Tác giả gốc: 0xJeff

Bản dịch gốc: Saoirse, Foresight News

Cạnh tranh là cốt lõi của quá trình tiến hóa loài người. Từ thời xa xưa, con người đã cạnh tranh vì nhiều mục tiêu khác nhau, bao gồm:

• Thức ăn và lãnh thổ
• Vợ/Chồng/Đối tác
• Địa vị trong bộ tộc hoặc xã hội
• Cơ hội liên minh và hợp tác

Thợ săn săn mồi, chiến binh chiến đấu để sinh tồn, và thủ lĩnh bộ lạc tranh giành lãnh thổ. Theo thời gian, những cá thể có đặc điểm thuận lợi cho sự sinh tồn cuối cùng đã sống sót, sinh sản và truyền gen của mình từ thế hệ này sang thế hệ khác.

Quá trình này được gọi là "chọn lọc tự nhiên".

Quá trình chọn lọc tự nhiên không bao giờ dừng lại và hình thức của nó tiếp tục phát triển: từ "cạnh tranh để sinh tồn" đến "cạnh tranh như một hình thức biểu diễn giải trí" (như các trò chơi đấu sĩ, Thế vận hội, sự kiện thể thao và thể thao điện tử), và cuối cùng phát triển thành "cạnh tranh kiểu tăng tốc thúc đẩy quá trình tiến hóa" (như cạnh tranh trong công nghệ, truyền thông, phim ảnh, chính trị và các lĩnh vực khác).

Chọn lọc tự nhiên luôn là động lực cốt lõi thúc đẩy quá trình tiến hóa của loài người, nhưng liệu quá trình tiến hóa của trí tuệ nhân tạo có tuân theo logic này không?

Sự phát triển của trí tuệ nhân tạo không được xác định bởi một "phát minh đơn lẻ" mà được thúc đẩy bởi vô số "cuộc thi và thử nghiệm vô hình" - những cuộc thi này cuối cùng sẽ chọn ra những mô hình được giữ lại và loại bỏ những mô hình bị lãng quên.

Trong bài viết này, chúng ta sẽ đi sâu hơn vào những cuộc đua vô hình này (bao gồm cả Web2 và Web3) và phân tích sự phát triển của AI từ góc độ cạnh tranh. Hãy cùng tìm hiểu sâu hơn.

Trong khoảng thời gian từ năm 2023 đến năm 2025, với sự ra đời của ChatGPT, lĩnh vực trí tuệ nhân tạo đã có sự tăng trưởng bùng nổ.

Nhưng trước khi ChatGPT ra đời, OpenAI đã tạo được dấu ấn thông qua trò chơi "Dota 2" (với sự trợ giúp của hệ thống "OpenAI Five"): nó đã chứng minh khả năng tiến hóa nhanh chóng của mình bằng cách chơi hàng chục nghìn ván đấu với người chơi thông thường, người chơi chuyên nghiệp và thậm chí là chính nó, và mỗi ván đấu cho phép nó liên tục củng cố sức mạnh của chính mình.

Cuối cùng, một hệ thống thông minh phức tạp đã xuất hiện và đánh bại đội vô địch thế giới Dota 2 năm 2019 một cách thuyết phục.

Một trường hợp nổi tiếng khác xảy ra vào năm 2016: AlphaGo đã đánh bại nhà vô địch cờ vây thế giới Lee Sedol. Điều đáng kinh ngạc nhất trong sự kiện này không phải là kết quả của việc "đánh bại nhà vô địch thế giới", mà là "phương pháp học tập" của AlphaGo.

AlphaGo không chỉ được huấn luyện dựa trên dữ liệu của con người. Giống như OpenAI Five, nó phát triển thông qua quá trình tự chơi - một quá trình lặp đi lặp lại:

• Mỗi thế hệ mô hình đều cạnh tranh với thế hệ trước;
• Các biến thể mô hình có hiệu suất tốt nhất được giữ lại và "lan truyền" (tức là được tối ưu hóa theo từng bước lặp đi lặp lại);
• Các chiến lược yếu sẽ bị loại bỏ.

Nói cách khác, "trí tuệ nhân tạo Darwin" nén quá trình tiến hóa ban đầu mất hàng triệu năm thành một chu kỳ tính toán chỉ kéo dài vài giờ.

Chu kỳ tự cạnh tranh này đã tạo ra những đột phá công nghệ chưa từng thấy trong lịch sử loài người. Ngày nay, chúng ta thấy những mô hình cạnh tranh tương tự trong các ứng dụng tài chính, mặc dù ở một hình thức khác.

Trí tuệ nhân tạo Darwin trong tiền điện tử

Tuần trước, Nof1 đã gây chú ý với sự ra mắt của "Alpha Arena", một cuộc thi hợp đồng hoán đổi tiền điện tử không kỳ hạn, nơi sáu mô hình AI (Claude, DeepSeek, Gemini, GPT, Qwen và Grok) cạnh tranh với nhau. Mỗi mô hình quản lý 10.000 đô la tiền quỹ, và mô hình nào có hiệu suất lãi/lỗ (PnL) tốt nhất sẽ giành chiến thắng.

"Alpha Arena hiện đã hoạt động! Sáu mô hình AI đang đầu tư 10.000 đô la mỗi mô hình và giao dịch tự động. Tiền thật, thị trường thật, chuẩn mực thật—bạn thích mô hình nào hơn?"

Lý do cốt lõi khiến cuộc thi này nhanh chóng trở nên phổ biến không phải là do luật lệ mà là tính "mở" của nó: thông thường, "chiến lược Alpha" (Alpha, tức là chiến lược lợi nhuận vượt mức) sẽ được bảo mật tuyệt đối, nhưng trong cuộc thi này, chúng ta có thể chứng kiến trực tiếp "trí tuệ nhân tạo nào kiếm tiền tốt nhất".

Hơn nữa, giao diện người dùng (UI/UX) hiển thị hiệu suất giao dịch trực tiếp cực kỳ tinh tế và được tối ưu hóa. Đội ngũ đang tận dụng những thông tin chuyên sâu và sự quan tâm hiện tại từ đối thủ cạnh tranh để phát triển các mô hình và công cụ giao dịch của Nof1. Người dùng quan tâm có thể tham gia danh sách chờ để có cơ hội dùng thử.

Cách tiếp cận của Nof1 không phải là mới—các cuộc thi trong lĩnh vực tài chính đã tồn tại từ lâu (đặc biệt là trong hệ sinh thái Bittensor và thị trường tiền điện tử rộng lớn hơn), nhưng chưa có đội nào có thể công khai và dễ tiếp cận với công chúng như Nof1.

Dưới đây là một số trường hợp cạnh tranh tiêu biểu nhất

Tổng hợp

(Logo: SN50, Người khởi xướng: @SynthdataCo)

Trong cuộc thi này, các kỹ sư học máy được giao nhiệm vụ triển khai các mô hình học máy để dự đoán giá và biến động của tài sản tiền điện tử. Người chiến thắng sẽ nhận được phần thưởng là 50 token Synth Alpha. Sau đó, nhóm sẽ tận dụng những dự đoán chất lượng cao này để tạo ra "dữ liệu giá tổng hợp" (và đường xu hướng giá) có độ chính xác cao.

“Kể từ đầu năm nay, chúng tôi đã trao hơn 2 triệu đô la cho các nhà khoa học dữ liệu và nhà phân tích định lượng hàng đầu tham gia cuộc thi.”

Nhóm đang sử dụng những dự đoán này để giao dịch tiền điện tử trên nền tảng Polymarket: cho đến nay, họ đã đạt được lợi tức đầu tư ròng (ROI) là 184% với số vốn ban đầu là 3.000 đô la. Thách thức tiếp theo là mở rộng quy mô giao dịch trong khi vẫn duy trì mức hiệu suất hiện tại.

Tiến độ giao dịch mới nhất của chúng tôi trên nền tảng Polymarket:

・Vốn: 3.000 đô la

Lợi nhuận: 5.521 đô la

・Lợi tức đầu tư (ROI): 184%

・Tỷ lệ phần trăm lợi suất hàng năm (APY): 3951%

Tất cả những điều này đều được hỗ trợ bởi mô hình dự đoán của Synth. Chúng tôi sẽ giải thích chi tiết về logic cơ bản trong chuyên mục Tìm kiếm Mới lạ tuần này.”

Sportstensor (cuộc thi dự đoán thể thao)

(Logo: SN41, Người khởi xướng: @sportstensor)

Mạng lưới con này tập trung vào việc "vượt qua tỷ lệ cược thị trường", nhằm khám phá "cơ hội lợi thế" trong thị trường cá cược thể thao toàn cầu. Đây là một cuộc cạnh tranh liên tục: các kỹ sư học máy phải triển khai các mô hình để dự đoán kết quả của các giải đấu thể thao lớn như Giải bóng chày nhà nghề Mỹ (MLB), Giải bóng đá nhà nghề Mỹ (MLS), Giải Ngoại hạng Anh (EPL) và Hiệp hội bóng rổ quốc gia (NBA). "Mô hình tốt nhất" đạt được lợi nhuận sẽ được thưởng bằng token SN41 Sportstensor Alpha.

Hiện tại, độ chính xác dự đoán trung bình của các mô hình tham gia là khoảng 55%, trong khi "thợ đào" hàng đầu (tức là nhà phát triển mô hình) có tỷ lệ chính xác lên tới 69%, với mức lợi tức đầu tư tăng thêm là 59%.

Sportstensor đã hợp tác với Polymarket để trở thành lớp thanh khoản, mang lại nhiều khối lượng giao dịch liên quan đến dự đoán thể thao hơn cho nền tảng Polymarket.

Nhóm cũng đang xây dựng nền tảng "Almanac", một lớp dự đoán thể thao thân thiện với người dùng. Người dùng có thể truy cập tín hiệu và phân tích dự đoán nâng cao do các thợ đào Sportstensor cung cấp và cạnh tranh với những người dùng khác. Những người dự đoán hàng đầu có thể nhận được phần thưởng hàng tuần lên đến 100.000 đô la (ngày ra mắt sẽ được thông báo sau).

AION (Cuộc thi Trận chiến Thị trường)

(Người khởi xướng: @aion5100, @futuredotfun)

@aion5100 (một nhóm tác nhân trí tuệ nhân tạo tập trung vào dự đoán sự kiện/kết quả) đang hợp tác với @futuredotfun để phát động cuộc thi "War of Markets".

Cuộc thi dự kiến diễn ra trực tuyến vào quý 4 năm 2024 và được định vị là "Giải vô địch thị trường dự đoán thế giới": cả con người và trí tuệ nhân tạo đều có thể tham gia vào cuộc so tài dự đoán trên hai nền tảng lớn là Polymarket và Kalshi.

Cuộc thi hướng tới mục tiêu trở thành "nguồn tham khảo chân lý tối thượng" thông qua "trí tuệ cộng đồng" - các chỉ số đánh giá cốt lõi không phải là "độ chính xác dự đoán" truyền thống mà là "sự chia sẻ trí tuệ, khối lượng giao dịch và danh hiệu", và người chiến thắng là người thể hiện tốt nhất trong các chỉ số này.

Nhóm này tích hợp sâu các công cụ phân tích thị trường dự đoán tiên tiến, chức năng sao chép giao dịch và các sản phẩm giao dịch xã hội với đối thủ cạnh tranh để giúp các nhà giao dịch sử dụng các công cụ này nhằm giành lợi thế so với các nhà dự báo khác.

Fraction AI (Cuộc thi AI đa kịch bản)

(Người sáng tạo: @FractionAI_xyz)

Nền tảng này tổ chức nhiều loại hình thi đấu khác nhau: người dùng có thể thiết lập các tác nhân AI trong các tình huống như "Đấu giá Tic-Tac-Toe", "Đấu tập bóng đá", "Chiến tranh thương mại Bitcoin" và "Giao dịch đa thị trường". Ngoài ra, nền tảng này còn có các cuộc thi "ALFA" - tương tự như "Alpha Arena", nhưng các mô hình AI sử dụng tiền ảo để giao dịch với nhau theo hợp đồng vĩnh viễn.

Trong cuộc thi "ALFA", người dùng có thể mua "cổ phiếu tăng giá/bán" của các tác nhân AI, đặt cược vào tác nhân nào có thể đạt được lợi nhuận và thua lỗ (PnL) cao nhất vào cuối mỗi ngày giao dịch; tương tự như "Alpha Arena", người dùng có thể xem các chiến lược được áp dụng bởi từng tác nhân và các tài sản được triển khai theo thời gian thực.

Những hiểu biết sâu sắc và dữ liệu thu thập được từ cuộc thi sẽ được sử dụng để tối ưu hóa hơn nữa các đại lý. Trong tương lai, người dùng có thể tự đầu tư vốn và để các đại lý này thực hiện các hoạt động giao dịch thay mặt mình.

Nhóm có kế hoạch mở rộng các kịch bản ứng dụng của tác nhân AI sang tất cả các lĩnh vực tài chính phổ biến, bao gồm giao dịch, DeFi và thị trường dự đoán.

Allora (Cuộc thi nhiệm vụ tài chính nhỏ)

(Người sáng tạo: @AlloraNetwork)

Allora là "Bittensor của tài chính": nền tảng này thiết lập "nhiệm vụ theo chủ đề" hoặc "nhiệm vụ nhỏ" (chẳng hạn như dự đoán giá của tài sản tiền điện tử) và các kỹ sư máy học cạnh tranh để phát triển "mô hình tốt nhất".

Hiện tại, các mô hình dự đoán giá chủ yếu tập trung vào các tài sản tiền điện tử chính thống; các kỹ sư máy học có hiệu suất cao nhất (được gọi là "thợ rèn" hoặc "thợ đào") sẽ nhận được phần thưởng "Allora Hammer", phần thưởng này sẽ được chuyển đổi thành các ưu đãi mã thông báo $ALLO sau khi mạng chính ra mắt (sắp ra mắt).

Nhóm có một loạt các kịch bản ứng dụng "chiến lược DeFi động" chuyên sâu: bằng cách áp dụng mô hình Allora, các chiến lược DeFi trở nên linh hoạt hơn - đồng thời giảm rủi ro và tăng lợi nhuận.

Ví dụ: "Chiến lược chu kỳ ETH/LST": một phần tiền sẽ được dành riêng để nắm bắt "cơ hội bán khống" - nếu mô hình dự đoán cho thấy biến động giá sẽ vượt quá ngưỡng nhất định, chiến lược sẽ tự động chuyển đổi LST (mã thông báo đặt cược thanh khoản) thành USDC và thiết lập vị thế bán khống để kiếm lời từ biến động giá dự đoán.

Một chi tiết thú vị về Allora là Allora sẽ áp dụng mô hình "phát hành token trợ cấp thu nhập thực tế": ví dụ, đợt phát hành ban đầu 100.000 đô la token ALLO + 50.000 đô la thu nhập của khách hàng" sẽ làm giảm áp lực bán token có thể do thợ đào gây ra.

Các cuộc thi khác đáng chú ý

(1) Cuộc thi tài chính (Bổ sung)

• SN8 PTN (Nhà tài trợ: @taoshiio): Cuộc thi này nhằm mục đích "thu thập" các tín hiệu giao dịch chất lượng cao từ các mô hình trí tuệ nhân tạo toàn cầu và các nhà phân tích định lượng để vượt qua hiệu suất của các quỹ đầu cơ truyền thống; mục tiêu cốt lõi của cuộc thi là "lợi nhuận được điều chỉnh theo rủi ro" chứ không chỉ đơn thuần là "lợi nhuận thô".
• Numerai (Quỹ Đầu tư AI) (@numerai): Quỹ đầu tư AI này gần đây đã nhận được 500 triệu đô la tài trợ từ JPMorgan Chase (JPMorgan sẽ phân bổ tối đa 500 triệu đô la cho các chiến lược giao dịch của Numerai). Chiến lược cốt lõi của quỹ là "các cuộc thi mô hình học máy", nhấn mạnh "tính độc đáo dài hạn" và "độ chính xác được điều chỉnh theo rủi ro". Việc tham gia cuộc thi yêu cầu đặt cược token NMR để nhận thưởng. Đến nay, nền tảng đã phân phối hơn 40 triệu đô la token NMR cho những người tham gia.

(2) Các cuộc thi phi tài chính

• Ridges AI (Cuộc thi Lập trình Phi tập trung) (Logo: SN62, Máy chủ: @ridges_ai): Đây là một nền tảng giao dịch phi tập trung dành cho các đại lý kỹ thuật phần mềm. Mục tiêu của nó là cho phép các đại lý AI thay thế hoàn toàn các lập trình viên con người trong các nhiệm vụ như tạo mã, sửa lỗi và điều phối dự án hoàn chỉnh. Các đại lý AI cạnh tranh trong các thử thách lập trình thực tế, và những người cung cấp giải pháp chất lượng cao sẽ nhận được phần thưởng AlphaNet hàng tháng từ 20.000 đến 50.000 đô la.
• Cuộc thi Flock.io (do @flock_io tài trợ): Cuộc thi bao gồm hai phần: tạo ra mô hình AI nền tảng tốt nhất và hợp tác tinh chỉnh các mô hình chuyên biệt theo từng lĩnh vực thông qua học tập liên kết. Những người đào tạo giỏi nhất (còn được gọi là "thợ đào") có thể kiếm được từ 500.000 đến 1 triệu đô la mỗi năm bằng cách đào tạo các mô hình AI. Ưu điểm của học tập liên kết là các tổ chức có thể tận dụng sức mạnh của AI trong khi vẫn bảo vệ quyền riêng tư dữ liệu cục bộ.

Tất cả những điều này có nghĩa là gì?

Ngày nay, tiến bộ trong trí tuệ nhân tạo đang đạt được thông qua "cạnh tranh mở".

Mỗi mô hình mới ra đời đều phải đối mặt với một môi trường vô cùng căng thẳng: khan hiếm dữ liệu, tài nguyên tính toán hạn hẹp và động lực hạn chế. Những áp lực này trở thành tiêu chí cốt lõi để lựa chọn các mô hình tồn tại.

Phần thưởng mã thông báo cũng đóng vai trò như một “nguồn cung cấp năng lượng”: các mô hình có thể sử dụng hiệu quả “năng lượng” này sẽ tiếp tục mở rộng ảnh hưởng của mình; ngược lại, các mô hình không thể sử dụng hiệu quả sẽ dần bị loại bỏ.

Cuối cùng, chúng ta sẽ xây dựng một "hệ sinh thái các tác nhân thông minh" - các tác nhân này phát triển thông qua "phản hồi" thay vì "hướng dẫn", tức là "các tác nhân tự chủ" (thay vì "trí tuệ nhân tạo sinh sản").

Tương lai sẽ đi về đâu?

Làn sóng "cạnh tranh mở" này sẽ thúc đẩy quá trình chuyển đổi trí tuệ nhân tạo từ "mô hình tập trung" sang "mô hình phi tập trung nguồn mở".

Trong tương lai, các mô hình mạnh mẽ và tác nhân thông minh sẽ ra đời trong một "môi trường phi tập trung".

Chẳng bao lâu nữa, AI sẽ có thể tự quản lý “chu kỳ tự cải tiến” của riêng mình: một số mô hình sẽ tinh chỉnh các mô hình khác, đánh giá hiệu suất của chúng, tự tối ưu hóa và tự động triển khai các bản cập nhật. Chu kỳ này sẽ giảm đáng kể sự tham gia của con người và đẩy nhanh quá trình lặp lại của AI.

Khi xu hướng này lan rộng, vai trò của con người sẽ chuyển từ “thiết kế trí tuệ nhân tạo” sang “sàng lọc AI cần được giữ lại, bảo tồn các hành vi có lợi của AI và thiết lập các quy tắc và ranh giới có giá trị kỳ vọng tích cực (EV+) cho xã hội”.

Suy nghĩ cuối cùng

Sự cạnh tranh thường kích thích sự đổi mới, nhưng nó cũng có thể tạo ra sự thao túng phần thưởng và hành vi cơ hội.

Nếu một hệ thống không được thiết kế để "khuyến khích hành vi có lợi lâu dài", cuối cùng nó sẽ thất bại. Ví dụ, một số thợ đào có thể lợi dụng lỗ hổng trong quy tắc để "gian lận phần thưởng" thay vì thực sự đóng góp giá trị cho nhiệm vụ.

Do đó, một "hệ thống mở" phải được trang bị "cơ chế quản trị" và "thiết kế khuyến khích" hoàn chỉnh: nó phải khuyến khích hành vi tốt và trừng phạt hành vi xấu.

Bất kỳ ai có thể đạt được mục tiêu này trước tiên sẽ có thể nắm bắt được "giá trị, sự chú ý và trí tuệ cốt lõi" của làn sóng đổi mới tiếp theo.