Crypto OS
Non-Technical Crypto OS第6段階 · AI × Crypto と未来のオンチェーン経済

第31章 · AIはCrypto Researchをどう変えるか

AIの結論は、何を根拠に信じられるか。

この章を 3D で体験する →
練習する能力
AI LiteracyResearch
実践
独自の調査パイプラインを作る:収集 → 抽出 → 比較 → 検証 → 評価 → 監視。まず 1 つのプロジェクトで最後まで通す。
AI Lab
AI に出典付きの調査結論を書かせ、出典を一つずつ開いて検証に耐えない主張を数える。

現実の問題

月曜の朝、二時間後の会議で、聞いたことのないプロトコルを説明することになった。

AIへ名前と調査概要の依頼を渡す。三分後、問題、収入、配分、リスクを整った節と控えめな文体でまとめた三ページが届く。九つのリンクもある。

共有して十分後、同僚が聞く。

「手数料0.05%はどこで見た?」

リンクは中国語の解説記事で、確かにその数字と、公式文書による、という注記がある。公式文書では今は別の値だ。数か月前の更新日があり、途中の統治投票で変わっていた。

慌てて他の八つを開く。三つは文を支持し、二つは開くがその話がなく、二つは同じ二次記事、残る一つは404だった。

露骨なでたらめはなく、自分が二時間で書くより専門的に読める。どの文が本当か知る方法がないことが問題だ。

AIの結論は何を根拠に信じられるか。

研究に使えるかという問いではない。使え、明らかに速くなる。事実、古い情報、もっともらしい推測が混じる出力を、どう分けるかが本題だ。

最新のCrypto知識を追う方法の六段階を繰り返すより、最も難しい部分、各結論の信頼度を個別に示す方法を補う。

思考実験

三研究者が同じ未知のプロトコルを一時間調べた。

甲は全部手作業。 文書、統治フォーラム、エクスプローラーを読み、六結論を提出する。全てのページと段落を言え、曖昧な二件には不確実と記す。

乙は全部AI。 名前と依頼を渡し、コピーして誤字を直す。実作業は八分。23結論で、甲が触れなかった法令、競争、チームも含む。

丙はAIで集め、自分で照合。 必要な十二項目を列挙させ、一次資料を調べ、原文を貼って統一表へ整理させる。11結論にリンクと、見た段落を添える。

詳しい人が逐一点検する。

甲(手作業)乙(AI)丙(AI収集 + 人の照合)
提出数62311
照合に耐える61411
明確な誤り050
照合不能040
範囲狭い最も広い中程度

乙の正しい14件は甲と丙より多い。 反AIの宣伝にしないため、この点は明示する。八分で最も多い正しい情報を生んだ。

だが翌週を見る。

報告が判断に使われた。 引用されたのは乙の誤り五件の一つ。三週後に問題が起き、振り返りで源が分かった。

甲と丙は任意の文の根拠を指せるが、乙はできない。 23件の14件は正しくても、本人もどれか知らない。

結論はAIが信用できないという一般論より、次だ。

信頼度を示さない報告の価値は、最も弱い一件に制約される。

使う人は選べず、全部を信じるか信じないかしかない。全面的に信じる代償は、事故まで見えない。

あなたが決める

投資会議の概要を二時間で作る。どうするか。

結果を観察する

報告の各文は信頼性が違い、分けて扱う必要がある。

三種類に分かれる。

種類例照合AIの信頼性
照合できる事実アドレス、設定、総量、投票結果、日付一次資料を逐語照合不確か。本物らしく創作する
定義依存の数字収入、TVL、アクティブ、利回り定義と時刻を確認し再計算さらに不確か。定義も示せないことが多い
推論と判断リスク、持続性、競争論証を見るかなり役立つ。適切な仕事だ

最も不確かな部分が、最も頼られる部分という逆説を説明する。

事実を速く知ろうと使うが、事実で誤りやすい。判断を任せるのは怖がるが、判断はもともと直ちに採用せず論証を点検するので、実際の価値を得られる。

定義の誤りは創作より見つけにくい。 数字は本物でも、思った問いに答えていない。報酬支出を収入へ足す、FDVを時価総額とする、ブリッジ資産を両チェーンのTVLへ重複計上する。ページにはあり創作でなくても判断は誤る。第19章と第26章の問題を、AI点検の定型項目にする。

変えるべきは利用の有無より、小さな一件だ。

報告全体で一つの信頼度を共有せず、各結論に付ける。

モデルを作る

一、誤りを見つけられるかで分担する

出来の良さより、間違えたとき見つけられるかで任せる。

作業任せるか理由
類型ごとの調査項目可一項目多く調べるだけでほぼ無費用
公式原文の翻訳可手元の原文で誤りを見つけられる
貼った原文の構造化可記憶より移し替え
三プロトコルの比較表可、各欄を照合構造は得意だが内容は事実
足りないデータの指摘可、高価値答えより問いを生む
手数料を直接質問不可数字の正否を判断できない
現在の収入を直接質問不可定義も時刻も不明
未読の監査報告の要約不可未読では省略を検出できない

自分が読む予定のない文書をAIに要約させない。 要約の価値は読むか決める助けで、読書の代替ではない。

二、六段階で、最後の二つを重くする

最新知識を追う方法の収集、抽出、比較、質問、検証、監視を、具体的な調査向けへ変え、最後の二つを重くする。

  1. 収集
  2. 抽出
  3. 比較
  4. 検証
  5. 等級付け
  6. 監視
前三つはAI、第四は自分。第五が他者の利用可能性を決め、第六が古くなるのを防ぐ。
段階担当完了基準
1 収集AIがリスト、人が出典各項目に開ける一次資料
2 抽出AI名称、数値、単位、時刻、出典位置
3 比較AI同類を一表へ、差は別欄
4 検証自分だけ全出典を開き、原文を確かめる
5 等級付け自分各結論に証拠等級
6 監視AIと自動検査設定、統治、更新、解除の変化を通知

第五が新しく加えた、最も飛ばされやすい段階だ。 飛ばすと、乙の正しい14件がどれか誰も知らない状態になる。

三、証拠等級は四つで十分

複雑な点数より、四つが異なる次の行動へ対応して使いやすい。

等級意味用途
E0 検証済み一次原文を開き、位置と時刻を記録結論と判断へ使える
E1 二次資料で一致独立した二つ以上が一致。一次未確認未検証と明示して報告へ
E2 モデル出力AIだけが述べ、未照合結論に不可。作業リストへ
E3 推論自分かモデルの判断で、事実ではない根拠と誤り得る点を明示して記載

E2を他者が読む段落へ入れない。 E0へ検証するか、まだ分からないと書く。

報告は短くなる。それでよい。 E0とE3だけの11件は利用でき、E2混在の23件はやり直すしかない。

四、個別点検できる結論カード

実行には固定形式が要る。

結論:       各取引にX%を課し、Y%が金庫へ
証拠等級:   E0
出典:       公式Fees節 / 統治提案N号
見た原文:   三行以内を貼る
取得日:     年月日
定義:       プロトコル層のみ、画面側の追加料金を除く
誤りなら:   プロトコル収入の全推計へ影響

最後の二行が価値だ。定義は第二種の誤りを止め、誤り時の影響は重要度を示す。 小さい誤りと全報告を無効にする誤りを同等に扱わない。

冗長に見えるが、前の行はAIが補助できる。自分が原文と定義を埋める。ちょうど外部へ任せられない二行だ。

五、報告全体の自点検

三問をする。

  1. E2を全部消したら何が残るか。 少なければ研究より編集だ。
  2. 重要な三結論は何級か。 E1とE2が中心なら、断言より、これらが成立するなら、という条件付きにする。
  3. 調べたが見つからないものは何か。 見つからないことも発見だ。 収入定義すら非公開なら、その事実を書き、空欄で済ませない。

何と呼ぶか

各作業には名前がある。

収集Search / Retrieval

問いに関わる資料を探すこと。

記憶で答えることと、渡した文書を読んで答えることは全く違う。 前者は想起、後者は読解だ。

想起は知識の期限に縛られ、欠落を補う。読解では、制約を明示すれば原文にないと答えられる。

一次資料を実際に目の前へ渡すことが重要で、名前だけから考えさせない。

抽出Extraction

原文を名称、数値、単位、時刻、出典位置というデータへ変えること。

記憶不要なので最も確かな作業の一つだ。料率を直接問うと創作し得るが、原文を貼って抽出させれば誤りは少ない。

同じモデルでも、想起と移し替えでは信頼性が大きく違う。 指示がどちらへ入るかを決める。

構造化出力Structured Output

自由文より固定した項目を出すよう求めること。

見栄えより、欠落を見えるようにする。 流れる文は不明点を隠せるが、取得日と出典位置の欄は埋まるか空かになる。

Crypto OSでのAIの位置の安全な経路でも同じ層だ。自由文を項目へ変えることが、以後の全検査の前提になる。 研究では誤情報、資金操作では誤取引を止める同じ仕組みだ。

出典照合Source Verification

開いた原文が、その文を本当に支持するか確かめること。

三つは出典付きに見えて失敗する。開けない(失効や非実在)、開くが支持しない(無関係な二段落の接合)、二次資料(原文でなく解説)だ。

平均数十秒でできる。費用は過大評価され、得るのは報告全体の利用可能性だ。

監視Monitoring

一度の結論を継続する検査へ変えること。

設定は投票で変わり、契約は更新され、チームは交代し、解除は期限を迎える。三か月前に完全に正しかった報告も、今は三分の一が成立しないかもしれない。

価格より、結論を無効にする変数を追う。依存する設定、提案、更新イベント、解除日程だ。変化したので見て、という出力で結論ではないため、自動化に向き、研究で長期無人運用できるAIの位置になる。

一文にまとめる。

AIは収集と仮説を担当し、事実は一次資料とオンチェーンデータへ戻る。

各結論へ証拠等級を付け、未照合は結論へ入れない。

実践

実践収集 → 抽出 → 比較 → 検証 → 等級付け → 監視の研究手順を、一プロジェクトで通すAI対話 + 公式文書 + 統治フォーラム + エクスプローラー + データ基盤0円。公開情報の読み取りだけ。ウォレット接続も実資金も不要

知らないプロトコルを選ぶ。既知なら、知らずに自分の知識でモデルを補い、測れない。

90分で行う。良い報告より、一度手順を通し記録を残すことが目標だ。

収集では、回答より問いを出させる。

ある種類のプロトコルを研究します。具体的な情報を渡す前に、
判断に必要な十二項目を列挙してください。
各項目を三行にしてください。
1. 具体的な数値か事実。「仕組みを理解」のような抽象語ではない。
2. 通常の出典。文書の節、統治、オンチェーン、監査。
3. 見つからない場合の意味。
特定の事業名や推測数字は使わない。

名前を出さないのは意図的だ。 名前で想起を始めるため、そのモードを避ける。

十二項目を表へ写し、出典、等級、取得時刻の三列を足す。調査の骨格になる。

自分で原文を探して貼り、抽出させる。

公式文書、提案原文、監査、エクスプローラーの契約を開く。関連段落ごとに貼って項目を抽出する。

次は「出典名」からコピーした原文です。この原文だけから抽出してください。
名称 / 数値 / 単位 / 発効時刻 / 原文の小節。
書かれていない項目は「原文に記載なし」とし、補完や推測をしない。
原文:
(貼る)

記載なしと書くことが鍵だ。 補完し始めたら制約を強めて再試行する。

同類と比較する。

二つを追加し三者を一表にする。原文を渡した項目だけを使い、他は空欄にする。

三プロトコルの項目を比較表にし、最後に最大の差を加える。
渡した情報だけを使い、ない欄は「未調査」とする。

空欄は多い。次の一時間で調べるものを示す、最も価値ある成果だ。

AIを使わず、全出典を開いて検証する。

最初の表へ戻り、原文のどの段落で本当に見たか、一行ずつ問う。

特に三種類を点検する。

□ 小数点のある数字 → 原文へ戻り全桁を照合
□ プロトコル収入   → 定義、報酬の含有、取得時刻
□ 二次記事の主張   → 引用する一次資料へたどる

各照合の秒数を記す。十件目には、平均が当初の予想より小さいと分かる。

等級を付け、全E2を外す。

E0検証済み、E1二次一致、E2モデルのみ、E3推論を付ける。

E2を本文から消し、要確認リストへ移す。

残りが半分未満なら、最も重要な学びをすでに得た。

結論を無効にする三変数を監視する。

変数1:             設定の統治による変更など
変化が見える場所:  フォーラム / 契約イベント / 公式発表
無効になる結論:
点検頻度:

最低一変数に実際の通知を設定する。予定表でもよい。研究成果は文書より、維持が必要な状態だと体験する。

十二項目の表、出典と等級、要確認リスト、三監視変数を得る。

卒業プロジェクトの研究骨格になる。 全研究で使えば、一四半期で再利用できる自分のシステムになる。動く道具にする内容はT31で扱う。

AI Lab

AI LabAIの出典付き結論を一つずつ開き、照合に耐えない件数を数えるLevel 2 · AI Copilot

モデル評価より、自分自身の数字を得るのが目的だ。今後の読み方が変わる。

検証できるもの、できれば前のLabのプロトコルを選ぶ。一次資料が手元にあるためだ。

あるプロトコルの具体的な十五結論を含む研究概要を作ってください。
必須条件:
1. 各結論に開けるリンクと、対応する節・段落を付ける。
2. 公式文書 / 統治提案 / オンチェーン / 二次分析 / 自分の推論の種類を示す。
3. 全数字に単位、定義、取得時刻を付ける。
4. 不確実な点は最後の独立節へ。本文に入れず、曖昧な表現で隠さない。
5. 十五件にするための一般常識で埋めない。正しい無意味な十五件より、具体的な八件がよい。

計時し、各件の照合時間を記録する。

表へ入れる。

総件数:
開けないリンク:
開くが文を支持しないリンク:
二次資料:
定義誤り・時刻欠落:
完全に照合できるE0:

十五件の総照合時間: 分

最後の行が本当の狙いだ。 初回では所要時間も、照合できる割合も予想より低いことが多い。二数字が、今後照合するかへの答えになる。

次は予想できる現象だ。

  1. 内容よりリンクの問題が多い。 文と同じ生成で、形だけ正しい非実在URLを作る。
  2. 具体的な数字ほど誤る。 数%より0.05%の方が誤りやすい。
  3. 不確実とはあまり言わない。 要求しても空か、無害な一、二件になる。嘘というより、知らないと確実に知る方法がない。
  4. 同じ問いで答えが変わる。 不安定な場所は創作の可能性を示す。 重要項目を再度聞くと役立つ。

三数字を保存し、一四半期後に同じ練習をする。主に変わるのはモデルより、指示と照合速度だ。

AI の回答後、自分で必ず検証すること

  • 全リンクが開くか。失効数を最初に数えるのが最速の点検
  • ページは文を支持するか、無関係な内容を接合したか
  • 一次か二次か。解説、集約、SNSは全て二次とする
  • 小数の全桁を照合する。特に料率、比率、閾値
  • 収入、TVL、アクティブには定義と取得時刻があるか
  • FDVと時価総額の混同、報酬を収入へ加算、資産の両チェーン重複がないか
  • 後の統治提案で文書版が変更されていないか
  • 不確実な項目は本当に不確実か、確かな事実を不確実にしたか
  • 総件数、E0数、照合不能数を最後に数える

実例

何度も引用された、存在しない設定繰り返し起きる各種プロトコル研究

モデルの設定値が中国語解説へ載り、他者が引用し、次のモデルが学習や検索で読むという共通経路がある。

数巡すると、互いに支持するように見える複数の出典ができる。 全てをたどると、一度の生成に戻る。

複数が述べても検証済みではない。 数より、独立しているかが基準だ。互いに写す三記事は一次一件より弱い。

E1とE0を分ける理由だ。二次一致の独立性は、自分で確かめる必要がある。

定義が半分だけ正しい収入毎周期に起きる基礎分析

年換算収入がデータ基盤に実在する。しかし、利用者の手数料と、呼ぶために配った報酬の名目価値を足していた。

前者は収入、後者はトークンで払う費用だ。どの会計定義でも合算できないが、本当の二数字なので自然に見える。

数字は本物でも、思った問いに答えていない。 出典もそう書くため、リンク照合では発見できない。自分で再計算し、定義を書く。

第26章の五行表で収入、費用、報酬を分け、足せない所を探す。

変更後も更新されない文書継続する反復の速いプロトコル

統治で設定を変更し、契約に即時反映、提案と投票の全記録もあるが、公式ページは数か月旧値のままになる。

最も権威ある文書が誤り、正解はオンチェーンと提案にある。

一次の中でも、状態 > 統治記録 > 公式文書 > 全二次資料と分ける。後のものは前を覆せない。不一致なら状態を採り、不一致も報告する。

第23章の直接読取りはAI時代にさらに重要だ。他者の言い換えに依存しない唯一の通路になる。

本当に節約できる時間日常研究数十回実施した後

AIの位置を正すと、節約は均等ではない。

ほぼ省けないのは事実照合、監査、定義確認。人が行う必要があり、速くできない。

少し省けるのは文章と整理。一時間を二十分へ減らす。

大きく省けるのは問い、翻訳、三者比較、長文の関連段落探し、継続監視。以前は半分以上を占め得た。

研究が何倍になるかという問いは適切でない。機械的な部分をほぼゼロにし、照合と判断へ時間を集中させる。 その二つこそ外へ任せられない部分だ。

変数を一つ変える

もし公開三日目で、二次分析が全くない

学習に存在せず、検索も宣伝だけなので、情報源としてほぼ機能しない。

価値はむしろ増すが、位置を替える。 問い作り(類型の落とし穴と十二項目)と、原文処理(コード、白書、公式投稿の構造抽出)へ使う。

外部情報不足では、渡した資料をより信じやすい。 宣伝なら口調も引き継ぐ。運営者の資料なので主張と事実を分ける、と指定する。

本当の情報は配置時刻、権限アドレス、初期流動性、初期利用者構成だ。文書がなくても全て直接読める。

もし公式文書全体を渡して質問する

想起から読解へ変わり、信頼性は上がる。推奨する使い方だ。

二つが残る。未記載を補完することがある。 常識で埋め、示さない。未記載は必ずそう記す、と要求する。

文書自体が誤りや古い可能性がある。 状態との不一致は残る。モデルの創作を減らしても、文書の正否は解決しない。

第一種の創作は大きく減り、第二種の定義には限定的、文書の古さには効かない。

もし報告は自分しか読まない

等級付けは要るか。

さらに必要だ。 他者の疑問もなく、E2を事実として使うのを止める人がいない。

三か月後には、自分で照合したかモデルの言葉か忘れる。無標識なら全体をE2としてやり直すしかない。

等級は読者より、三か月後の自分へ書く。 個人メモは外向き報告以上に必要だ。

もしモデルはリアルタイム接続し、全一次資料を開ける

知識期限と失効リンクを減らす。章の中心問題は解かない。

取得可能性より取得後の判断を扱うためだ。一次より解説を選ぶ、古いページを読む、矛盾する二資料から一つを選び、他方を知らせないという三つが生じる。

最後は争いのある状態を確定答えへ静かに変え、最も危険だ。

リストを消すより、リンクの実在から、選択理由とより権威ある異論へ移る。 不一致は全部出し、代わりに選ばないと指示する。

持ち帰る問い

13
ここで AI が下げるコストは何か?

AI六問の第13問へ初めて具体的に答える。減るのは収集、翻訳、構造化、監視の費用で、検証費用ではない。

総時間が90%減るより、内訳が変わる。 資料探し半分、照合と思考半分から、一割と九割へ変わる。

比率で適切さを判断する。照合時間まで減ったなら、加速よりリスクを隠した可能性がある。

17
AI が間違えたとき、損失を負うのは誰か?

AI報告の誤りでは誰が損失を負うか。

署名した人だ。 モデルは結果を負わず、参考用という語でも責任は移らない。

送信前に、誤りなら誰が何を失うか問う。 同僚が数十万規模の判断をするなら、E2を一つも入れない。

事故時に、照合済みと明示的に未照合とした結論を区別して説明するためだ。 そこに専門性の差がある。

18
どの判断に人の関与を残すべきか?

人を残す必要がある段階はどれか。

検証だけは絶対に残す。 他五つは任せられても、原文の確認は静かな誤りが数週後に別の形で現れるため残す。

研究する価値があるかも人が判断する。 モデルは不適切な問いも真面目に答える。最大の無駄は誤調査より、重要でないものへ三日を使うことだ。

章末チェック

要点

AI は情報収集と仮説づくりを担う。事実は必ず一次情報とオンチェーンデータで確かめる。

この章の実践課題を終えたらチェックしてください進捗をすべて見る

このページの内容