めるとき、観測された値から選ぶか、技術的な仕組みを正確に捉える新しい値を追加します。
DecAIHub のプロジェクトカードのどこに現れるか
AI component（ai_component） フィールドは Project Passport テーブルの一部です。Use case フィールドと並んで位置します。両者は合わさって、技術的な仕組みを製品の説明から切り離します。
フィールドが positioning only、none、または unknown と表示される場合、それは検証日時点で動作する AI component のエビデンスが確認されていないことを意味します。これらは技術ではなく — エビデンスの読み取りモード です。
AI component フィールドは、経験豊富な読者が最初に確認するものの一つです。即座にシグナルを与えます：このプロジェクトは AI で何かをしているのか、それともしていると言っているだけなのか？ Evidence テーブルと検証日と組み合わせると、プロジェクトの技術的実体の素早い全体像を描きます。
AI component はどう検証されるか
検証は Tier-1/2/3 エビデンスの階層 に従います。AI component が positioning only を超えて進むために、レビュアーは次を探します。
- Tier-1 アーティファクト — 公開リポジトリのソースコード、モデルの重みやアーキテクチャの記述、方法論を伴うベンチマークレポート、推論エンドポイントを示す API ドキュメント、チームが公開した技術論文。
- Tier-2 の文脈 — AI パイプラインに言及するサードパーティのレビュー、AI 出力に依存するエコシステムの統合、特定の AI 機能を参照するアグリゲータの説明。
- Tier-3 のシグナル — マーケティングの主張、インフルエンサーの言及、技術的な詳細のないプレスリリース。これらは記録されますが、それ自体では AI スコアを上げません。
レビューはまた、一般的な アンチパターン も確認します：「AI コード」として掲載された空の GitHub リポジトリ、別のプロジェクトからコピーされたベンチマーク、独自モデルとして提示された API ラッパー。これらの危険信号は、検証可能なエビデンスが現れるまで ai_score を 0 に保ちます。
AI component が DecAI Fit にとって何を意味するか
AI component は、DecAI Fit スコアの AI reality 軸に直接供給されます。動作する AI component の Tier-1 エビデンス がなければ、プロジェクトの ai_score は 0 であり — その全体の DecAI Fit は 0 を超えられません。
これはスコアリングシステムで最も厳格なルールです：AI reality がなければ、DecAI Fit は 0 を超えません。プロジェクトが強いオンチェーンインフラと十分に設計されたトークンを持っていても、検証可能な AI component なしにはゼロを超えてスコアできません。これは DecAIHub の中核のテーゼ — レジストリは「Decentralized AI」のテーゼとの整合を評価し、AI は交渉の余地のない出発点である — を反映しています。
これは、プロジェクトが悪い、あるいは無価値だという意味ではありません。レビュー時点でエビデンスが利用できなかったという意味です。検証可能なアーティファクト（コード、ベンチマーク、デモ、技術ドキュメント）が現れると、カードは更新されます。
この用語だけでは証明できないこと
- AI component を持つことは、製品が有用であること、トークンが必要であること、オンチェーン統合が意味を持つことを 証明するものではありません。
- AI component フィールドは仕組みだけを記述します。品質、成熟度、規模は、Evidence テーブル と AI reality フラグを通じて別途評価されます。
- プロジェクトは、些細な本物の AI component を持つことがあります — 例えば、外部 API を呼び出す単純なセンチメント分類器。本物であることは、重要であることを意味しません。
- 逆に、高度な AI component を持つプロジェクトでも、オンチェーン統合が表面的だったり、トークンが何の機能も果たさなかったりすれば、DecAI Fit で低スコアになることがあります。
混同しないでください
- Use case は、ユーザーが製品から何を得るかを記述します。AI component は、内部で AI が何をするかを記述します。AI component と use case の違い を参照してください。
- Category（例：
AI/Agents）は、プロジェクトをより高いレベルで分類します。AI component はより具体的です：実際の技術です。 - 自動化 は常に AI なわけではありません。単純なルールベースのスクリプトや if/then のワークフローは AI component ではありません。自動化と本物の AI component の違い を参照してください。
- AI モデル は、訓練されたアーティファクト（重み、アーキテクチャ）を指します。AI component はより広く：モデルに加えて、その周りのパイプライン（データ取り込み、前処理、推論の提供、後処理）を含みます。
- API ラッパー — サードパーティの AI API（ホスト型 LLM など）に、意味のある処理を加えずにリクエストを転送するだけのプロジェクト。これは統合のレベルと付加価値に応じて、AI component とみなされる場合もそうでない場合もあります。
よくある質問
AI component と use case の違いは何ですか？
AI component は技術的な仕組み — AI が何をするか（例：推論を実行する、モデルを訓練する、データをスコアリングする）です。use case は製品の成果 — ユーザーが何を得るか（例：DeFi コパイロット、ポートフォリオトラッカー、リスクアラート）です。プロジェクトは、同じ AI component を持ちながら異なる use case を持つことも、同じ use case が全く異なる AI component によって駆動されることもあります。DecAIHub のプロジェクトカードでは、読者が技術と製品を独立して評価できるよう、これらは意図的に別個のフィールドになっています。詳細な比較は AI component と use case の違い を参照してください。
プロジェクトは AI component なしに AI を持てますか？
いいえ — DecAIHub の用語では、プロジェクトが AI を持つなら、AI component を持ちます。問題は、そのコンポーネントが 検証可能 かどうかです。プロジェクトは内部で本物の AI を使いながら、公開のエビデンスを何も提供しないことがあります：コードも、ドキュメントも、ベンチマークも、デモもない。その場合、AI component フィールドは unknown と表示され、ai_score は 0 のままです。これは AI が不在であることを意味するのではなく — エビデンスが不在であることを意味します。エビデンスが現れると、カードは更新されます。
「positioning only」とは何を意味しますか？
それは、プロジェクトがマーケティング、ブランディング、またはポジショニングで AI の言葉を使っているが、動作する AI component の Tier-1 または Tier-2 エビデンスが見つかっていないことを意味します。「AI」という言葉がプロジェクト名、ウェブサイトのキャッチフレーズ、ピッチデックに現れることはあっても、コードリポジトリ、モデルのドキュメント、デモ、そして AI が実際に何をするかの技術的記述がありません。「positioning only」は、判断ではなく、事実の観察です。この状態のプロジェクトには、AI コンポーネントを開発中のローンチ前のものもあれば、決して構築しないものもあります。
より高い ai_score はより良いプロジェクトを意味しますか？
いいえ。ai_score は AI component の検証可能性 を測るのであって、製品の品質や技術の有用性を測るのではありません。ai_score = 3 のプロジェクトは、その AI が本物で文書化されている強いエビデンスを持ちます。ai_score = 1 のプロジェクトは、限られたエビデンスを持ちます。どちらのスコアも、製品が本物の問題を解決するか、ユーザーがそれを必要とするか、トークンモデルが理にかなっているかについては何も語りません。DecAI Fit は四つの次元 — AI reality、Onchain necessity、Token necessity、Evidence — を組み合わせて、より完全な全体像を与えます。
外部リンク
- Machine Learning Glossary — Google Developers — 業界全体で使われる ML と AI の用語の参照用定義。
- The promises and challenges of crypto + AI applications — Vitalik Buterin — AI とブロックチェーンが真に補完し合う場所を考えるためのフレームワーク。
- Stanford HAI — AI Index Report — 導入、研究、技術的進歩を含む、人工知能の状況に関する年次データ。
No comments to display
No comments to display