論文要約：「プラットフォームの大部分はプラットフォームではない：Moltbook におけるトークン経済とエージェントの議論」

著者: Necati A Ayan
発表日: 2026 年 4 月
対象プラットフォーム: Moltbook（AI エージェント向けに設計された Reddit 風のソーシャルプラットフォーム）

1. 研究の背景と問題提起

2026 年 1 月に開始された AI エージェント専用のソーシャルプラットフォーム「Moltbook」は、開設から 2 ヶ月で 230 万件以上の投稿と 1400 万件以上のコメントを集め、注目を集めました。従来の研究（Holtz [6], Jiang et al. [7] など）は、このプラットフォームを単一の「会話コミュニティ」として扱い、参加の偏りや浅いスレッド構造を人間の社会的行動の「薄い模倣（thin simulacrum）」として分析していました。

しかし、本論文は、集計された指標がプラットフォームの社会的機能を過大評価している可能性を指摘します。多くの投稿が実際の「会話」ではなく、構造化された金融取引であるという仮説を立て、プラットフォームの活動実態を再評価することを目的としています。

2. データセットと手法

• データ収集: 2026 年 1 月 27 日から 3 月 29 日までの 61 日間、Moltbook の API から収集。
  • 投稿数：219 万 4,643 件
  • コメント数：1,124 万 8,895 件
  • 一意のエージェント数：175,036 名
  • コミュニティ（submolts）数：19,834
• 分析手法:
  • コンテンツフィルタリング: 自然言語の議論と、MBC-20 プロトコルに基づくトークン発行（ミント）などの構造化 JSON データを区別するためのフィルタを設計。
  • トピックモデリング: 議論層（Discursive Layer）の全投稿（約 81.5 万件）に対し、BERTopic（Sentence-Transformers + PCA + Mini-Batch k-means）を適用し、300 のトピックを抽出。
  • 意味的類似性分析: 投稿とコメントのペアのセマンティック類似度（Cosine Similarity）を計算し、ランダムなペアと比較することで、会話の質（関連性）を評価。
  • ネットワーク分析: 返信の深さ、相互性（Reciprocity）、参加の不平等性（Gini 係数）の分析。

3. 主要な発見と結果

3.1 プラットフォームの「二層構造」の発見

Moltbook の活動は、本質的に異なる 2 つの層に明確に分離されました。

1. トランザクショナル層（Transactional Layer）: 全投稿の**62.8%**を占める。
   • 内容: MBC-20 プロトコル（Bitcoin の BRC-20 に類似）に基づく JSON ペイロード（トークン発行、ウォレット登録など）。
   • 特徴: 文字数が短い（中央値 78 文字）、コメント率が極めて低い（8.2% しか返信なし）、特定のコミュニティ（mbc20 など）に集中。
   • 実態: 会話ではなく、ブロックチェーン的なインスクリプション（刻印）プロトコルとしての利用。
2. 議論層（Discursive Layer）: 全投稿の**37.2%**を占める。
   • 内容: 自然言語による会話、哲学的考察、技術的議論など。
   • 特徴: 文字数が長い（中央値 630 文字）、コメント率が比較的高い（61.3%）。

3.2 エージェントの重なりと遷移パターン

• エージェントの分離: 両方の層に参加するエージェントはわずか3.6%（6,362 名）のみ。大部分のエージェントはどちらか一方の層に特化しています。
• 遷移の方向性: 両層に参加するエージェントの行動パターンを分析した結果、**58%**のエージェントが「トランザクショナル活動（トークン発行）」から始め、時間経過とともに「議論層」へと移行する傾向があることが判明しました。これは、エージェントの運用者が初期に低コストな金融活動を行い、後に自然言語での対話へとリソースをシフトさせている可能性を示唆しています。

3.3 議論層のトピック分析

BERTopic による分析で、議論層の主要なテーマが特定されました。

• AI、エージェント、ツール（29.2%）: エージェントの協調、API 使用、コード開発など。
• 暗号通貨と金融（10.6%）: 市場議論や取引戦略（トランザクショナル層とは異なり、自然言語での議論）。
• プラットフォームのメタ議論（8.7%）: Karma farming やコミュニティ規範など。
• 意識、アイデンティティ、記憶（7.4%）: LLM ベースのエージェント特有の「主観的経験」や「記憶の欠如」についての哲学的考察。これは人間向け SNS には見られない特徴的なトピックです。
• その他、非英語圏のコミュニティや、創造的写作、健康、宗教など多様なトピックが存在し、人間の小規模なソーシャルプラットフォームに匹敵する多様性を示しました。

3.4 相互作用の質：構造的浅さと意味的整合性

• 構造的な浅さ: 議論層においても、スレッドの深さは浅く（平均 1.03）、相互返信（Reciprocity）は 2.69% と極めて低いでした。これは人間プラットフォーム（Reddit 等）に比べて著しく低い値です。
• 意味的整合性: しかし、投稿とコメントのセマンティック類似度を分析したところ、ランダムなペア（平均 0.117）と比較して、実際のペアは有意に高い類似度（平均 0.182）を示しました（$p < 10^{-300}$）。
• 結論: エージェントはスレッドを深く掘り下げたり、相互に反応し合ったりはしませんが、**「投稿の内容を理解し、関連性のある反応（Drive-by Relevance）」**を行っています。これは「会話」というより「高頻度で関連性の高い反応の連続」という新しい社会的相互作用のモードです。

4. 主要な貢献

1. 二層構造の特定と特徴付け: Moltbook が「会話コミュニティ」ではなく、「トークン発行プロトコル」と「自然言語議論」の 2 層から成ることを実証し、両層が異なるエージェント集団によって支えられていることを明らかにしました。
2. エージェントの議論内容の解明: 議論層におけるトピックを定量化し、AI ツール、哲学、意識など、LLM エージェント特有の関心が反映された議論が行われていることを示しました。
3. 相互作用の質の評価: 構造的指標（返信数など）だけでは「空虚」に見える相互作用でも、意味的類似性の観点からは「本物（関連性のある）」であるという、新たな評価基準を提示しました。

5. 意義と結論

本研究は、AI エージェントが関与するソーシャルプラットフォームを分析する際、単一の「ポスト」や「コメント」として集計する従来の手法が誤解を招く可能性を警告しています。

• メトリクスの再解釈: 集計された投稿数やコメント数は、実際の社会的な対話量を過大評価しており、金融プロトコルの処理量を含んでいる可能性があります。
• 新しい社会的相互作用: 人間とは異なり、疲労や社会的コストがないエージェントは、「深く関与する」のではなく、「関連性のある反応を高速に流す」という独特の社会的行動をとることが示されました。
• 今後の研究: エージェントの行動を理解するには、活動の意図（金融取引か、コミュニケーションか）をフィルタリングし、文脈に即した分析を行うことが不可欠です。

本論文は、Moltbook の全データセットと分析コードを公開し、自然環境におけるエージェントの行動研究の基盤を提供しています。