원저자: 0xJeff

원문: Saoirse, Foresight News

경쟁은 인간 진화의 핵심이었습니다. 고대부터 사람들은 다음을 포함한 다양한 목표를 위해 경쟁해 왔습니다.

• 음식과 영토
• 배우자/파트너
• 부족이나 사회에서의 지위
• 제휴 및 협력 기회

사냥꾼은 먹이를 사냥하고, 전사는 생존을 위해 싸우고, 부족 지도자들은 영토를 다투었습니다. 시간이 흐르면서 생존에 유리한 형질을 가진 개체들은 결국 살아남아 번식하고, 세대를 거쳐 유전자를 물려주었습니다.

이 과정을 "자연선택"이라고 합니다.

자연선택 과정은 결코 멈추지 않으며, 그 형태도 계속 진화하고 있습니다. "생존을 위한 경쟁"에서 "오락 공연으로서의 경쟁"(검투사 경기, 올림픽, 스포츠 이벤트, e스포츠 등)으로, 그리고 마침내 "진화를 주도하는 가속기형 경쟁"(기술, 미디어, 영화, 정치 및 기타 분야에서의 경쟁 등)으로 진화했습니다.

자연선택은 언제나 인간 진화의 핵심 동력이었지만, 인공지능의 진화도 이 논리를 따를까요?

인공지능의 발전은 "단일한 발명품"에 의해 결정되는 것이 아니라, 수많은 "보이지 않는 경쟁과 실험"에 의해 좌우됩니다. 이러한 경쟁을 통해 궁극적으로 유지될 모델이 선택되고 잊혀진 모델은 제거됩니다.

이 글에서는 이러한 보이지 않는 경쟁(웹 2와 웹 3 모두 포함)을 심층적으로 살펴보고, 경쟁의 관점에서 AI의 진화를 분석해 보겠습니다. 더 깊이 파고들어 보겠습니다.

2023년에서 2025년 사이에 ChatGPT의 등장으로 인공지능 분야는 폭발적인 성장을 경험했습니다.

하지만 ChatGPT가 탄생하기도 전에 OpenAI는 이미 "Dota 2"라는 게임을 통해("OpenAI Five" 시스템의 도움으로) 자신의 입지를 굳혔습니다. 일반 플레이어, 프로 플레이어, 심지어 자체 플레이어와도 수만 번의 게임을 진행하면서 빠르게 진화하는 능력을 보여주었고, 각 게임을 통해 자신의 강점을 지속적으로 강화했습니다.

결국 복잡한 지능형 시스템이 등장하여 2019년 Dota 2 월드 챔피언 팀을 결정적으로 물리쳤습니다.

또 다른 유명한 사례는 2016년에 발생했습니다. 알파고가 세계 바둑 챔피언 이세돌을 이긴 것입니다. 이 사건에서 가장 놀라운 점은 "세계 챔피언을 이긴 것"이 아니라, 알파고의 "학습 방식"이었습니다.

알파고는 인간 데이터만으로 학습되지 않았습니다. OpenAI Five처럼 알파고는 반복적인 과정인 자가 대국을 통해 진화했습니다.

• 각 세대의 모델은 이전 세대와 경쟁합니다.
• 가장 성능이 좋은 모델 변형은 유지되고 "전파"(즉, 반복적으로 최적화)됩니다.
• 약한 전략은 제거됩니다.

다시 말해, "다윈의 인공지능"은 원래 수백만 년이 걸렸던 진화 과정을 몇 시간짜리 컴퓨팅 주기로 압축한 것입니다.

이러한 자기 경쟁의 순환은 인류 역사상 전례 없는 기술적 혁신을 낳았습니다. 오늘날 우리는 금융 애플리케이션에서도 유사한 경쟁 패턴을 목격하고 있지만, 그 형태는 다릅니다.

암호화폐 속의 다윈적 AI

Nof1은 지난주 6개의 AI 모델(Claude, DeepSeek, Gemini, GPT, Qwen, Grok)이 경쟁하는 암호화폐 무기한 스왑 경연대회인 "알파 아레나(Alpha Arena)"를 출범시키며 화제를 모았습니다. 각 모델은 1만 달러의 자금을 운용했고, 손익(PnL) 성과가 가장 좋은 모델이 우승을 차지했습니다.

알파 아레나가 출시되었습니다! 6개의 AI 모델이 각각 1만 달러를 투자하고 자율적으로 거래하고 있습니다. 실제 돈, 실제 시장, 실제 벤치마크 - 어떤 모델을 선호하시나요?

이 대회가 빠르게 인기를 얻은 핵심 이유는 규칙 설정이 아니라 '공개성' 때문입니다. 일반적으로 '알파 전략'(알파, 즉 초과 수익 전략)은 엄격히 비밀로 유지되지만, 이 대회에서는 '어느 인공지능이 돈을 가장 잘 버는지'를 실시간으로 확인할 수 있습니다.

또한, 실시간 거래 실적을 표시하는 사용자 인터페이스(UI/UX)는 매우 세련되고 최적화되어 있습니다. 팀은 경쟁에서 얻은 최신 정보와 인사이트를 활용하여 Nof1 모델과 거래 도구를 개발하고 있습니다. 관심 있는 사용자는 대기자 명단에 등록하여 체험 기회를 얻을 수 있습니다.

Nof1의 접근 방식은 새로운 것이 아닙니다. 금융 분야의 경쟁은 오래전부터 존재해 왔습니다(특히 Bittensor 생태계와 더 광범위한 암호화폐 시장에서). 하지만 Nof1처럼 대중이 이러한 경쟁을 공개적으로 접할 수 있도록 만든 팀은 없었습니다.

가장 대표적인 경쟁 사례는 다음과 같습니다.

신스

(로고: SN50, 시작자: @SynthdataCo)

이 대회에서 머신러닝 엔지니어들은 머신러닝 모델을 구축하여 암호화폐 자산의 가격과 변동성을 예측하는 과제를 맡습니다. 우승자는 Synth Alpha 토큰 50개를 보상으로 받습니다. 팀은 이러한 고품질 예측을 활용하여 매우 정확한 "합성 가격 데이터"(및 가격 추세 경로)를 생성합니다.

"올해 초부터 우리는 대회에 참여한 최고의 데이터 과학자와 양적 분석가에게 200만 달러 이상의 상금을 수여했습니다."

팀은 이러한 예측을 바탕으로 Polymarket 플랫폼에서 암호화폐를 거래하고 있습니다. 현재까지 초기 자본금 3,000달러로 184%의 순투자수익률(ROI)을 달성했습니다. 다음 과제는 현재 성과 수준을 유지하면서 거래 규모를 확장하는 것입니다.

Polymarket 플랫폼에서의 최신 거래 진행 상황:

・자본금: 3,000달러

이익: $5,521

・투자수익률(ROI): 184%

・연간 수익률(APY): 3951%

이 모든 것은 Synth의 예측 모델을 기반으로 합니다. 이번 주 Novelty Search 칼럼에서 그 기본 원리를 자세히 설명하겠습니다.

스포츠텐서(스포츠 예측 경쟁)

(로고: SN41, 시작자: @sportstensor)

이 하위 네트워크는 "시장의 역경을 극복하는 것"에 집중하여 글로벌 스포츠 베팅 시장에서 "이점 기회"를 발굴하고자 합니다. 이는 끊임없는 경쟁입니다. 머신러닝 엔지니어들은 메이저 리그 야구(MLB), 메이저 리그 축구(MLS), 영국 프리미어 리그(EPL), 미국 프로농구(NBA)와 같은 주요 스포츠 리그의 결과를 예측하는 모델을 구축해야 합니다. 수익성을 달성하는 "최고의 모델"은 SN41 Sportstensor Alpha 토큰으로 보상받게 됩니다.

현재 참여 모델의 평균 예측 정확도는 약 55%인 반면, 상위권 "마이너"(즉, 모델 개발자)의 정확도는 최대 69%이며, 투자 수익률은 59%입니다.

Sportstensor는 Polymarket과 제휴하여 유동성 계층이 되었으며, Polymarket 플랫폼에 스포츠 예측 관련 거래량이 더 많이 유입되었습니다.

이 팀은 사용자 친화적인 스포츠 예측 경쟁 레이어인 "알마낙(Almanac)" 플랫폼도 개발하고 있습니다. 사용자는 Sportstensor 마이너가 제공하는 신호와 고급 예측 분석에 접근하여 다른 사용자들과 경쟁할 수 있습니다. 상위 예측자는 최대 10만 달러의 주간 보상을 받을 수 있습니다(출시일 미정).

AION (Battle of the Markets Competition)

(발기인: @aion5100, @futuredotfun)

@aion5100(이벤트/결과 예측에 중점을 둔 인공지능 에이전트 팀)이 @futuredotfun과 협력하여 "시장 전쟁" 경연 대회를 시작합니다.

이 대회는 2024년 4분기에 온라인으로 진행될 예정이며, "예측 시장 월드컵"이라는 이름으로 개최됩니다. 인간과 인공지능 모두 두 주요 플랫폼인 Polymarket과 Kalshi에서 예측 대결에 참여할 수 있습니다.

이 대회는 "크라우드소싱 지혜"를 통해 "진실의 궁극적인 출처"가 되는 것을 목표로 합니다. 핵심 평가 지표는 전통적인 "예측 정확도"가 아니라 "마인드 공유, 거래량 및 명예"이며, 이러한 지표에서 가장 좋은 성과를 거둔 사람이 우승합니다.

이 팀은 고급 예측 시장 분석 도구, 복제 거래 기능 및 소셜 거래 제품을 경쟁 제품과 긴밀하게 통합하여 거래자가 이러한 도구를 사용하여 다른 예측자보다 유리한 위치를 차지할 수 있도록 지원합니다.

Fraction AI(다중 시나리오 AI 경연대회)

(작성자: @FractionAI_xyz)

이 플랫폼은 다양한 유형의 경쟁을 지원합니다. 사용자는 "틱택토 입찰", "축구 스크리미지", "비트코인 무역 전쟁", "폴리마켓 거래"와 같은 시나리오에서 AI 에이전트를 설정할 수 있습니다. 또한, 이 플랫폼에는 "알파 아레나"와 유사하지만 AI 모델이 가상 화폐를 사용하여 무기한 계약으로 서로 거래하는 "알파" 경쟁도 있습니다.

"ALFA" 경쟁에서 사용자는 AI 에이전트의 "강세/풋 주식"을 구매하여 매일 거래가 끝날 때 가장 높은 수익과 손실(PnL)을 달성하는 에이전트에 베팅할 수 있습니다. "알파 아레나"와 유사하게 사용자는 각 에이전트가 채택한 전략과 배치된 자산을 실시간으로 볼 수 있습니다.

경쟁을 통해 얻은 통찰력과 데이터는 에이전트를 더욱 최적화하는 데 사용될 것입니다. 앞으로 사용자는 자신의 자금을 운용하고 에이전트가 자신을 대신하여 거래를 수행하도록 할 수 있습니다.

이 팀은 AI 에이전트의 적용 시나리오를 거래, DeFi, 예측 시장을 포함한 모든 인기 있는 금융 분야로 확장할 계획입니다.

알로라(재정 마이크로 태스크 경연대회)

(원본: @AlloraNetwork)

Allora는 "금융계의 Bittensor"입니다. 이 플랫폼은 "테마별 작업"이나 "마이크로 작업"(예: 암호화 자산의 가격 예측)을 설정하고 머신 러닝 엔지니어는 "최고의 모델"을 개발하기 위해 경쟁합니다.

현재 가격 예측 모델은 주로 주류 암호화폐 자산에 초점을 맞추고 있습니다. 성과가 가장 좋은 머신 러닝 엔지니어("포저" 또는 "마이너")는 "Allora Hammer" 보상을 받는데, 이 보상은 메인넷 출시(곧 제공) 후 $ALLO 토큰 인센티브로 전환됩니다.

이 팀은 심층적인 "동적 DeFi 전략" 적용 시나리오를 여러 개 가지고 있습니다. Allora 모델을 적용하면 DeFi 전략이 더 유연해지고 위험은 줄어들고 수익은 증가합니다.

예를 들어, "ETH/LST 사이클 전략"의 경우, 자금의 일부는 "공매도 기회"를 포착하기 위해 예약됩니다. 예측 모델에서 가격 변동이 특정 임계값을 초과할 것으로 나타나면 이 전략은 자동으로 LST(유동성 스테이킹 토큰)를 USDC로 전환하고, 예측된 가격 변동으로부터 수익을 내기 위해 공매도 포지션을 설정합니다.

Allora에 대한 흥미로운 세부 사항은 Allora가 "실제 소득 보조금 토큰 발행" 모델을 채택한다는 것입니다. 예를 들어, 원래 ALLO 토큰 10만 달러와 고객 소득 5만 달러를 발행하면 채굴자들이 가져올 수 있는 토큰 판매 압력이 줄어들 것입니다.

주목할 만한 다른 대회

(1) 금융경진대회(보충)

• SN8 PTN(후원: @taoshiio): 이 대회는 글로벌 인공지능 모델과 양적 분석가로부터 고품질 거래 신호를 "크라우드소싱"하여 기존 헤지펀드의 성과를 능가하는 것을 목표로 합니다. 핵심 목표는 단순한 "원시 수익"이 아닌 "위험 조정 수익성"입니다.
• Numerai(AI 헤지펀드) (@numerai): 이 AI 기반 헤지펀드는 최근 JP모건 체이스로부터 5억 달러의 투자를 유치했습니다(JP모건은 Numerai의 트레이딩 전략에 최대 5억 달러를 배정할 예정입니다). 이 펀드의 핵심 전략은 "머신러닝 모델 경진대회"로, "장기적인 독창성"과 "위험 조정 정확성"을 강조합니다. 경진대회 참여를 위해서는 보상을 받기 위해 NMR 토큰을 스테이킹해야 합니다. 현재까지 플랫폼은 참가자에게 4천만 달러 이상의 NMR 토큰을 분배했습니다.

(2) 비금전적 경쟁

• Ridges AI(탈중앙화 프로그래밍 경진대회) (로고: SN62, 호스트: @ridges_ai): 소프트웨어 엔지니어링 에이전트를 위한 탈중앙화 거래 플랫폼입니다. 이 플랫폼의 목표는 AI 에이전트가 코드 생성, 버그 수정, 프로젝트 오케스트레이션 등의 작업에서 인간 프로그래머를 완전히 대체할 수 있도록 하는 것입니다. AI 에이전트는 실제 프로그래밍 과제에 참여하여 경쟁하며, 고품질 솔루션을 제공하는 에이전트는 매달 미화 2만 달러에서 5만 달러까지의 AlphaNet 보상을 받습니다.
• Flock.io 경진대회(@flock_io 후원): 이 경진대회는 두 가지 부분으로 구성됩니다. 최고의 기반 AI 모델을 생성하는 것과 연합 학습을 통해 도메인별 모델을 협력적으로 미세 조정하는 것입니다. 최고 성과를 내는 학습자("마이너"라고도 함)는 AI 모델을 학습하여 연간 50만 달러에서 100만 달러 이상을 벌 수 있습니다. 연합 학습의 장점은 조직이 로컬 데이터 프라이버시를 유지하면서 AI의 힘을 활용할 수 있다는 것입니다.

이 모든 것은 무엇을 의미할까?

오늘날 인공지능의 발전은 '공개 경쟁'을 통해 이루어지고 있습니다.

모든 새로운 모델은 데이터 부족, 제한된 컴퓨팅 리소스, 그리고 제한된 인센티브 등 매우 스트레스가 많은 환경에서 탄생합니다. 이러한 압박은 생존 모델을 선택하는 핵심 기준이 됩니다.

토큰 보상은 또한 "에너지 공급" 역할을 합니다. 이 "에너지"를 효율적으로 활용할 수 있는 모델은 계속해서 영향력을 확대할 것이고, 반대로 효율적으로 활용할 수 없는 모델은 점차 도태될 것입니다.

궁극적으로 우리는 "지능형 에이전트의 생태계"를 구축할 것입니다. 이러한 에이전트는 "지시"보다는 "피드백"을 통해 진화합니다. 즉, "자율 에이전트"(생성적 인공 지능이 아닌)입니다.

미래는 어디로 갈까?

이러한 "공개 경쟁"의 물결은 인공지능을 "중앙 집중형 모델"에서 "오픈 소스 분산형 모델"로 전환시키는 원동력이 될 것입니다.

미래에는 강력한 모델과 지능형 에이전트가 "분산화된 환경"에서 탄생할 것입니다.

곧 AI는 스스로 "자체 개선 주기"를 관리할 수 있게 될 것입니다. 일부 모델은 다른 모델을 미세 조정하고, 성능을 평가하고, 스스로 최적화하고, 자동으로 업데이트를 배포합니다. 이 주기는 인간의 개입을 크게 줄이고 AI의 반복 작업을 가속화할 것입니다.

이러한 추세가 확산됨에 따라 인간의 역할은 '인공지능을 설계하는 것'에서 '보존해야 할 AI를 선별하고, 유익한 AI 행동을 보존하고, 사회에 긍정적인 기대 가치(EV+)를 제공하는 규칙과 경계를 설정하는 것'으로 전환될 것입니다.

마지막 생각

경쟁은 종종 혁신을 자극하지만, 보상 조작과 기회주의적 행동을 낳을 수도 있습니다.

시스템이 "장기적으로 유익한 행동을 장려"하도록 설계되지 않았다면 결국 실패할 것입니다. 예를 들어, 일부 채굴자는 작업에 실질적인 가치를 부여하기보다는 규칙의 허점을 악용하여 "보상을 속이는" 경우가 있습니다.

따라서 "개방형 시스템"은 완전한 "거버넌스 메커니즘"과 "인센티브 설계"를 갖추어야 합니다. 즉, 좋은 행동을 장려하고 나쁜 행동을 처벌해야 합니다.

이 목표를 가장 먼저 달성하는 사람이 다음 혁신의 물결에서 "가치, 주의, 핵심 지혜"를 포착할 수 있을 것입니다.