O Momento Darwin da IA: Quando um Modelo Começa a Lutar pela Sobrevivência

Título original: Darwinian AI—The AI Hunger Games

Autor original: 0xJeff

Tradução original: Saoirse, Foresight News

A competição sempre esteve no cerne da evolução humana. Ao longo da história, as pessoas têm competido constantemente por diversos objetivos, entre os quais:

· Alimentação e território

· Companheiros/parceiros

· Estatuto dentro das tribos ou sociedades

· Alianças e oportunidades de cooperação

Caçadores perseguiam presas, guerreiros lutavam pela sobrevivência, líderes tribais disputavam territórios. Com o passar do tempo, os indivíduos com características vantajosas para a sobrevivência conseguiram sobreviver, reproduzir-se e transmitir os seus genes de geração em geração.

Este processo é conhecido como "seleção natural".

O processo de seleção natural nunca cessou, evoluindo a sua forma: de "competição pela sobrevivência" para evoluir gradualmente para "competição como entretenimento" (como combate de gladiadores, Olimpíadas, eventos desportivos e eSports), transformando-se finalmente em "competição ao estilo acelerador a impulsionar a evolução" (em campos como a tecnologia, os media, o cinema, a política, etc.).

A seleção natural sempre foi uma força motriz fundamental da evolução humana, mas será que a evolução da inteligência artificial também segue esta lógica?

O desenvolvimento da inteligência artificial não é determinado por uma única "invenção", mas antes impulsionado por inúmeras instâncias de "competições e experiências invisíveis" — estas competições selecionam, em última análise, modelos que perduram, descartando os esquecidos.

Neste artigo, vamos aprofundar estas competições invisíveis (abrangendo os domínios da Web2 e da Web3) e, na perspectiva da "competição", dissecar a trajectória evolutiva da inteligência artificial. Vamos explorar juntos.

Entre 2023 e 2025, com o surgimento do ChatGPT, o campo da inteligência artificial conheceu um crescimento explosivo.

No entanto, antes do nascimento do ChatGPT, a OpenAI já tinha deixado a sua marca através do jogo "Dota 2" (utilizando o sistema "OpenAI Five"): através de dezenas de milhares de partidas contra jogadores regulares, jogadores profissionais e até contra si própria, demonstrou a capacidade de evoluir rapidamente, com cada partida a melhorar a sua própria força.

Por fim, nasceu um sofisticado sistema inteligente e, em 2019, derrotou decisivamente os atuais campeões do mundo de "Dota 2".

Outro caso famoso ocorreu em 2016: o AlphaGo derrotou o campeão mundial de Go, Lee Sedol. O aspecto mais surpreendente deste evento não foi a "derrota do campeão mundial" em si, mas o "método de aprendizagem" do AlphaGo.

O treino do AlphaGo não se baseou apenas em dados humanos. Semelhante ao OpenAI Five, conseguiu a evolução através do "jogo próprio" — um processo repetitivo:

· Cada geração do modelo concorre com a geração anterior;

· As variantes do modelo com melhor desempenho são retidas e "reproduzidas" (i.e., iteração de otimização);

· As estratégias fracas são eliminadas.

Por outras palavras, a "IA darwiniana" comprimiu um processo de evolução que originalmente levaria milhões de anos num período computacional de algumas horas.

Este "ciclo autocompetitivo" trouxe avanços tecnológicos nunca antes vistos pela humanidade. Hoje, também vemos um padrão competitivo semelhante no setor financeiro, embora de forma diferente.

IA darwiniana no espaço das criptomoedas

O Nof1 deu que falar na semana passada devido ao lançamento da "Alpha Arena". Tratava-se de um "duelo de vida ou morte com contratos perpétuos de criptomoedas" envolvendo 6 modelos de inteligência artificial (Claude, DeepSeek, Gemini, GPT, Qwen, Grok): cada modelo geria 10.000 dólares, e aquele com o melhor desempenho de lucro e prejuízo (PnL) no final venceria.

"A Alpha Arena já está no ar! Seis modelos de IA investiram 10.000 dólares cada para negociação autónoma. Fundos reais, mercado real, benchmark real — qual o modelo que pensa que terá o melhor desempenho?"

Esta competição rapidamente ganhou popularidade, não tanto pelas suas regras, mas pela sua "abertura": normalmente, as "estratégias Alfa" (i.e., estratégias de retorno excedente) são mantidas em estrita confidencialidade. No entanto, nesta competição, podemos testemunhar em tempo real "qual a melhor IA para ganhar dinheiro".

Além disso, o design da interface do utilizador (UI/UX), que exibe o desempenho de negociação em tempo real, é extremamente fluido e otimizado. A equipa está a aproveitar o entusiasmo atual e os insights obtidos com a concorrência para desenvolver modelos e ferramentas de negociação Nof1; atualmente, os utilizadores interessados nesta ferramenta podem entrar na lista de espera para uma oportunidade de teste.

A abordagem da Nof1 não é novidade — tais competições existem há muito tempo no setor financeiro (especialmente no ecossistema Bittensor e no mercado das criptomoedas em geral). No entanto, nunca nenhuma equipa democratizou e popularizou tais competições como a Nof1.

Eis alguns dos casos de concorrência mais representativos:

Synth (Competição de Sintetizadores)

(Identificador: SN50, Iniciador: @SynthdataCo)

Nesta competição, os engenheiros de aprendizagem automática devem implementar modelos de aprendizagem automática para prever o preço e a volatilidade dos criptoativos. Os vencedores recebem como recompensa o token Synth Alpha de SN50. Posteriormente, a equipa utiliza estes resultados de previsão de alta qualidade para gerar "dados de preços sintéticos" de alta precisão (e trajetórias de tendências de preços).

"Desde o início deste ano, atribuímos mais de 2 milhões de dólares em recompensas aos principais cientistas de dados e analistas quantitativos participantes na competição".

Atualmente, a equipa está a utilizar estes sinais de previsão para negociar criptomoedas na plataforma Polymarket. Até à data, alcançaram um retorno líquido do investimento (ROI) de 184% com um capital inicial de 3.000 dólares. O próximo desafio é expandir o volume de negociação, mantendo o desempenho atual.

"Aqui estão as últimas atualizações sobre as nossas negociações na plataforma Polymarket:

・Principal: 3.000 dólares

・Lucro: $5.521

・Retorno sobre o investimento (ROI): 184%

・Rendimento percentual anual (APY): 3,951%

Tudo isto suportado pelo modelo de previsão do Synth. Vamos aprofundar a lógica subjacente no segmento "Procura de Novidades" desta semana.

Sportstensor (Competição de Previsão Desportiva)

(Identificador: SN41, Iniciador: @sportstensor)

Esta é uma sub-rede focada em "superar as probabilidades do mercado", com o objetivo de explorar "oportunidades vantajosas" no mercado global de apostas desportivas. Trata-se de uma competição contínua em que os engenheiros de aprendizagem automática são solicitados a implementar modelos para prever os resultados das principais ligas desportivas, como a Major League Baseball (MLB), a Major League Soccer (MLS), a English Premier League (EPL) e a National Basketball Association (NBA), entre outras. O "melhor modelo" capaz de atingir a rentabilidade receberá como recompensa o token SN41 Sportstensor Alpha.

Atualmente, a precisão média de previsão dos modelos participantes é de cerca de 55%, com o "minerador" (ou seja, o desenvolvedor do modelo) mais bem classificado a alcançar uma precisão de até 69% e um retorno de investimento incremental de 59%.

A Sportstensor estabeleceu uma parceria com a Polymarket para servir como a sua camada de liquidez, trazendo mais volume de negociações relacionadas com previsões desportivas para a plataforma Polymarket.

A equipa está também a desenvolver a plataforma "Almanac" — uma camada de competição de previsões desportivas para o público em geral: os utilizadores podem aceder a sinais e dados de análise de previsões avançadas fornecidos pelos mineiros do Sportstensor e competir com outros utilizadores com base nesta informação. Os melhores preditores podem receber recompensas até 100.000 dólares por semana (data de lançamento a definir).

AION (Competição de Guerra de Mercados)

(Iniciadores: @aion5100, @futuredotfun)

@aion5100 (uma equipa de agentes inteligentes focada na previsão de eventos/resultados) está a estabelecer uma parceria com @futuredotfun para lançar a competição "Guerra dos Mercados".

A competição está prevista ser lançada no quarto trimestre de 2024 e está posicionada como o "Mundial de Mercado de Previsões", onde humanos e inteligência artificial podem participar em duelos de previsões nas plataformas Polymarket e Kalshi.

A competição tem como objetivo ser a "fonte de referência definitiva da verdade" através da "sabedoria colaborativa". A sua principal métrica de avaliação não é a tradicional "precisão de previsão", mas sim a "participação na mente, volume de negociação e honra", sendo os melhores desempenhos nestas métricas coroados vencedores.

A equipa integra as suas ferramentas avançadas de análise de mercado de previsão, funcionalidade de copy-trading e produtos de negociação social profundamente na competição para ajudar os traders a alavancar estas ferramentas e a ganhar vantagem na competição com outros preditores.

Fraction AI (Competição de IA Multi-Cenário)

(Iniciador: @FractionAI_xyz)

A plataforma acolhe vários tipos de competições: os utilizadores podem implementar agentes de IA em cenários como "Jogo do galo baseado em lances", "Briga de futebol", "Batalha de negociação de Bitcoin" e "Negociação de polimercado"; além disso, a plataforma apresenta a competição "ALFA" — semelhante à "Arena Alfa", mas os modelos de IA utilizam moeda virtual para negociar uns contra os outros em contratos perpétuos.

Na competição "ALFA", os utilizadores podem comprar "ações longas/curtas" de agentes de IA, apostando em qual o agente que atingirá o maior Lucro e Perda (PnL) no final de cada sessão de negociação diária; à semelhança da "Alpha Arena", os utilizadores podem monitorizar em tempo real as estratégias empregues por cada agente e os ativos que implementam.

Os insights e dados obtidos durante a competição serão utilizados para otimizar ainda mais os agentes de IA e, no futuro, os utilizadores poderão aplicar os seus fundos para que estes agentes negociem em seu nome.

A equipa planeia expandir a aplicação de agentes de IA para todos os domínios financeiros populares, incluindo negociação, DeFi e mercados de previsão.

Allora (Competição de Microtrabalho Financeiro)

(Iniciador: @AlloraNetwork)

A Allora pode ser chamada de "Bittensor do mundo financeiro": a plataforma cria "tarefas temáticas" ou "microtrabalho" (como a previsão do preço das criptomoedas), onde os engenheiros de aprendizagem automática competem para desenvolver o "melhor modelo".

Atualmente, os modelos de previsão de preços concentram-se principalmente nas principais criptomoedas; os engenheiros de aprendizagem automática de alto desempenho (denominados "Forgers" ou "Miners") podem receber a recompensa "Allora Hammer", que será convertida em incentivos de tokens $ALLO após o lançamento oficial da mainnet (em breve).

A equipa tem uma gama de aplicações profundas de "Estratégia DeFi Dinâmica": ao aplicar o modelo Allora, as estratégias DeFi tornam-se mais flexíveis — reduzindo o risco e aumentando os níveis de rendimento.

Por exemplo, a "Estrategia de Loop ETH/LST": reserva uma parte dos fundos para captar "oportunidades de short selling" — se o modelo de previsão indicar uma flutuação de preço excedendo um limite específico, a estratégia troca automaticamente LST (Liquidity Staking Token) por USDC e estabelece uma posição curta, visando lucrar com a oscilação de preço prevista.

Um detalhe interessante sobre a Allora é a adoção do modelo "Distribuição de Tokens de Subsídio de Receita Real": por exemplo, uma combinação de "Token ALLO de 10.000 USD + Receita de Cliente de 5.000 USD" seria distribuída para reduzir a potencial pressão de venda de tokens por parte dos mineiros.

Outras competições notáveis

（1）Competições relacionadas com finanças (suplementar)

SN8 PTN (Iniciador: @taoshiio): Esta competição visa obter sinais de negociação de alta qualidade de modelos globais de IA e analistas quantitativos para superar o desempenho dos fundos de cobertura tradicionais. O seu principal objetivo é a "rentabilidade ajustada ao risco", em vez de apenas "retornos brutos".

Numerai (IA Hedge Fund) (Iniciador: @numerai): Este é um fundo de cobertura impulsionado pela IA que recebeu recentemente 500 milhões de dólares de financiamento do JPMorgan Chase (o que significa que o JPMorgan Chase irá alocar até 500 milhões de dólares às estratégias de negociação do Numerai). A estratégia do fundo gira em torno de uma "competição de modelos de aprendizagem automática", enfatizando a "originalidade a longo prazo" e a "precisão ajustada ao risco". A participação na competição exige o staking de tokens NMR como recompensa. Até à data, a plataforma distribuiu mais de 40 milhões de dólares em tokens NMR aos participantes.

（2）Competições não relacionadas com finanças

Ridges AI (Competição de Programação Descentralizada) (Identificador: SN62, Iniciador: @ridges_ai): Esta é uma plataforma de negociação descentralizada de “agentes de IA de engenharia de software” que visa que os agentes de IA substituam totalmente os programadores humanos em tarefas como “geração de código, correção de bugs e estruturação completa de projetos”. Os agentes de IA competem em “desafios de programação do mundo real”, com agentes fornecedores de soluções de alta qualidade qualificados para “recompensas Alpha Subnet” mensais que variam entre 20.000 e 50.000 dólares.

Competição Flock.io (Iniciador: @flock_io): A competição está dividida em duas partes: uma é "gerar o melhor modelo fundamental de IA" e a outra é "ajustar modelos específicos de domínio através da colaboração de aprendizagem federada". Os instrutores excecionais (ou seja, "mineradores") podem ganhar entre 500.000 e 1 milhão de dólares anualmente, treinando modelos de IA. A vantagem da "aprendizagem federada" é que as instituições podem tirar o máximo partido das capacidades de IA, mantendo a privacidade dos dados locais.

O que significa tudo isto?

Hoje, o avanço da inteligência artificial está a ser alcançado através da “competição aberta”.

Cada novo modelo que surge entra num ambiente de alta pressão: escassez de dados, recursos computacionais limitados e mecanismos de incentivo restritos. Estas pressões tornaram-se o critério central para "filtrar os modelos sobreviventes".

As recompensas simbólicas servem como um “suprimento de energia”: os modelos que conseguem aproveitar esta “energia” de forma eficiente irão expandir continuamente a sua influência, enquanto os modelos que não a conseguem utilizar de forma eficiente serão gradualmente eliminados.

Por fim, construiremos um "Ecossistema de Agentes" — estes agentes evoluirão através de "feedback" em vez de "instruções", conhecidos como "agentes autónomos" (e não "inteligência artificial generativa").

Para onde vai o futuro?

Esta onda de "competição aberta" levará a inteligência artificial de um "modelo centralizado" para um "modelo descentralizado de código aberto".

No futuro, modelos e agentes poderosos surgirão dentro de um "ambiente descentralizado".

Em breve, a inteligência artificial será capaz de gerir autonomamente o seu "ciclo de autoaperfeiçoamento": alguns modelos irão ajustar outros modelos, avaliar o desempenho de outros modelos, alcançar a auto-otimização e implementar atualizações automaticamente. Este ciclo reduzirá significativamente o envolvimento humano, ao mesmo tempo que acelerará a velocidade de iteração da IA.

À medida que esta tendência se espalha, o papel humano passará de "desenhar inteligência artificial" para "filtrar a IA para reter, preservar o comportamento benéfico da IA e estabelecer regras e limites que tenham um valor de expectativa positivo (VE+) para a sociedade".

Um Pensamento Final

A concorrência alimenta geralmente a inovação, mas também pode fomentar a "manipulação de recompensas" e a "manipulação do sistema".

Se o design de um sistema não conseguir "incentivar um comportamento benéfico a longo prazo", caminhará inevitavelmente para o fracasso — por exemplo, alguns mineiros podem explorar brechas nas regras para "recompensas de jogo" em vez de realmente acrescentar valor.

Por conseguinte, um "sistema aberto" deve ser equipado com "mecanismos de governação" robustos e "designs de incentivos": tanto para encorajar o bom comportamento como para punir o mau comportamento.

Quem conseguir atingir este objetivo primeiro conquistará o "valor, a atenção e a sabedoria essencial" da próxima onda de inovação.

Link do artigo original

Bem-vindo à comunidade oficial BlockBeats:

Grupo de subscrição do Telegram: https://t.me/theblockbeats

Grupo de discussão do Telegram: https://t.me/BlockBeats_App

Conta oficial no Twitter: https://twitter.com/BlockBeatsAsia