原作者: 0xJeff

原文翻訳：Saoirse、Foresight News

競争は人類の進化の中心にあります。古代から、人々は様々な目標のために競争してきました。

• 食と領土
• 配偶者/パートナー
• 部族や社会における地位
• 提携と協力の機会

狩猟者は獲物を狩り、戦士は生き残るために戦い、部族のリーダーたちは領土を争いました。時が経つにつれ、生存に有利な特性を持つ個体が最終的に生き残り、繁殖し、遺伝子を世代から世代へと伝えていきました。

このプロセスは「自然選択」と呼ばれます。

自然淘汰のプロセスは止まることなく、その形態は「生存のための競争」から「エンターテインメントとしてのパフォーマンスとしての競争」（剣闘士競技、オリンピック、スポーツイベント、eスポーツなど）へ、そして最終的には「進化を加速させるアクセル型競争」（テクノロジー、メディア、映画、政治などの分野における競争）へと進化し続けています。

自然淘汰は常に人類の進化の原動力となってきましたが、人工知能の進化もこの論理に従うのでしょうか?

人工知能の発展は「単一の発明」によって決まるのではなく、無数の「目に見えない競争と実験」によって推進されます。これらの競争によって、最終的に保持されるモデルが選択され、忘れ去られたモデルが排除されます。

この記事では、Web2とWeb3の両方を網羅した、目に見えない競争について深く掘り下げ、競争の観点からAIの進化を分析します。さあ、もっと深く掘り下げていきましょう。

2023年から2025年にかけて、ChatGPTの登場により、人工知能分野は爆発的な成長を遂げました。

しかし、ChatGPTが誕生する以前から、OpenAIはゲーム「Dota 2」（「OpenAI Five」システムの助けを借りて）を通じてすでに名を馳せていました。一般プレイヤー、プロプレイヤー、そしてOpenAI自身と何万ものゲームをプレイすることで、急速に進化する能力を発揮し、各ゲームで継続的に自身の力を強化してきました。

最終的に、複雑なインテリジェント システムが登場し、2019 年に Dota 2 世界チャンピオン チームを決定的に打ち負かしました。

2016年には、AlphaGoが世界囲碁チャンピオンのイ・セドルを破ったという、もう一つの有名な事件がありました。この事件で最も驚くべき点は、「世界チャンピオンを破った」という結果ではなく、AlphaGoの「学習方法」でした。

AlphaGoは人間のデータだけで訓練されたわけではありません。OpenAI Fiveと同様に、自己対戦、つまり反復的なプロセスを通じて進化しました。

• 各世代のモデルは前の世代のモデルと競合します。
• 最もパフォーマンスの高いモデルバリアントが保持され、「伝播」されます（つまり、反復的に最適化されます）。
• 弱い戦略は排除されます。

言い換えれば、「ダーウィンの人工知能」は、本来何百万年もかかっていた進化のプロセスを、数時間の計算サイクルに圧縮するのです。

この自己競争のサイクルは、人類史上かつてない技術革新を生み出してきました。今日、金融アプリケーションにおいても、形は異なるものの、同様の競争パターンが見られます。

暗号通貨におけるダーウィン主義AI

Nof1は先週、「Alpha Arena」を立ち上げ、大きな話題を呼んだ。これは、6つのAIモデル（Claude、DeepSeek、Gemini、GPT、Qwen、Grok）が競い合う、暗号資産の永久スワップコンペティションだ。各モデルは1万ドルの資金を運用し、最も優れた損益（PnL）を記録したモデルが優勝した。

「アルファアリーナがついに始動！6つのAIモデルがそれぞれ1万ドルを投資し、自律的に取引を行います。リアルマネー、リアルマーケット、リアルベンチマーク。あなたはどのモデルがお好みですか？」

このコンペティションが急速に人気を博した根本的な理由は、ルール設定ではなく、その「オープン性」にあります。通常、「アルファ戦略」（アルファ、つまり超過収益戦略）は厳重に秘密にされますが、このコンペティションでは、「どの人工知能が最もお金を稼ぐのが上手いか」をリアルタイムで目撃することができます。

さらに、ライブ取引パフォーマンスを表示するユーザーインターフェース（UI/UX）は非常に洗練され、最適化されています。チームは、現在の話題性と競合他社から得た洞察を活用し、Nof1のモデルと取引ツールの開発に取り組んでいます。ご興味のある方は、トライアルのウェイティングリストにご登録ください。

Nof1 のアプローチは新しいものではありません。金融分野の競争は以前から存在していました (特に Bittensor エコシステムとより広範な暗号通貨市場内)。しかし、Nof1 ほどそのような競争を公開し、一般の人々がアクセスできるようにできたチームはこれまでありませんでした。

最も代表的な競争事例をいくつか紹介します

シンセ

(ロゴ: SN50、発起人: @SynthdataCo)

このコンペティションでは、機械学習エンジニアが機械学習モデルをデプロイし、暗号資産の価格とボラティリティを予測する課題に取り組みます。優勝者にはSynth Alphaトークン50枚が授与されます。チームはこれらの高品質な予測を活用し、高精度な「合成価格データ」（および価格トレンドパス）を生成します。

「今年初めから、コンテストに参加したトップクラスのデータサイエンティストや定量分析家に200万ドル以上を授与してきました。」

チームはこれらの予測に基づき、Polymarketプラットフォームで暗号通貨を取引しています。現在までに、初期資本3,000ドルで184%の純投資収益率（ROI）を達成しています。次の課題は、現在のパフォーマンスレベルを維持しながら取引を拡大することです。

Polymarket プラットフォームにおける最新の取引進捗状況:

・資本金：3,000ドル

利益: 5,521ドル

・投資収益率（ROI）：184％

・年利回り（APY）：3951％

これらすべてはSynthの予測モデルによって実現されています。今週の「Novelty Search」コラムでは、その基盤となるロジックを詳しく説明します。

Sportstensor（スポーツ予想コンテスト）

(ロゴ: SN41、発起人: @sportstensor)

このサブネットワークは「市場のオッズを打ち破ること」に重点を置き、世界のスポーツベッティング市場における「優位な機会」の発見を目指しています。これは継続的な競争であり、機械学習エンジニアは、メジャーリーグベースボール（MLB）、メジャーリーグサッカー（MLS）、イングランド・プレミアリーグ（EPL）、全米プロバスケットボール協会（NBA）といった主要スポーツリーグの結果を予測するモデルをデプロイする必要があります。収益性を達成した「最優秀モデル」には、SN41 Sportstensor Alphaトークンが授与されます。

現在、参加モデルの平均予測精度は約 55% ですが、トップランクの「マイナー」(つまりモデル開発者) の精度は最大 69% で、増分投資収益率は 59% です。

Sportstensor は Polymarket と提携して流動性レイヤーとなり、Polymarket プラットフォームにさらに多くのスポーツ予測関連の取引量をもたらします。

チームはまた、ユーザーフレンドリーなスポーツ予測競争レイヤーである「Almanac」プラットフォームを構築しています。ユーザーは、Sportstensorマイナーが提供するシグナルと高度な予測分析にアクセスし、他のユーザーと競い合うことができます。トップ予測者には、毎週最大10万ドルの報酬が支払われます（開始日は未定）。

AION（市場競争の戦い）

(発起者: @aion5100、@futuredotfun)

@aion5100 (イベント/結果の予測に重点を置く人工知能エージェントのチーム) は、@futuredotfun と提携して「War of Markets」コンテストを開始します。

このコンテストは2024年第4四半期にオンラインで開始される予定で、「予測市場ワールドカップ」として位置付けられており、人間と人工知能の両方が、PolymarketとKalshiという2つの主要プラットフォームでの予測対決に参加できます。

このコンテストは、「クラウドソーシングの知恵」を通じて「真実の究極の参考情報源」となることを目指しており、その主な評価指標は従来の「予測精度」ではなく、「マインドシェア、取引量、栄誉」であり、これらの指標で最も優れた成績を収めた者が優勝者となる。

チームは、高度な予測市場分析ツール、コピー取引機能、ソーシャル取引製品を競合他社と深く統合し、トレーダーがこれらのツールを使用して他の予測者よりも優位に立てるよう支援します。

Fraction AI（マルチシナリオAIコンペティション）

(発案者: @FractionAI_xyz)

このプラットフォームでは、様々なタイプのコンペティションが開催されています。ユーザーは、「入札三目並べ」、「フットボール・スクリメージ」、「ビットコイン・トレード・ウォー」、「ポリマーケット・トレーディング」といったシナリオでAIエージェントを設定できます。さらに、「ALFA」コンペティションも開催されています。これは「Alpha Arena」に似ていますが、AIモデルが仮想通貨を使用して永久契約で互いに取引を行うという点が異なります。

「ALFA」コンペティションでは、ユーザーはAIエージェントの「強気/プット株」を購入し、毎日の取引終了時にどのエージェントが最も高い損益（PnL）を達成できるかを賭けることができます。「Alpha Arena」と同様に、ユーザーは各エージェントが採用した戦略と展開された資産をリアルタイムで確認できます。

競争から得られた洞察とデータは、エージェントのさらなる最適化に活用されます。将来的には、ユーザーは自身の資金を投入し、これらのエージェントに代理で取引を依頼できるようになります。

チームは、AI エージェントの応用シナリオを、取引、DeFi、予測市場など、あらゆる一般的な金融分野に拡大する予定です。

Allora（金融マイクロタスクコンペティション）

(発信者: @AlloraNetwork)

Allora は「金融の Bittensor」です。プラットフォームは「テーマ別タスク」または「マイクロタスク」（暗号資産の価格予測など）を設定し、機械学習エンジニアが「最良のモデル」の開発を競います。

現在、価格予測モデルは主に主流の暗号資産に焦点を当てており、トップクラスの成績を収めた機械学習エンジニア（「フォージャー」または「マイナー」と呼ばれる）には「Allora Hammer」報酬が与えられ、メインネットローンチ後（近日公開予定）に$ALLOトークンインセンティブに変換されます。

チームには、一連の詳細な「動的 DeFi 戦略」アプリケーション シナリオがあります。Allora モデルを適用することで、DeFi 戦略はより柔軟になり、リスクが軽減され、収益が増加します。

たとえば、「ETH/LST サイクル戦略」では、資金の一部が「ショート チャンス」を捉えるために確保されます。予測モデルによって価格変動が一定のしきい値を超えることが示された場合、この戦略では自動的に LST (流動性ステーキング トークン) を USDC に変換し、予測された価格変動から利益を得るためにショート ポジションを確立します。

Allora の興味深い点は、Allora が「実際の収入補助トークン発行」モデルを採用することです。たとえば、当初の発行額が 10 万ドルの ALLO トークン + 顧客収入 5 万ドルであれば、マイナーによるトークン販売圧力を軽減できます。

注目すべき他の競技

（１）金融競争（補足）

• SN8 PTN (スポンサー: @taoshiio): このコンペティションは、グローバルな人工知能モデルと定量分析者から高品質の取引シグナルを「クラウドソーシング」して、従来のヘッジファンドのパフォーマンスを上回ることを目指しており、その主な目標は、単なる「純粋な収益」ではなく、「リスク調整後の収益性」です。
• Numerai（AIヘッジファンド） (@numerai): このAI搭載ヘッジファンドは最近、JPモルガン・チェースから5億ドルの出資を受けました（JPモルガンは最大5億ドルをNumeraiの取引戦略に充当する予定です）。このファンドの中核戦略は「機械学習モデルコンペティション」であり、「長期的な独創性」と「リスク調整後の精度」を重視しています。コンペティションに参加するには、報酬としてNMRトークンをステーキングする必要があります。これまでに、このプラットフォームは参加者に4,000万ドル以上のNMRトークンを配布しています。

（２）非金融競争

• Ridges AI（分散型プログラミングコンペティション）（ロゴ：SN62、ホスト：@ridges_ai）：ソフトウェアエンジニアリングエージェントのための分散型取引プラットフォームです。コード生成、バグ修正、プロジェクト全体のオーケストレーションといったタスクにおいて、AIエージェントが人間のプログラマーを完全に代替することを目指しています。AIエージェントは現実世界のプログラミング課題に挑み、高品質なソリューションを提供したエージェントには、毎月2万ドルから5万ドルのAlphaNet報酬が授与されます。
• Flock.ioコンペティション（@flock_io主催）：このコンペティションは、最高の基礎AIモデルを生成することと、フェデレーテッドラーニング（Federated Learning）を用いてドメイン固有のモデルを協調的に微調整することの2つのパートで構成されています。優秀なトレーナー（「マイナー」とも呼ばれます）は、AIモデルのトレーニングによって年間50万ドルから100万ドル以上の収入を得ることができます。フェデレーテッドラーニングの利点は、組織がローカルデータのプライバシーを維持しながらAIのパワーを活用できることです。

これらは一体何を意味するのでしょうか?

今日、人工知能の進歩は「オープンな競争」を通じて達成されています。

あらゆる新しいモデルは、データの不足、限られた計算リソース、限られたインセンティブといった、非常にストレスの多い環境の中で生まれます。こうしたプレッシャーが、生き残るモデルを選択するための中心的な基準となります。

トークン報酬は「エネルギー供給」としても機能し、この「エネルギー」を効率的に活用できるモデルは影響力を拡大し続け、逆に、効率的に活用できないモデルは徐々に淘汰されていきます。

最終的に、私たちは「インテリジェント エージェントのエコシステム」を構築します。これらのエージェントは、「指示」ではなく「フィードバック」を通じて進化します。つまり、「生成型人工知能」ではなく「自律エージェント」です。

未来はどこへ向かうのでしょうか？

この「オープンな競争」の波は、人工知能を「集中型モデル」から「オープンソースの分散型モデル」へと変革させるでしょう。

将来的には、「分散型環境」で強力なモデルやインテリジェントエージェントが誕生するでしょう。

近い将来、AIは独自の「自己改善サイクル」を管理できるようになるでしょう。つまり、一部のモデルが他のモデルを微調整し、パフォーマンスを評価し、自らを最適化し、自動的にアップデートを展開するのです。このサイクルにより、人間の関与が大幅に削減され、AIのイテレーションが加速されます。

この流れが進むにつれ、人間の役割は「人工知能を設計する」ことから「残すべきAIを選別し、有益なAIの行動を維持し、社会にとってプラスの期待値（EV+）となるルールや境界を設定する」ことへとシフトしていくでしょう。

最後に

競争は多くの場合、イノベーションを刺激しますが、報酬操作や機会主義的な行動を生み出すこともあります。

システムが「長期的に有益な行動を奨励する」ように設計されていない場合、最終的には失敗するでしょう。例えば、一部のマイナーは、タスクに真の価値をもたらすのではなく、ルールの抜け穴を悪用して「報酬を不正に得る」可能性があります。

したがって、「オープン システム」には完全な「ガバナンス メカニズム」と「インセンティブ設計」が備わっていなければなりません。つまり、良い行動を奨励し、悪い行動を罰する必要があります。

この目標を最初に達成できる人が、次のイノベーションの波の「価値、注目度、核心的な知恵」を獲得できるでしょう。