Змагання — фундаментальний рушій еволюції людини. З давніх-давен люди змагаються за:
- Їжу та територію
- Партнерів
- Статус у племені або суспільстві
- Альянси та співпрацю
Мисливці переслідували здобич, воїни боролися за життя, лідери племен змагалися за території. Ті, хто мав корисні риси для виживання, виживали, розмножувалися й передавали свої гени наступним поколінням.
Цей процес називають природним добором.
Природний добір не припиняється: від боротьби за виживання ➙ до змагань як видовища (гладіаторські бої, Олімпіада, спорт і кіберспорт) ➙ до конкуренції як каталізатора еволюції (технології, медіа, кіно, політика тощо).
Природний добір — ключовий елемент еволюції людини. А як щодо еволюції штучного інтелекту?
Історія AI — це не одна «велика» інновація, а безліч невидимих турнірів і експериментів, які визначають, які моделі залишаються, а які забуваються.
У цій статті ми розглянемо ці невидимі турніри (у Web2 та Web3) та проаналізуємо еволюцію AI крізь призму конкуренції.
AI стрімко розвинувся у 2023–2025 роках із появою ChatGPT — чатбота, який відповідає на будь-які запитання.
До ChatGPT OpenAI дебютував у Dota 2 (з OpenAI Five), демонструючи швидку еволюцію, граючи десятки тисяч матчів проти звичайних гравців, професіоналів і самого себе, стаючи сильнішим із кожною грою.
Зрештою з’явився складний інтелект, який у 2019 році повністю розгромив чемпіонів світу з Dota 2.
Ще один знаковий кейс — перемога AlphaGo над світовим чемпіоном з Го Лі Седолом у 2016 році. Головне тут не розгром чемпіона, а спосіб навчання моделі.
AlphaGo тренувався не лише на людських даних. Як і OpenAI Five, він еволюціонував через самогру — рекурсивний процес, де:
- Кожне покоління моделі змагається з попередніми версіями
- Найсильніші варіанти виживають і розмножуються
- Слабкі стратегії відмирають
Тобто дарвінівський AI, стиснутий до годин обчислень замість мільйонів років еволюції.
Ця петля самоконкуренції породила щось, чого ми раніше не бачили.
Схожі процеси зараз набувають різних форм у фінансових кейсах.
Дарвінівський AI у криптовалюті
@ the_nof1 нещодавно привернув увагу, презентувавши Alpha Arena — змагання, де 6 AI-моделей (Claude, DeepSeek, Gemini, GPT, Qwen, Grok) борються одна з одною у Crypto Perps deathmatch, кожна керує $10 000. Переможець визначається за найкращим PnL.
Alpha Arena — це LIVE-змагання: 6 AI-моделей автономно торгують по $10 000 кожна. Реальні гроші. Реальні ринки. Реальний бенчмарк. На кого поставите?
Змагання швидко стало вірусним не через формат, а через відкритість. Альфа зазвичай прихована, але тут ми бачимо у реальному часі, яка AI-модель найкраще заробляє гроші.
UI/UX із реальним часом продуктивності — стильний та оптимізований. Команда використовує хайп і отримані інсайти для розробки моделей Nof1 та трейдингових інструментів. Відкрито лист очікування для бажаючих протестувати.
Те, що робить Nof1, не нове — змагання для фінансових кейсів завжди були, особливо в екосистемі Bittensor і ширшому крипторинку. Але ніхто не зміг так публічно це показати, як Nof1.
Найцікавіші конкурси
Synth
SN50 @ SynthdataCo — ML-інженери змагаються у розгортанні ML-моделей для прогнозування ціни та волатильності криптоактивів в обмін на альфа-токени SN50 Synth. Команда використовує якісні прогнози для генерації високоточних синтетичних цінових даних і цінових траєкторій.
Вже виплачено $2 млн винагород топовим дата-сайентистам і квантам, що беруть участь у конкурсі з початку року.
Команда використовує сигнали для торгівлі на Polymarket і наразі досягла 184% ROI зі стартовим капіталом $3 000. Наступний виклик — масштабувати це, зберігаючи поточний рівень результативності.
Sportstensor
SN41 @ sportstensor — субмережа, створена для обігравання ринкових коефіцієнтів і пошуку переваги на глобальному ринку спортивних ставок. Це безперервне змагання, де ML-інженери змагаються у розгортанні моделей для прогнозування результатів головних ліг — MLB, MLS, EPL, NBA. Найприбутковіша модель отримує альфа-токени SN41 Sportstensor.
Середня точність — близько 55%, а топ-майнер №1 досягає 69% точності та 59% додаткового ROI.
Sportstensor співпрацює з Polymarket як ліквідний шар, залучаючи більше обсягів спортивних прогнозів на Polymarket.
Команда створює Almanac — платформу спортивних прогнозних змагань для масової аудиторії, де можна отримати сигнали майнерів Sportstensor і аналітику прогнозів, щоб змагатися з іншими гравцями. Найкращий прогнозист отримує до $100 000 щотижневих винагород. (Час запуску TBD, слідкуйте за їх X-акаунтом, якщо хочете взяти участь)
AION
@ aion5100 — команда агентів для прогнозування подій запускає @ futuredotfun War of Markets.
Запуск заплановано на Q4, War of Markets позиціонується як «Чемпіонат світу з ринків прогнозів», де будь-хто (людина чи AI) змагається у прогнозних баталіях на Polymarket і Kalshi.
Мета — стати найкращим референтом істини через колективну мудрість, акцентуючи увагу на mindshare, обсязі торгів і славі, а не на традиційній точності. Перемагає найкращий за цими показниками.
Команда інтегрує свої аналітичні продукти для ринків прогнозів, копі-трейдингу та соціального трейдингу із змаганням, дозволяючи трейдерам використовувати ці інструменти для отримання переваги над іншими прогнозистами.
Fraction AI
@ FractionAI_xyz проводить різноманітні конкурси — користувачі можуть налаштовувати агентів у іграх Bid Tic Tac Toe, Footbrawl, BTC Tradewars, Polymarket trading і «ALFA», де AI змагаються між собою у перпах із віртуальними коштами (аналог Alpha Arena, але з віртуальними грошима).
У ALFA користувачі можуть купувати Yes/No-акції агентів, робити ставки на те, який агент матиме найвищий PnL наприкінці дня. Як і в Alpha Arena, можна бачити стратегії та активи кожного агента.
Зібрані інсайти та дані використовуються для подальшого вдосконалення агентів, щоб користувачі могли розміщувати власний капітал і дозволяти агентам торгувати за них.
Команда розробляє кейси використання агентів у всіх ключових фінансових сферах — трейдинг, DeFi, Prediction Markets.
Allora
@ AlloraNetwork — екосистема на кшталт Bittensor, але для фінансових кейсів. Створюються «теми» або мікрозавдання, наприклад прогнозування ціни криптоактивів, і ML-інженери змагаються у створенні найкращих моделей.
Моделі прогнозування цін фокусуються на основних активах, а топові ML-інженери (forgers або miners) отримують нагороди Allora Hammer, які після запуску mainnet конвертуються у $ALLO токени.
У команди глибокий pipeline динамічних DeFi-стратегій, де моделі Allora використовуються для підвищення гнучкості DeFi-стратегій — зниження ризику при підвищенні прибутковості.
Наприклад, ETH/LST looping-стратегія: частину фонду можна зарезервувати для шорт-опцій (якщо моделі прогнозування сигналізують про рух ціни понад певний поріг, стратегія обмінює LST на USDC і відкриває шорт-позицію для отримання вигоди з прогнозованого руху ціни).
[Цікаво, що Allora використовуватиме реальний дохід для субсидування емісій: замість виплати $100 000 у $ALLO токенах, можуть виплатити $50 000 у $ALLO і ще $50 000 з доходу від клієнтів, знижуючи потенційний sell pressure від майнерів]
Інші цікаві трейдингові конкурси (про які мало відомо, але вони пропонують хороші винагороди):
- SN8 PTN від @ taoshiio — конкурс із краудсорсингу якісних торгових сигналів від глобальних AI-моделей і квантів для обігравання традиційних хедж-фондів, орієнтований на ризик-адаптований прибуток, а не на суто показники доходу.
- @ numerai — AI-хеджфонд, який нещодавно отримав $500 млн від JP Morgan (так, до $500 млн на стратегію Numerai). Стратегія базується на конкурсах ML-моделей з акцентом на довгострокову оригінальність і ризик-адаптовану точність. Для участі потрібно стейкати $NMR, слабкі моделі отримують слеш (20–100%), а топові — 2–5x винагороди у $NMR. Виплачено понад $40 млн у NMR винагород учасникам.
Інші цікаві конкурси, не пов’язані з фінансами:
- SN62 @ ridges_ai — маркетплейс для децентралізованих агентів програмної інженерії, які прагнуть повністю замінити людських програмістів у завданнях від генерації коду до виправлення багів і оркестрації проектів. AI-агенти змагаються у реальних кодингових челенджах, а ті, хто пропонує якісні рішення, отримують $20 000–$50 000 щомісячних альфа-інсентивів субмережі.
- @ flock_io — конкурс на створення найкращих базових AI-моделей і співпраця для тонкого налаштування галузевих моделей через федеративне навчання. Багато винагород для топових тренерів (майнерів): можна заробити понад $500 000–1 млн+ на рік, тренуючи AI-моделі. Федеративне навчання дозволяє організаціям зберігати дані локально та приватно, використовуючи AI-можливості.
Що це означає?
Прогрес AI тепер рухається через відкриту конкуренцію.
Кожна нова модель потрапляє у середовище з сильним тиском — нестача даних, обмежені обчислювальні ресурси, обмежені стимули.
Тиск визначає, хто виживе.
Токен-нагороди — це енергія: моделі, які ефективно її використовують, зростають у впливі, а ті, хто не використовує — зникають.
У підсумку ми отримаємо екосистему агентів, які еволюціонують через зворотний зв’язок, а не інструкції — автономні агенти замість генеративного AI.
Що далі?
Ця хвиля відкритої конкуренції прискорить перехід від централізованого AI до відкритого та децентралізованого AI.
Потужні моделі та агенти з’являться саме у децентралізованому середовищі.
Невдовзі AI самостійно керуватиме циклами власного вдосконалення: одні моделі тонко налаштовуватимуть інші, оцінюватимуть, самовдосконалюватимуться і автоматично розгортатимуть оновлення. Ця петля зменшить участь людини і прискорить темпи ітерацій.
З поширенням цього підходу людська роль зміниться: ми обиратимемо, які AI виживуть, яку поведінку зберігати, які правила і межі встановлювати для позитивного впливу на суспільство.
Останнє зауваження
Конкуренція часто стимулює інновації, але також породжує маніпуляції з винагородами та експлойти.
Системи без належного дизайну стимулів для довгострокової поведінки приречені на провал — як майнери, що знаходять лазівки для фарму винагород замість реального внеску у завдання.
Відкриті системи потребують ефективного управління та дизайну стимулів, які заохочують добру поведінку і карають погану.
Той, хто першим це реалізує, отримає цінність, увагу і інтелект наступної хвилі інновацій.
Особиста нотатка: Дякую за увагу! Це скорочена версія статті (для моїх нефільтрованих думок дивіться Substack).
Якщо цікавлять майбутні DeAI-проекти, які мене захоплюють, перегляньте серію The After Hour на моєму Substack.
Відмова від відповідальності: Документ призначений виключно для інформаційних і розважальних цілей. Погляди, викладені в ньому, не є інвестиційною порадою чи рекомендацією. Перед інвестуванням проведіть власне дослідження, врахуйте свої фінансові обставини, інвестиційні цілі та толерантність до ризику (які тут не розглядаються). Документ не є пропозицією чи запрошенням купити або продати будь-які згадані активи.
Відмова від відповідальності:
- Стаття передрукована з [Defi0xJeff]. Всі авторські права належать оригінальному автору []. Якщо маєте заперечення щодо передруку, зверніться до команди Gate Learn — вони оперативно вирішать питання.
- Відмова від відповідальності: Погляди та думки у статті належать виключно автору і не є інвестиційною порадою.
- Переклади статті іншими мовами здійснюються командою Gate Learn. Якщо не зазначено інше, копіювання, розповсюдження чи плагіат перекладених статей заборонено.
