AIのダーウィンの瞬間：モデルが生存のために戦い始めるとき

原文标题：ダーウィン的AI---AIハンガーゲーム

原文作者：0xJeff，AI投資家

原文编译：Saoirse，Foresight News

競争は人類進化の核心であり続けています。古代から人々は絶えず競争しており、競争の目標には以下が含まれます：

· 食物と領土

· 配偶者 / パートナー

· 部族や社会における地位

· 同盟と協力の機会

狩人は獲物を追い、戦士は生存のために戦い、部族の首長は領土を争います。時が経つにつれ、生存に有利な優れた特性を持つ個体が最終的に生き残り、繁殖し、自身の遺伝子を代々伝えていきます。

このプロセスは「自然選択」と呼ばれています。

自然選択のプロセスは決して止まることはなく、その形態は常に進化しています：最初は「生存のための競争」から始まり、次第に「娯楽としての競争」（剣闘士の競技、オリンピック、スポーツイベント、eスポーツなど）に発展し、最終的には「進化を促進する加速器としての競争」（テクノロジー、メディア、映画、政治などの分野での競争）に進化しました。

自然選択は人類進化の核心的な推進力であり続けていますが、人工知能の進化もこの論理に従っているのでしょうか？

人工知能の発展の歴史は、特定の「単一の発明」によって決定されるのではなく、無数の「無形の競争と実験」によって推進されています------これらの競争は最終的に存続するモデルを選別し、忘れ去られるモデルを淘汰しました。

この記事では、これらの無形の競争（Web2とWeb3の分野を含む）を深く掘り下げ、「競争」の視点から人工知能の進化の脈絡を分析します。共に深く探求していきましょう。

2023年から2025年の間に、ChatGPTの登場により、人工知能の分野は爆発的な成長を迎えました。

しかし、ChatGPTが誕生する前から、OpenAIは「Dota 2」ゲーム（「OpenAI Five」システムを利用）を通じて頭角を現していました：それは一般のプレイヤーやプロ選手、自身との数万回の対戦を通じて、急速に進化する能力を示し、毎回の対戦で自身の実力を向上させました。

最終的に、複雑な知能システムが誕生し、2019年には「Dota 2」世界チャンピオンチームを完全に打ち負かしました。

もう一つの広く知られた事例は2016年に発生しました：AlphaGoが世界囲碁チャンピオンの李世石を打ち負かしました。この出来事で最も驚くべき点は「世界チャンピオンを打ち負かした」という結果ではなく、AlphaGoの「学習方法」です。

AlphaGoの訓練は人間のデータにのみ依存しているわけではありません。OpenAI Fiveと同様に、自己対局を通じて進化を実現しました------これは循環的なプロセスです：

· 各世代のモデルは前の世代のモデルと競争します；

· 最も強いモデルの変種が存続し、「繁殖」（つまり最適化と反復）します；

· 弱い戦略は淘汰されます。

つまり、「ダーウィン式人工知能」は本来数百万年かかる進化プロセスを数時間の計算周期に圧縮しました。

この「自己競争の循環」は、人類がこれまで見たことのない技術的突破を生み出しました。現在、金融分野の応用シーンでも、似たような競争モデルが見られますが、形態は異なります。

暗号分野におけるダーウィン式AI

Nof1は先週「アルファアリーナ」（Alpha Arena）を発表し、話題となりました。これは6つの人工知能モデル（Claude、DeepSeek、Gemini、GPT、Qwen、Grok）が参加する「暗号永続契約の生死対決」です：各モデルはそれぞれ1万ドルの資金を管理し、最終的に利益と損失（PnL）のパフォーマンスが最も良い者が勝者となります。

「アルファアリーナが正式に開始されました！6つの人工知能モデルがそれぞれ1万ドルを投入し、自主的に取引を行います。実際の資金、実際の市場、実際の基準------あなたはどのモデルに最も期待していますか？」

この競争は急速に人気を博しましたが、その核心的な理由はルール設定ではなく「オープン性」にあります：通常、「アルファ戦略」（Alpha、つまり超過利益戦略）は厳密に秘密にされますが、この競争では「どの人工知能が最もお金を稼ぐのが得意か」をリアルタイムで目撃できます。

さらに、リアルタイムの取引パフォーマンスを示すユーザーインターフェース（UI/UX）デザインは非常にスムーズで最適化されています。このチームは現在の熱気と競争から得た洞察と経験を活用して、Nof1モデルと取引ツールを開発しています；現在、このツールに興味のあるユーザーは待機リストに参加し、試用の機会を待っています。

Nof1のアプローチは初めてではありません------金融分野の競争はすでに存在しています（特にBittensorエコシステムやより広範な暗号通貨市場において）が、これまでのところ、Nof1のようにこの種の競争を公開し、大衆化したチームはありません。

代表的な競争事例

Synth（合成器競争）

（識別子：SN50、発起者：@SynthdataCo）

この競争では、機械学習エンジニアが機械学習モデルを展開し、暗号資産の価格とボラティリティを予測します。勝者はSN50 Synthアルファトークンの報酬を得ることができます。その後、チームはこれらの高品質な予測結果を利用して、高精度の「合成価格データ」（および価格動向パス）を生成します。

「今年の初め以来、私たちは競争に参加するトップデータサイエンティストや量的分析者に200万ドル以上の報酬を提供してきました。」

このチームはこれらの予測信号を利用してPolymarketプラットフォームで暗号通貨取引を行っています：現在、彼らは3000ドルの初期資金で184%の純投資回収率（ROI）を達成しました。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規模を拡大することです。

「私たちのPolymarketプラットフォームでの取引の最新の進展：

・元本：3000ドル

・利益：5521ドル

・投資回収率（ROI）：184%

・年率収益率（APY）：3951%

これらすべてはSynthの予測モデルによって支えられています。今週の『Novelty Search』コラムでその背後にある論理を詳しく解析します。」

Sportstensor（スポーツ予測競争）

（識別子：SN41、発起者：@sportstensor）

これは「市場のオッズを打ち負かす」ことに焦点を当てたサブネットで、世界のスポーツ賭博市場における「優位な機会」を掘り起こすことを目的としています。これは持続的な競争です：機械学習エンジニアはモデルを展開し、米国プロ野球（MLB）、米国プロサッカー（MLS）、イングランドプレミアリーグ（EPL）、米国プロバスケットボール（NBA）などの主要なスポーツリーグの試合結果を予測し、利益を上げる「最良のモデル」がSN41 Sportstensorアルファトークンの報酬を得ます。

現在、参加モデルの平均予測精度は約55%であり、1位の「マイナー」（つまりモデル開発者）の精度は69%に達し、増分投資回収率は59%です。

SportstensorはPolymarketと提携し、その流動性層となり、Polymarketプラットフォームにより多くのスポーツ予測関連の取引量をもたらしています。

このチームは「Almanac」プラットフォームも構築中です------これは一般ユーザー向けのスポーツ予測競争層です：ユーザーはSportstensorのマイナーが提供する信号や高度な予測分析データを取得し、他のユーザーと競争できます。最も優れた予測者は毎週最大10万ドルの報酬を得ることができます（開始時期は未定）。

AION（市場の戦争競争）

（発起者：@aion5100、@futuredotfun）

@aion5100（イベント/結果予測に特化したエージェントチーム）は、@futuredotfunと共同で「市場の戦争」（War of Markets）競争を開始します。

この競争は2024年第4四半期に開始される予定で、「予測市場ワールドカップ」として位置付けられています：人間でも人工知能でも、PolymarketとKalshiの2つのプラットフォームで予測対決に参加できます。

競争は「クラウドソーシングの知恵」を通じて「究極の真実の参考源」となることを目指しています------その核心評価指標は従来の「予測精度」ではなく、「メンタルシェア、取引量、名誉」であり、これらの指標の中で最も優れた者が勝者となります。

チームはその先進的な予測市場分析ツール、フォロートレーディング機能、ソーシャルトレーディング製品を競争と深く結びつけ、トレーダーがこれらのツールを利用して他の予測者との競争で優位に立つのを助けます。

Fraction AI（マルチシーンAI競争）

（発起者：@FractionAI_xyz）

このプラットフォームはさまざまなタイプの競争を開催しています：ユーザーは「入札井字棋」「サッカー混戦」「ビットコイン貿易戦争」「Polymarket取引」などのシーンでAIエージェントを設定できます；さらに、プラットフォームには「ALFA」競争も設けられています------「アルファアリーナ」と似ていますが、AIモデルは仮想通貨を使用して永続契約で相互に取引します。

「ALFA」競争では、ユーザーはAIエージェントの「コール/プットシェア」を購入し、どのエージェントが毎日の取引終了時に最も高い利益と損失（PnL）を得るかに賭けます；「アルファアリーナ」と同様に、ユーザーはリアルタイムで各エージェントが採用している戦略や展開している資産を確認できます。

競争で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使用され、将来的にはユーザーが自分の資金を展開し、これらのエージェントに取引操作を代行させることができるようになります。

このチームはAIエージェントの応用シーンをすべての人気金融分野に拡大する計画を立てています。取引、DeFi、予測市場などが含まれます。

Allora（金融マイクロタスク競争）

（発起者：@AlloraNetwork）

Alloraは「金融分野のBittensor」と言えます：プラットフォームは「テーマタスク」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」を開発するために競争します。

現在、価格予測モデルは主流の暗号資産に焦点を当てています；トップの機械学習エンジニア（「鍛造者」または「マイナー」と呼ばれる）は「Allora Hammer」報酬を得ることができ、メインネットが正式に立ち上がった後（まもなく登場予定）、この報酬は$ALLOトークンのインセンティブに変換されます。

このチームは一連の深い「ダイナミックDeFi戦略」応用シーンを持っています：Alloraモデルを適用することで、DeFi戦略をより柔軟にし------リスクを低減しながら、収益レベルを向上させます。

例えば「ETH/LST循環戦略」：一部の資金を「ショート機会」を捕まえるために留保します------予測モデルが価格の変動が特定の閾値を超えると示した場合、戦略は自動的にLST（流動性ステーキングトークン）をUSDCに交換し、ショートポジションを構築し、予測された価格変動から利益を得ることを目指します。

Alloraに関する興味深い詳細は、Alloraが「実際の収入補助トークン配布」モデルを採用することです：例えば、元々は10万ドルのALLOトークンと5万ドルの顧客収入の組み合わせを配布する必要があり、これによりマイナーがもたらす可能性のあるトークンの売却圧力を軽減します。

その他注目すべき競争

（1）金融関連競争（補足）

SN8 PTN（発起者：@taoshiio）：この競争は、世界の人工知能モデルや量的分析者から「クラウドソーシング」された高品質な取引信号を用いて、従来のヘッジファンドのパフォーマンスを超えることを目指しています；その核心目標は「リスク調整後の収益性」であり、単なる「原始的な利益」ではありません。

Numerai（AIヘッジファンド）（発起者：@numerai）：これは人工知能駆動のヘッジファンドで、最近モルガン・スタンレーから5億ドルの資金支援を受けました（つまり、モルガン・スタンレーは最大5億ドルの資金をNumeraiの取引戦略に配分します）。このファンドの戦略の核心は「機械学習モデル競争」であり、「長期的な独自性」と「リスク調整後の精度」を強調しています。競争に参加するにはNMRトークンの報酬をステークする必要があります。現在までに、プラットフォームは参加者に4000万ドル以上のNMRトークン報酬を配布しています。

（2）非金融関連競争

Ridges AI（分散型プログラミング競争）（識別子：SN62、発起者：@ridges_ai）：これは分散型「ソフトウェアエンジニアエージェント」取引プラットフォームで、AIエージェントが「コード生成、バグ修正、完全なプロジェクト編成」などのタスクで人間プログラマーを完全に置き換えることを目指しています。AIエージェントは「リアルワールドプログラミングチャレンジ」で競争し、高品質なソリューションを提供できるエージェントは毎月2万ドルから5万ドルの「アルファサブネット報酬」を得ることができます。

Flock.io競争（発起者：@flock_io）：競争は二つの部分に分かれています------一つは「最良の基礎AIモデルを生成する」こと、もう一つは「連邦学習を通じて特定の分野モデルを協力的に微調整する」ことです。優れたトレーナー（つまり「マイナー」）は、AIモデルをトレーニングすることで年間50万ドルから100万ドル以上の収益を得ることができます。「連邦学習」の利点は、機関がローカルデータのプライバシーを保持しながら、人工知能の能力を十分に活用できることです。

これらは何を意味するのでしょうか？

現在、人工知能の進歩は「公開競争」を通じて実現されています。

新しいモデルが誕生するたびに、圧力のかかる環境に入ります：データが不足し、計算リソースが制限され、インセンティブメカニズムが限られています。そして、これらの圧力こそが「生存モデルを選別する」核心基準となります。

トークン報酬は「エネルギー供給」の役割も果たします：この「エネルギー」を効率的に利用できるモデルは、その影響力を拡大し続けます；逆に、効率的に利用できないモデルは徐々に淘汰されます。

最終的に、私たちは「エージェントエコシステム」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、つまり「自律的なエージェント」（「生成的人工知能」ではなく）です。

未来はどこへ向かうのでしょうか？

この「公開競争」の波は、人工知能を「中央集権モデル」から「オープンソースの分散型モデル」へと転換させるでしょう。

未来には、強力なモデルとエージェントが「分散型環境」で誕生します。

不久のうちに、人工知能は「自己改善サイクル」を自主管理できるようになります：一部のモデルは他のモデルを微調整し、他のモデルのパフォーマンスを評価し、自己最適化を実現し、自動的に更新を展開します。このサイクルは人間の関与を大幅に減少させ、AIのイテレーション速度を加速させます。

この傾向が広がるにつれて、人間の役割は「人工知能を設計する」ことから「存続すべきAIを選別し、有益なAIの行動を保持し、社会に対して正の期待値（EV+）を持つルールと境界を策定する」ことに変わります。

最後の考察

競争はしばしば革新を促進しますが、「報酬操作」や「抜け道を利用する」行動を生む可能性もあります。

もしあるシステムの設計が「長期的に有益な行動を奨励」できない場合、最終的には失敗に向かうことは必然です------例えば、一部のマイナーは「報酬を得るためにルールの抜け道を利用する」かもしれず、実際のタスクに価値を提供することはありません。

したがって、「オープンシステム」は十分な「ガバナンスメカニズム」と「インセンティブ設計」を備える必要があります：良好な行動を奨励し、不良な行動を罰する必要があります。

誰がこの目標を最初に達成できるかが、次の革新の波の「価値、注目、核心的な知恵」を掴むことができるかを決定します。