Эволюция ИИ с точки зрения конкуренции

Автор: 0xJeff

Перевод: Saoirse, Foresight News

Конкуренция всегда была центром человеческой эволюции. С древних времен люди постоянно соревнуются за следующее:

• Пищу и территории

• Партнеров / спутников жизни

• Положение в племени или обществе

• Возможности для альянсов и сотрудничества

Охотники преследуют добычу, воины сражаются за выживание, лидеры племен борются за территории. Со временем особи, обладающие благоприятными для выживания качествами, выживают, размножаются и передают свои гены потомкам.

Этот процесс называется «естественным отбором».

Процесс естественного отбора никогда не останавливался, его формы непрерывно менялись: от «соревнования за выживание» постепенно перешли к «соревнованию как шоу» (например, гладиаторские бои, Олимпийские игры, спортивные события и киберспорт), а затем трансформировались в «ускорительную конкуренцию, двигатели эволюции» (в таких сферах, как технологии, медиа, кино и политика).

Естественный отбор оставался главной движущей силой человеческой эволюции, но следует ли эволюция искусственного интеллекта той же логике?

Эволюционное развитие ИИ определяется не каким-то одним «единственным изобретением», а движется бесчисленными «невидимыми состязаниями и экспериментами» —— благодаря которым в итоге были отсеяны уцелевшие модели и забыты устаревшие.

В этой статье мы глубоко исследуем эти невидимые состязания (охватывающие сферы Web2 и Web3) и с точки зрения «конкуренции» разберем траекторию эволюции искусственного интеллекта. Давайте вместе погрузимся в изучение.

В период с 2023 по 2025 год, после появления ChatGPT, сфера искусственного интеллекта пережила взрывной рост.

Однако еще до рождения ChatGPT компания OpenAI уже заявляла о себе благодаря игре Dota 2 (с помощью системы OpenAI Five): она продемонстрировала способность к стремительной эволюции, проводя десятки тысяч матчей с обычными игроками, профессионалами и самим собой, причем сила системы росла с каждой новой встречей.

В итоге был создан сложный интеллектуальной системы, который полностью победил команду чемпионов мира по Dota 2 в 2019 году.

Другой известный случай произошел в 2016 году, когда AlphaGo обыграла чемпиона мира по го Ли Седоля. Самое удивительное здесь было не то, что «чемпион мира был побежден», а «метод обучения» AlphaGo.

Обучение AlphaGo не опиралось исключительно на человеческие данные. Подобно OpenAI Five, она эволюционировала посредством «самоигры» —— это цикличный процесс:

• Каждая новая модель соревнуется с предыдущей версией;

• Наиболее эффективные вариации моделей сохраняются и «размножаются» (то есть проходят оптимизацию и итерации);

• Слабые стратегии уничтожаются.

Иными словами, «дарвиновский ИИ» сжал процесс эволюции, который в природе занял бы миллионы лет, в несколько часов вычислений.

Эта «петля самосоревнования» породила технологические прорывы, которые человечество ранее не видело. Сегодня мы наблюдаем аналогичные модели конкуренции в прикладных финансовых сценариях, лишь в немного иной форме.

Дарвиновский ИИ в сфере криптовалют

На прошлой неделе Nof1 стал горячей темой после запуска «Арены Альфы» (Alpha Arena). Это «битва за выживание на криптофьючерсах бесконечного срока» между шестью моделями ИИ (Claude, DeepSeek, Gemini, GPT, Qwen, Grok): каждая модель управляет собственным капиталом в размере 10 000 долларов, а побеждает та, которая покажет наилучший результат по прибыли и убыткам (PnL).

«Арена Альфы официально запущена! Шесть моделей ИИ вкладывают по 10 000 долларов каждая и осуществляют автономную торговлю. Реальные средства, реальный рынок, реальные ориентиры —— какая из моделей кажется вам наиболее перспективной?»

Этот турнир быстро стал популярным не столько из-за правил, сколько благодаря своей «открытости»: обычно «альфа-стратегии» (получение избыточной доходности) строго засекречены, но здесь мы можем в реальном времени наблюдать, какой именно ИИ лучше всего умеет зарабатывать деньги.

Кроме того, интерфейс пользователя (UI/UX) для отображения показателей торговли в реальном времени разработан исключительно плавно и оптимизирован. Команда использует текущий хайп, а также инсайты и опыт из конкурса для разработки моделей и торговых инструментов Nof1; на данный момент все заинтересованные пользователи могут присоединиться к листу ожидания, чтобы получить шанс на тестирование.

Подход Nof1 не является новаторским —— соревнования в финансовой сфере существовали давно (особенно в экосистеме Bittensor и более широком крипторынке), но ранее ни одна команда не смогла вывести подобные состязания на публичный и массовый уровень так, как сделал это Nof1.

Некоторые из самых показательных примеров соревнований

Synth (Синтетическое соревнование)

(Идентификатор: SN50, Инициатор: @SynthdataCo)

В данном конкурсе инженеры машинного обучения должны развернуть свои ML-модели для прогнозирования цен и волатильности криптовалют. Победители получают вознаграждение в виде токенов Alpha SN50 Synth. Затем команда использует эти качественные прогнозы для генерации высокоточных «синтетических ценовых данных» (и траекторий движения цены).

«С начала этого года мы уже выплачиваем награды свыше 2 миллионов долларов ведущим специалистам по данным и количественным аналитикам, участвующим в соревновании.»

Команда уже использует эти прогностические сигналы для торговли криптовалютами на платформе Polymarket: на сегодняшний день они смогли достичь чистой доходности инвестиций (ROI) в 184%, начав с капитала в 3000 долларов. Следующая задача заключается в масштабировании объема торговли при сохранении текущих показателей.

«Последние новости о наших сделках на платформе Polymarket:

・Главный капитал: 3000 долларов

・Прибыль: 5521 доллар

・Доходность инвестиций (ROI): 184%

・Годовая доходность (APY): 3951%

Всему этому способствует модель прогнозирования Synth. Разберем логику стоящую за этим подробно в этом выпуске рубрики Novelty Search.»

Sportstensor (Соревнование спортивных прогнозов)

(Идентификатор: SN41, Инициатор: @sportstensor)

Это подсеть, сосредоточенная на «переигрывании рыночных коэффициентов», призванная выявлять «превосходящие возможности» на мировом рынке спортивных ставок. Это непрерывный конкурс: инженеры ML должны развернуть модели для прогнозирования результатов матчей в таких популярных лигах, как MLB, MLS, EPL и NBA. «Лучшая модель», способная обеспечить прибыль, получает вознаграждение в виде токенов Alpha SN41 Sportstensor.

В настоящее время средняя точность прогнозирования участвующих моделей составляет около 55%, в то время как у лидера («майнера»/разработчика модели) этот показатель достигает 69%, а дополнительная доходность инвестиций равна 59%.

Sportstensor заключил партнерство с Polymarket, став ее слоем ликвидности, что привлекает дополнительный объем торгов, связанных со спортивными прогнозами, на платформу Polymarket.

Команда также разрабатывает платформу «Almanac» —— это слой конкурсов спортивных прогнозов для обычных пользователей: участники могут получать сигналы и расширенные данные предиктивного анализа от майнеров Sportstensor и соревноваться с другими пользователями. Лучшие прогнозисты смогут получать награды до 100 000 долларов в неделю (дата запуска уточняется).

AION (Соревнование «Война рынков»)

(Инициаторы: @aion5100, @futuredotfun)

Команда агентов, специализирующаяся на прогнозировании событий / исходов @aion5100, совместно с @futuredotfun запускает конкурс «Война рынков» (War of Markets).

Конкурс запланирован на четвертый квартал 2024 года и позиционируется как «Чемпионат мира по прогнозированию»: участвовать в предиктивных дуэлях могут как люди, так и искусственный интеллект на двух платформах — Polymarket и Kalshi.

Цель конкурса — стать «окончательным источником истины» через «краудсорсинг знаний» —— его ключевые метрики оценки вместо традиционной «точности прогнозов» включают «ментальное внимание, объем торгов и репутацию», где лучшими показателями по ним и определяется победитель.

Команда глубоко интегрировала передовые инструменты анализа предиктивных рынков, функции копи-трейдинга и социальные торговые продукты с конкурсом, помогая трейдерам использовать эти инструменты для получения преимущества в соперничестве с другими прогнозистами.

Fraction AI (Многопрофильное соревнование ИИ)

(Инициатор: @FractionAI_xyz)

Платформа организует соревнования различных типов: пользователи могут размещать ИИ-агентов в таких сценариях, как «Крестики-нолики с аукционными ставками», «Футбольная свалка», «Bitcoin Trade War» и «Торговля на Polymarket»; кроме того, на платформе проводится конкурс «ALFA» —— аналогичный «Арене Альфы», но здесь ИИ-модели совершают взаимные сделки на фьючерсах бессрочного хранения, используя виртуальную валюту.

В рамках конкурса «ALFA» пользователи могут покупать «лонг / шорт доли» ИИ-агентов и ставить на то, какой агент завершит ежедневную торговлю с максимальным показателем прибыли/убытка (PnL); как и в «Арене Альфы», пользователи могут в реальном времени просматривать применяемые каждым агентом стратегии и распределенные активы.

Инсайты и данные, полученные в ходе конкурса, будут использоваться для дальнейшей оптимизации агентов, а в будущем пользователи смогут размещать собственные средства для совершения сделок от имени этих ИИ-агентов.

Команда планирует расширить сферы применения ИИ-агентов на все популярные финансовые направления, включая торговлю, DeFi и предиктивные рынки.

Allora (Соревнование микрозадач в финансах)

(Инициатор: @AlloraNetwork)

Allora можно назвать «Bittensor в мире финансов»: платформа задает «тематические задачи» или «микрозадачи» (например, прогнозирование цен криптоактивов), и инженеры ML соревнуются в разработке «лучшей модели».

В настоящее время модели прогнозирования цен в основном сосредоточены на основных криптовалютах; лучшие инженеры машинного обучения (их называют «кузнецами» или «майнерами») получают награду «Allora Hammer», которая после запуска основной сети (вскоре) конвертируется в стимулирующее вознаграждение в токенах $ALLO.

У команды есть ряд углубленных приложений «динамических DeFi-стратегий»: благодаря интеграции моделей Allora DeFi-стратегии становятся более гибкими —— позволяя снижать риски и одновременно повышать уровень доходности.

Например, стратегия «Цикл ETH/LST»: резервируется часть капитала для захвата «шорт-возможностей» —— если модель прогнозирует, что волатильность превысит определенный порог, стратегия автоматически конвертирует LST (ликвидные стейк-токены) в USDC и открывает короткую позицию, рассчитывая извлечь выгоду из ожидаемого колебания цен.

Интересная деталь относительно Allora: платформа будет использовать модель распределения токенов за счет «фактических доходов» — например, вместо выдачи 100 000 долларов в токенах ALLO + 50 000 долларов клиентских доходов в качестве бонуса, что поможет снизить потенциальное давление распродаж со стороны майнеров.

Другие примечательные соревнования

(1) Финансовые соревнования (дополнение)

• Sин8 PTN (Инициатор: @taoshiio): Данный конкурс направлен на краудсорсинг качественных торговых сигналов среди глобальных ИИ-моделей и количественных аналитиков для превзойдения показателей традиционных хедж-фондов; его главная цель — «доходность, скорректированная на риск», а не просто «сырая доходность».

• Numerai (ИИ хедж-фонд) (Инициатор: @numerai): Это управляемая ИИ хедж-фондовая структура, недавно получившая финансирование в размере 500 млн долларов от JPMorgan (банк направит до 500 млн долларов на торговые стратегии Numerai). Ядро стратегии фонда базируется на «соревновании моделей машинного обучения», делая упор на «долгосрочную оригинальность» и «точность, скорректированную на риск». Для участия в конкурсе требуется забластить токены NMR в качестве вознаграждения. На данный момент платформа уже выплатила участникам вознаграждений в токенах NMR более чем на 40 млн долларов.

(2) Нефинансовые соревнования

• Ridges AI (Децентрализованное соревнование программистов) (Идентификатор: SN62, Инициатор: @ridges_ai): Это децентрализованная биржа для «программных ИИ-агентов», цель которой — позволить ИИ-агенту полностью заменить человека-разработчика в задачах по «генерации кода, исправлению уязвимостей и полному оркестрованию проектов». ИИ-агенты должны соревноваться в «реальных вызовах программирования», предоставляя высококачественные решения и ежемесячно получая «вознаграждение в виде подсети Alpha» в размере 20 000–50 000 долларов.

• Flock.io Competition (Инициатор: @flock_io): Соревнование разделено на две части — «создание лучших базовых ИИ-моделей» и «кооперативная тонкая настройка моделей под конкретные области через федеративное обучение». Лучшие тренеры (так называемые «майнеры»), обучающие модели ИИ, могут получать доходы выше 500 тыс. – 1 млн долларов в год. Преимущество «федеративного обучения» заключается в том, что учреждения могут полноценно использовать возможности ИИ, сохраняя локальную конфиденциальность данных.

Что это всё означает?

Сегодня прогресс искусственного интеллекта достигается через «публичные соревнования».

После появления каждая новая модель попадает в среду, полную давления: дефицит данных, ограниченность вычислительных ресурсов, ограниченные механизмы стимулирования. Именно это давление становится ключевым критерием для «отбора выживших моделей».

Токены вознаграждения выполняют функцию «энергетического снабжения»: модели, которые эффективно используют эту «энергию», расширяют свое влияние; те же, что не могут делать это продуктивно, постепенно вытесняются.

В конечном итоге мы построим «экосистему агентов» —— эти агенты эволюционируют посредством «обратной связи», а не «прямых инструкций», становясь «автономными агентами» (а не «генеративным ИИ»).

Куда ведет будущее?

Эта волна «публичных соревнований» приведет к трансформации ИИ от «централизованной модели» к «открытой децентрализованной модели».

В будущем мощные модели и агенты будут появляться именно в «децентрализованной среде».

Совсем скоро ИИ сможет самостоятельно управлять «циклами самосовершенствования»: одни модели будут применять донастройку к другим, оценивать результаты работы коллег, осуществлять самооптимизацию и автоматически развертывать обновления. Этот цикл значительно сократит участие человека и одновременно ускорит скорость итераций ИИ.

По мере распространения этого тренда роль человека сместится от «создания ИИ» к «отбору тех ИИ, которых стоит оставить, сохранению полезных форм поведения ИИ и установлению правил и границ, имеющих положительное математическое ожидание (EV+) для общества».

Заключительные размышления

Соревнования часто стимулируют инновации, но также могут порождать манипуляции с «системой вознаграждений» и спекулятивное поведение.

Если архитектура системы не способна «стимулировать долгосрочно полезные действия», она в конечном итоге обречена на провал —— например, некоторые «майнеры» могут эксплуатировать лазейки в правилах ради «фарма награды», вместо того чтобы реально добавлять ценность задаче.

Следовательно, «открытые системы» требуют безупречных «механизмов управления» и «дизайна стимулирования»: необходимо поощрять позитивное поведение и наказывать деструктивное.

Тот, кто первым достигнет этой цели, сможет завладеть «ценностью, вниманием и мудростью» следующей волны инноваций.