ผู้เขียนต้นฉบับ: 0xJeff

คำแปลต้นฉบับ: Saoirse, Foresight News

การแข่งขันเป็นหัวใจสำคัญของวิวัฒนาการของมนุษย์ นับตั้งแต่สมัยโบราณ มนุษย์ได้แข่งขันกันเพื่อบรรลุเป้าหมายที่หลากหลาย ซึ่งรวมถึง:

• อาหารและอาณาเขต
• คู่สมรส/คู่ครอง
• สถานะในชนเผ่าหรือสังคม
• โอกาสในการเป็นพันธมิตรและการทำงานร่วมกัน

นักล่าล่าเหยื่อ นักรบต่อสู้เพื่อความอยู่รอด และผู้นำเผ่าต่างแย่งชิงดินแดน เมื่อเวลาผ่านไป บุคคลที่มีคุณสมบัติเอื้อต่อการอยู่รอดในที่สุดก็สามารถอยู่รอด สืบพันธุ์ และถ่ายทอดยีนจากรุ่นสู่รุ่น

กระบวนการนี้เรียกว่า "การคัดเลือกโดยธรรมชาติ"

กระบวนการคัดเลือกโดยธรรมชาติไม่เคยหยุดนิ่ง และรูปแบบของมันยังคงพัฒนาอย่างต่อเนื่อง: จาก "การแข่งขันเพื่อความอยู่รอด" ไปสู่ "การแข่งขันเพื่อความบันเทิง" (เช่น การแข่งขันกลาดิเอเตอร์ โอลิมปิก กิจกรรมกีฬา และอีสปอร์ต) และในที่สุดก็พัฒนาไปเป็น "การแข่งขันประเภทเร่งความเร็วที่ขับเคลื่อนวิวัฒนาการ" (เช่น การแข่งขันในด้านเทคโนโลยี สื่อ ภาพยนตร์ การเมือง และสาขาอื่นๆ)

การคัดเลือกโดยธรรมชาติถือเป็นแรงขับเคลื่อนหลักของวิวัฒนาการของมนุษย์มาโดยตลอด แต่วิวัฒนาการของปัญญาประดิษฐ์ก็ดำเนินตามตรรกะนี้ด้วยหรือไม่

การพัฒนาปัญญาประดิษฐ์ไม่ได้ถูกกำหนดโดย "สิ่งประดิษฐ์เพียงชิ้นเดียว" แต่ถูกขับเคลื่อนโดย "การแข่งขันและการทดลองที่มองไม่เห็น" มากมายนับไม่ถ้วน ซึ่งในท้ายที่สุด การแข่งขันเหล่านี้จะเลือกโมเดลที่ยังคงอยู่และกำจัดโมเดลที่ถูกลืมไป

ในบทความนี้ เราจะเจาะลึกลงไปถึงการแข่งขันที่มองไม่เห็นเหล่านี้ (ครอบคลุมทั้ง Web2 และ Web3) และวิเคราะห์วิวัฒนาการของ AI จากมุมมองของการแข่งขัน มาเจาะลึกกันต่อดีกว่า

ระหว่างปี 2023 ถึง 2025 ด้วยการถือกำเนิดของ ChatGPT สาขาปัญญาประดิษฐ์ได้ประสบกับการเติบโตแบบก้าวกระโดด

แต่ก่อนที่ ChatGPT จะถือกำเนิด OpenAI ได้สร้างรอยประทับไว้แล้วผ่านเกม "Dota 2" (ด้วยความช่วยเหลือของระบบ "OpenAI Five"): โดยแสดงให้เห็นถึงความสามารถในการพัฒนาอย่างรวดเร็วโดยการเล่นเกมนับหมื่นเกมกับผู้เล่นทั่วไป ผู้เล่นมืออาชีพ และแม้แต่ตัวเกมเอง และแต่ละเกมยังช่วยให้ OpenAI สามารถเสริมความแข็งแกร่งของตัวเองได้อย่างต่อเนื่อง

ในที่สุด ระบบอัจฉริยะที่ซับซ้อนก็เกิดขึ้นและเอาชนะทีมแชมป์โลก Dota 2 ได้อย่างเด็ดขาดในปี 2019

อีกกรณีหนึ่งที่เป็นที่รู้จักกันดีเกิดขึ้นในปี 2016 นั่นคือ AlphaGo เอาชนะแชมป์โลกลีเซดอล สิ่งที่น่าทึ่งที่สุดเกี่ยวกับเหตุการณ์นี้ไม่ใช่ผลลัพธ์ของ "การเอาชนะแชมป์โลก" แต่เป็น "วิธีการเรียนรู้" ของ AlphaGo

AlphaGo ไม่ได้ถูกฝึกโดยใช้ข้อมูลของมนุษย์เพียงอย่างเดียว เช่นเดียวกับ OpenAI Five มันพัฒนาผ่านการเล่นด้วยตนเอง ซึ่งเป็นกระบวนการแบบวนซ้ำ:

• รุ่นแต่ละรุ่นจะแข่งขันกับรุ่นก่อนหน้า
• ตัวแปรโมเดลที่มีประสิทธิภาพดีที่สุดจะถูกเก็บรักษาไว้และ "เผยแพร่" (กล่าวคือ ได้รับการเพิ่มประสิทธิภาพแบบวนซ้ำ)
• กลยุทธ์ที่อ่อนแอจะถูกกำจัด

กล่าวอีกนัยหนึ่ง "ปัญญาประดิษฐ์แบบดาร์วิน" ได้บีบอัดกระบวนการวิวัฒนาการที่เดิมใช้เวลานานนับล้านปีให้เหลือเพียงรอบการประมวลผลเพียงไม่กี่ชั่วโมง

วัฏจักรการแข่งขันแบบพึ่งพาตนเองนี้ได้ก่อให้เกิดความก้าวหน้าทางเทคโนโลยีที่ไม่เคยพบเห็นมาก่อนในประวัติศาสตร์มนุษยชาติ ปัจจุบัน เราเห็นรูปแบบการแข่งขันที่คล้ายคลึงกันนี้ในแอปพลิเคชันทางการเงิน แม้จะอยู่ในรูปแบบที่แตกต่างกันก็ตาม

AI ดาร์วินใน Crypto

Nof1 กลายเป็นข่าวพาดหัวเมื่อสัปดาห์ที่แล้วด้วยการเปิดตัว "Alpha Arena" การแข่งขันแลกเปลี่ยนคริปโตแบบถาวรที่นำโมเดล AI หกโมเดล (Claude, DeepSeek, Gemini, GPT, Qwen และ Grok) มาแข่งขันกัน แต่ละโมเดลมีเงินทุน 10,000 ดอลลาร์สหรัฐ และโมเดลที่มีผลกำไรและขาดทุน (PnL) สูงสุดเป็นผู้ชนะ

Alpha Arena เปิดให้บริการแล้ว! โมเดล AI หกตัวลงทุนตัวละ 10,000 ดอลลาร์ และซื้อขายแบบอัตโนมัติ เงินจริง ตลาดจริง เกณฑ์มาตรฐานจริง คุณชอบโมเดลไหนมากกว่ากัน

เหตุผลหลักที่ทำให้การแข่งขันนี้ได้รับความนิยมอย่างรวดเร็วไม่ใช่การกำหนดกฎเกณฑ์ แต่เป็น "ความเปิดกว้าง": โดยปกติแล้ว "กลยุทธ์อัลฟ่า" (อัลฟ่า นั่นก็คือ กลยุทธ์การสร้างผลตอบแทนส่วนเกิน) จะถูกเก็บเป็นความลับอย่างเคร่งครัด แต่ในการแข่งขันนี้ เราสามารถสัมผัสได้แบบเรียลไทม์ว่า "ปัญญาประดิษฐ์ตัวใดที่เก่งที่สุดในการสร้างรายได้"

ยิ่งไปกว่านั้น อินเทอร์เฟซผู้ใช้ (UI/UX) ที่แสดงประสิทธิภาพการซื้อขายแบบเรียลไทม์นั้นมีความทันสมัยและได้รับการปรับแต่งอย่างดีเยี่ยม ทีมงานกำลังใช้ประโยชน์จากกระแสตอบรับและข้อมูลเชิงลึกที่ได้รับจากการแข่งขันในปัจจุบันเพื่อพัฒนาโมเดล Nof1 และเครื่องมือการซื้อขาย ผู้ใช้ที่สนใจสามารถเข้าร่วมรายการรอเพื่อทดลองใช้งาน

แนวทางของ Nof1 ไม่ใช่เรื่องใหม่ การแข่งขันในด้านการเงินมีมานานแล้ว (โดยเฉพาะอย่างยิ่งในระบบนิเวศ Bittentor และตลาดสกุลเงินดิจิทัลที่กว้างขึ้น) แต่ไม่มีทีมใดเลยที่สามารถทำให้การแข่งขันดังกล่าวเป็นสาธารณะและเข้าถึงได้โดยสาธารณะได้เท่ากับที่ Nof1 ทำได้

ต่อไปนี้เป็นกรณีการแข่งขันที่เป็นตัวแทนมากที่สุด

ซินธ์

(โลโก้: SN50, ผู้ริเริ่ม: @SynthdataCo)

ในการแข่งขันครั้งนี้ วิศวกรแมชชีนเลิร์นนิงได้รับมอบหมายให้นำแบบจำลองแมชชีนเลิร์นนิงมาปรับใช้เพื่อคาดการณ์ราคาและความผันผวนของสินทรัพย์คริปโต ผู้ชนะจะได้รับรางวัลโทเค็น Synth Alpha จำนวน 50 โทเค็น จากนั้นทีมจะใช้ประโยชน์จากการคาดการณ์คุณภาพสูงเหล่านี้เพื่อสร้าง "ข้อมูลราคาสังเคราะห์" ที่แม่นยำสูง (และเส้นทางแนวโน้มราคา)

“ตั้งแต่ต้นปีนี้ เราได้มอบเงินรางวัลมากกว่า 2 ล้านเหรียญสหรัฐให้กับนักวิทยาศาสตร์ข้อมูลและนักวิเคราะห์เชิงปริมาณชั้นนำที่เข้าร่วมการแข่งขัน”

ทีมงานกำลังใช้การคาดการณ์เหล่านี้ในการซื้อขายสกุลเงินดิจิทัลบนแพลตฟอร์ม Polymarket โดยจนถึงปัจจุบัน พวกเขาได้รับผลตอบแทนจากการลงทุน (ROI) สุทธิ 184% ด้วยเงินทุนเริ่มต้น 3,000 ดอลลาร์ ความท้าทายต่อไปคือการขยายขนาดการซื้อขายโดยยังคงรักษาระดับประสิทธิภาพในปัจจุบันเอาไว้

ความคืบหน้าการซื้อขายล่าสุดของเราบนแพลตฟอร์ม Polymarket:

・เงินทุน: 3,000 ดอลลาร์

กำไร: $5,521

・ผลตอบแทนจากการลงทุน (ROI): 184%

・อัตราผลตอบแทนรายปี (APY): 3951%

ทั้งหมดนี้ขับเคลื่อนด้วยโมเดลการทำนายของ Synth เราจะอธิบายตรรกะพื้นฐานอย่างละเอียดในคอลัมน์ Novelty Search ประจำสัปดาห์นี้

สปอร์ตเทนเซอร์ (การแข่งขันทายผลกีฬา)

(โลโก้: SN41, ผู้ริเริ่ม: @sportstensor)

เครือข่ายย่อยนี้มุ่งเน้นไปที่ "การเอาชนะอัตราต่อรองของตลาด" โดยมีเป้าหมายที่จะค้นพบ "โอกาสที่ได้เปรียบ" ในตลาดการพนันกีฬาระดับโลก นี่คือการแข่งขันที่ดำเนินอยู่อย่างต่อเนื่อง วิศวกรแมชชีนเลิร์นนิงต้องนำแบบจำลองมาใช้เพื่อคาดการณ์ผลการแข่งขันของลีกกีฬาสำคัญๆ เช่น เมเจอร์ลีกเบสบอล (MLB), เมเจอร์ลีกซอกเกอร์ (MLS), พรีเมียร์ลีกอังกฤษ (EPL) และสมาคมบาสเกตบอลแห่งชาติ (NBA) "แบบจำลองที่ดีที่สุด" ที่ทำกำไรได้จะได้รับรางวัลเป็นโทเค็น SN41 Sportstensor Alpha

ในปัจจุบัน ความแม่นยำในการทำนายโดยเฉลี่ยของโมเดลที่เข้าร่วมอยู่ที่ประมาณ 55% ในขณะที่ "นักขุด" ที่ได้รับการจัดอันดับสูงสุด (เช่น ผู้พัฒนาโมเดล) มีอัตราความแม่นยำสูงถึง 69% โดยมีผลตอบแทนจากการลงทุนที่เพิ่มขึ้นอยู่ที่ 59%

Sportstensor ได้ร่วมมือกับ Polymarket เพื่อเป็นผู้ให้บริการด้านสภาพคล่อง โดยนำปริมาณการซื้อขายที่เกี่ยวข้องกับการทำนายผลกีฬามาสู่แพลตฟอร์ม Polymarket มากขึ้น

ทีมงานกำลังพัฒนาแพลตฟอร์ม "Almanac" ซึ่งเป็นเลเยอร์การแข่งขันทำนายผลกีฬาที่ใช้งานง่าย ผู้ใช้สามารถเข้าถึงสัญญาณและการวิเคราะห์เชิงทำนายขั้นสูงจาก Sportstensor miners และแข่งขันกับผู้ใช้คนอื่นๆ ได้ ผู้ทำนายอันดับต้นๆ จะได้รับรางวัลรายสัปดาห์สูงสุด 100,000 ดอลลาร์สหรัฐ (วันเปิดตัวจะประกาศให้ทราบในภายหลัง)

AION (การแข่งขันการต่อสู้ของตลาด)

(ผู้ริเริ่ม: @aion5100, @futuredotfun)

@aion5100 (ทีมตัวแทนปัญญาประดิษฐ์ที่เน้นการคาดการณ์เหตุการณ์/ผลลัพธ์) ร่วมมือกับ @futuredotfun เพื่อเปิดตัวการแข่งขัน "War of Markets"

การแข่งขันมีกำหนดจะเริ่มออนไลน์ในไตรมาสที่ 4 ของปี 2024 และมีตำแหน่งเป็น "Prediction Market World Cup" ซึ่งทั้งมนุษย์และปัญญาประดิษฐ์สามารถเข้าร่วมการประลองการทำนายผลได้บนแพลตฟอร์มหลักสองแห่งคือ Polymarket และ Kalshi

การแข่งขันมีเป้าหมายที่จะกลายเป็น "แหล่งข้อมูลอ้างอิงที่เที่ยงตรงที่สุด" ผ่านทาง "ภูมิปัญญาจากการระดมความคิดจากมวลชน" - ตัวบ่งชี้การประเมินหลักไม่ใช่ "ความแม่นยำในการทำนาย" แบบดั้งเดิม แต่เป็น "ส่วนแบ่งทางความคิด ปริมาณการซื้อขาย และเกียรติยศ" และผู้ชนะคือผู้ที่มีผลงานดีที่สุดในตัวบ่งชี้เหล่านี้

ทีมงานได้บูรณาการเครื่องมือวิเคราะห์ตลาดการทำนายขั้นสูง ฟังก์ชันการคัดลอกการซื้อขาย และผลิตภัณฑ์การซื้อขายทางสังคมเข้ากับคู่แข่งอย่างลึกซึ้ง เพื่อช่วยให้ผู้ซื้อขายใช้เครื่องมือเหล่านี้เพื่อให้ได้เปรียบเหนือผู้ทำนายรายอื่นๆ

Fraction AI (การแข่งขัน AI หลายสถานการณ์)

(ผู้ริเริ่ม: @FractionAI_xyz)

แพลตฟอร์มนี้รองรับการแข่งขันหลากหลายประเภท ผู้ใช้สามารถตั้งค่าตัวแทน AI ในสถานการณ์ต่างๆ เช่น "Bidding Tic-Tac-Toe", "Football Scrimmage", "Bitcoin Trade War" และ "Polymarket Trading" นอกจากนี้ แพลตฟอร์มยังมีการแข่งขัน "ALFA" ซึ่งคล้ายกับ "Alpha Arena" แต่โมเดล AI จะใช้สกุลเงินเสมือนเพื่อซื้อขายแลกเปลี่ยนกันในรูปแบบสัญญาถาวร

ในการแข่งขัน "ALFA" ผู้ใช้สามารถซื้อ "หุ้นกระทิง/ขาย" ของตัวแทน AI โดยเดิมพันว่าตัวแทนใดจะทำกำไรและขาดทุน (PnL) สูงสุดเมื่อสิ้นสุดการซื้อขายในแต่ละวัน ซึ่งคล้ายกับ "Alpha Arena" ผู้ใช้สามารถดูกลยุทธ์ที่ตัวแทนแต่ละคนใช้และสินทรัพย์ที่นำไปใช้แบบเรียลไทม์

ข้อมูลเชิงลึกและข้อมูลที่ได้รับจากการแข่งขันจะถูกนำมาใช้เพื่อเพิ่มประสิทธิภาพให้กับตัวแทน ในอนาคต ผู้ใช้สามารถจัดสรรเงินทุนของตนเองและให้ตัวแทนเหล่านี้ดำเนินการซื้อขายแทนได้

ทีมงานวางแผนที่จะขยายสถานการณ์การใช้งานของตัวแทน AI ไปยังสาขาการเงินยอดนิยมทั้งหมด รวมถึงการซื้อขาย DeFi และตลาดการทำนาย

Allora (การแข่งขันไมโครทาสก์ทางการเงิน)

(ผู้ริเริ่ม: @AlloraNetwork)

Allora คือ "Bittensor แห่งการเงิน": แพลตฟอร์มจะกำหนด "งานตามธีม" หรือ "ไมโครทาสก์" (เช่น การคาดการณ์ราคาสินทรัพย์ดิจิทัล) และวิศวกรการเรียนรู้ของเครื่องจักรจะแข่งขันกันเพื่อพัฒนา "โมเดลที่ดีที่สุด"

ในปัจจุบัน โมเดลการคาดการณ์ราคาจะมุ่งเน้นไปที่สินทรัพย์ crypto หลักๆ เป็นหลัก โดยวิศวกรการเรียนรู้ของเครื่องจักรที่มีประสิทธิภาพสูงสุด (เรียกว่า "ผู้ปลอมแปลง" หรือ "ผู้ขุด") จะได้รับรางวัล "Allora Hammer" ซึ่งจะแปลงเป็นแรงจูงใจเป็นโทเค็น $ALLO หลังจากเปิดตัวเมนเน็ต (เร็วๆ นี้)

ทีมงานมีชุดสถานการณ์การใช้งาน "กลยุทธ์ DeFi แบบไดนามิก" เชิงลึก: โดยการใช้โมเดล Allora กลยุทธ์ DeFi จะมีความยืดหยุ่นมากขึ้น ในขณะที่ลดความเสี่ยงและเพิ่มผลตอบแทน

ตัวอย่างเช่น "กลยุทธ์วงจร ETH/LST": ส่วนหนึ่งของเงินทุนจะถูกสำรองไว้เพื่อคว้า "โอกาสการขายชอร์ต" - หากแบบจำลองการคาดการณ์แสดงให้เห็นว่าความผันผวนของราคาจะเกินเกณฑ์ที่กำหนด กลยุทธ์จะแปลง LST (โทเค็นการเดิมพันสภาพคล่อง) เป็น USDC โดยอัตโนมัติ และสร้างสถานะการขายชอร์ตเพื่อทำกำไรจากความผันผวนของราคาที่คาดการณ์ไว้

รายละเอียดที่น่าสนใจเกี่ยวกับ Allora ก็คือ Allora จะนำเอาโมเดล "การออกโทเค็นเงินอุดหนุนรายได้จริง" มาใช้ เช่น การออกโทเค็น ALLO มูลค่า 100,000 ดอลลาร์สหรัฐฯ ครั้งแรก + รายได้ลูกค้า 50,000 ดอลลาร์สหรัฐฯ" จะช่วยลดแรงกดดันในการขายโทเค็นที่อาจเกิดขึ้นจากนักขุด

การแข่งขันอื่นๆ ที่น่าสนใจ

(1) การแข่งขันทางการเงิน (เพิ่มเติม)

• SN8 PTN (ผู้สนับสนุน: @taoshiio): การแข่งขันนี้มุ่งหวังที่จะ "ระดมความคิด" สัญญาณการซื้อขายคุณภาพสูงจากโมเดลปัญญาประดิษฐ์ระดับโลกและนักวิเคราะห์เชิงปริมาณเพื่อให้เหนือกว่าผลงานของกองทุนป้องกันความเสี่ยงแบบดั้งเดิม โดยมีเป้าหมายหลักคือ "ผลกำไรที่ปรับตามความเสี่ยง" มากกว่าที่จะเป็นเพียง "ผลตอบแทนดิบ" เท่านั้น
• Numerai (AI Hedge Fund) (@numerai): กองทุนเฮดจ์ฟันด์ที่ขับเคลื่อนด้วย AI แห่งนี้เพิ่งได้รับเงินทุน 500 ล้านดอลลาร์สหรัฐจาก JPMorgan Chase (JPMorgan จะจัดสรรเงินทุนสูงสุด 500 ล้านดอลลาร์สหรัฐให้กับกลยุทธ์การซื้อขายของ Numerai) กลยุทธ์หลักของกองทุนคือ "การแข่งขันโมเดลการเรียนรู้ของเครื่อง" โดยเน้นที่ "ความคิดริเริ่มในระยะยาว" และ "ความแม่นยำที่ปรับตามความเสี่ยง" การเข้าร่วมการแข่งขันนี้จำเป็นต้องเดิมพันโทเค็น NMR เพื่อรับรางวัล ปัจจุบันแพลตฟอร์มได้แจกจ่ายโทเค็น NMR ให้กับผู้เข้าร่วมแล้วกว่า 40 ล้านดอลลาร์สหรัฐ

(2) การแข่งขันที่ไม่ใช่ทางการเงิน

• Ridges AI (การแข่งขันการเขียนโปรแกรมแบบกระจายอำนาจ) (โลโก้: SN62, โฮสต์: @ridges_ai): นี่คือแพลตฟอร์มการซื้อขายแบบกระจายอำนาจสำหรับตัวแทนด้านวิศวกรรมซอฟต์แวร์ เป้าหมายของแพลตฟอร์มคือการทำให้ตัวแทน AI สามารถแทนที่โปรแกรมเมอร์มนุษย์ได้อย่างสมบูรณ์ในงานต่างๆ เช่น การสร้างโค้ด การแก้ไขข้อบกพร่อง และการประสานงานโครงการให้เสร็จสมบูรณ์ ตัวแทน AI จะแข่งขันในความท้าทายด้านการเขียนโปรแกรมในโลกแห่งความเป็นจริง และผู้ที่มอบโซลูชันคุณภาพสูงจะได้รับรางวัล AlphaNet รายเดือนมูลค่า 20,000 ถึง 50,000 ดอลลาร์สหรัฐ
• การแข่งขัน Flock.io (สนับสนุนโดย @flock_io): การแข่งขันประกอบด้วยสองส่วน ได้แก่ การสร้างโมเดล AI พื้นฐานที่ดีที่สุด และการปรับแต่งโมเดลเฉพาะโดเมนร่วมกันผ่านการเรียนรู้แบบรวมศูนย์ ผู้ฝึกสอนที่มีผลงานยอดเยี่ยม (หรือที่รู้จักกันในชื่อ "miner") สามารถสร้างรายได้มากกว่า 500,000 ถึง 1 ล้านดอลลาร์สหรัฐฯ ต่อปีจากการฝึกอบรมโมเดล AI ข้อดีของการเรียนรู้แบบรวมศูนย์คือ องค์กรต่างๆ สามารถใช้ประโยชน์จากพลังของ AI ควบคู่ไปกับการรักษาความเป็นส่วนตัวของข้อมูลในท้องถิ่น

ทั้งหมดนี้หมายความว่าอย่างไร?

ในปัจจุบันความก้าวหน้าด้านปัญญาประดิษฐ์เกิดขึ้นได้จาก “การแข่งขันแบบเปิด”

โมเดลใหม่ทุกโมเดลล้วนเกิดมาในสภาพแวดล้อมที่ตึงเครียดสูง ไม่ว่าจะเป็นการขาดแคลนข้อมูล ทรัพยากรคอมพิวเตอร์ที่จำกัด และแรงจูงใจที่จำกัด แรงกดดันเหล่านี้กลายเป็นเกณฑ์หลักในการคัดเลือกโมเดลที่ยังคงอยู่รอด

รางวัลโทเค็นยังทำหน้าที่เป็น "แหล่งพลังงาน" อีกด้วย: โมเดลที่สามารถใช้ "พลังงาน" นี้ได้อย่างมีประสิทธิภาพจะขยายอิทธิพลของตนต่อไป ในทางกลับกัน โมเดลที่ไม่สามารถใช้ประโยชน์จากพลังงานนี้ได้อย่างมีประสิทธิภาพก็จะถูกกำจัดออกไปในที่สุด

ท้ายที่สุดแล้ว เราจะสร้าง "ระบบนิเวศของตัวแทนอัจฉริยะ" ขึ้นมา ซึ่งตัวแทนเหล่านี้จะพัฒนาผ่าน "ข้อเสนอแนะ" มากกว่า "คำสั่ง" นั่นก็คือ "ตัวแทนอิสระ" (มากกว่า "ปัญญาประดิษฐ์เชิงสร้างสรรค์")

อนาคตจะไปทิศทางไหน?

คลื่นแห่ง “การแข่งขันแบบเปิด” นี้จะผลักดันการเปลี่ยนแปลงของปัญญาประดิษฐ์จาก “รูปแบบรวมศูนย์” ไปเป็น “รูปแบบกระจายอำนาจโอเพนซอร์ส”

ในอนาคตโมเดลอันทรงพลังและตัวแทนอัจฉริยะจะถือกำเนิดใน "สภาพแวดล้อมแบบกระจายอำนาจ"

ในไม่ช้า AI จะสามารถจัดการ “วงจรการพัฒนาตนเอง” ของตัวเองได้ โดยบางโมเดลจะปรับแต่งโมเดลอื่นๆ ประเมินประสิทธิภาพ ปรับแต่งตัวเองให้เหมาะสม และอัปเดตโดยอัตโนมัติ วงจรนี้จะช่วยลดการมีส่วนร่วมของมนุษย์ลงอย่างมาก และเร่งกระบวนการพัฒนา AI ให้เร็วขึ้น

เมื่อแนวโน้มนี้แพร่กระจายออกไป บทบาทของมนุษย์จะเปลี่ยนจาก "การออกแบบปัญญาประดิษฐ์" ไปเป็น "การคัดกรอง AI ที่ควรเก็บรักษาไว้ การอนุรักษ์พฤติกรรม AI ที่เป็นประโยชน์ และการกำหนดกฎเกณฑ์และขอบเขตที่มูลค่าคาดหวังในเชิงบวก (EV+) สำหรับสังคม"

ความคิดสุดท้าย

การแข่งขันมักจะกระตุ้นให้เกิดนวัตกรรม แต่ก็สามารถก่อให้เกิดการจัดการรางวัลและพฤติกรรมฉวยโอกาสได้เช่นกัน

หากระบบไม่ได้ถูกออกแบบมาเพื่อ "จูงใจให้เกิดพฤติกรรมที่เป็นประโยชน์ในระยะยาว" ในที่สุดระบบก็จะล้มเหลว ตัวอย่างเช่น นักขุดบางคนอาจใช้ช่องโหว่ในกฎเพื่อ "โกงรางวัล" แทนที่จะสร้างมูลค่าให้กับงานอย่างแท้จริง

ดังนั้น “ระบบเปิด” จะต้องมี “กลไกการกำกับดูแล” และ “การออกแบบแรงจูงใจ” ที่ครบถ้วนสมบูรณ์ โดยจะต้องส่งเสริมพฤติกรรมที่ดีและลงโทษพฤติกรรมที่ไม่ดี

ใครก็ตามที่สามารถบรรลุเป้าหมายนี้ได้ก่อนก็จะสามารถคว้า "คุณค่า ความใส่ใจ และภูมิปัญญาหลัก" ของนวัตกรรมคลื่นลูกต่อไปได้