AIエージェントのデコード：未来の新しい経済生態を形作る知恵の力

AI Agentsは、分散型金融からGameFiまで、暗号資産経済を改革し、強力な潜在能力を示しています。この記事は、Klein Labsの記事をもとに、PANewsが整理・編集しました。（前提：Y Combinatorのスタートアップガイド：AI Agentの将来のトレンドは？）（補足：Bankless：暗号化技術がAI Agentsのスーパーフューエルになる方法）

1.1 背景

1.1.1 発展歴史

AI AGENTの発展歴程は、AIが基礎研究から広範な応用へと進化していく様子を示しています。1956年のダートマス会議で、「AI」の用語が初めて提案され、AIが独立した分野としての基盤を築きました。この時期、AI研究は主に記号論理に焦点を当て、ELIZA（チャットボット）やDendral（有機化学領域の専門家システム）など、最初のAIプログラムが生まれました。この時期には、初めてニューラルネットワークが提案され、機械学習の概念が初めて探求されました。しかし、この時期のAI研究は、当時の計算能力の制約によって深刻な制約を受けました。

研究者たちは、自然言語処理や人間の認知機能の模倣に関するアルゴリズムの開発に大きな困難を抱えていました。さらに、1972年には、数学者のJames Lighthillが、1973年に発表されたイギリスにおけるAI研究の状況に関する報告書を提出しました。Lighthillの報告書は、AI研究に対する初期の興奮期の後、AIへの大きな信頼喪失を引き起こし、1973年以降、AI研究の資金は大幅に削減され、AI分野は最初の「AIの冬」を経験しました。AIの潜在能力に対する疑念が増加しました。

80年代、専門家システムの開発とビジネスへの展開により、世界中の企業がAI技術を採用し始めました。この時期には、機械学習、ニューラルネットワーク、自然言語処理などの分野で重要な進展があり、より複雑なAIアプリケーションの登場を促進しました。初めての自律車輛の導入や、AIの金融、医療などの各分野での展開は、AI技術の拡張を象徴しています。

しかし、80年代末から90年代初めにかけて、専用のAIハードウェアへの市場の需要が崩壊し、AI分野は2度目の「AIの冬」を経験しました。さらに、AIシステムのスケールの拡大と実際のアプリケーションへの成功した統合が依然として持続的な課題でした。しかし、同時に、1997年にはIBMのディープ・ブルーが世界チェスチャンピオンのガリ・カスパロフを打ち負かし、これはAIが複雑な問題を解決する能力における画期的な出来事でした。ニューラルネットワークとデプス学習の復活は、1990年代末のAIの発展の基礎を築き、AIが技術風景の不可欠な一部となり、日常生活に影響を与え始めました。

21世紀初頭には、計算能力の向上がデプス学習の台頭を推進し、Siriなどの仮想アシスタントは、AIが消費者アプリケーション領域での実用性を示していました。2010年代には、強化学習エージェントやGPT-2などの生成モデルがさらなる進展を遂げ、対話型AIを新たな高みに押し上げました。

このプロセスで、大規模な言語モデル（LLM）の登場は、AIの発展の重要な節目となりました。特に、GPT-4のリリースは、AIエージェント分野の転換点と見なされています。OpenAIがGPTシリーズをリリースして以来、数百億または数千億のパラメータを使用した大規模な事前トレーニングモデルは、従来のモデルを凌駕する言語生成および理解能力を示しました。これらのモデルの優れた自然言語処理能力により、AIエージェントは言語生成を通じて論理的で整合的な対話能力を示すことができるようになりました。これにより、AIエージェントはチャットアシスタント、バーチャルカスタマーサービスなどのシナリオに適用され、徐々により複雑なタスク（ビジネス分析、クリエイティブライティングなど）に展開されました。

大規模な言語モデルの学習能力は、AIエージェントに...