ช่วงเวลาแห่ง AI ดาร์วิน: เมื่อโมเดลเริ่มต่อสู้เพื่อเอาชีวิตรอด

ชื่อเรื่องต้นฉบับ: Darwinian AI—The AI Hunger Games

ผู้เขียนต้นฉบับ: 0xJeff

คำแปลต้นฉบับ: Saoirse, Foresight News

การแข่งขันเป็นหัวใจสำคัญของวิวัฒนาการของมนุษย์มาโดยตลอด ตลอดประวัติศาสตร์ มนุษย์ได้แข่งขันกันอย่างต่อเนื่องเพื่อบรรลุเป้าหมายต่างๆ ซึ่งรวมถึง:

· อาหารและอาณาเขต

· เพื่อน / หุ้นส่วน

· สถานะภายในชนเผ่าหรือสังคม

· พันธมิตรและโอกาสความร่วมมือ

นักล่าไล่ล่าเหยื่อ นักรบต่อสู้เพื่อเอาชีวิตรอด ผู้นำเผ่าแย่งชิงดินแดน เมื่อเวลาผ่านไป บุคคลที่มีคุณสมบัติที่เป็นประโยชน์ต่อการอยู่รอดสามารถดำรงชีวิต สืบพันธุ์ และถ่ายทอดยีนจากรุ่นสู่รุ่น

กระบวนการนี้เรียกว่า "การคัดเลือกโดยธรรมชาติ"

กระบวนการคัดเลือกโดยธรรมชาติไม่เคยหยุดนิ่ง โดยพัฒนารูปแบบไปเรื่อยๆ จาก "การแข่งขันเพื่อความอยู่รอด" ไปสู่การพัฒนาเป็น "การแข่งขันเพื่อความบันเทิง" (เช่น การต่อสู้แบบกลาดิเอเตอร์ โอลิมปิก กิจกรรมกีฬา และอีสปอร์ต) และในที่สุดก็เปลี่ยนเป็น "การแข่งขันแบบเร่งความเร็วที่ขับเคลื่อนวิวัฒนาการ" (ในสาขาต่างๆ เช่น เทคโนโลยี สื่อ ภาพยนตร์ การเมือง ฯลฯ)

การคัดเลือกโดยธรรมชาติเป็นแรงขับเคลื่อนหลักของวิวัฒนาการของมนุษย์มาโดยตลอด แต่วิวัฒนาการของปัญญาประดิษฐ์ก็ดำเนินตามตรรกะนี้ด้วยหรือไม่

การพัฒนาปัญญาประดิษฐ์ไม่ได้ถูกกำหนดโดย "สิ่งประดิษฐ์" เพียงชิ้นเดียว แต่ถูกขับเคลื่อนโดย "การแข่งขันและการทดลองที่มองไม่เห็น" มากมายนับไม่ถ้วน ซึ่งในท้ายที่สุด การแข่งขันเหล่านี้ก็จะเลือกแบบจำลองที่คงทนอยู่ได้ ขณะเดียวกันก็จะละทิ้งแบบจำลองที่ถูกลืมไป

ในบทความนี้ เราจะเจาะลึกการแข่งขันที่มองไม่เห็นเหล่านี้ (ครอบคลุมโดเมน Web2 และ Web3) และวิเคราะห์เส้นทางวิวัฒนาการของปัญญาประดิษฐ์จากมุมมองของ "การแข่งขัน" เรามาสำรวจไปพร้อมๆ กัน

ระหว่างปี 2023 ถึง 2025 ด้วยการเกิดขึ้นของ ChatGPT สาขาปัญญาประดิษฐ์ได้ประสบกับการเติบโตแบบก้าวกระโดด

อย่างไรก็ตาม ก่อนที่ ChatGPT จะถือกำเนิดขึ้น OpenAI ได้สร้างชื่อเสียงไว้แล้วผ่านเกม "Dota 2" (โดยใช้ระบบ "OpenAI Five") โดยผ่านการแข่งขันนับหมื่นครั้งกับผู้เล่นทั่วไป เกมเมอร์มืออาชีพ และแม้แต่ตัวเกมเอง OpenAI ได้แสดงให้เห็นถึงความสามารถในการพัฒนาอย่างรวดเร็ว โดยแต่ละการแข่งขันก็มีความแข็งแกร่งเพิ่มขึ้น

ในที่สุด ระบบอัจฉริยะอันซับซ้อนก็ถือกำเนิดขึ้น และในปี 2019 ก็สามารถเอาชนะแชมป์โลก Dota 2 ได้อย่างเด็ดขาด

อีกกรณีหนึ่งที่เป็นที่รู้จักกันดีเกิดขึ้นในปี 2016 นั่นคือ AlphaGo เอาชนะแชมป์โลกลีเซดอล สิ่งที่น่าทึ่งที่สุดของงานนี้ไม่ใช่ "ความพ่ายแพ้ของแชมป์โลก" แต่เป็น "วิธีการเรียนรู้" ของ AlphaGo

การฝึก AlphaGo ไม่ได้อาศัยข้อมูลของมนุษย์เพียงอย่างเดียว เช่นเดียวกับ OpenAI Five AlphaGo ประสบความสำเร็จในการวิวัฒนาการผ่าน "การเล่นด้วยตนเอง" ซึ่งเป็นกระบวนการที่ทำซ้ำๆ

· โมเดลแต่ละรุ่นจะแข่งขันกับรุ่นก่อนหน้า

รุ่นที่มีประสิทธิภาพดีที่สุดจะถูกเก็บรักษาไว้และ "ทำซ้ำ" (นั่นคือ การวนซ้ำเพื่อเพิ่มประสิทธิภาพ)

· กำจัดกลยุทธ์ที่อ่อนแอ

กล่าวอีกนัยหนึ่ง "AI แบบดาร์วิน" ได้บีบอัดกระบวนการวิวัฒนาการที่เดิมใช้เวลานานนับล้านปีให้เหลือเพียงระยะเวลาการคำนวณเพียงไม่กี่ชั่วโมง

“วงจรการแข่งขันภายใน” นี้นำมาซึ่งความก้าวหน้าทางเทคโนโลยีที่มนุษย์ไม่เคยพบเห็นมาก่อน ปัจจุบัน เรายังเห็นรูปแบบการแข่งขันที่คล้ายคลึงกันนี้ในวงการการเงิน แม้จะอยู่ในรูปแบบที่แตกต่างกันก็ตาม

AI ดาร์วินในพื้นที่สกุลเงินดิจิทัล

Nof1 กลายเป็นประเด็นร้อนเมื่อสัปดาห์ที่แล้วจากการเปิดตัว "Alpha Arena" ซึ่งเป็น "การแข่งขันดวลกันระหว่างสัญญาคริปโตเคอร์เรนซีตลอดกาล ที่มีปัญญาประดิษฐ์ 6 ตัว (Claude, DeepSeek, Gemini, GPT, Qwen และ Grok) โดยแต่ละตัวมีกำไร 10,000 ดอลลาร์สหรัฐฯ และตัวที่มีกำไรขาดทุน (PnL) สูงที่สุดจะเป็นผู้ชนะในที่สุด

Alpha Arena เปิดให้บริการแล้ว! โมเดล AI 6 ตัวแต่ละตัวลงทุน 10,000 ดอลลาร์สหรัฐฯ เพื่อการซื้อขายอัตโนมัติตลอดทั้งระบบ กองทุนจริง ตลาดจริง เกณฑ์มาตรฐานจริง คุณคิดว่าโมเดลไหนจะมีประสิทธิภาพดีที่สุด

การแข่งขันนี้ได้รับความนิยมอย่างรวดเร็ว ไม่ใช่เพราะกฎเกณฑ์เพียงอย่างเดียว แต่เป็นเพราะ "ความเปิดกว้าง" โดยทั่วไปแล้ว "กลยุทธ์อัลฟ่า" (เช่น กลยุทธ์ผลตอบแทนส่วนเกิน) จะถูกเก็บเป็นความลับอย่างเคร่งครัด อย่างไรก็ตาม ในการแข่งขันนี้ เราสามารถเห็นได้แบบเรียลไทม์ว่า "AI ตัวไหนที่เก่งที่สุดในการสร้างรายได้"

ยิ่งไปกว่านั้น การออกแบบส่วนติดต่อผู้ใช้ (UI/UX) ที่แสดงประสิทธิภาพการซื้อขายแบบเรียลไทม์นั้นราบรื่นและได้รับการปรับแต่งอย่างดีเยี่ยม ทีมงานกำลังใช้ประโยชน์จากกระแสตอบรับและข้อมูลเชิงลึกที่ได้รับจากการแข่งขันในปัจจุบันเพื่อพัฒนาโมเดล Nof1 และเครื่องมือการซื้อขาย ปัจจุบันผู้ใช้ที่สนใจเครื่องมือนี้สามารถเข้าร่วมรายการรอเพื่อทดลองใช้งาน

แนวทางของ Nof1 ไม่ใช่เรื่องแปลกใหม่ การแข่งขันแบบนี้มีมานานแล้วในวงการการเงิน (โดยเฉพาะอย่างยิ่งในระบบนิเวศ Bittentor และตลาดคริปโตเคอร์เรนซีในวงกว้าง) อย่างไรก็ตาม ยังไม่มีทีมใดที่ทำให้การแข่งขันแบบนี้เป็นประชาธิปไตยและเป็นที่นิยมเท่า Nof1 เลย

ต่อไปนี้เป็นกรณีการแข่งขันที่เป็นตัวแทนมากที่สุด:

ซินธ์ (การแข่งขันซินธิไซเซอร์)

(ตัวระบุ: SN50, ผู้ริเริ่ม: @SynthdataCo)

ในการแข่งขันครั้งนี้ วิศวกรแมชชีนเลิร์นนิงจะต้องนำแบบจำลองแมชชีนเลิร์นนิงมาใช้งานเพื่อคาดการณ์ราคาและความผันผวนของสินทรัพย์คริปโต ผู้ชนะจะได้รับรางวัลโทเค็น SN50 Synth Alpha จากนั้น ทีมงานจะนำผลการทำนายคุณภาพสูงเหล่านี้มาใช้เพื่อสร้าง "ข้อมูลราคาสังเคราะห์" ที่มีความแม่นยำสูง (และเส้นทางแนวโน้มราคา)

"ตั้งแต่ต้นปีนี้ เราได้มอบรางวัลมูลค่ากว่า 2 ล้านเหรียญสหรัฐให้กับนักวิทยาศาสตร์ข้อมูลและนักวิเคราะห์เชิงปริมาณชั้นนำที่เข้าร่วมการแข่งขัน"

ปัจจุบันทีมงานกำลังใช้สัญญาณการคาดการณ์เหล่านี้เพื่อซื้อขายคริปโทเคอร์เรนซีบนแพลตฟอร์ม Polymarket จนถึงปัจจุบัน พวกเขาได้รับผลตอบแทนจากการลงทุน (ROI) สุทธิ 184% ด้วยเงินทุนเริ่มต้น 3,000 ดอลลาร์ ความท้าทายต่อไปคือการขยายปริมาณการซื้อขายควบคู่ไปกับการรักษาประสิทธิภาพในปัจจุบัน

นี่คือการอัปเดตล่าสุดเกี่ยวกับการซื้อขายของเราบนแพลตฟอร์ม Polymarket:

・เงินต้น: 3,000 ดอลลาร์

・กำไร: 5,521 ดอลลาร์

・ผลตอบแทนจากการลงทุน (ROI): 184%

・อัตราผลตอบแทนต่อปี (APY): 3,951%

ทั้งหมดนี้ได้รับการสนับสนุนโดยโมเดลการคาดการณ์ของ Synth เราจะเจาะลึกถึงตรรกะพื้นฐานในส่วน 'การค้นหาความแปลกใหม่' ของสัปดาห์นี้

Sportstensor (การแข่งขันทายผลกีฬา)

(ตัวระบุ: SN41 ผู้ริเริ่ม: @sportstensor)

นี่คือเครือข่ายย่อยที่มุ่งเน้น "การเอาชนะอัตราต่อรองของตลาด" โดยมุ่งเป้าไปที่การสำรวจ "โอกาสอันได้เปรียบ" ในตลาดการพนันกีฬาระดับโลก การแข่งขันครั้งนี้ยังคงดำเนินต่อไป โดยวิศวกรแมชชีนเลิร์นนิงจำเป็นต้องนำแบบจำลองมาใช้เพื่อคาดการณ์ผลการแข่งขันของลีกกีฬาสำคัญๆ เช่น เมเจอร์ลีกเบสบอล (MLB), เมเจอร์ลีกซอกเกอร์ (MLS), อิงลิชพรีเมียร์ลีก (EPL), สมาคมบาสเกตบอลแห่งชาติ (NBA) และอื่นๆ "แบบจำลองที่ดีที่สุด" ที่สามารถทำกำไรได้จะได้รับรางวัลโทเค็น SN41 Sportstensor Alpha

ในปัจจุบัน ความแม่นยำในการทำนายโดยเฉลี่ยของโมเดลที่เข้าร่วมอยู่ที่ประมาณ 55% โดยที่ "นักขุด" ที่ได้รับการจัดอันดับสูงสุด (เช่น ผู้พัฒนาโมเดล) มีความแม่นยำถึง 69% และผลตอบแทนจากการลงทุนส่วนเพิ่มอยู่ที่ 59%

Sportstensor ได้ร่วมมือกับ Polymarket เพื่อทำหน้าที่เป็นชั้นสภาพคล่อง โดยนำปริมาณการซื้อขายที่เกี่ยวข้องกับการทำนายผลกีฬามาสู่แพลตฟอร์ม Polymarket มากขึ้น

ทีมงานกำลังพัฒนาแพลตฟอร์ม "Almanac" ซึ่งเป็นเลเยอร์การแข่งขันทายผลกีฬาสำหรับบุคคลทั่วไป โดยผู้ใช้สามารถเข้าถึงสัญญาณและข้อมูลวิเคราะห์การทายผลขั้นสูงที่จัดทำโดยนักขุด Sportstensor และแข่งขันกับผู้ใช้คนอื่นๆ โดยอาศัยข้อมูลนี้ นักทำนายที่ทำผลงานได้ดีที่สุดจะได้รับรางวัลสูงสุด 100,000 ดอลลาร์สหรัฐต่อสัปดาห์ (วันเปิดตัวจะประกาศให้ทราบในภายหลัง)

AION (สงครามการแข่งขันทางการตลาด)

(ผู้ริเริ่ม: @aion5100, @futuredotfun)

@aion5100 (ทีมตัวแทนอัจฉริยะที่เน้นการคาดการณ์เหตุการณ์/ผลลัพธ์) กำลังร่วมมือกับ @futuredotfun เพื่อเปิดตัวการแข่งขัน "War of Markets"

การแข่งขันมีกำหนดเปิดตัวในไตรมาสที่ 4 ของปี 2024 และถูกจัดวางให้เป็น "Prediction Market World Cup" ซึ่งทั้งมนุษย์และปัญญาประดิษฐ์สามารถเข้าร่วมการดวลการทำนายบนแพลตฟอร์ม Polymarket และ Kalshi ได้

การแข่งขันครั้งนี้มีเป้าหมายที่จะเป็น "แหล่งข้อมูลอ้างอิงความจริงขั้นสูงสุด" ผ่าน "ภูมิปัญญาจากมวลชน" ตัวชี้วัดหลักในการประเมินไม่ใช่ "ความแม่นยำในการทำนาย" แบบดั้งเดิม แต่เป็น "ส่วนแบ่งทางความคิด ปริมาณการซื้อขาย และเกียรติยศ" โดยผู้ที่มีผลงานดีที่สุดในตัวชี้วัดเหล่านี้จะได้รับตำแหน่งผู้ชนะ

ทีมงานได้บูรณาการเครื่องมือวิเคราะห์ตลาดการทำนายขั้นสูง ฟังก์ชันการคัดลอกการซื้อขาย และผลิตภัณฑ์การซื้อขายทางสังคมเข้ากับการแข่งขันอย่างล้ำลึก เพื่อช่วยให้ผู้ซื้อขายใช้ประโยชน์จากเครื่องมือเหล่านี้และได้เปรียบในการแข่งขันกับผู้ทำนายรายอื่นๆ

Fraction AI (การแข่งขัน AI หลายสถานการณ์)

(ผู้ริเริ่ม: @FractionAI_xyz)

แพลตฟอร์มนี้รองรับการแข่งขันประเภทต่างๆ โดยผู้ใช้สามารถนำเอเจนต์ AI ไปใช้งานในสถานการณ์ต่างๆ เช่น "การแข่งขันหมากรุกตามการประมูล" "การแข่งขันฟุตบอล" "การแข่งขันซื้อขาย Bitcoin" และ "การซื้อขาย Polymarket" นอกจากนี้ แพลตฟอร์มยังมีการแข่งขัน "ALFA" ซึ่งคล้ายกับ "Alpha Arena" แต่โมเดล AI จะใช้สกุลเงินเสมือนในการซื้อขายระหว่างกันในสัญญาถาวร

ในการแข่งขัน "ALFA" ผู้ใช้สามารถซื้อ "หุ้น long/short" ของตัวแทน AI โดยเดิมพันว่าตัวแทนใดจะได้กำไรและขาดทุน (PnL) สูงสุดเมื่อสิ้นสุดเซสชันการซื้อขายรายวันแต่ละวัน ซึ่งคล้ายกับ "Alpha Arena" ผู้ใช้สามารถติดตามกลยุทธ์ที่ตัวแทนแต่ละคนใช้และสินทรัพย์ที่พวกเขาใช้แบบเรียลไทม์ได้

ข้อมูลเชิงลึกและข้อมูลที่ได้รับระหว่างการแข่งขันจะถูกนำมาใช้เพื่อเพิ่มประสิทธิภาพตัวแทน AI ให้ดียิ่งขึ้น และในอนาคต ผู้ใช้จะสามารถนำเงินของตนไปใช้กับตัวแทนเหล่านี้เพื่อทำการซื้อขายในนามของตนได้

ทีมงานวางแผนที่จะขยายการใช้งานของตัวแทน AI ไปยังโดเมนทางการเงินยอดนิยมทั้งหมด รวมถึงการซื้อขาย DeFi และตลาดการทำนาย

Allora (การแข่งขันไมโครเวิร์คทางการเงิน)

(ผู้ริเริ่ม: @AlloraNetwork)

Allora ถือได้ว่าเป็น "Bittensor ของอาณาจักรการเงิน" โดยแพลตฟอร์มจะกำหนด "งานธีม" หรือ "ไมโครเวิร์ก" (เช่น การทำนายราคาสกุลเงินดิจิทัล) ซึ่งวิศวกรด้านการเรียนรู้ของเครื่องจะแข่งขันกันพัฒนา "โมเดลที่ดีที่สุด"

ในปัจจุบัน โมเดลการคาดการณ์ราคาจะมุ่งเน้นไปที่สกุลเงินดิจิทัลหลักเป็นหลัก วิศวกรการเรียนรู้ของเครื่องจักรที่มีประสิทธิภาพสูงสุด (เรียกว่า "Forgers" หรือ "Miners") สามารถรับรางวัล "Allora Hammer" ซึ่งจะแปลงเป็นแรงจูงใจโทเค็น $ALLO เมื่อมีการเปิดตัวเมนเน็ตอย่างเป็นทางการ (เร็วๆ นี้)

ทีมงานมีแอปพลิเคชัน "กลยุทธ์ DeFi แบบไดนามิก" มากมาย: โดยการนำโมเดล Allora มาใช้ กลยุทธ์ DeFi จะมีความยืดหยุ่นมากขึ้น ลดความเสี่ยงและเพิ่มระดับผลตอบแทน

ตัวอย่างเช่น "กลยุทธ์ ETH/LST Loop": กลยุทธ์นี้จะสำรองเงินทุนส่วนหนึ่งไว้เพื่อคว้า "โอกาสในการขายชอร์ต" — หากแบบจำลองการคาดการณ์ระบุว่าราคามีความผันผวนเกินกว่าเกณฑ์ที่กำหนด กลยุทธ์จะแลกเปลี่ยน LST (Liquidity Staking Token) เป็น USDC โดยอัตโนมัติ และกำหนดตำแหน่งขายชอร์ต โดยมุ่งหวังที่จะทำกำไรจากการเปลี่ยนแปลงของราคาตามที่คาดการณ์ไว้

รายละเอียดที่น่าสนใจอย่างหนึ่งเกี่ยวกับ Allora คือการนำเอาโมเดล "การแจกจ่ายโทเค็นเงินอุดหนุนรายได้จริง" มาใช้ ตัวอย่างเช่น จะมีการแจกจ่ายโทเค็น "มูลค่า 10,000 USD ALLO + รายได้ลูกค้า 5,000 USD" ร่วมกันเพื่อลดแรงกดดันการขายโทเค็นที่อาจเกิดขึ้นจากนักขุด

การแข่งขันที่น่าสนใจอื่นๆ

（1）การแข่งขันที่เกี่ยวข้องกับการเงิน (เพิ่มเติม)

SN8 PTN (ผู้ริเริ่ม: @taoshiio): การแข่งขันนี้มุ่งหวังที่จะ “ระดมความคิด” สัญญาณการซื้อขายคุณภาพสูงจากโมเดล AI ระดับโลกและนักวิเคราะห์เชิงปริมาณ เพื่อสร้างผลงานที่เหนือกว่ากองทุนเฮดจ์ฟันด์แบบดั้งเดิม วัตถุประสงค์หลักของการแข่งขันคือ “ผลกำไรที่ปรับตามความเสี่ยง” แทนที่จะเป็นเพียง “ผลตอบแทนดิบ”

Numerai (AI Hedge Fund) (ผู้ริเริ่ม: @numerai): กองทุนเฮดจ์ฟันด์ที่ขับเคลื่อนด้วย AI เพิ่งได้รับเงินทุน 500 ล้านดอลลาร์สหรัฐจาก JPMorgan Chase (หมายความว่า JPMorgan Chase จะจัดสรรเงินทุนสูงสุด 500 ล้านดอลลาร์สหรัฐให้กับกลยุทธ์การซื้อขายของ Numerai) กลยุทธ์ของกองทุนนี้มุ่งเน้นไปที่ "การแข่งขันโมเดลการเรียนรู้ของเครื่อง" โดยเน้นที่ "ความคิดริเริ่มในระยะยาว" และ "ความแม่นยำที่ปรับตามความเสี่ยง" การเข้าร่วมการแข่งขันนี้จำเป็นต้องมีการ Staking โทเค็น NMR เป็นรางวัล ปัจจุบันแพลตฟอร์มได้แจกจ่ายโทเค็น NMR มูลค่ากว่า 40 ล้านดอลลาร์สหรัฐให้กับผู้เข้าร่วมแล้ว

（2）การแข่งขันที่ไม่เกี่ยวข้องกับการเงิน

Ridges AI (การแข่งขันการเขียนโปรแกรมแบบกระจายอำนาจ) (รหัสประจำตัว: SN62, ผู้ริเริ่ม: @ridges_ai): นี่คือแพลตฟอร์มการซื้อขาย “ตัวแทน AI ด้านวิศวกรรมซอฟต์แวร์” แบบกระจายอำนาจ ซึ่งมีเป้าหมายเพื่อให้ตัวแทน AI เข้ามาแทนที่โปรแกรมเมอร์มนุษย์อย่างสมบูรณ์ในงานต่างๆ เช่น “การสร้างโค้ด การแก้ไขข้อบกพร่อง และการสร้างโครงข่ายโครงการให้เสร็จสมบูรณ์” ตัวแทน AI จะแข่งขันใน “ความท้าทายด้านการเขียนโปรแกรมในโลกแห่งความเป็นจริง” โดยตัวแทนที่จัดหาโซลูชันคุณภาพสูงมีสิทธิ์ได้รับ “รางวัล Alpha Subnet” รายเดือนตั้งแต่ 20,000 ถึง 50,000 ดอลลาร์สหรัฐ

การแข่งขัน Flock.io (ผู้ริเริ่ม: @flock_io): การแข่งขันแบ่งออกเป็นสองส่วน ส่วนแรกคือ “การสร้างโมเดล AI พื้นฐานที่ดีที่สุด” และส่วนที่สองคือ “การปรับแต่งโมเดลเฉพาะโดเมนผ่านการทำงานร่วมกันแบบรวมศูนย์การเรียนรู้” ผู้ฝึกสอนที่โดดเด่น (เช่น “นักขุด”) สามารถสร้างรายได้มากกว่า 500,000 ถึง 1 ล้านดอลลาร์สหรัฐต่อปีจากการฝึกอบรมโมเดล AI ข้อดีของ “การเรียนรู้แบบรวมศูนย์” คือ สถาบันต่างๆ สามารถใช้ประโยชน์จากความสามารถของ AI ได้อย่างเต็มที่ ในขณะที่ยังคงรักษาความเป็นส่วนตัวของข้อมูลท้องถิ่นไว้

ทั้งหมดนี้หมายความว่าอย่างไร?

ในปัจจุบันความก้าวหน้าของปัญญาประดิษฐ์เกิดขึ้นได้ผ่าน “การแข่งขันแบบเปิด”

แบบจำลองใหม่ทุกแบบที่เกิดขึ้นล้วนต้องเผชิญกับสภาพแวดล้อมที่มีแรงกดดันสูง ไม่ว่าจะเป็นการขาดแคลนข้อมูล ทรัพยากรการประมวลผลที่จำกัด และกลไกจูงใจที่จำกัด แรงกดดันเหล่านี้ได้กลายเป็นเกณฑ์หลักในการ "กรองแบบจำลองที่ยังอยู่รอด"

รางวัลโทเค็นทำหน้าที่เป็นทั้ง "แหล่งพลังงาน": โมเดลที่สามารถใช้ประโยชน์จาก "พลังงาน" นี้ได้อย่างมีประสิทธิภาพจะขยายอิทธิพลของตนอย่างต่อเนื่อง ในขณะที่โมเดลที่ไม่สามารถใช้ประโยชน์จากมันได้อย่างมีประสิทธิภาพจะค่อยๆ หายไป

ในที่สุด เราจะสร้าง "ระบบนิเวศตัวแทน" ขึ้นมา — ตัวแทนเหล่านี้จะพัฒนาผ่าน "ข้อเสนอแนะ" มากกว่า "คำสั่ง" ซึ่งเรียกว่า "ตัวแทนอัตโนมัติ" (ไม่ใช่ "ปัญญาประดิษฐ์เชิงสร้างสรรค์")

อนาคตจะมุ่งหน้าไปทางไหน?

คลื่นแห่ง “การแข่งขันแบบเปิด” นี้จะผลักดันปัญญาประดิษฐ์จาก “รูปแบบรวมศูนย์” ไปเป็น “รูปแบบกระจายอำนาจโอเพนซอร์ส”

ในอนาคตโมเดลและตัวแทนอันทรงพลังจะเกิดขึ้นภายใน "สภาพแวดล้อมแบบกระจายอำนาจ"

ในไม่ช้า ปัญญาประดิษฐ์จะสามารถจัดการ "วงจรการพัฒนาตนเอง" ได้อย่างอัตโนมัติ โดยบางโมเดลจะปรับแต่งโมเดลอื่นๆ ประเมินประสิทธิภาพของโมเดลอื่นๆ ดำเนินการปรับปรุงประสิทธิภาพตนเอง และอัปเดตข้อมูลโดยอัตโนมัติ วงจรนี้จะช่วยลดการมีส่วนร่วมของมนุษย์ลงอย่างมาก ในขณะเดียวกันก็ช่วยเร่งความเร็วในการทำซ้ำของ AI อีกด้วย

เมื่อแนวโน้มนี้แพร่กระจายออกไป บทบาทของมนุษย์จะเปลี่ยนจาก "การออกแบบปัญญาประดิษฐ์" ไปเป็น "การกรอง AI เพื่อรักษาพฤติกรรม AI ที่เป็นประโยชน์ และการกำหนดกฎเกณฑ์และขอบเขตที่มูลค่าความคาดหวังเชิงบวก (EV+) สำหรับสังคม"

ความคิดสุดท้ายหนึ่งข้อ

การแข่งขันมักจะกระตุ้นให้เกิดนวัตกรรมแต่ยังสามารถส่งเสริมให้เกิด "การจัดการรางวัล" และ "การเล่นเกมระบบ" ได้อีกด้วย

หากการออกแบบระบบไม่สามารถ "กระตุ้นให้เกิดพฤติกรรมที่ดีในระยะยาว" ได้ ก็ย่อมจะนำไปสู่ความล้มเหลวอย่างหลีกเลี่ยงไม่ได้ เช่น นักขุดบางคนอาจใช้ช่องโหว่ของกฎเกณฑ์เพื่อ "รับรางวัลในเกม" แทนที่จะสร้างมูลค่าเพิ่มอย่างแท้จริง

ดังนั้น “ระบบเปิด” จะต้องมี “กลไกการกำกับดูแล” และ “การออกแบบแรงจูงใจ” ที่แข็งแกร่ง เพื่อส่งเสริมพฤติกรรมที่ดีและลงโทษพฤติกรรมที่ไม่ดี

ใครก็ตามที่สามารถบรรลุเป้าหมายนี้ได้ก่อนก็จะสามารถคว้าโอกาสของนวัตกรรม "มูลค่า ความใส่ใจ และภูมิปัญญาหลัก" ต่อไปได้

ลิงค์บทความต้นฉบับ

ยินดีต้อนรับเข้าสู่ชุมชน BlockBeats อย่างเป็นทางการ:

กลุ่มสมัครสมาชิก Telegram: https://t.me/theblockbeats

กลุ่มสนทนา Telegram: https://t.me/BlockBeats_App

บัญชี Twitter อย่างเป็นทางการ: https://twitter.com/BlockBeatsAsia