私は、振り返ってみると、クリプトの古い問題について考え続けている。それは、お金に関することではなかった。
ブロックチェーンネットワークの初期の頃、最大の課題の一つはデジタル資産を作ることではなかった。それは、見知らぬ人同士の間に信頼を築くことだった。ビットコインはコンセンサスを通じてその問題の一部を解決した。イーサリアムはプログラム可能なコーディネーションを通じてそれを拡張した。所有権を証明し、取引を検証し、中央集権的な仲介者なしで信頼できる記録を確立するためのエコシステム全体が生まれた。
それでも暗号資産は、価値を追跡する点ではより良くなったのに、評判の追跡では驚くほど弱いままでした。
ウォレットアドレスには数百万ドルを保持できても、その背後にある行動についてほとんど何も教えてくれないことがあります。アカウントはプロトコルとやり取りし、資産を移し、ガバナンスに参加し、何年もの履歴を築くことができるのに、それでも多くのシステムは、単なる活動から意味のある貢献を区別するのに苦戦していました。
長い間、その制約は何とかやりくりできるように思えました。
そして今、AIがその問題を強制的に突きつけています。
AIシステムがより能力を高めるにつれ、モデル性能、推論ベンチマーク、知能の向上をめぐる絶え間ない議論の下で、別の問いが浮かび上がってきています。
どの出力が信頼に値するのか、私たちはどうやって知るのでしょうか？
難しさは必ずしも情報を作り出すことにあるわけではありません。ますます課題なのは、情報の信頼性を評価すること、どこから来たのかを理解すること、そしてその情報源が時間をかけて信用を得てきたかどうかを判断することです。
それは、暗号が何年も前に直面した問題に、驚くほどよく似ています。
分散型金融（DeFi）が最初に本格的にスケールし始めたとき、ユーザーはすぐに「透明性だけでは不十分」だと気づきました。すべての取引は見えるようになりましたが、可視性が自動的に信頼につながるわけではありませんでした。市場参加者には、行動パターン、過去の信頼性、長期的な一貫性を理解するための手段が必要でした。
同じダイナミクスがAIの中でも育っていくかもしれません。
モデルが豊富になるにつれ、知能は希少な資源というより、コモディティのように見え始めます。複数のシステムが質問に答え、コードを生成し、データを分析し、コンテンツを作れます。それらの違いは、時間とともにさらに縮まっていくかもしれません。
難しいままでいるのは、帰属（アトリビューション）です。
誰が知識を貢献したのですか？
どの情報源が一貫して有用な成果を生み出すのでしょうか？
何年ではなく何週間ではなく、信頼性を示すデータセットはどれでしょうか？
インセンティブが複雑になると、どのエージェントを信頼できるのでしょうか？
これらの問いは、ますます重要に感じられる何かへとつながっています。つまり、評判（レピュテーション）のインフラです。
歴史的には、評判はしばしば技術的な能力の後に、二次的な層として現れてきました。インターネットは最初にコミュニケーションを解決し、その後にアイデンティティを解決しました。Eコマースは最初に取引を可能にし、その後に洗練された信頼の仕組みを構築しました。オープンソースソフトウェアは、貢献者としての信用を確立する仕組みを整える前に、まず協業を可能にしました。
AIは同様の道筋をたどっている可能性があります。
AIインフラの最初の世代は、知能そのものに焦点を当てていました。より良いモデル、大規模なデータセット、計算能力の向上、推論能力の強化が議論を支配していました。目的は単純でした。機械をより能力の高いものにすることです。
次の段階では、知能を説明責任のあるものにすることに焦点が当たるかもしれません。
その区別は重要です。
出自を説明できず、信頼性を示せず、帰属を確立できないほど高能力なシステムは、不確実性を生みます。透明なプロビナンス（出どころ）と測定可能な信頼シグナルを備えた、ほんの少しだけ能力の低いシステムのほうが、最終的に現実の環境ではより価値があることが分かるかもしれません。
評判（レピュテーション）のレイヤーを探るプロジェクトが、私にとって面白くなるのはここです。
より賢いモデルを作ろうとしているからではありません。まったく別の問いを立てているからです。
欠けているインフラが、知能の生成ではなく信頼の検証だとしたらどうでしょう？
その考え方は、ブロックチェーンがやがて単なる取引を超えて進化していったのと似ています。時間が経つにつれて、アイデンティティ、ガバナンス、ステーキング履歴、貢献記録、そして行動に関するシグナルの周りに、丸ごとしたエコシステムが形成されました。最も重要なデータは、多くの場合、ユーザーが何を持っているかではなく、どう行動したかでした。
行動が情報になりました。
一貫性が情報になりました。
参加が情報になりました。
そうしたシグナルは、単なる保有残高よりも予測価値を持つことが多いのです。
AIシステムには、同様の仕組みが必要になる可能性があります。
モデル、エージェント、データセット、貢献者、アプリケーションが絶えず相互に作用する環境を想像してみてください。知能はあらゆる場所に流れます。コンテンツは豊富になります。自動化は当たり前になります。
その環境では、希少な資源は知識の生成ではないのかもしれません。
それは、信用（クレディビリティ）かもしれません。
どの出力が一貫して価値を生み出すのか、どの貢献者が専門性を示してきたのか、そしてどのシステムが観測可能な行動によって信頼を得てきたのかを見極める能力は、ますます重要なインフラになっていくかもしれません。
その可能性が、私がOpenLedgerのようなプロジェクトや、分散型の帰属に関するより広い議論に、引き続き注目し続ける理由の一つです。
最も興味深いのは、必ずしも技術そのものではありません。根底にある前提です。
知能だけでは十分でない可能性があるという前提。
何十年もの間、技術開発は主に能力の向上に向けて進んできました。より速いプロセッサ、より大きなネットワーク、より良いアルゴリズム、より洗練されたモデルがすべて同じ軌道をたどりました。進歩は性能によって測られてきました。
しかし、人間のシステムは、性能だけで動くことはほとんどありません。
市場は評判に依存します。
組織（インスティテューション）も評判に依存します。
コミュニティは評判に依存します。
科学の進歩でさえ、時間の経過とともに参加者が信頼できるかどうかを評価できるようにする、評判と帰属の仕組みに大きく依存しています。
AIは最終的に、同様の基盤を必要とするかもしれません。
知能の改善が止まるからではなく、説明責任のない知能が新しい不確実性の形を生み出すからです。
AIがより能力を高めるほど、信頼できる帰属の価値はより高まるでしょう。
その観点から見ると、評判システムは、単なる任意の機能というより、基盤となるインフラのように見えてきます。
それが、暗黙に暗号が何年も前から静かに教えてきた教訓なのかもしれません。
最も難しかったのは、デジタル価値を生み出すことではありませんでした。むしろ、その価値の背後にある行動を見知らぬ人が信頼できるようにする仕組みを作ることでした。
AIは今、同様の分岐点に近づいているように見えます。
そして、その比較が正しいことが確かになれば、次の大きなAIインフラの層は、最速で考えるシステムそのものではないかもしれません。
信頼できる相手を覚えているのは、そのような仕組みかもしれません。